Damian zaczyna od wyraźnego sygnału: AI przechodzi z nagłówków o „agentic commerce” do codziennych operacji. Badanie, które omawiają, ujmuje to prosto. Prawie każda firma wdrożyła już co najmniej jedną funkcję AI. A zastosowania przesuwają się z wyszukiwania i personalizacji w stronę ustalania cen, prognozowania popytu i routingu zamówień.
I to jest tu najważniejsze. Zespołom ecommerce nie chodzi tylko o to, żeby brzmieć innowacyjnie. Chcą, żeby cała maszyna działała płynniej.
Matt łączy to z doskonałością operacyjną. Klienci chcą dostać produkt „jak najszybciej”. Nie widzą, co dzieje się za kulisami. Ale marki odczuwają każde wąskie gardło. Obietnica jest prosta: jeśli AI przyspieszy i zoptymalizuje zaplecze, zacznie działać jak dźwignia dla całego biznesu.
Matt proponuje praktyczne zastosowanie, przydatne zwłaszcza dla zarządu: zbuduj wewnętrznych agentów AI, którzy przede wszystkim analizują. Nie mają „robić wszystkiego”, tylko czytać między wierszami w systemach, w których kryją się tarcia.
Chodzi o kanały na Slacku, maile, dokumenty na Dysku, komunikację z magazynem i wątki operacyjne. Celem jest regularny raport, który pokazuje, gdzie psują się procesy, gdzie decyzje się opóźniają i co zespoły mogą uprościć.
To prosty pomysł z dużymi konsekwencjami. AI staje się częścią rytmu pracy firmy, a nie jednorazowym narzędziem.
Damian zwraca uwagę na coś, co powtarza się w prawdziwych wdrożeniach: jakość wyniku zależy od jakości danych wejściowych. Era „magicznych promptów” i automatyzacji plug-and-play szybko się kończy, kiedy próbujesz uruchomić AI w konkretnym biznesie.
Jak mówi Damian, musisz „uczynić AI swoją”. Musisz nauczyć ją swojego tonu, kontekstu i ograniczeń. Najcenniejsze automatyzacje będą wyglądać na autorskie, bo zbudowano je wokół autorskich procesów.
Matt podaje przykłady głębokich integracji, m.in. wyceny prowadzone przez AI dla drogich produktów D2C: system pobiera dane z narzędzi takich jak QuickBooks, wysyła follow-upy mailem i angażuje człowieka tylko wtedy, gdy to potrzebne.
Dane Eurostatu pokazują, że wielu kupujących wciąż napotyka problemy. Problem numer 1 to opóźniona dostawa. Damian nazywa niewygodną prawdę po imieniu: po latach dojrzewania ecommerce te „standardowe problemy” wciąż występują na dużą skalę.
Matt mówi wprost i praktycznie. Opóźnienia się zdarzają. Marka traci zaufanie, gdy nie mówi o nich otwarcie.
Matt łączy opóźnioną dostawę z czymś, co odczuwa każda marka: z opiniami. Ten niewielki odsetek jednogwiazdkowych opinii często nie ma nic wspólnego z produktem. Chodzi o wysyłkę, uszkodzenia i brak komunikacji. A to ciągnie w dół ogólną ocenę.
Damian dobrze to podsumowuje: jeśli Ty i konkurent dostarczacie jutro, to ten, kto jasno to komunikuje, wygrywa. „Nie ma różnicy w realizacji. Jest różnica w komunikacji”.
Właśnie tu doskonałość operacyjna staje się widoczna. Jasny termin dostawy, szybka reakcja obsługi klienta, jakość dostawy i zwroty nie są sprawą drugorzędną. To dźwignie konwersji.
„AI Attribute Builder” od ChannelEngine wpisuje się w ten sam trend: AI wspiera higienę operacyjną. Sprzedaż wielokanałowa sprawia, że atrybuty się rozjeżdżają. Każdy marketplace ma inne wymagania. Niekompletne pola to realna utrata przychodu.
Matt dodaje perspektywę na przyszłość: AI jest już częścią odkrywania produktów. Platformy coraz częściej streszczają opinie i interpretują dane produktowe. Atrybuty i metadane nie służą więc tylko zgodności z feedem. To dane wejściowe do tego, co poleca AI.
Praktyczny wniosek z rozmowy: opinie typu „świetny produkt” nic nie dają. Szczegółowe opinie, które wyjaśniają, dlaczego ktoś kupił, co mu się podobało i jak wyglądało całe doświadczenie, są dużo cenniejsze, kiedy AI streszcza całą historię.
Krótko wspominają o benchmarku, z którego wynika, że tylko niewielka część sprzedawców osiąga „dojrzałość unified commerce”, mierzoną na setkach funkcji.
Kluczowym wnioskiem nie jest metoda oceny, tylko luka. Wielu sprzedawców wciąż ma sporo pracy w obszarze zakupów, checkoutu, realizacji zamówień i obsługi. Szansa nadal czeka na zespoły, które poprawią podstawy.
Ostatni temat spina wszystko w całość.
Meta testuje zakupy wspierane przez AI, które zaczynają się po kliknięciu reklamy produktu. Obietnica to mniej szukania informacji i mniej tarcia przy zakupie. Najważniejszy jest przepływ, który opisuje Matt: „reklama → natychmiastowa jasność co do produktu → natychmiastowy zakup”.
Damian widzi w tym kolejną falę social shoppingu. TikTok nauczył użytkowników kupować bezpośrednio w aplikacji. Meta musi na to odpowiedzieć.
A warunkiem sukcesu nie jest tylko lepszy interfejs dla kupujących. To także prostszy proces dla sprzedawców. Jeśli gdzie indziej sprzedaje się łatwiej, sprzedawcy pójdą gdzie indziej.
Matt i Damian dochodzą do realistycznego wniosku. To zależy od produktu. Wielu kupujących wciąż „musi poszukać informacji”. Zaufanie ma znaczenie. Ograniczona dostępność i presja czasu mogą napędzić pierwsze konwersje, ale nie mogą być całą strategią, jeśli marka chce przetrwać na dłużej.
Warto zapamiętać ostatnią praktyczną wskazówkę Matta: jeśli natychmiastowy zakup nie sprawdza się przy zimnym ruchu, może sprawdzić się w retargetingu. Najpierw zbuduj zaufanie. Potem skróć ścieżkę zakupową.
