Platforma B2B – skuteczna sprzedaż on‑line

Dyrektor działu informatycznego, stojący przed decyzją o wpuszczeniu asystenta AI do produkcyjnego sklepu internetowego, rzadko pyta o to, czy taki mechanizm w ogóle działa. Znacznie częściej pyta o coś trudniejszego, a mianowicie co się stanie, gdy ten mechanizm zadziała źle. Jest to pytanie w pełni uzasadnione, ponieważ każdy system, który potrafi zmieniać dane w sklepie internetowym, niesie ze sobą pewne ryzyko, a odpowiedzialny dostawca technologii powinien umieć na to pytanie odpowiedzieć równie konkretnie, jak odpowiada na pytanie o same korzyści. Ten artykuł zamyka naszą serię poświęconą protokołowi MCP w e-commerce i celowo skupia się na dwóch tematach, które w rozmowach o sztucznej inteligencji najczęściej albo się pomija, albo traktuje zbyt ogólnikowo, czyli na rzeczywistym koszcie wdrożenia oraz na mechanizmach kontroli, które sprawiają, że taki system nadaje się do pracy w firmie, a nie tylko do prezentacji na scenie. Ile oszczędza MCP, a ile pozostaje bez zmian Zanim przejdziemy do tematu ryzyka, warto uczciwie odpowiedzieć na pytanie o oszczędność, ponieważ to właśnie liczby, a nie ogólne deklaracje, przekonują osoby odpowiedzialne za budżet. Trzeba przy tym od razu zaznaczyć jedną rzecz – liczby, które za chwilę przedstawimy, pochodzą z modelu zbudowanego na podstawie jednego wdrożenia, a nie z systematycznego pomiaru obejmującego dziesiątki projektów, więc należy traktować je jako wiarygodny kierunek, a nie jako gwarancję identycznego wyniku w każdej firmie. Punktem odniesienia jest konfigurator produktu ciętego na wymiar, złożony z dwunastu miejsc wyboru, z których pięć wymaga ręcznego wpisania wartości zamiast wyboru z listy. Dla każdego z takich miejsc administrator musi ustawić przeciętnie siedem różnych parametrów, takich jak zakres, skok, wartość domyślna czy jednostka miary. Praca wykonywana w tradycyjny sposób, poprzez panel administracyjny, zajmuje przeciętnie około trzech minut na jedno miejsce wyboru, licząc wejście w edycję, wypełnienie pól, zapis oraz weryfikację poprawności. Praca wykonywana w rozmowie z asystentem AI sprowadza się natomiast do jednego polecenia na każde miejsce wyboru, uzupełnionego o końcowy odczyt kontrolny całej konfiguracji. Gdy rozłożymy budowę takiego konfiguratora na poszczególne etapy, okazuje się, że oszczędność nie rozkłada się równomiernie, co samo w sobie jest ważną informacją. Etap analizy potrzeb klienta oraz etap testowania gotowej ścieżki zakupowej zajmują dokładnie tyle samo czasu niezależnie od tego, czy resztę pracy wykonuje się ręcznie, czy w rozmowie z AI, ponieważ są to decyzje i weryfikacje wymagające ludzkiego osądu, których żadna automatyzacja nie zastąpi. Prawdziwa oszczędność pojawia się dopiero na etapach związanych z odtwórczą pracą techniczną, a więc przy budowaniu struktury konfiguratora, ustawianiu parametrów poszczególnych miejsc wyboru oraz przypisywaniu do nich towarów – właśnie na tych trzech etapach czas pracy spada o ponad osiemdziesiąt procent. W liczbach bezwzględnych oznacza to, że czas poświęcany na czynności odtwórcze skraca się z niemal dwóch godzin do niespełna dwudziestu minut, podczas gdy całkowity czas budowy konfiguratora, licząc również analizę i testy, skraca się o około połowę. Wniosek płynący z tego modelu jest równie ważny jak same liczby: –przy jednym, pojedynczym konfiguratorze oszczędność jest odczuwalna, ale nie rewolucyjna. Rewolucja zaczyna się dopiero wtedy, gdy w grę wchodzi skala – katalog złożony ze stu produktów konfigurowalnych oznacza stukrotne powtórzenie właśnie tych etapów, które dzięki AI kurczą się najbardziej. Oznacza to również jasny wniosek dla strategii sprzedaży takiego rozwiązania – nie sprzedaje się go firmie z pojedynczym konfiguratorem na stronie, lecz producentowi z dużym, zmieniającym się sezonowo katalogiem, dla którego czas wprowadzania zmian jest realnym kosztem operacyjnym, a nie jedynie niedogodnością. Uczciwość wymaga też jasnego powiedzenia, czego ten model nie obejmuje. Nie uwzględnia on kosztu przygotowania danych po stronie klienta, który w praktyce bywa największą pojedynczą pozycją całego projektu, ani