Wielokanałowy e-commerce.

Problem

Wielokanałowy sprzedawca e-commerce z obecnością na największych marketplace'ach Europy Środkowej i rozbudowanymi operacjami zakupowymi, logistycznymi i planistycznymi — prowadzonymi wcześniej w dużej mierze ręcznie, w arkuszach i skrzynkach mailowych. Każdy nowy kanał sprzedaży i każdy nowy kraj dokładał kolejną warstwę ręcznej pracy.

Co zbudowałem

Platformę automatyzacji, na której powstało już ponad 200 workflowów — częściowo moich, a częściowo zbudowanych przez zespół klienta, który do tego przygotowałem:

• Marketplace'y: 7+ kanałów, 6 krajów — Allegro (PL i CZ), eMAG (RO i HU), Kaufland, Empik, rynki bałtyckie: codzienny monitoring buy-boxów, archiwa cen, dzienne snapshoty marży i automatyczna aktualizacja cen — zawsze z raportami "co się zmieniło / co wymaga uwagi" i zadaniem dla człowieka, nigdy w ciemno.
• Agentowy research produktowy — agent AI, który po kodzie EAN wyszukuje skład produktu w zaufanych źródłach i zwraca wynik ze źródłem oraz poziomem pewności. Obok — pipeline generujący nazwy, instrukcje użycia i opisy marketplace'owe prosto do systemu PIM.
• AI w obsłudze klienta — bramka klasyfikująca każde zgłoszenie helpdesku na 10 intencji, wdrażana etapami: najpierw mierzymy trafność na żywym ruchu, dopiero potem włączamy automatyczne akcje.
• Pamięć operacyjna firmy — każde nagrane spotkanie trafia do przeszukiwalnej bazy z filtrem prywatności; asystent odpowiada na pytania typu "co ustaliliśmy z X w marcu" z odnośnikiem do źródła.
• Agent pilnujący rytmu projektów — w firmie bez warstwy middle managementu agent AI codziennie rano przegląda portfel projektów wzrostowych w Asanie: publikuje notę zarządczą (ocena projektu, wiszące decyzje, właściciele, terminy), aktualizuje statusy przy zmianie oceny i punktowo upomina się o zadania bez właściciela czy decyzje bez odpowiedzi — z dziennym limitem przypomnień, żeby wspierać rytm, a nie spamować. Pisze statusy i komentarze, ale celowo nie zmienia cudzych zadań.
• Kod tam, gdzie kończy się low-code — własne mikroserwisy wspierające automatyzacje: wieloplatformowy scraper z obsługą zabezpieczeń anty-botowych, konwerter dokumentów do formatu czytelnego dla AI (wydany jako open source), serwis przetwarzania Excela zachowujący formatowanie oraz dopasowywanie produktów między platformami.
• Wewnętrzny zespół automatyzacji — najtrwalsza część wdrożenia: dzięki n8n-mcp (mojemu narzędziu, w którym workflow buduje za pracownika agent AI) pracownicy tworzą automatyzacje samodzielnie, bez długiej nauki platformy, a regularne office hours służą do przeglądu, odblokowywania i podnoszenia poprzeczki. Automatyzacja przestała być usługą zewnętrzną — stała się kompetencją firmy.
• Fundament pod skalę — platforma pracuje na własnej infrastrukturze klienta, w architekturze kolejkowej z równoległymi workerami, z codziennym backupiem i monitoringiem: każdy błąd automatycznie staje się zadaniem dla właściwej osoby, z pełnym kontekstem.

W produkcji pracują obok siebie modele kilku dostawców — dobierane do zadania, nie z przywiązania do jednego vendora.

Rezultat

Zautomatyzowany back-office w skali wielu marketplace'ów i krajów: wejście na nowy rynek to konfiguracja, a nie nowy etat. A co najważniejsze — system jest własnością zespołu, nie konsultanta: ludzie, którzy znają swoją pracę, sami ją automatyzują, a ja dbam o architekturę, trudniejsze elementy i rozwój platformy.