Co AI robi źle przy projektowaniu procesu realizacji zakupu (i jak to naprawić)

AI popełnia jeden przewidywalny błąd przy projektowaniu procesu realizacji zakupu: projektuje pod kątem wersji demonstracyjnej, a nie dziesięciotysięcznej transakcji. Poproś kreator aplikacji AI o proces realizacji zakupu, a w kilka minut otrzymasz coś przekonującego. Czysty koszyk, uporządkowane przyciski, profesjonalnie wyglądający ekran płatności. Błędy kryją się we wszystkim, czego nie widać na zrzucie ekranu: w tym, jak proces radzi sobie ze zwrotem, płatnością dzieloną, regułą podatkową czy kolejką klientów w sobotnie południe.

Rozwiązaniem nie jest lepsze pisanie promptów. Chodzi o podjęcie decyzji, które części procesu realizacji zakupu powinny należeć do AI, a w których nie wolno jej improwizować. Oto gdzie rzeczywiście psują się procesy realizacji zakupu wygenerowane przez AI i co z tym zrobić.

Dlaczego proces realizacji zakupu zaprojektowany przez AI wygląda dobrze, ale zawodzi w praktyce?

Z dwóch powodów. Po pierwsze, AI uczy się projektowania procesów realizacji zakupu na podstawie już istniejących rozwiązań, a te są przeciętne. Baymard Institute szacuje średni udokumentowany wskaźnik porzucania koszyków online na 70,22%¹ i wskazuje, że przeciętny proces realizacji zakupu w USA zawiera 23,48 elementu formularza, podczas gdy idealny proces wymaga ich od 12 do 14¹. Model wyszkolony na przeciętnych danych powiela tę przeciętność, łącznie z jej błędami.

Po segundo, błąd optymistycznego scenariusza (tzw. happy path). Wygenerowane oprogramowanie ocenia się tak, jak wersję demonstracyjną: czy standardowy przypadek działa? Proces realizacji zakupu ocenia się tak, jak kasę rejestrującą: czy każdy przypadek działa za każdym razem, na oczach klienta? To zupełnie inne standardy, a przepaść między nimi pozostaje niewidoczna, dopóki przez system nie zaczną przepływać prawdziwe pieniądze.

Co AI właściwie robi źle w procesie realizacji zakupu?

Pięć błędów powtarza się bez przerwy. (Głębsze luki w infrastrukturze, które za nimi stoją, opisaliśmy w artykule Czy można zbudować POS za pomocą Lovable lub Replit? Ta lista dotyczy samego procesu realizacji zakupu).

• Obliczenia finansowe. Wygenerowany kod rutynowo wykonuje obliczenia walutowe na liczbach zmiennoprzecinkowych (matematyka dziesiętna, która zaokrągla się w nieprzewidywalny sposób), przez co grosze rozjeżdżają się przy rabatach, podatkach i płatnościach dzielonych. Objaw pojawia się przy zamknięciu dnia: sumy nie dają się uzgodnić (nie zgadzają się co do grosza) z Twoim raportem dobowym.

• Podatki. AI wpisuje na sztywno jedną stawkę. Rzeczywisty podatek od sprzedaży zależy od jurysdykcji, typu produktu, zwolnień podatkowych i dat, a do tego zmienia się bez powiadamiania Twojego kodu. Proces realizacji zakupu, który zgaduje wysokość podatku, nie jest procesem realizacji zakupu – to źródło problemów prawnych z ładnym interfejsem.

• Scenariusze awaryjne (unhappy paths). Zwroty, anulowania, płatności częściowe, ręczne zmiany cen, zerwanie połączenia w trakcie pobierania opłaty. Wersje demonstracyjne nigdy ich nie testują, a przy kasie zdarzają się codziennie. Większość procesów realizacji zakupu wygenerowanych przez AI po prostu ich nie obsługuje.

