Dlaczego klient zrezygnował z AI — i co z tego wyniosłem
Nie każde wdrożenie kończy się sukcesem. W lipcu 2025 jeden z naszych klientów (24-osobowy sklep e-commerce z elektroniką) podjął decyzję o wygaszeniu projektu po 5 miesiącach. Opisuję uczciwie co się wydarzyło, gdzie ja popełniłem błędy, i jakie wnioski wyciągnęliśmy do innych wdrożeń.
5 lipca 2025 partner zarządzający 24-osobowego sklepu e-commerce zadzwonił z prośbą o spotkanie. Spotkaliśmy się 8 lipca, decyzja zapadła: wygaszamy projekt AI po 5 miesiącach. Nie ma o tym chętnie pisanych case studies, ale my piszemy. Powód: to jest najuczciwsza lekcja, jaką dostaliśmy w 2025 — i może oszczędzić Wam wdrożenia, które nie miało prawa się udać.
Klient i projekt
24 osoby, sklep online z elektroniką użytkową (audio, foto, drobne AGD). Obrót około 18 mln zł rocznie. Pomysł na AI: automatyzacja BOK (chatbot z bazą wiedzy o produktach), generowanie opisów produktów, personalizacja rekomendacji.
Start projektu: 8 lutego 2025. Plan: 3 moduły, 4 miesiące, koszt łączny w pakiecie wdrożenia rozszerzonego + abonament.
Co poszło źle — krok po kroku
Błąd 1: za szeroki scope na start
Klient chciał wszystko od razu. Ja powinienem był naciskać "zacznijmy od jednego procesu, sprawdźmy". Nie naciskałem wystarczająco. Wynik: 3 moduły startujące jednocześnie, każdy w 60% gotowości, żaden produkcyjnie sprawdzony.
Błąd 2: brak szampiona w organizacji
Partner zarządzający był zainteresowany "AI" abstrakcyjnie. Ale konkretne osoby (kierownik BOK, copywriter, marketing manager) — żadna nie traktowała projektu jako "swojego". Każde z nich w głębi duszy widziało AI jako zagrożenie. Nie pracowaliśmy nad tym wystarczająco.
Błąd 3: chatbot odpowiadał klientom nieadekwatnie do kultury sklepu
Sklep miał świadomie "rodzinny" ton komunikacji — kierownik BOK osobiście znał wielu klientów. Claude generował odpowiedzi technicznie poprawne, ale "korporacyjne". Klient: "to nie my". Po 6 tygodniach prób tuningu promptu kierownik BOK wyłączył chatbota.
Błąd 4: opisy produktów AI były gorsze niż copywriter
To było zaskoczenie. Spodziewałem się, że AI wygra w opisach (1 500+ produktów, copywriter nie nadąża). Okazało się, że copywriter pisał opisy razem z fotografami i product managerami, z konkretnymi wrażeniami z testowania produktu. AI miało tylko specyfikację techniczną — generowane opisy były generyczne, klienci zostawiali gorsze recenzje.
Błąd 5: personalizacja rekomendacji ledwie odróżniała się od domyślnej
Sklep już miał silnik rekomendacji w platformie e-commerce. Nasza warstwa AI dodawała kontekstowość ("klient kupił aparat, prawdopodobnie potrzebuje karty pamięci"). Mierzony lift sprzedaży: +0,8% (statystycznie niepewny). Klient porównał to do nakładów i powiedział "nie kupuje".
Liczby — pełna rozpiska
| Pozycja | Plan | Realnie |
|---|---|---|
| Koszt wdrożenia (pakiet + custom) | w pakiecie | w pakiecie |
| Koszty miesięczne (API + abonament) | ~2 800 zł | ~3 400 zł (więcej tokenów chatbota) |
| Oszczędność BOK (planowane) | ~6 500 zł/mies. | ~1 200 zł/mies. (chatbot wyłączony po 6 tyg.) |
| Oszczędność copywriting | ~4 200 zł/mies. | 0 zł (wycofane) |
| Lift sprzedaży z rekomendacji | ~12 000 zł/mies. | ~3 200 zł/mies. (niski lift) |
| Saldo miesięczne | +19 900 zł | +1 000 zł |
Inwestycja zwracała się w marginalny sposób — ale klient widział wszystkie wewnętrzne tarcia (chatbot wyłączony, copywriter wkurzony, kierownik BOK sceptyczny) i podjął racjonalną decyzję: 1 000 zł netto/mies. nie jest wart "kłopotów".
Co bym zrobił inaczej
- Twardo naciskałbym na fokus. "Jeden moduł, 6 tygodni, dane na stół, potem decyzja o kolejnym." Klient by się nie obraził — szanują podejście inżynierskie.
- Wymagałbym jasnego szampiona przed startem. "Kto z Waszego zespołu poświęci 4 godziny tygodniowo na ten projekt przez następne 3 miesiące?" Brak odpowiedzi = nie startujemy.
- Chatbot BOK NIE od razu produkcyjny. Najpierw "asystent dla pracownika BOK" (sugeruje odpowiedź, pracownik wysyła). Po 6 tygodniach, gdy zespół ufa — opcjonalnie produkcyjny. My zaczęliśmy odwrotnie.
- Opisy produktów — AI tylko jako asystent copywritera, nigdy zastępstwo. Wygenerowane szkice, copywriter dopisuje wrażenia, finalizuje. 60% szybciej niż bez AI, ale jakość zachowana.
- Personalizacja rekomendacji — baseline measurement przed startem. Mierzyć obecny silnik 4 tygodnie, dopiero potem włączać AI. Bez baseline nie wiadomo czy +0,8% to lift czy szum.
Czego klient nie żałuje
W rozmowie końcowej partner zarządzający powiedział: "Nie żałuję, że spróbowaliśmy. Zrozumiałem, na co AI w naszym biznesie jest gotowe, na co nie. Wrócę za rok-dwa, gdy będę miał lepiej zdefiniowany problem." To jest zdrowe podejście.
I — ważne — wrócił do nas. W październiku 2025 zaczynamy nowy projekt, znacznie węższy: tylko asystent dla copywritera. Mierzony cel: czas pisania jednego opisu, jakość mierzona przez recenzje klientów. Bez chatbota, bez personalizacji. Mniej ambitne — większa szansa.
Wnioski dla innych wdrożeń
Po tym case zmieniliśmy proces oferty. Każdy nowy klient przechodzi przez 60-minutowy "audyt gotowości" przed podpisaniem:
- Czy jest konkretny pierwszy proces (jeden, nie trzy)?
- Kto będzie szampionem (imię + nazwisko + zarezerwowany czas)?
- Jak mierzymy sukces (KPI z baseline'em sprzed wdrożenia)?
- Co robimy, gdy okaże się że to nie działa (warunki wyjścia, bez wstydu)?
Trzy nowe wdrożenia od sierpnia 2025 startują z tym checklistem. Jeden potencjalny klient został odrzucony przez nas (brak szampiona, klient nie chciał wyznaczyć osoby). To OK — lepiej żaden projekt niż projekt skazany. Audyt gotowości — 30 minut, bez kosztów.
Chcesz przetestować, jak AI rozwiąże to u Ciebie?
30 minut rozmowy + pokaz działającego wdrożenia u klienta. Bez NDA.
Umów demo