Co już dzisiaj robi nasze rozwiązanie?
Klienci mogą w jednym zdaniu zapytać o czas zwrotu i status paczki – agent równolegle prowadzi oba wątki, podtrzymując płynny dialog. Korzysta przy tym z pełnego kontekstu zakupów: publicznych stron informacyjnych oraz narzędzi backendowych (status zamówienia, dostępność produktu, zgłoszenia reklamacyjne). Każda odpowiedź pojawia się w kilka sekund, nawet przy dużym obciążeniu, bo bot działa na nowej infrastrukturze z niższymi opóźnieniami i szybszymi modelami. Wszystko dzieje się bez predefiniowanych ścieżek – agent sam wybiera informacje i funkcje potrzebne do udzielenia odpowiedzi. W rezultacie znaczna część rozmów kończy się bez udziału konsultanta, odciążając klasyczny BOK.
Ważną zasadą, której się trzymamy, jest jawność źródeł. Agent odpowiada wyłącznie na podstawie informacji dostępnych dla każdego odwiedzającego witrynę. Rozwiązanie to eliminuje ryzyko, że bot „wygada” poufne dane, a jednocześnie ułatwia aktualizację wiedzy – wystarczy zmienić treści na stronie lub w bazie wiedzy, a indeks natychmiast się odświeża.
Pod spodem działa dziś lista narzędzi definiowana w promptach, ale już patrzymy dalej: testujemy MCP – otwarty protokół, który pozwala pobierać listę narzędzi i promptów z osobnego serwera. To krok ku architekturze plug-and-play: gdy w systemie pojawi się nowe API, agent natychmiast zyskuje dodatkową „umiejętność”, bez przepisywania logiki.
Równolegle rozwijamy semantyczne wyszukiwanie. Klasyczne wyszukiwarki tokenizują zapytanie i szukają literalnych powtórzeń. W wektorowym indeksie liczy się znaczenie, więc hasło „eleganckie ubranie do pracy” znajdzie garnitur nawet wtedy, gdy w opisie produktu nie pada dokładnie ta fraza. Doświadczenie klienta zaczyna przypominać rozmowę z kompetentnym doradcą, a nie grę w „zgadnij słowo kluczowe”.
Im głębiej agent wnika w dane zamówień, tym wyższe są wymagania bezpieczeństwa. Testujemy różne modele autoryzacji – jednorazowy token na całą sesję i ścisłe filtrowanie tego, co trafia do zewnętrznych modeli. W dłuższej perspektywie rozważamy hybrydę: część zapytań obsługiwana lokalnie przez mniejszy model, a tylko najtrudniejsze przypadki wysyłane do chmury.
Wybrane kierunki rozwoju
Podsumowanie
Prace nad agentem AI dla BOK-u pokazują, że eCommerce wchodzi w erę, w której sztuczna inteligencja staje się nie dodatkiem, lecz centralnym interfejsem do danych i procesów. Jesteśmy na etapie wczesnej adopcji – podobnym do początków handlu internetowego – ale dojrzałość narzędzi rośnie z każdą iteracją.
Wyzwań nie brakuje: standaryzacja, koszty tokenów, transparentność decyzji modelu czy zmieniające się regulacje. Mimo to kolejne prototypy potwierdzają, że podejście narzędziowe, wzbogacone o semantyczne wyszukiwanie i dobrze zaprojektowane mechanizmy bezpieczeństwa, może stać się nowym standardem obsługi klienta online.
