Jak AI połączone z Furgonetką i Apaczką wybiera najtańszą przesyłkę i odpowiada klientom na pytania o paczki?

Tak, to działa i ma sens już przy kilkudziesięciu paczkach tygodniowo. Furgonetka i Apaczka udostępniają API, przez które AI pobiera dane o przesyłkach, statusach, cenach i zwrotach. Potem robi konkretne rzeczy: przed każdą wysyłką porównuje ceny dostępnych kurierów i podaje sugestię do zatwierdzenia, odpowiada klientom na pytania o status z aktualnych danych, wyłapuje paczki z problemem i raz w miesiącu zestawia koszty po przewoźnikach.

Czym są Furgonetka i Apaczka i dlaczego ich API jest punktem wejścia dla AI

Oba systemy działają jako brokerzy kurierów. Zamiast podpisywać osobne umowy z DPD, DHL, GLS czy InPostem, firma korzysta z jednego panelu, który agreguje ceny i dostępność kilku przewoźników jednocześnie. Furgonetka jest popularna wśród mniejszych sklepów e-commerce i firm wysyłkowych. Apaczka obsługuje podobną niszę z nieco inną strukturą cenową i zestawem przewoźników w ofercie.

Z punktu widzenia integracji z AI wygląda to tak: system co kilka minut odpytuje API o nowe zdarzenia. Pobiera listę przesyłek z polami takimi jak shipment_id, carrier (dpd, gls, dhl, inpost, pp), status (new, in_transit, delivered, exception, returned), price_gross, weight, wymiary (length, width, height) oraz tracking_url. W Apaczce dochodzi pole waybill (numer listu przewozowego) i status_id jako wartość numeryczna z własnym słownikiem kodów.

To nie jest szczególnie skomplikowana integracja techniczna. Oba API są dobrze udokumentowane, mają gotowe biblioteki i piaskownicę testową. Główna praca to nie sama łączność, tylko zdecydowanie, co AI ma z tymi danymi robić.

Jak AI wybiera najtańszego kuriera przed każdą wysyłką

Gdy w sklepie albo systemie zamówień pojawia się nowa paczka do wysłania, AI wywołuje endpoint wyceny. W Furgonetce to metoda wyceny przesyłki, w Apaczce: getPrices dla wielu przewoźników jednocześnie. Przekazuje wagę, wymiary i kod pocztowy odbiorcy. W odpowiedzi dostaje listę dostępnych opcji z ceną brutto i szacowanym czasem dostawy.

AI sortuje tę listę i podaje sugestię. Pracownik widzi zestawienie: poszczególni kurierzy, ceny przy każdej opcji, planowana data dostawy. Zatwierdza albo zmienia wybór jednym kliknięciem. To nie jest automatyczne zamawianie kuriera bez nadzoru. Model proponuje, człowiek decyduje.

U jednego klienta wysyłającego zarówno małe opakowania, jak i paczki powyżej 15 kg, okazało się, że dla cięższego asortymentu domyślnie ustawiony przewoźnik był konsekwentnie droższy od alternatywy. Nie dlatego, że ktoś źle skonfigurował stawki, tylko dlatego, że ceny u brokerów zmieniają się dynamicznie w zależności od obciążenia sieci danego kuriera w danym momencie. AI widzi to przy każdym zamówieniu, pracownik zobaczyłby to dopiero na raporcie miesięcznym.

Można też ustawić reguły pierwszeństwa: np. dla paczek do określonego regionu zawsze porównuj InPost z GLS, a DHL proponuj tylko wtedy, gdy czas dostawy jest priorytetem. AI stosuje te reguły automatycznie, a pracownik widzi gotową sugestię, nie listę wszystkich opcji za każdym razem.

Jak AI odpowiada klientom na pytania o status paczki

Tu wchodzi integracja z kanałem obsługi klienta: e-mail, czat na stronie albo helpdesk. Klient pisze "gdzie jest moja paczka" albo podaje numer zamówienia. AI pobiera aktualny status przesyłki powiązanej z tym zamówieniem i odpowiada z konkretnymi danymi.

Zamiast ogólnego "paczka jest w drodze", odpowiedź wygląda tak: "Twoja przesyłka FRG-78234 jest od wczoraj w sortowni DPD w Warszawie. Planowana dostawa: dziś do 18:00. Możesz ją śledzić pod tym adresem: [link z pola tracking_url]". Klient dostaje odpowiedź natychmiast, bez czekania na dostępność konsultanta.

Jeden szczegół, który ma znaczenie: AI nie tłumaczy statusów na podstawie ogólnej wiedzy o kurierach. Pobiera aktualną wartość z API w momencie pytania. Jeśli od ostatniego odpytania minął czas, system odpytuje API od nowa przed udzieleniem odpowiedzi. Odpowiedź jest tak świeża, jak ostatni skan kuriera. Klient nie dostaje wczorajszej informacji z cache.

