Dlaczego zbudowałem Asellio: asystent AI, który rozumie Twój sklep, a nie tylko język naturalny
Dlaczego zbudowałem Asellio: asystent AI, który rozumie Twój sklep, a nie tylko język naturalny
Geneza Asellio z perspektywy praktyka e-commerce i programisty. Dlaczego uniwersalne chatboty zawodzą w niszach i jak architektura RAG zmienia doradztwo sprzedażowe.
W poprzednim artykule pisałem o specyficznych wyzwaniach branży zoologicznej w handlu internetowym — o tym, że klient poszukujący karmy dla psa z wrażliwym układem pokarmowym albo filtra do konkretnego akwarium nie oczekuje ogólnikowej rozmowy, lecz precyzyjnej, kompetentnej odpowiedzi („Problemy branży zoologicznej w świecie e-commerce a Asellio”). Ten tekst stanowi naturalną kontynuację tamtych rozważań. Chcę w nim wyjaśnić, skąd zrodził się pomysł na Asellio i dlaczego zdecydowałem się zaprojektować ten system inaczej niż standardowe narzędzia konwersacyjne.
Historia ta nie powstała przy biurku analityka przeglądającego wykresy rynkowe. Zanim zająłem się tworzeniem oprogramowania SaaS, od lat byłem — i nadal jestem — aktywnym praktykiem akwarystyki morskiej oraz hodowli. Prowadząc projekt Reef Sentinel, spędziłem setki godzin na forach branżowych, w sklepach i na czatach ze sprzedawcami, próbując ustalić, czy dany reaktor wapnia sprawdzi się w moim zbiorniku, czy specyficzne oświetlenie zapewni odpowiedni poziom promieniowania PAR dla koralowców twardych, albo czy dany preparat nie zaburzy równowagi biologicznej wody.
Jako programista patrzący na ten proces od strony architektury oprogramowania dostrzegałem jednocześnie, jak bardzo powszechnie stosowane rozwiązania technologiczne zawodziły w najprostszych sytuacjach użytkowych.
Problem u źródła: generyczne narzędzia nie znają specyfiki niszy
Podczas testowania popularnych widgetów czatowych (takich jak Tidio czy Intercom) regularnie pojawiał się ten sam schemat. System generował poprawną, uprzejmą wiadomość, która w praktyce była pozbawiona treści merytorycznej. Bot potrafił podziękować za zapytanie lub podać ogólną definicję encyklopedyczną z internetu, lecz nie posiadał wiedzy o kompatybilności niszowego sprzętu, wymaganiach środowiskowych konkretnych gatunków czy różnicach w składzie chemicznym nawozów lub preparatów znajdujących się w ofercie danego sklepu.
Nie wynika to z wad samych aplikacji — zostały one zaprojektowane jako uniwersalne interfejsy konwersacyjne do obsługi prostych pytań FAQ i schematycznych ścieżek kontaktowych. Nie posiadają jednak bezpośredniego wglądu w rzeczywistą bazę wiedzy sklepu ani specyfikację techniczną asortymentu.
W branżach takich jak akwarystyka, zoologia, ogrodnictwo czy budownictwo to zdecydowanie za mało. Klient nie pyta bowiem o definicję filtra akwariowego, lecz o to, czy konkretny model sprosta wymaganiom jego zbiornika przy określonym poziomie zarybienia. Generyczny bot udziela odpowiedzi na pytanie, którego nikt nie zadał. W efekcie sklep traci wiarygodność, a potencjalna transakcja kończy się porzuceniem koszyka.
Podejście Asellio: asystent uczący się wiedzy sklepu, a nie całego internetu
Głównym założeniem przy projektowaniu Asellio było całkowite odwrócenie tej logiki. Zamiast budować kolejny uniwersalny model konwersacyjny, stworzyłem system, który w pierwszej kolejności integruje i analizuje wiedzę konkretnego sklepu — zawartość strony, dokumentację techniczną, bazy pytań i odpowiedzi oraz poradniki — i dopiero na tej podstawie prowadzi interakcję z kupującym.
Od strony technologicznej odpowiada za to architektura RAG (Retrieval-Augmented Generation). Asystent wyszukuje najbardzieji trafne fragmenty zweryfikowanej wiedzy sprzedawcy oraz dane z katalogu produktów, a następnie generuje odpowiedź osadzoną w faktach, eliminując ryzyko wymyślania nieprawdziwych informacji.
W praktyce kupujący pytający o dobór oświetlenia do akwarium roślinnego otrzymuje odpowiedź uwzględniającą wyłącznie asortyment dostępny w danym sklepie. Asystent potrafi dodatkowo przedstawić rekomendacje w formie czytelnych, wizualnych kart produktowych, które klient może natychmiast przeanalizować i dodać do zamówienia. Na tym polega kluczowa różnica między schematycznym botem rozmownym a wsparciem doradczym w e-commerce.
Panel Laboratorium Asystenta Asellio — testowanie i ocena odpowiedzi w czasie rzeczywistym dla konkretnego sklepu (Reef Sentinel).
