Tag: ecommerce

  • ROAS a rentowność kampanii – dlaczego wysoki ROAS nie zawsze oznacza zysk?

    ROAS a rentowność kampanii – dlaczego wysoki ROAS nie zawsze oznacza zysk?

    ROAS jest jednym z najczęściej obserwowanych wskaźników w kampaniach Google Ads, Meta Ads i szerzej rozumianym e-commerce.

    Jeżeli wydajesz 10 000 zł na reklamę, a kampania generuje 50 000 zł sprzedaży, ROAS wynosi 5.

    Brzmi dobrze.

    Problem w tym, że ROAS pokazuje relację przychodu do wydatków reklamowych. Nie pokazuje, ile pieniędzy faktycznie zostaje w firmie.

    A to ogromna różnica.

    Co właściwie pokazuje ROAS?

    ROAS, czyli Return on Ad Spend, odpowiada na stosunkowo proste pytanie:

    ile przychodu wygenerowała każda złotówka wydana na reklamę?

    Przykład:

    • koszt reklamy: 10 000 zł,
    • przychód przypisany do reklamy: 50 000 zł,
    • ROAS: 5.

    Każda złotówka wydana na reklamę wygenerowała więc 5 zł przychodu.

    Ale przychód nie jest jeszcze zyskiem.

    ROAS 5 może być świetnym wynikiem. Albo bardzo słabym.

    Wyobraźmy sobie dwie firmy.

    Obie osiągają z kampanii:

    50 000 zł sprzedaży przy wydatkach reklamowych 10 000 zł.

    ROAS obu firm wynosi 5.

    Pierwsza sprzedaje produkty z wysoką marżą i stosunkowo niskimi kosztami obsługi.

    Druga działa na niskiej marży, płaci wysokie prowizje marketplace, dopłaca do wysyłki i ma wysoki poziom zwrotów.

    W panelu reklamowym wynik wygląda niemal identycznie.

    Na rachunku wyników sytuacja obu firm może wyglądać zupełnie inaczej.

    Czego nie widać w samym ROAS?

    Ocena rzeczywistej rentowności sprzedaży wymaga uwzględnienia większej liczby danych.

    W zależności od modelu biznesowego mogą to być między innymi:

    • koszt zakupu lub produkcji towaru,
    • marża na konkretnym produkcie,
    • prowizje marketplace,
    • koszty płatności,
    • koszt wysyłki,
    • koszt pakowania,
    • rabaty,
    • zwroty,
    • koszty magazynowe,
    • koszt obsługi zamówienia,
    • wydatki reklamowe.

    Dopiero zestawienie tych informacji pozwala odpowiedzieć na pytanie ważniejsze od samego ROAS:

    ile naprawdę zarabiamy na tej sprzedaży?

    Problem zaczyna się wtedy, gdy dane są w różnych systemach

    I tutaj pojawia się jeden z najczęstszych problemów firm handlowych.

    Informacje o kampaniach znajdują się w Google Ads lub Meta Ads.

    Ruch i zachowanie użytkowników analizowane są w GA4.

    Sprzedaż jest w sklepie internetowym, ERP albo systemie marketplace.

    Koszt produktów znajduje się w ERP lub systemie magazynowym.

    Prowizje są jeszcze gdzie indziej.

    W efekcie osoba zarządzająca firmą widzi kilka różnych fragmentów biznesu, ale nie zawsze widzi cały obraz.

    To właśnie w takim miejscu zaczyna być przydatne Business Intelligence.

    Połącz reklamę ze sprzedażą i marżą

    Zamiast analizować reklamę jako oddzielny obszar, można połączyć dane:

    reklama → sprzedaż → produkt → koszt → marża

    Wtedy pytanie przestaje brzmieć:

    „Która kampania ma najwyższy ROAS?”

    Możemy zacząć pytać:

    Która kampania generuje największą marżę?

    Które produkty warto mocniej promować?

    Który kanał wygląda dobrze pod względem przychodu, ale słabo pod względem rentowności?

    Czy wzrost budżetu reklamowego rzeczywiście poprawia wynik firmy?

    To zupełnie inny poziom analizy.

    Przykład: dwa produkty, podobna sprzedaż, zupełnie inny wynik

    Załóżmy, że dwa produkty generują po 20 000 zł sprzedaży.

    Produkt A

    • wysoka marża,
    • niewiele zwrotów,
    • niskie koszty logistyczne.

    Produkt B

    • niska marża,
    • wysoka prowizja marketplace,
    • droższa wysyłka,
    • więcej zwrotów.

    Jeżeli patrzymy tylko na wartość sprzedaży w systemie reklamowym, oba produkty mogą wyglądać podobnie.

    Jeżeli dodamy dane kosztowe, może się okazać, że zwiększanie budżetu na Produkt A jest znacznie bardziej opłacalne.

    I właśnie taką informację powinien otrzymywać właściciel firmy lub osoba odpowiedzialna za sprzedaż.

    ROAS nie powinien być analizowany bez marży

    To szczególnie istotne w firmach, które mają szeroki asortyment.

    Jedna kategoria może działać na marży 40%.

    Inna na 15%.

    Jeżeli system reklamowy traktuje oba produkty wyłącznie przez pryzmat wartości sprzedaży, łatwo dojść do błędnego wniosku, że obie kampanie są równie wartościowe.

    Nie są.

    Dlatego coraz ważniejsze staje się łączenie danych marketingowych z rzeczywistą rentownością produktu.

    Business Intelligence zamiast kolejnego Excela

    Takie analizy oczywiście można wykonywać ręcznie.

    Można eksportować dane z Google Ads, pobierać sprzedaż z ERP, dodawać informacje o kosztach i łączyć wszystko w arkuszach.

