Automatyzacja e-commerce na 7+ marketplace'ach.

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.
• Wspólna pamięć agentów AI (company brain) — pracownicy prowadzą projekty z własnymi asystentami AI: ChatGPT, Claude albo Codexem. Zbudowałem system, przez który te agenty dzielą się wiedzą. Każda osoba ma prywatną pamięć swojego asystenta, a wspólna przestrzeń zbiera decyzje, informacje o tym, kto nad czym pracuje, i opisy działania systemów, z wyszukiwaniem po znaczeniu. Dzięki temu agent, zanim zacznie zadanie, może sprawdzić, co inni już ustalili, zamiast zaczynać od zera. Obok działa samoaktualizująca się dokumentacja wszystkich workflowów n8n. Logowanie firmowym kontem Google, dane na serwerze klienta; pilotaż od października 2026.
• 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.