Żeby technologia oparta na RAG i modelach LLM stała się standardem w e-commerce, muszą zostać spełnione dwa kluczowe warunki. Pierwszy z nich dotyczy opłacalności wdrożenia. Koszt utrzymania modeli oraz infrastruktury nie może przekroczyć progu opłacalności dla właścicieli sklepów. Drugi warunek informuje o tym, że odpowiedzi muszą być trafne, bez irytujących halucynacji. Proces ma być szybki, wygodny i kończyć się np. komendą „Dodaj te produkty do koszyka”. 
 
Zapraszamy do przeczytania wywiadu z Maciejem Strzelczykiem, Deputy Head of IT w Media4U. Pytania zadawała Izabela Borkowska, Marketing Specialist.  

Izabela: Zacznijmy od tego, czym właściwie jest RAG.  Często przewijają się w definicji takie słowa jak system, technika czy metoda. Czy mógłbyś zgłębić to pojęcie? 

Maciej: RAG to w pewnym sensie framework. Jest to narzędzie codziennego użytku, uzupełniane o sprawdzoną wiedzę. Może uniknąć halucynacji, które pojawiają się przy rozmowie z czatem, botem lub innym rozwiązaniem, które nie korzysta z RAG-a. Plusem takiego rozwiązania jest fakt, że mamy czas, aby wcześniej zebrać informacje w pigułce. Mogą być przedstawione w formie dokumentu, wykresu, zdjęcia czy prezentacji. Głównie chodzi o przygotowanie danych we właściwy i konkretny sposób. Dzięki temu RAG będzie lepiej funkcjonował na konkretnych danych. Nie będzie tylko wcześnie wyuczonym botem, który może być w pewien sposób ograniczony lub mieć nieaktualne dane. RAG daje nam dodatkową kontrolę nad danymi i nad tym co w jaki sposób będzie później przedstawiane do użytkownika przy zadawanych pytaniach. 

I: Czyli wprowadzamy konkretne bazy danych a on korzysta wyłącznie z tych danych, które tam się znajdują. Czyli w stu procentach wyeliminujemy problem halucynacji? 

M: To wszystko zależy od zadawanych pytań. Jeżeli te pytania będą zadane w punkt i będą dotyczyć tego, co znajduje się w bazie RAG-owej, wtedy jest to możliwe. Możemy mieć pewność, że dane, które wprowadziliśmy będą tymi, które uzyskamy przy zadanych pytaniach. Jeśli jednak sformułujemy te pytania mniej precyzyjnie lub inaczej zbudujemy kontekst rozmowy, model może przestać sięgać do naszej bazy wiedzy RAG. Zamiast tego zacznie generować odpowiedzi w oparciu o swoje ogólne dane treningowe. W efekcie nadal nie otrzymamy w pełni dokładnych informacji, na których nam zależy. Mimo wszystko nie polegałbym na tych odpowiedziach w 100%. Powiedzmy na 99%, chyba że zastosujemy mechanizm dodatkowej weryfikacji.  

I: Przy dzisiejszych standardowych wyszukiwarkach sklepowych musimy wpisać bardzo konkretne słowa kluczowe, aby znaleźć dany produkt. Z kolei z czatem AI wzbogaconym o RAG jest inaczej, możemy z nim po prostu rozmawiać, a on bez problemu wyłapuje cały kontekst naszej wypowiedzi. 

M: Kontekst to kluczowy element budowania czatu, o którym nie wolno zapominać. Pamiętajmy, że bazowo model językowy widzi tylko pojedyncze pytania. Gdybyśmy nie zadbali o historię konwersacji, dla AI każde kolejne zapytanie byłoby kompletnie oderwane od poprzedniego. 

Dopiero właściwe zarządzanie kontekstem sprawia, że LLM nie analizuje izolowanego zdania, ale całą dotychczasową rozmowę. Widzi ostatnie pytanie w ścisłym powiązaniu z tym, co padło wcześniej. Bez tego mechanizmu mielibyśmy jedynie prosty schemat „pytanie-odpowiedź”, pozbawiony jakiejkolwiek relacji i spójności. 

I: Jak w takim razie RAG zmieni sposób, w jaki klienci będą korzystać z asystentów AI podczas całego procesu zakupowego? 

M: Przede wszystkim klienci otrzymają dostęp do pewnych i sprawdzonych informacji. Odpowiedzi czatbota nie będą obarczone wysokim ryzykiem halucynacji, ponieważ zostaną oparte na rzetelnej bazie wiedzy sklepu z konkretnymi produktami, ich cenami, opisami i atrybutami. 

Co więcej, baza RAG może zostać wzbogacona o logiczne powiązania między produktami, np. zasady łączenia ubrań z katalogów modowych czy dedykowane instrukcje. Gdy klient zapyta: „Co mogłabym dobrać do tej sukienki, aby stworzyć pełną stylizację?”, system dopasuje spójne, komplementarne dodatki. 

Docelowo cały ten proces zostanie mocno zautomatyzowany. Rekomendacje wyświetlane w oknie czatu będą tworzyć gotowy zestaw. Klient jednym kliknięciem przeniesie całą listę produktów bezpośrednio do koszyka i przejdzie do finalizacji zamówienia. 

I: A jak uważasz, czy technologia wykorzystująca RAG stanie się wkrótce standardem w e-commerce? 

M: Trudno jednoznacznie przewidzieć, jak reagować będą konsumenci. Wszystko zależy od tego, czy rozmowa z czatem, lub po prostu dyktowanie pytań do telefonu, okaże się na tyle wygodna, że ludzie chętnie zastąpią nią dotychczasowe metody. W teorii dostajemy kontakt z wirtualnym sprzedawcą, tyle że dysponującym nieporównywalnie większą wiedzą i zdolnością szybkiego doboru produktów. 

Żeby technologia oparta na RAG i modelach LLM stała się standardem w e-commerce, muszą zostać spełnione dwa kluczowe warunki. Pierwszy z nich dotyczy opłacalności wdrożenia. Koszt utrzymania modeli oraz infrastruktury nie może przekroczyć progu opłacalności dla właścicieli sklepów. Drugi warunek informuje o tym, że odpowiedzi muszą być trafne, bez irytujących halucynacji. Proces ma być szybki, wygodny i kończyć się np. komendą „Dodaj te produkty do koszyka”. 

Dziś klienci oczekują natychmiastowych rezultatów, które ułatwiają podejmowanie decyzji. Jeśli asystent AI dobrze dobierze stylizację, trafi z rozmiarem i zaoszczędzi czas użytkownika, ludzie zaczną naturalnie do tego rozwiązania wracać. 

I: Bardzo Ci dziękuję za dzisiejszą rozmowę. Mam nadzieję, że zainspiruje właścicieli e-sklepów, którzy będą chcieli włączyć RAG-a do swojej działalności. Dziękuję Ci bardzo. 

Zapraszamy na wykład Media4U oraz do indywidualnych rozmów z na stoisku firmy podczas Fashion Business Congress, 10 września 2026 w Warszawie.

Sprawdź program i zarejestruj się: Fashion Business Congress – E-commerce w modzie