Piszesz ten sam opis koszulki w 12 kolorach i 6 rozmiarach. AI zrobi to, zanim dopijesz kawę, ale nie zawsze powie Ci prawdę o tym, co właściwie sprzedajesz.

Masz jedną koszulkę w 6 kolorach i 4 rozmiarach. To 24 oferty. Każda potrzebuje osobnego opisu, bo Allegro i OLX traktują każdy wariant osobno, a klient i tak przeczyta z niego jeden akapit, zanim kliknie "kup teraz". Piszesz więc ten sam tekst 24 razy, zmieniając słowo "niebieski" na "czerwony" i "M" na "XL", jak skryba przepisujący tę samą stronę książki, bo klasztor akurat nie ma jeszcze prasy drukarskiej.

Automatyczne opisy produktów na Allegro i OLX rozwiązują dokładnie ten problem. Podajesz jeden opis bazowy i listę wariantów, a AI generuje osobny tekst dla każdego koloru i rozmiaru w kilkadziesiąt sekund. Prawdziwe pytanie brzmi nie "czy to zadziała", tylko co ono napisze, kiedy nikt tego nie sprawdzi.

W tym artykule pokazuję, jak to realnie działa, gdzie AI oszczędza czas, a gdzie zaczyna zmyślać skład tkaniny albo pojemność bagażnika, którego nigdy nie zmierzyło.

Jak to działa: jeden opis bazowy, dziesiątki wariantów

Kampus Production / Pexels

Mechanizm jest prostszy, niż brzmi. Masz jeden opis bazowy produktu i tabelę atrybutów, czyli listę tego, co się zmienia: kolor, rozmiar, czasem materiał. AI bierze ten sam szkielet zdań i wstawia w niego różne wartości, dopisując zdanie czy dwa, żeby tekst nie wyglądał jak find-and-replace w Wordzie (chociaż technicznie w dużej mierze nim jest).

Dla sprzedawcy, który ma 300 produktów w 5 wariantach każdy, to różnica między 1500 opisami do napisania ręcznie a jednym poleceniem. Narzędzia typu Opisomat, generatory wbudowane w platformy handlowe i, przy odrobinie desperacji, zwykły ChatGPT z wklejonym arkuszem Excela, robią to na podstawie samego numeru EAN produktu, ściągając specyfikację z sieci zamiast pytać sprzedawcę o cokolwiek.

Teoretycznie oszczędzasz czas na researchu, sesji zdjęciowej i pisaniu. Teoretycznie. W praktyce oszczędzasz czas na pisaniu, a resztę odzyskujesz sobie przy reklamacji trzy tygodnie później.

To ten sam wzorzec, co przy innych automatyzacjach w e-commerce: najpierw wygląda jak czysta oszczędność czasu, potem okazuje się, że ktoś musi pilnować jakości tego, co maszyna wypluwa. Pisałem o tym szerzej przy okazji wdrożeń AI w sklepach internetowych ogólnie, tutaj skupiam się na jednym, bardzo konkretnym miejscu, gdzie to pilnowanie jest najbardziej zaniedbywane: opisach wariantów.

Skąd się biorą zmyślone specyfikacje, i dlaczego to nie jest usterka

Tiger Lily / Pexels

AI, które generuje opis wariantu, nie mierzy produktu suwmiarką. Nie sprawdza metki. Dostaje nazwę, kategorię i czasem jedno zdjęcie, a resztę dopowiada na podstawie tego, co zwykle pasuje do tej kategorii produktów. Dla bluzy dresowej "zwykle" oznacza bawełnę. Twoja akurat jest z poliestru, bo tak wyszło taniej u dostawcy w Chinach.

Model nie kłamie w tym sensie, w jakim kłamie człowiek. On po prostu uzupełnia brakujące dane najbardziej prawdopodobną wersją prawdy. Statystycznie ma rację w większości przypadków. Twój klient nie kupuje statystyki. Kupuje jedną konkretną bluzę.

Łańcuch jest krótki i cały czas ten sam: feed produktowy nie ma pola "skład". AI wypełnia je najbardziej prawdopodobną wartością. Ta wartość trafia do opisu jako fakt. Klient czyta fakt i kupuje na jego podstawie. Nikt po drodze nie sprawdził, czy fakt jest prawdziwy.

To nie jest teoretyczne ryzyko. UOKiK od 2024 roku prowadzi projekt, w którym sama sztuczna inteligencja przeszukuje ponad 300 sklepów internetowych w poszukiwaniu wprowadzających w błąd opisów i innych dark patterns. Jeden algorytm sprawdza, czy inny algorytm nie zmyślił Ci składu tkaniny. Ironia sama się pisze, więc nawet nie muszę.