czasu potrzebnego na naukę formułowania poleceń dla asystenta, co sprawia, że pierwsze wdrożenie u nowego klienta zajmuje więcej czasu niż każde kolejne. Najuczciwiej będzie zatem powiedzieć, że pierwszy konfigurator zbuduje się w podobnym czasie co dotychczas, a realna różnica pojawia się dopiero od drugiego wdrożenia. Cztery mechanizmy kontroli, które muszą być standardem Skoro wiadomo już, ile można zyskać, czas odpowiedzieć na pytanie, które w tytule tego artykułu pojawia się jako najważniejsze tzn. jak sprawić, żeby asystent AI działający w sklepie internetowym nie stał się źródłem nowego ryzyka zamiast oszczędności. Odpowiedzią są cztery mechanizmy kontroli, które powinny być standardem w każdym poważnym wdrożeniu, niezależnie od tego, jaki dostawca oprogramowania stoi za danym rozwiązaniem. Pierwszym mechanizmem są uprawnienia. Wprowadzanie jakiejkolwiek zmiany w danych sklepu powinno wymagać uprawnień administratora, a klucz dostępu, za pomocą którego asystent łączy się z systemem, powinien dziedziczyć uprawnienia konkretnego użytkownika, a nie działać jako odrębne, uprzywilejowane „konto agenta” posiadające prawa ponad zwykłym systemem uprawnień. Innymi słowy, asystent działający w imieniu pracownika bez odpowiednich uprawnień nie powinien być w stanie zrobić niczego więcej, niż mógłby zrobić sam ten pracownik, logując się ręcznie do panelu. Drugim mechanizmem jest transakcyjność każdej operacji zapisu. Oznacza to, że każda zmiana wykonywana przez asystenta powinna albo zakończyć się w pełni powodzeniem, albo w pełni się nie wydarzyć, bez pozostawiania systemu w stanie pośrednim. Jeżeli asystent ma na przykład zaktualizować listę kilkudziesięciu towarów i w trakcie tej operacji natrafi na jeden błędny wpis, dobrze zaprojektowany mechanizm nie zmieni połowy listy, pozostawiając drugą połowę nietkniętą, lecz wycofa całą operację i zgłosi, na czym dokładnie polegał problem. Trzecim mechanizmem jest pełna historia każdej zmiany. Każda modyfikacja wykonana przez asystenta powinna trafiać do rejestru zawierającego wartość sprzed zmiany, wartość po zmianie, informację o tym, kto tę zmianę zlecił, oraz miejsce, z którego przyszło zlecenie. Równie istotne jest, aby wpisy pochodzące od asystenta AI dały się jednoznacznie odróżnić od wpisów wprowadzonych ręcznie przez pracownika w panelu administracyjnym, ponieważ dopiero taka możliwość rozróżnienia pozwala odpowiedzieć na pytanie, kto faktycznie stoi za konkretną zmianą w systemie. Czwartym mechanizmem są limity techniczne, takie jak ograniczenie liczby zapytań, jakie asystent może wykonać w ciągu minuty, wymuszenie szyfrowanego połączenia w środowisku produkcyjnym oraz możliwość ustawienia terminu ważności klucza dostępu, po którego upływie dostęp automatycznie wygasa, jeśli nie zostanie świadomie odnowiony. Te cztery mechanizmy nie eliminują całkowicie ryzyka związanego z pracą AI w systemie sprzedażowym, ponieważ żadna technologia nie daje stuprocentowej gwarancji bezbłędnego działania, ale sprawiają, że ewentualny błąd pozostaje widoczny, ograniczony w zasięgu i możliwy do szybkiego zdiagnozowania, zamiast rozlewać się po systemie w sposób niekontrolowany i niezauważony. Ryzyka, które mimo wszystko zostają Warto uczciwie powiedzieć, że nawet przy zachowaniu wszystkich czterech mechanizmów kontroli, pewne rodzaje ryzyka pozostają, i lepiej nazwać je wprost, niż udawać, że nie istnieją. Pierwszym z nich jest ryzyko operacji masowej wykonanej na podstawie błędnego założenia. Asystent AI, poproszony o zmianę cen na tysiącu produktów jednocześnie, wykona to polecenie równie sprawnie, jak wykonałby je na pojedynczym produkcie, a to oznacza, że błędne założenie leżące u podstaw takiego polecenia zostanie powielone na całym zbiorze równie szybko, jak poprawne. Najlepszym zabezpieczeniem przed tym ryzykiem jest rozpoczynanie współpracy z asystentem od trybu wyłącznie do odczytu oraz wymaganie akceptacji planu działania przed wykonaniem operacji obejmującej dużą liczbę rekordów naraz. Drugim ryzykiem jest niejednoznaczność samego polecenia. Zdanie w rodzaju „ustaw maksimum na sześć” brzmi jasno dla osoby, która je wypowiada, ale nie precyzuje, czy