Hlavní strana -> Časopis IT Systems -> Rok 2026 -> E-commerce -> Kde končí efekt a začíná skutečná efektivita
E-commerce , AI a Business Intelligence , E-commerce B2B/B2C

Kde končí efekt a začíná skutečná efektivita

využití AI v e-commerce

Zbyněk Vácha

Umělá inteligence se v e-commerce rychle posouvá z experimentální vrstvy do běžné provozní infrastruktury. Firmy ji využívají při práci s produktovými daty, segmentaci zákazníků, personalizaci, zákaznické podpoře, predikci poptávky i tvorbě obsahu. Současně se mění způsob, jakým zákazníci produkty hledají a porovnávají. Pro management je proto zásadní jiná otázka než před dvěma lety. Ne zda AI použít, ale kde už má měřitelný dopad na výkon e-shopu a kde je zatím především technologicky atraktivní funkcí.


AI mění vstupní bod nákupní cesty

Tradiční zákaznická cesta začínala převážně ve vyhledávači, na sociální síti, cenovém srovnávači nebo přímo v prostředí konkrétního e-shopu. Generativní AI přidává další vrstvu, ve které může zákazník formulovat výrazně komplexnější požadavek. Namísto jednoduchého dotazu „televize do 20 tisíc“ může popsat velikost místnosti, světelné podmínky, způsob používání i rozpočtový limit a nechat systém vybrat několik vhodných variant.
Podle Adobe použilo AI při online nakupování 39 procent dotázaných amerických spotřebitelů. V prvních třech měsících roku 2026 zároveň meziročně vzrostla návštěvnost amerických retailových webů přicházející z AI zdrojů o 393 procent. Během vánoční sezony 2025 navíc návštěvníci přicházející z AI zdrojů konvertovali o 31 procent lépe než návštěvníci z ostatních kanálů. 
Z technologického pohledu je důležité, že se část fáze discovery a consideration přesouvá mimo samotné prostředí e-shopu.

Největší přínos AI dnes často není na front endu

Mediálně nejviditelnější jsou AI asistenti, virtuální prodejci nebo chatovací nástroje. Nejrychlejší návratnost ale může být ukrytá výrazně hlouběji v technologickém stacku firmy.
Typickým příkladem je e-shop s desítkami tisíc produktových položek. AI zde lze využít například k automatickému doplňování chybějících parametrů produktů, jejich správnému zařazování do kategorií nebo sjednocování údajů, které různí dodavatelé poskytují v odlišných formátech. Dokáže také připravovat první verze produktových popisů a překladů, odhalovat chyby v produktových datech nebo třídit a předzpracovávat požadavky zákazníků.
Podobně významné jsou scénáře v oblasti forecastingu, recommendation engines, segmentace, optimalizace zásob nebo automatizace zákaznického servisu.
Z pohledu managementu by proto implementace AI neměla začínat výběrem nástroje, ale identifikací konkrétního procesu. U každého projektu by mělo být jasné, jaký problém řeší, jaký KPI má ovlivnit a v jakém horizontu lze vyhodnotit návratnost. Bez toho se z AI snadno stává další technologická licence bez jasného business case.

Agentic commerce zatím neznamená konec e-shopů

Dalším vývojovým krokem je agentic commerce. AI zde pouze nedoporučuje produkt, ale dokáže provést více kroků nákupního procesu, například vyhledat vhodné položky, porovnat nabídky nebo pracovat s dostupností a cenou.
Technologická infrastruktura pro tento model už vzniká. Google například rozvíjí Universal Commerce Protocol, který má umožnit standardizovanou komunikaci mezi AI agenty a obchodními systémy v oblastech, jako jsou ceny, dostupnost, košík nebo věrnostní programy. Současně ale není důvod předpokládat, že zákazníci ze dne na den předají AI celý nákupní proces. V tuto chvíli je její role nejsilnější při rešerši, porovnávání a výběru.
Pro obchodníky je to ale i tak zásadní změna. Pokud se první filtr přesune do prostředí AI, nestačí bojovat pouze o pozici ve výsledcích vyhledávání. Firma musí zajistit, aby její produkty byly dobře čitelné pro systémy, které vytvářejí doporučení.