Specjalizacja branżowa i odpowiedzialność biznesowa
Kolejnym priorytetem było wprowadzenie specjalizacji branżowej zamiast jednolitego schematu dla wszystkich sklepów. W segmencie artykułów dla zwierząt Asellio uwzględnia specyfikę różnych grup gatunkowych (psy, koty, gryzonie, gady, ptaki, płazy), dostosowując kontekst udzielanych porad. Doradztwo w zakresie diety gadów wymaga całkowicie innych parametrów niż dobór karmy dla psów ras małych. Analogicznie w akwarystyce czy ogrodnictwie – zakres informacji różni się w zależności od tego, czy zapytanie dotyczy flory akwariowej, ryb słodkowodnych czy upraw ogrodowych.
Wiąże się z tym kluczowa kwestia: bezpieczeństwo i odpowiedzialność w sytuacjach krytycznych. W branżach związanych ze zdrowiem zwierząt lub roślin niektóre pytania nie powinny prowadzić do automatycznej sprzedaży. Jeśli klient zgłasza, że zwierzę spożyło substancję potencjalnie niebezpieczną, system musi natychmiast rozpoznać takie zagrożenie i zaoferować właściwą instrukcję postępowania oraz zalecenie kontaktu z lekarzem weterynarii, zamiast proponować zakup preparatów z oferty.
Zaprojektowałem Asellio tak, aby w newralgicznych momentach świadomie przedkładał bezpieczeństwo i odpowiedzialność nad próbę zamknięcia sprzedaży. Jest to celowa decyzja projektowa, stanowiąca warunek konieczny do odpowiedzialnego wdrażania sztucznej inteligencji w branżach specjalistycznych.
Rola człowieka: automatyzacja jako wsparcie zespołu
Filozofia Asellio opiera się na koncepcji współdziałania technologii z człowiekiem (human-in-the-loop). Celem systemu nie jest zastąpienie pracowników obsługi klienta, lecz odciążenie ich od powtarzalnych, prostych zapytań, aby mogli skupić się na sprawach wymagających indywidualnego podejmowania decyzji.
Wszystkie konwersacje wymagające interwencji pracownika trafiają do zintegrowanej skrzynki odbiorczej (Live Inbox), umożliwiając płynne przejęcie rozmowy w dowolnym momencie. Co więcej, w komunikacji e-mailowej system domyślnie generuje wersje robocze wiadomości (draft-first). Pracownik weryfikuje propozycję przygotowaną przez AI, decydując o jej wysyłce, edycji lub odrzuceniu.
W branżach, gdzie błędna porada może mieć konsekwencje dla zdrowia zwierząt lub upraw, priorytetem pozostaje kontrola jakości i odpowiedzialność za przekazywane informacje.
Zgodność z regulacjami i przejrzystość
Podejście to przekłada się bezpośrednio na zgodność z przepisami prawa. Asellio zostało zaprojektowane z uwzględnieniem wymogów RODO oraz zapisów unijnego rozporządzenia o sztucznej inteligencji (EU AI Act), w szczególności w zakresie obowiązków informacyjnych wynikających z art. 50.
Przejrzystość wobec użytkownika oraz ochrona danych osobowych nie są dodatkiem do systemu, lecz stanowią jego integralną część. Technologia stosowana w handlu internetowym musi być godna zaufania, aby mogła skutecznie wspierać procesy sprzedażowe.
Wizja rozwoju: narzędzie dostosowane do realiów niszy
Rynek oprogramowania oferuje wiele uniwersalnych platform konwersacyjnych, które rzadko uwzględniają specyfikę niszowych branż. Celem Asellio jest dostarczenie rozwiązania rozumiejącego realia konkretnych sektorów — akwarystyki, zoologii, ogrodnictwa czy majsterkowania — na poziomie zbliżonym do doświadczonego doradcy w sklepie stacjonarnym.
Asellio powstało na bazie realnych potrzeb i doświadczeń zakupowych. W kolejnych publikacjach przedstawimy praktyczne przykłady wykorzystania systemu w codziennej pracy sklepów internetowych oraz wyniki wdrożeń w poszczególnych branżach.
— Grzegorz Kamiński, Prezes Zarządu Reef Sentinel Sp. z o.o., twórca Asellio
Artykuł opracowany z udziałem narzędzi AI w zakresie syntezy danych rynkowych i zweryfikowany przez autora (zgodnie z wymogami przejrzystości Art. 50 AI Act).
P.S. Jeśli budujesz przepływy agentowe, integrujesz bazy wiedzy lub tworzysz oprogramowanie e-commerce, wypróbuj edytor Cursor, który świetnie wspomaga codzienną pracę programistyczną.
Bibliografia
- FEDIAF, „FEDIAF Publishes 2025 Facts and Figures” — https://europeanpetfood.org/_/news/fediaf-publishes-2025-facts-and-figures/
- Brandly360, „Branża zoologiczna w Polsce – aktualna analiza rynku” — https://brandly360.com/pl/blog/branza-zoologiczna-w-polsce-aktualna-analiza-rynku/
- IAB Polska, „Raport Gemius »E-commerce w Polsce 2025« jest już dostępny” — https://www.iab.org.pl/aktualnosci/raport-e-commerce-w-polsce-2025-jest-juz-dostepny/
- Komisja Europejska, „Transparency obligations under Article 50 of the AI Act” — https://digital-strategy.ec.europa.eu/en/faqs/transparency-obligations-under-article-50-ai-act
- GDPR-info.eu, „Art. 5 GDPR – Principles relating to processing of personal data” — https://gdpr-info.eu/art-5-gdpr/