Wyłapywanie przesyłek z problemem, zanim zadzwoni klient

Status exception w API obu brokerów to szeroka kategoria. Może oznaczać: odbiorca nieobecny, błędny adres, uszkodzone opakowanie, odmowa odbioru, próba doręczenia poza godzinami pracy firmy. Każdy z tych przypadków wymaga innej reakcji.

AI monitoruje wszystkie aktywne przesyłki i wyłapuje niepokojące sytuacje. Konkretne reguły, które warto ustawić:

• Przesyłka z co najmniej dwiema nieudanymi próbami doręczenia i brakiem aktualizacji statusu od ponad doby: alert do obsługi klienta z danymi zamówienia.
• Status exception z kodem sugerującym błędny adres: AI wyciąga dane kontaktowe odbiorcy z zamówienia i przygotowuje szkic wiadomości z prośbą o korektę, gotowy do wysłania jednym kliknięciem.
• Przesyłka w statusie in_transit dłużej niż zakładany czas dostawy dla danego przewoźnika i regionu: pojawia się wpis na liście do sprawdzenia.
• Status returned: AI tworzy wpis w systemie zwrotów i przypisuje go do właściwego zamówienia, żeby magazyn wiedział, czego się spodziewać, zanim paczka fizycznie wróci.

Typowo wygląda to tak, że rano pracownik obsługi otwiera jeden widok z listą "paczek do reakcji" zamiast ręcznie przeglądać kilkadziesiąt aktywnych przesyłek. Paczki bez problemów nie zajmują jego czasu. To zmienia rytm pracy: zamiast codziennego skanowania, reaguje się tylko tam, gdzie coś faktycznie wymaga reakcji.

Raporty kosztów, protokoły nadania i etykiety

Raz w miesiącu albo na żądanie AI zestawia koszty przesyłek. Pobiera dane z API za wskazany okres i grupuje według pól carrier i price_gross, z podziałem na zakresy wagi i kierunki dostawy. Wynik to zestawienie: ile przesyłek pojechało każdym przewoźnikiem, jaki był koszt łączny, jaki średni koszt jednej przesyłki.

Jeśli dane z Furgonetki albo Apaczki są powiązane z zamówieniami (co w sklepach jest standardem), AI może pójść dalej: zestawić koszt wysyłki z wartością zamówienia i wyłapić kategorie produktów, gdzie dostawa zjada marżę. Nie trzeba tego budować ręcznie w Excelu.

Dochodzą do tego zwroty. Pole return_shipment_id pozwala powiązać zwróconą przesyłkę z oryginalnym zamówieniem. Można sprawdzić, który przewoźnik generuje więcej nieudanych doręczeń i czy ma to związek z regionem albo gabarytem paczki. To są konkretne dane, które mają wartość w rozmowie z brokerem o warunkach umowy.

Osobna sprawa: protokół nadania, czyli zbiorcze zestawienie paczek przekazanych kurierowi danego dnia. AI może pobrać ten dokument przez API i automatycznie zapisać w folderze dokumentów wysyłkowych albo powiązać z fakturami za transport. Bez ręcznego pobierania PDF-ów z panelu po każdym dniu wysyłkowym. Etykiety (label_url) są dostępne od razu po zatwierdzeniu przesyłki i mogą uruchomić wydruk bez dodatkowych kroków ze strony pracownika.

Od czego zaczynamy

Pierwsza rzecz: sprawdzić, czy Twój plan w Furgonetce albo Apaczce zawiera dostęp do API. W obu systemach API jest dostępne, ale zakres uprawnień zależy od pakietu. Potrzebny będzie token API lub dane do OAuth, w zależności od wersji integracji.

Druga rzecz: zdecydować, który obszar uruchamiamy jako pierwszy. Wybór kuriera przed wysyłką, odpowiedzi klientom na status, alert o paczkach z problemem albo raport miesięczny: każdy z tych modułów działa niezależnie. Nie warto integrować wszystkiego naraz, bo każdy wymaga trochę innej konfiguracji i innego miejsca w procesie.

Trzecia rzecz: powiązać przesyłki z zamówieniami. Potrzebne jest jedno wspólne pole: numer zamówienia albo ID klienta widoczne zarówno w danych przesyłki, jak i w systemie obsługi klienta. Bez tego powiązania AI widzi paczki, ale nie wie, kto pytał i o co. To jedno pole decyduje o tym, czy odpowiedź dla klienta będzie konkretna, czy tylko ogólna.

Jeśli chcesz wiedzieć, które z tych elementów mają największy sens w Twoim przypadku, możemy to sprawdzić razem. Oferujemy bezpłatny audyt procesów: patrzymy na to, jak działa Twoja wysyłka dziś i wskazujemy, gdzie integracja z AI przyniesie realną zmianę. Możesz też zobaczyć, jak podobne podejście wygląda u innych firm, w realnych wdrożeniach.