Klient: Ostrowski Handel Internetowy
Case study
Asystent AI skrócił czas przygotowywania odpowiedzi na pytania ofertowe o 50% – wyręcza handlowców w obsłudze ok. 3000 zapytań miesięcznie.
Zakres
Wdrożenie Asystenta AI
Twój zespół handlowy tonie w zapytaniach ofertowych i pytaniach technicznych? Zamiast zatrudniać kolejne osoby do Działu Hndlowego marki DobreGniazdka.pl, LuxMarket.pl oraz OtoLampy.pl zdecydowały się na wdrożenie Asystenta AI, który rozumie potoczny język klientów w zapytaniach, techniczne niuanse, sprawdza stany magazynowe i sam przygotowuje szkice ofert w Gmailu. Efekt? Uwolnienie połowy czasu zespołu handlowego.
Wyzwanie
Skalowanie e-commerce B2B/B2C
bez drastycznego zwiększania zatrudnienia
W każdym rozwijającym się biznesie e-commerce B2B + B2C nadchodzi moment, w którym zespół obsługi klienta przestaje nadążać za wolumenem zapytań. W przypadku marek Otolampy.pl, LuxMarket.pl oraz Dobregniazdka.pl, biuro obsługi mierzyło się z ok. 3000 maili miesięcznie.
Każda wiadomość – od prostych pytań o status zamówienia po skomplikowane zapytania ofertowe – wymagała manualnej analizy, przeszukiwania katalogu i ręcznego odpisywania. Naszym celem jako Cognize było odciążenie zespołu handlowego od powtarzalnych zadań i przyspieszenie ofertowania.
Game changer w procesie ofertowania B2B
Automatyczne tworzenie koszyków i ofert bezpośrednio w Gmailu
To wdrożenie wykracza poza standardowe chatboty. Stworzyliśmy inteligentnego asystenta AI do sprzedaży w modelu Human-in-the-Loop. Jak to działa w praktyce?
01. Analiza intencji: AI rozpoznaje, że klient w mailu (często pisząc językiem potocznym) pyta o zestaw produktów.
02. Weryfikacja Live: System łączy się przez API i MySQL, sprawdzając stany magazynowe i dostępność w czasie rzeczywistym.
03. Akcja w sklepie: Asystent fizycznie tworzy gotowy koszyk w systemie sklepowym.
04. Draft w Gmailu: Handlowiec otrzymuje gotowy szkic odpowiedzi, który zawiera profesjonalną listę produktów w formie kafelków oraz bezpośredni link do płatności za gotowy koszyk.
Efekt? Handlowiec nie szuka produktów w katalogu. Sprawdza notatkę od AI, dodaje ewentualny rabat i wysyła ofertę w kilka sekund.
Case Berker Q: Jak nauczyliśmy AI rozróżniać niuanse techniczne w zapytaniach klientów?
Największym wyzwaniem technicznym była specyfika branży osprzętu elektrycznego. O ile w oświetleniu nazwy lamp są unikalne, o tyle serie gniazdek (np. Berker Q.1, Q.3, Q.7) różnią się minimalnymi detalami technicznymi. Tradycyjne modele AI początkowo podawały błędne produkty, nie potrafiąc odróżnić tak zbliżonych parametrów.
Rozwiązanie Agentic Workflow od Cognize
Zamiast jednego zapytania do AI, proces rozbiliśmy na wieloetapową logikę.
Ekstrakcja i normalizacja
AI wyciąga z maila tylko cechy (seria, kolor) i tłumaczy język potoczny na nomenklaturę sklepową.
Multi-variant Search
System wielokrotnie przeszukuje bazę wektorową Pinecone, pobierając dużą próbkę danych.
Weryfikacja
Ostatni etap AI porównuje wyniki ze ścisłą specyfikacją klienta, eliminując błędy doboru.
Dzięki temu podejściu precyzja doboru produktów wzrosła do 90%.
Nowoczesny stack technologiczny
Jak powinien wyglądać, żeby automatyzować ofertowanie klientów?
Bezpieczeństwo
We wdrożeniu Agenta AI postawiliśmy na architekturę, która daje bezpieczeństwo biznesowe – brak uzależnienia od jednego dostawcy i maksymalną precyzję.
01. Orkiestracja procesów: n8n (serce automatyzacji)
Zamiast sztywnego kodu wybraliśmy platformę low-code. To „układ nerwowy” systemu, który pozwala błyskawicznie zmieniać logikę biznesową bez kosztownych prac programistycznych. Gwarantuje to dużą elastyczność i łatwe skalowanie procesów w przyszłości.
02. Sztuczna inteligencja: Wymienne modele LLM (odporność na zmiany rynkowe)
Architektura agnostyczna, która eliminuje ryzyko Vendor-Locka. System pozwala płynnie przełączać się między modelami (np. OpenAI czy Gemini) – to gwarancja stabilności niezależnie od zmian na rynku AI.
03. Baza wiedzy: Pinecone (Vector Database) dla błyskawicznego dopasowania produktów
Wyszukiwanie semantyczne, które „rozumie” kontekst, a nie tylko słowa kluczowe. Pozwala AI z precyzją rozróżniać niuanse techniczne (np. Berker Q.1 vs Q.3), eliminując błędy w doborze produktów, na których wykładają się standardowe wyszukiwarki.
04. Frontend: Dynamiczne szablony HTML/CSS w wiadomościach e-mail Przeniesienie doświadczenia UX ze sklepu prosto do maila. Zamiast surowych linków – estetyczne karty produktów ze zdjęciami i przyciskiem „Dodaj do koszyka”. Skracamy ścieżkę zakupową, co bezpośrednio przekłada się na wyższą konwersję.
Wyniki wdrożenia Asystenta AI w branży elektrotechnicznej
Automatyzacja, która przynosi realne oszczędności
Półroczny proces (3 miesiące budowy prototypu i 3 miesiące dostrajania pod feedback zespołu) przyniósł wymierne korzyści biznesowe:
• Czas: Skrócenie czasu odpowiedzi na maile o 50%.
• Jakość: Ustandaryzowane, profesjonalne i wyczerpujące odpowiedzi budujące autorytet marki.
• Komfort: Eliminacja najbardziej żmudnego elementu pracy handlowca – wertowania katalogów produktowych.
• Bezpieczeństwo: Dzięki notatkom wewnętrznym od AI, pracownicy są informowani o niskich stanach magazynowych zanim wyślą ofertę.
Współpraca
Planujesz podobne wdrożenie
Asystenta AI automatyzującego sprzedaż w swojej firmie?
Jako Cognize specjalizujemy się w projektowaniu systemów, które przenoszą złożone procesy handlowe do kanału online. Przykład wdrożenia asystenta AI dla marek Otolampy.pl, LuxMarket.pl oraz Dobregniazdka.pl pokazuje, że technologia AI może realnie wspierać zespoły handlowe i oszczędzać ich czas.
Masz pomysł, gotową specyfikację lub potrzebę biznesową?
Napisz do nas. Skontaktujemy się z Tobą w ciągu 24h.