chodzi o sześć metrów, sześć sztuk, czy może sześć dni, a asystent zapisze dokładnie to, co otrzyma, nie mając możliwości domyślenia się intencji, jeśli nie została ona jasno wyrażona. Dlatego tak ważne jest, aby każda odpowiedź asystenta pokazywała wprost, jaka wartość obowiązywała wcześniej i jaka obowiązuje teraz, co pozwala natychmiast wychwycić taką pomyłkę, zanim wywoła ona realne skutki biznesowe. Trzecim ryzykiem jest fakt, że treść poleceń kierowanych do asystenta trafia do zewnętrznego dostawcy modelu sztucznej inteligencji, co oznacza, że dane sklepu w pewnym zakresie opuszczają infrastrukturę samej firmy. Odpowiedzialne podejście do tego ryzyka polega na pozostawieniu klientowi decyzji o wyborze konkretnego dostawcy modelu oraz regionu, w którym dane są przetwarzane, a także na możliwości świadomego zawężenia zestawu operacji, do których asystent w ogóle ma dostęp. Czwartym, najbardziej strategicznym, ryzykiem jest obawa przed uzależnieniem się od jednego dostawcy technologii. Warto jednak zauważyć, że sam protokół, na którym opiera się komunikacja między systemem a asystentem, jest standardem otwartym, a nie własnością jednej firmy. Ten sam serwer opisujący możliwości sklepu może obsługiwać różnych asystentów od różnych dostawców, co czyni z tego argumentu raczej zaletę całego podejścia niż jego słabość. Zasadą, którą warto potraktować jako punkt wyjścia do każdego wdrożenia, jest wpuszczenie asystenta do systemu klienta najpierw wyłącznie w trybie odczytu, i pozostawienie go w tym trybie przez pierwszy miesiąc współpracy. W tym czasie asystent może przejść przez cały katalog produktów i wskazać miejsca, w których dane są niespójne albo niekompletne, dając realną wartość bez jakiegokolwiek ryzyka związanego z możliwością wprowadzania zmian. Dopiero gdy klient na własne oczy zobaczy, że narzędzie poprawnie rozumie jego dane, warto rozważyć włączenie trybu zapisu. Co MCP oznacza dla Ciebie, gdy patrzysz na to z perspektywy zarządu? Jeżeli przeczytałeś wszystkie trzy artykuły tej serii, wiesz już, że MCP to nie jest pojedyncza funkcja ani chwilowa moda technologiczna, lecz otwarty standard, dzięki któremu asystent AI może bezpiecznie i w sposób kontrolowany wykonywać realną pracę w systemie sprzedażowym, od najprostszych operacji, przez budowę złożonych konfiguratorów, aż po pytania o koszt i ryzyko, które musi zadać sobie każdy odpowiedzialny decydent. Najważniejszym wnioskiem płynącym z tego ostatniego artykułu jest to, że oszczędność czasu i mechanizmy kontroli nie są względem siebie konkurencyjne, lecz się uzupełniają. Firma, która chce skorzystać z realnej oszczędności widocznej przy dużej skali katalogu, powinna jednocześnie oczekiwać od swojego dostawcy technologii jasnych odpowiedzi na pytania o uprawnienia, transakcyjność, historię zmian i limity techniczne, a najlepszym testem wiarygodności takiego dostawcy jest to, czy potrafi równie otwarcie mówić o ograniczeniach swojego rozwiązania, jak mówi o jego zaletach. Jeżeli rozpoznajesz w swojej firmie choćby jeden z opisanych w tej serii scenariuszy, kolejkę zadań dla działu informatycznego przy każdej zmianie oferty, katalog produktów konfigurowalnych, który rośnie szybciej niż zasoby zespołu technicznego, albo pytania klientów, na które dziś potrafi odpowiedzieć tylko jedna osoba w firmie, to jest dokładnie ten moment, w którym warto sprawdzić, jak wygląda to w praktyce na Twoich własnych danych, zanim podejmiesz jakąkolwiek decyzję. MCP, koszt i ryzyko – w trzech zdaniach Oszczędność czasu dzięki MCP nie jest równomierna – dotyczy głównie odtwórczej pracy technicznej i ujawnia się w pełni dopiero przy dużej skali katalogu, a nie przy pojedynczym wdrożeniu. Cztery mechanizmy kontroli – uprawnienia, transakcyjność, historia zmian i limity techniczne powinny być standardem w każdym wdrożeniu, a rozpoczęcie współpracy od trybu wyłącznie do odczytu jest najbezpieczniejszym sposobem na zbudowanie zaufania do nowego mechanizmu. Wartość takiego rozwiązania dostrzega nie tylko dział informatyczny, ale niemal każda osoba decyzyjna w firmie – od właściciela, przez kierownika katalogu, po dział obsługi klienta i dyrektora sprzedaży.