Klient dostaje bluzę z poliestru zamiast bawełny. Kto płaci za przesyłkę zwrotną

Nataliya Vaitkevich / Pexels

Odpowiedź brzmi: Ty. Zgodnie z zasadami Allegro dotyczącymi opisu oferty, opis musi być zgodny z rzeczywistym stanem produktu, nie z tym, co model językowy uznał za najbardziej prawdopodobne dla kategorii "bluzy dresowe", bo akurat trafił na dobry dzień. Kiedy klient dostaje coś innego niż opisane, ma prawo do zwrotu, a Ty do kosztów przesyłki w obie strony.

Przy jednej koszulce w złym składzie to kilkanaście złotych straty. Przy 40 wariantach tego samego produktu, wygenerowanych hurtowo w jedno popołudnie, to już regularny strumień zwrotów, o którym dowiadujesz się dopiero z rosnącego wskaźnika w panelu sprzedawcy, długo po tym, jak dałoby się go jeszcze tanio zatrzymać.

Pisałem już o tym, jak automatyzować obsługę zwrotów i reklamacji w e-commerce. Ten artykuł zakłada, że zwroty zdarzają się z normalnych powodów: rozmiar nie pasuje, kolor inny na ekranie. Zmyślony przez AI skład tkaniny to zwrot, który sam sobie zafundowałeś, zanim klient w ogóle otworzył paczkę.

Sam kiedyś kazałem AI dopisać specyfikację do 15 wariantów jednego produktu bez sprawdzania. Trzy z nich miały błędny materiał. Nauczyłem się tego tydzień później, czytając reklamację klienta, który cytował mój własny opis.

Automatyczne opisy potrafią też zaszkodzić w wyszukiwarce

Jest jeszcze drugi problem, mniej dramatyczny, ale bardziej podstępny. Kiedy generator AI tworzy opis wariantu, często zmienia tylko kolor i rozmiar, zostawiając 95% zdań identycznych jak w innym wariancie tego samego produktu. Różnica między dwoma takimi opisami bywa mniejsza niż między dwoma zdjęciami tej samej kanapy, zrobionymi z przesunięciem o pół metra.

Google oficjalnie ostrzega przed masową duplikacją treści, bo utrudnia to zdecydowanie, którą wersję strony pokazać w wynikach wyszukiwania. Przy 40 niemal identycznych ofertach tego samego swetra, Google czasem po prostu wybiera jedną i ignoruje resztę. Niekoniecznie tę, na której Ci zależy.

Masz więc sweter w kolorze granatowym, szarym i "błękit oceanu", trzy osobne oferty, jeden opis widoczny w Google. Reszta czeka cierpliwie na kliknięcie, które nigdy nie nadejdzie.

Jak zrobić to dobrze: proces w 4 krokach

Da się to zrobić dobrze, bez rezygnowania z automatyzacji i bez habitu skryby z pierwszego akapitu tego artykułu. Cztery rzeczy robią większość różnicy.

Pierwsza: feed produktowy musi mieć realne dane, nie tylko nazwę i kategorię. Skład, wymiary, materiał, wpisane przez człowieka, który trzymał produkt w ręku. AI wypełnia luki, więc im mniej luk, tym mniej zmyślonych zdań.

Druga: każdy wygenerowany wariant przechodzi jedno szybkie sprawdzenie zanim trafi na Allegro albo OLX. Nie trzeba czytać całego akapitu, wystarczy zerknąć na te same trzy pola: materiał, wymiary, kraj pochodzenia. To 5 minut na 40 wariantów, nie 5 minut na wariant.

Trzecia: różnicuj treść między wariantami, nie tylko dane w nawiasie. Jedno inne zdanie na wariant wystarczy, żeby Google nie widział duplikatu, a klient miał wrażenie, że ktoś naprawdę opisał tę konkretną bluzę, nie skopiował poprzedniej.

Czwarta: traktuj wynik AI jak szkic, nie jak gotowy tekst. Ten sam nawyk, który sprawdza się przy weryfikowaniu, kiedy AI zmyśla odpowiedzi, działa tu identycznie. Model nie wie, że nie wie. Ty musisz wiedzieć za niego.

40 wariantów jednego produktu, opisanych uczciwie i sprawdzonych, sprzedaje się tak samo dobrze jak 40 wariantów opisanych na wiarę. Różnica ujawnia się dopiero w rubryce zwrotów, a tam wolisz mieć pustkę, nie historię.