[{"data":1,"prerenderedAt":237},["ShallowReactive",2],{"realizacja-\u002Frealizacje\u002Fecommerce-b2b":3},{"id":4,"title":5,"body":6,"branza":215,"date":216,"description":206,"extension":217,"lokalizacja":218,"meta":219,"metrics":220,"navigation":230,"path":231,"rozmiar":232,"seo":233,"stem":234,"summary":235,"__hash__":236},"realizacje\u002Frealizacje\u002Fecommerce-b2b.md","AI assistant L1 customer support dla e-commerce B2B",{"type":7,"value":8,"toc":205},"minimark",[9,14,18,21,25,28,57,61,64,67,105,108,112,115,129,133,136,172,176,179,193,196],[10,11,13],"h2",{"id":12},"kontekst-klienta","Kontekst klienta",[15,16,17],"p",{},"Wrocławska platforma e-commerce B2B (komponenty elektroniczne dla MŚP), 45 osób, ~2 000 aktywnych klientów (głównie małe i średnie firmy produkcyjne), 50 000+ SKU w katalogu.",[15,19,20],{},"Dziennie do customer support wpadało 300-500 zgłoszeń (email, chat, formularz w sklepie): status zamówienia, dostępność produktu, parametry techniczne, faktury, zwroty, problemy z logowaniem.",[10,22,24],{"id":23},"problem","Problem",[15,26,27],{},"Customer support to było 12 etatów (8 L1 + 3 L2 + 1 manager). 70% zgłoszeń to L1 (powtarzalne, proste). Mimo to:",[29,30,31,39,45,51],"ul",{},[32,33,34,38],"li",{},[35,36,37],"strong",{},"Średni response time: 6-8h"," w godzinach pracy, 12-24h poza",[32,40,41,44],{},[35,42,43],{},"Zespół wypalał się"," na powtarzalnych pytaniach (rotacja 30%\u002Frok w L1)",[32,46,47,50],{},[35,48,49],{},"Trudność z rekrutacją"," — dla MŚP we Wrocławiu trudno znaleźć osoby do customer support z minimalną znajomością elektroniki",[32,52,53,56],{},[35,54,55],{},"Wzrost biznesu blokowany kosztem skali supportu"," — każde +500 klientów = +1 etat L1",[10,58,60],{"id":59},"rozwiązanie","Rozwiązanie",[15,62,63],{},"Projekt integracyjny AI (4 miesiące). Prosperity IT dostarczyło AI assistant zintegrowany z ERP (status zamówień), katalogiem produktów (dostępność, parametry, datasheety), bazą klientów (historia zakupów, kontrakty, limity kredytowe) i systemem ticketingowym (Zendesk).",[15,65,66],{},"Architektura:",[29,68,69,75,81,87,93,99],{},[32,70,71,74],{},[35,72,73],{},"Multi-channel input:"," email parser, chat widget (Vue 3), API dla mobile (jeśli klient ma własną apkę)",[32,76,77,80],{},[35,78,79],{},"Intent classification:"," klasyfikator do 12 kategorii (status zamówienia, dostępność, faktura, zwrot, support techniczny, etc.)",[32,82,83,86],{},[35,84,85],{},"Specialized tools per intent:"," każda kategoria ma swoje narzędzia (ERP query, catalog lookup, payment gateway check)",[32,88,89,92],{},[35,90,91],{},"LLM orchestrator:"," Claude Sonnet z function calling, kontrola wykonania narzędzi, generacja odpowiedzi w polskim",[32,94,95,98],{},[35,96,97],{},"Escalation logic:"," confidence \u003C85%, sentiment negatywny, wartość zamówienia >50 000 PLN, lub explicit \"rozmowa z człowiekiem\" → ticket do L2",[32,100,101,104],{},[35,102,103],{},"L2 panel:"," dashboard pokazujący kontekst rozmowy z AI + sugerowaną odpowiedź + szybkie akcje (refund, reissue, etc.)",[15,106,107],{},"Wszystko on-premise (własne GPU dla embeddings, Claude przez API z zero retention).",[10,109,111],{"id":110},"implementacja","Implementacja",[15,113,114],{},"4 miesiące. 1 senior engineer + UX designer (konsultacyjnie, 20h łącznie) + dedykowany product owner ze strony klienta.",[29,116,117,120,123,126],{},[32,118,119],{},"Miesiąc 1: architektura + integracje (ERP, katalog, Zendesk)",[32,121,122],{},"Miesiąc 2: intent classifier + 5 najczęstszych kategorii (status, dostępność, faktura, zwrot, login)",[32,124,125],{},"Miesiąc 3: pozostałe 7 kategorii + escalation logic + L2 panel",[32,127,128],{},"Miesiąc 4: rollout (10% → 50% → 100% zgłoszeń) + monitoring + iteracje",[10,130,132],{"id":131},"wyniki","Wyniki",[15,134,135],{},"Po 6 miesiącach produkcji:",[29,137,138,144,154,160,166],{},[32,139,140,143],{},[35,141,142],{},"80% L1 zamykanych bez człowieka"," — mierzone: rozmowy zakończone bez eskalacji do L2",[32,145,146,149,150,153],{},[35,147,148],{},"Response time: 2-3 min"," (vs 6-8h) dla AI-handled, ",[35,151,152],{},"45 min"," dla eskalacji do L2 (vs 6-8h)",[32,155,156,159],{},[35,157,158],{},"8 etatów L1 przeniesionych do strategicznych zadań:"," key account management, proaktywny outreach do nieaktywnych klientów, content (datasheety, gidy)",[32,161,162,165],{},[35,163,164],{},"NPS klientów: +35 pkt"," — szybsze odpowiedzi okazały się ważniejsze niż \"rozmowa z człowiekiem\"",[32,167,168,171],{},[35,169,170],{},"Skalowanie:"," wzrost klientów o 40% bez wzrostu kosztu supportu",[10,173,175],{"id":174},"co-dalej","Co dalej",[15,177,178],{},"Klient na Retainerze. Plany:",[29,180,181,187],{},[32,182,183,186],{},[35,184,185],{},"Q2 2026:"," proaktywne recommendations — AI assistant sugeruje komplementarne produkty przy zamówieniu",[32,188,189,192],{},[35,190,191],{},"Q3 2026:"," integracja z partnerami logistycznymi → real-time tracking w odpowiedziach AI",[194,195],"hr",{},[197,198,199],"blockquote",{},[15,200,201],{},[202,203,204],"em",{},"Dane klienta zanonimizowane na ich życzenie. Konkretne metryki, referencje i intro do klienta dostępne podczas rozmowy.",{"title":206,"searchDepth":207,"depth":207,"links":208},"",2,[209,210,211,212,213,214],{"id":12,"depth":207,"text":13},{"id":23,"depth":207,"text":24},{"id":59,"depth":207,"text":60},{"id":110,"depth":207,"text":111},{"id":131,"depth":207,"text":132},{"id":174,"depth":207,"text":175},"E-commerce B2B","2026-01-10","md","Wrocław",{},[221,224,227],{"value":222,"label":223},"80%","L1 zamknięte bez człowieka",{"value":225,"label":226},"2x","szybszy response time",{"value":228,"label":229},"8","etatów do strategicznych zadań",true,"\u002Frealizacje\u002Fecommerce-b2b","45 osób",{"title":5,"description":206},"realizacje\u002Fecommerce-b2b","80% zgłoszeń L1 zamykanych bez człowieka, 2x szybszy response time.","ZRNRPiGTDK1x8HrrYsA9Au-4SlPhaUY66fYpUl0zEy0",1781426262670]