• Szybkość pracy kasjera. AI kopiuje wzorce z e-commerce stworzone dla klienta, który przechodzi przez kasę raz. Kasjer realizuje ten sam proces setki razy podczas zmiany, więc każde dodatkowe kliknięcie wydłuża czas stania w kolejce. Nawet drobne decyzje zmieniają dynamikę przy ladzie; to, gdzie pojawia się prośba o napiwek, jest osobną, ważną decyzją.

• Płatności. Przycisk płatności to jeszcze nie płatność. Przyjmowanie kart osobiście wymaga procesora płatności, zgodności z PCI (zasadami bezpieczeństwa danych organizacji płatniczych) oraz certyfikowanego czytnika kart. Nic z tego nie da się wygenerować za pomocą promptu – to musi po prostu istnieć. Artykuł Co tak naprawdę wchodzi w skład infrastruktury płatniczej jest dłuższy, niż większość osób się spodziewa.

Jak naprawić proces realizacji zakupu zaprojektowany przez AI?

Podziel zadanie na dwie części. AI jest naprawdę dobra w projektowaniu: układzie, kolejności kroków, sformułowaniach i dostosowaniu ekranu do sposobu, w jaki Twój sklep faktycznie sprzedaje. Pozwól jej się tym zająć. Część finansowa (obliczenia, podatki, przetwarzanie płatności, rejestr transakcji) powinna pochodzić z deterministycznej infrastruktury handlowej (która za każdym razem daje ten sam, prawidłowy wynik), a nie z kodu wymyślanego na bieżąco pod wpływem promptu.

Polecenie „po prostu napisz prompt, aby poprawnie obsługiwał podatki” nie rozwiązuje problemu, ponieważ nie da się ocenić na oko, czy to działa. Proces realizacji zakupu może mylić się o kilka groszy na transakcji przez wiele miesięcy, zanim ktokolwiek to zauważy. Rozwiązanie ma więc charakter strukturalny:

• Stosuj ograniczenia zamiast samych promptów. Korzystaj z platformy, na której sumy, podatki i metody płatności są wbudowane, a AI może je jedynie układać, a nie wymyślać na nowo.

• Przetestuj scenariusze awaryjne przed wdrożeniem. Przeprowadź zwrot, anulowanie, płatność dzieloną i rezygnację w trakcie transakcji. Jeśli brakuje któregokolwiek z tych elementów, masz wersję demonstracyjną, a nie działający proces realizacji zakupu.

• Uzgadniaj dane od pierwszego dnia. Porównaj sumy z procesu realizacji zakupu z rejestrami procesora płatności po pierwszym rzeczywistym dniu sprzedaży. Rozbieżności rzędu groszy pojawią się od razu albo wcale.

• Obserwuj prowizoryczne rozwiązania. Jeśli w pierwszym tygodniu personel zacznie szukać dróg na skróty omijających system, oznacza to, że projekt zawiódł. Napraw go, zanim prowizorki staną się stałym systemem.

Co więc AI robi źle przy projektowaniu procesu realizacji zakupu?

Tworzy ładny obrazek, ale zawodzi w kwestiach technicznych: obsługuje tylko optymistyczne scenariusze, improwizuje w obliczeniach finansowych, zgaduje podatki i nie radzi sobie ze zwrotami, płatnościami dzielonymi czy płatnościami kartą na miejscu. Żadnego z tych problemów nie rozwiąże lepszy prompt; rozwiązaniem jest oparcie AI na infrastrukturze, która już teraz obsługuje finanse. Złota zasada: pozwól AI zaprojektować proces, ale nigdy nie pozwól jej improwizować w kwestii pieniędzy.

Ten podział to idea stojąca za kreatorami opartymi na promptach, takimi jak Build od Final, gdzie opisujesz proces realizacji zakupu, jakiego potrzebujesz, a sumy, podatki i transakcje Final Pay pod spodem pochodzą z systemu, który zawsze wszystko dokładnie sumuje. Aby zobaczyć to w praktyce, zbuduj swój pierwszy proces w około dziesięć minut lub spójrz na temat szerzej w artykule AI w biznesie: co potrafi (a czego nie).