Agenci AI w e-commerce: SAP i Google Cloud automatyzują retail na nową skalę

SAP i Google Cloud wdrożyły agentic commerce architecture – system, w którym AI agenci zarządzają marketingiem i operacjami retail w skali enterprise. Dla firm działających w handlu to sygnał, że automatyzacja na taką skalę przestaje być domeną gigantów.

Co to jest agentic commerce architecture

Tradycyjny e-commerce działa na fragmentarycznych API. Każdy system – magazyn, płatności, CRM – żyje osobno. Klient klika link z promocyjnego maila, wchodzi do aplikacji i widzi komunikat „brak w magazynie”. Dział obsługi klienta nie ma pełnego obrazu sytuacji. Zamówienie stoi.

SAP i Google Cloud rozwiązują ten problem przez Universal Commerce Protocol – standard wymiany danych między sklepami, bramkami płatności i autonomicznymi agentami. Dzięki temu oprogramowanie może samodzielnie obsłużyć cały cykl zakupowy: od wyszukiwania, przez transakcję, po obsługę posprzedażową. Agenci nie czekają na człowieka – działają na żywych danych z magazynu, historii klienta i aktywnych kampanii marketingowych.

SAP i Google Cloud: co konkretnie wdrożyli

Partnerstwo SAP i Google Cloud rozszerzyło się o konkretną architekturę techniczną. SAP Commerce Cloud integruje możliwości Google Gemini, żeby zasilić Shopping Assistant – asystenta zakupowego, który obsługuje rozmowy tekstowe i głosowe z klientami. System pamięta kontekst przez cały cykl zakupowy i sprawdza dostępność produktów w czasie rzeczywistym, zanim cokolwiek zaproponuje.

Po stronie marketingu SAP Engagement Cloud łączy się z Google BigQuery przez dwukierunkowy przepływ danych. BigQuery pobiera zmienne zewnętrzne – pogodę, lokalizację, wskaźniki interakcji z reklamami. SAP dostarcza dane wewnętrzne: profile klientów, historię transakcji, zgody marketingowe. Autonomiczne agenty łączą te dane i samodzielnie orkiestrują spersonalizowane kampanie. Twój zespół marketingu ustawia cele biznesowe – agenci robią resztę. Według raportu AI News o wdrożeniu SAP i Google Cloud, badania SAP pokazują, że 78% firm uważa AI za niezbędne do utrzymania klientów w 2026 roku. Jednocześnie mniej niż dwie na pięć firm faktycznie dzieli dane klientów między platformami CX i CRM.

Computer vision w retail: półki pod kontrolą AI

Równolegle do automatyzacji marketingu, AI wchodzi do fizycznych sklepów. Computer vision pozwala robotom i kamerom monitorować półki w czasie rzeczywistym – sprawdzać dostępność produktów, poprawność cen i zgodność z planogramem. To nie jest eksperyment. Według analizy Coresight Research cytowanej przez AI News, nieefektywności operacyjne pochłaniają 6,4% przychodów brutto w całym sektorze. W 2026 roku hardware, mass merchandise i grocery stracą na tych problemach łącznie 196,4 miliarda dolarów – o 21% więcej niż rok wcześniej.

Dziewięciu na dziesięciu retailerów zgłasza aktywne trudności z zarządzaniem przestrzenią sklepową. Puste półki i błędne ceny bezpośrednio obniżają marże – erozja marży przekracza 5% u 89% działających firm. BJ’s Wholesale Club wdrożył platformę robotyczną Simbe do monitorowania stanów magazynowych i dokładności cen. Efekt: 40% poprawa efektywności kompletowania zamówień rok do roku. Lowe’s z kolei zaoszczędził 80 nieproduktywnych godzin pracy na sklep tygodniowo dzięki automatyzacji zadań pracowniczych.

Jak agenci współpracują: digital + fizyczny sklep razem

Największa zmiana to integracja kanałów cyfrowych i fizycznych w jednym systemie. Dotąd marketing działał osobno, inventory osobno, obsługa klienta osobno. Agenci AI łączą te warstwy. Shopping Assistant sprawdza żywy stan magazynu, zanim zaproponuje produkt. Kampania marketingowa nie odpala się, jeśli towaru nie ma na półce. Dane z transakcji wracają do profilu klienta i zasilają kolejny cykl rekomendacji.

Albertsons, jeden z największych operatorów grocery w USA, celuje w 1,5 miliarda dolarów oszczędności przez trzy lata fiskalnych dzięki AI. CEO Susan Morris wyjaśniła, że celem jest wyposażenie handlowców w automatyczne wykonanie decyzji cenowych, promocyjnych i asortymentowych – żeby ludzie mogli skupić się na strategii, nie na ręcznym zarządzaniu. To model, który można skalować w dół – do mniejszych operatorów.

Jak się przygotować: dane, integracje, kolejność wdrożenia

Wdrożenie agentów AI bez porządnych danych to przepis na porażkę. Badania pokazują, że 43% liderów technologicznych inwestuje w oprogramowanie do optymalizacji cen, ale tylko 33% inwestuje w sprzęt do digitalizacji półek – który jest potrzebny, żeby te modele cenowe miały na czym działać. Efekt: algorytmy przetwarzają przestarzałe dane o stanach magazynowych. W 2026 roku wskaźnik błędnych cen wynosi 13% – o cztery punkty procentowe więcej niż w 2024.

Właściwa kolejność wdrożenia to: najpierw digitalizacja półki i sensory, potem analityka danych, następnie śledzenie inventory, a dopiero na końcu automatyzacja cen. Jeśli Twoja firma pominie pierwsze kroki i od razu wdroży pricing software – zbudujesz system na błędnych danych. Agenci potrzebują czystych, strukturyzowanych danych i integracji z istniejącymi systemami ERP i POS. Bez tego monitoring i guardrails nie zadziałają.

Co z tego wynika dla Ciebie i Twojej firmy?

• Sprawdź, gdzie tracisz marżę przez in-store execution failures. Puste półki, błędne ceny, niezgodność z planogramem – to kosztuje. Zaplanuj audit operacyjny przed wdrożeniem jakiegokolwiek AI.
• Nie zaczynaj od pricing software. Najpierw zainwestuj w digitalizację półki i sensory. Bez dokładnych danych fizycznych downstream aplikacje nie spełnią celów wydajnościowych.
• Połącz marketing z inventory. Jeśli Twoje kampanie nie sprawdzają dostępności produktów przed wysyłką, tracisz klientów na etapie kasy. Integracja tych warstw to priorytet.
• Pilotuj w jednym sklepie lub jednej kategorii. BJ’s i Lowe’s zaczynali od konkretnych wdrożeń, nie od pełnej transformacji. Wybierz jeden obszar z największymi stratami i przetestuj tam computer vision lub agenta zakupowego.
• Zadbaj o dane klientów. Mniej niż dwie na pięć firm dzieli dane klientów między platformami CX i CRM. Bez tego agenci nie mają kontekstu do personalizacji – a personalizacja to właśnie ich przewaga.

Jeśli prowadzisz retail, zaplanuj audit: gdzie tracisz marżę z powodu in-store execution failures? Czy computer vision mogłaby to rozwiązać? Zacznij od pilotu w jednym sklepie – dane z tego wdrożenia pokażą Ci, czy warto skalować.

Źródła i inspiracje

• SAP and Google Cloud deploy agentic commerce architecture – AI News
• Computer vision deployments drive retail productivity gains – AI News