

025: Automatyzacja e-commerce z AI - hit czy kit?
Zastanawiasz się, czy dzięki sztucznej inteligencji możesz wyeliminować programistów i obniżyć koszty tworzenia oprogramowania e-commerce o 90%? W tym materiale rozkładam na czynniki pierwsze realne możliwości LLM-ów, pokazując, gdzie leżą ich największe zalety, a gdzie kryją się kosztowne pułapki. W najnowszym odcinku Manufaktury E-commerce dzielę się wnioskami z praktycznego wykorzystywania AI w projektach e-commerce - w tym przy budowie naszej platformy Endora Commerce. Tłumaczę, dlaczego model LLM warto traktować jak programistę o średnim doświadczeniu, który świetnie radzi sobie z kodem, ale nie rozumie Twojego biznesu bez precyzyjnej specyfikacji (Spec-Driven Development). Dowiesz się również, o ile naprawdę można skrócić czas i koszt wytwarzania oprogramowania, czym jest ryzyko vendor lock-in oraz dlaczego w dobie taniego tworzenia kodu to marketing i dystrybucja stają się największym wyzwaniem finansowym. ⏱ Spis treści (Timestamps): 00:00 – Partner odcinka: Endora 00:26 – Wstęp: czy firmy mogą same budować automatyzacje z AI 01:57 – O czym mówimy: LLM to nie całe AI, ale to one udostępniły kod 03:32 – LLM jak programista mid: dobry kod, jeśli dobrze go pokierujesz 05:35 – Model nie rozumie Twojego biznesu, a właściciele zapominają o kontekście 07:07 – Kto ma instruować model: osoba na styku biznesu i technologii 09:02 – Spec-driven development: specyfikacja zamiast pisania kodu 11:31 – Kilkanaście godzin konsultacji zamiast stałego konsultanta 12:12 – Jak pisać specyfikację: struktura, sekwencje i diagramy 13:40 – Specyfikacja jako dokumentacja dla ludzi i kolejnych agentów 15:54 – Czy naprawdę jest taniej i szybciej? Pytanie o jakość 16:33 – Śmieci na wejściu, dziesięć razy większy śmietnik na wyjściu 17:34 – Ile realnie zyskujesz: 30-50% kosztu i czasu, mniej przy złożonym produkcie 19:04 – Dlaczego zrównoleglanie prac ma swoje granice 20:06 – Czerwona lampka: obietnica dziesięciokrotnego przyspieszenia 21:31 – Endora Commerce: 60 modułów i 25 integracji w pięć miesięcy 22:37 – Produkt rynkowy a narzędzie wewnętrzne: różnica w specyfikacji 24:44 – Wady: halucynacje modelu i poprawki po nim 26:20 – Vendor lock-in i koszt tokenów przy utrzymaniu rozwiązania 28:45 – LLM przesuwają granicę automatyzacji, ale jej nie eliminują 29:56 – Policz koszt wytworzenia i utrzymania, zanim wpiszesz prompt 31:57 – Asystent AI na nieuporządkowanych danych produktowych 33:58 – Nie hype, tylko strategia sprzedaży 35:49 – Gdy produkt łatwo zbudować, najdroższa staje się dystrybucja 38:16 – Zakończenie i plan kolejnych odcinków 💬 Masz pytania lub własne doświadczenia z wdrażaniem AI? Daj znać w komentarzu, jak w Twojej firmie podchodzicie do automatyzacji procesów lub napisz do mnie bezpośrednio – chętnie porozmawiam o wyzwaniach w Twoim e-commerce! Wersję demo naszej platformy B2B przetestujesz pod adresem: https://commerce.endora.software/ 🔗 Linki i kontakt: Strona odcinka: https://michalzabielski.pl/025/ LinkedIn: https://www.linkedin.com/in/mzabielskipl/ Instagram: https://www.instagram.com/michalzabielski_ecommerce/ E-mail / Kontakt: https://michalzabielski.pl/kontakt/ 🚀 Szukasz wsparcia we wdrożeniu lub analizie e-commerce? Zobacz, co robimy w Endora: https://endora.pl Nasze realizacje: https://endora.pl/case-studies/