GEO není náhrada SEO

S tím souvisí rostoucí zájem o GEO, tedy Generative Engine Optimization. Z technického pohledu ale není vhodné chápat GEO jako nový izolovaný kanál, který jednoduše nahradí SEO. Obě disciplíny stojí na podobných základech. Kvalitní informační architektuře, srozumitelném obsahu, důvěryhodnosti, a především dobře strukturovaných datech.
E-shop by proto měl v první fázi řešit spíše datovou připravenost než produkci velkého množství nového AI obsahu. Pokud prodává například pračku, musí být z dostupných dat jednoznačně patrné, co produkt umí, kolik stojí, zda je skladem, jaké má parametry, čím se liší od podobných modelů a pro koho je vhodný.
Google právě kvůli rozvoji AI nakupování rozšiřuje možnosti práce s produktovými daty a jejich využití v nových nákupních rozhraních. Pro větší e-commerce hráče proto nebude GEO pouze marketingovým tématem. Bude se dotýkat PIM, ERP, CRM, analytiky i způsobu správy produktového katalogu.

Klíčovým tématem budou zákaznická data

S růstem AI nákupních asistentů vzniká ještě jedna zásadní otázka. Kdo bude vlastnit zákaznickou interakci a data, která při ní vznikají?
Retailer potřebuje být dohledatelný v AI prostředí, současně ale nechce, aby se celý nákupní proces přesunul mimo jeho vlastní platformu. Přímá interakce totiž přináší data pro CRM, personalizaci, retenci i další obchodní práci.
Tento problém už řeší i velcí globální obchodníci. Walmart, Ulta Beauty nebo Wayfair upravují způsob publikace svých dat a obsahu tak, aby byly jejich produkty lépe viditelné v AI nástrojích, současně se ale snaží udržet transakci a zákaznická data ve vlastním prostředí. Reuters zároveň s odkazem na data Adobe uvádí, že návštěvy z generativní AI dosahují o 41 procent vyšší tržby na jednu návštěvu než tradiční zdroje návštěvnosti. Právě vlastnictví zákaznické interakce a dat tak může být z dlouhodobého hlediska důležitější než samotné uživatelské rozhraní AI asistenta.

Technologie musí mít vlastní business case

AI v e-commerce není jeden projekt. Postupně zasahuje marketing, data, provoz, logistiku, péči o zákazníky i řízení firmy. Proto je rizikové začínat větou „musíme zavést AI“.
Správná otázka zní jinak. Kde máme proces s vysokými náklady, nízkou efektivitou nebo nedostatečnou kvalitou a může ho technologie měřitelně zlepšit? Teprve potom má smysl řešit konkrétní nástroj, integraci a infrastrukturu.
Nejefektivnější využití AI totiž zákazník často vůbec neuvidí. Může běžet uvnitř katalogového systému, analytické vrstvy, CRM nebo zákaznické podpory. Pokud ale snižuje náklady, zlepšuje konverzi, zpřesňuje forecasting nebo zrychluje práci lidí, vytváří pro firmu podstatně větší hodnotu než efektní funkce bez jasně definované návratnosti.
 
Zbyněk Vácha
Autor článku působí jako senior interim manažer ve společnosti JPF Czech. Zaměřuje se na řízení a transformaci firem a digitalizaci procesů. Dlouhodobě se věnuje využití AI, automatizace a datových nástrojů v oblasti řízení, HR, obchodu a marketingu.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.

Inzerce

Technologie sama o sobě administrativní zátěž nesníží

V letním dvojčísle IT Systems se už tradičně věnujeme digitalizaci státní správy a veřejného sektoru, která je už několik let v plném proudu, i když se občas nevyhne různým zaškobrtnutím. Praxe ovšem ukazuje, že technologie sama o sobě administrativní zátěž nesníží a digitalizace bez souběžné revize procesů nestačí. Pro úspěch a skutečný přínos digitalizace tak bude rozhodující, zda stát dokáže sladit data, procesy a metodiku napříč úřady.