    Problem zaczyna się wtedy, gdy trzeba robić to codziennie.

    Albo gdy firma ma:

    • kilka tysięcy produktów,
    • kilka kanałów sprzedaży,
    • kilka kont reklamowych,
    • kilka źródeł danych.

    Wtedy ręczne raportowanie staje się coraz mniej efektywne.

    Dlatego w Enterprise BI Platform dane z różnych źródeł mogą być automatycznie synchronizowane i analizowane w jednym środowisku.

    Raport nie musi być już tylko podsumowaniem poprzedniego miesiąca.

    Może stać się narzędziem do codziennego zarządzania biznesem.

    Co daje połączenie danych reklamowych i sprzedażowych?

    Po zintegrowaniu danych możemy analizować nie tylko ROAS.

    Możemy zobaczyć również:

    • przychód,
    • koszt reklamy,
    • koszt produktu,
    • marżę,
    • koszt pozyskania klienta,
    • rentowność kategorii,
    • rentowność kanału,
    • wartość zamówienia,
    • trendy sprzedaży.

    Dzięki temu łatwiej odpowiedzieć na znacznie bardziej biznesowe pytanie:

    gdzie warto zwiększyć budżet, ponieważ naprawdę zostaje tam marża?

    A gdzie w tym wszystkim AI?

    Samo zebranie danych jest dopiero pierwszym etapem.

    Kolejny problem brzmi:

    na co właściwie zwrócić uwagę?

    Jeżeli firma ma tysiące produktów i dziesiątki kampanii, człowiek nie jest w stanie codziennie przeanalizować wszystkich zmian.

    Tutaj pojawia się miejsce dla AI.

    System może wykryć na przykład:

    • nagły wzrost konwersji wybranej kategorii,
    • spadek kosztu pozyskania klienta,
    • pogarszającą się marżę,
    • gwałtowny wzrost kosztów reklamy,
    • nietypowy spadek sprzedaży produktu,
    • zmianę trendu sprzedażowego.

    Zamiast samodzielnie przeglądać kilkanaście dashboardów, użytkownik może otrzymać konkretny sygnał:

    „Tutaj dzieje się coś istotnego.”

    W Enterprise BI Platform właśnie taką rolę pełni AI Advisor.

    Dobry dashboard nie powinien tylko pokazywać danych

    Powinien prowadzić do decyzji.

    Dlatego warto odejść od pytania:

    „Jaki mamy ROAS?”

    i przejść do:

    „Ile naprawdę zarobiliśmy dzięki tej kampanii?”

    A następnie:

    „Gdzie dzisiaj powinniśmy zwiększyć budżet, a gdzie go ograniczyć?”

    To właśnie różnica pomiędzy raportowaniem danych a zarządzaniem firmą na podstawie danych.

    ROAS jest dobrym początkiem, ale nie powinien być końcem analizy

    ROAS nadal jest bardzo przydatnym wskaźnikiem.

    Pozwala szybko oceniać efektywność wydatków reklamowych.

    Problem pojawia się dopiero wtedy, gdy zaczynamy traktować go jako ostateczną miarę sukcesu.

    W firmie handlowej kluczowe znaczenie ma nie tylko to, ile sprzedaży wygenerowała reklama.

    Liczy się przede wszystkim:

    ile pieniędzy zostało po wszystkich kosztach.

    Chcesz zobaczyć to na danych swojej firmy?

    Enterprise BI Platform łączy dane sprzedażowe, reklamowe, ERP, GA4 oraz inne źródła w jednym środowisku analitycznym.

    Sprzedaż, koszty, marża, reklamy i AI przestają funkcjonować jako oddzielne silosy.

    Zaczynają odpowiadać na jedno pytanie:

    co zrobić, żeby firma zarabiała więcej?

    Zobacz Enterprise BI Platform i umów bezpłatną prezentację.

  • Enterprise BI Platform — platforma analityczna dla firm handlowych i e-commerce

    Enterprise BI Platform — platforma analityczna dla firm handlowych i e-commerce

    Prowadzisz firmę handlową lub e-commerce i Twoje dane są porozrzucane między Subiektem, Google Ads, Google Analytics, panelem sklepu, Facebookiem i arkuszami kalkulacyjnymi? Każdego ranka zaczynasz od zbierania informacji z kilku źródeł, żeby wiedzieć co się dzieje w firmie?

    Enterprise BI Platform rozwiązuje ten problem. To platforma analityczna, która łączy dane sprzedażowe, koszty operacyjne z księgowości, wyniki kampanii reklamowych i ruch na stronie — w jeden interaktywny raport aktualizowany automatycznie każdego ranka. Bez ręcznej roboty, bez analityka, bez arkuszy.

    Skąd platforma pobiera dane

    Platforma integruje się ze źródłami danych, z których korzystasz na co dzień:

    • ERP / MRP — w tym Subiekt GT i nexo. Pobiera dane sprzedażowe, ale też dane księgowe i koszty operacyjne. To kluczowa różnica: dzięki temu platforma nie pokazuje tylko przychodów, ale realną rentowność uwzględniającą faktyczne koszty z Twojej księgowości.
    • Sklep internetowy — dane o zamówieniach, produktach i klientach.
    • Google Ads — wydatki reklamowe, kliknięcia, konwersje.
    • Google Analytics 4 — ruch na stronie, zachowania użytkowników, ścieżki konwersji.
    • Google Merchant Center — dane o produktach w Google Shopping.
    • Social media — Facebook i Instagram: zasięgi, zaangażowanie, wyniki postów.
    • Monitoring i API — dodatkowe źródła danych specyficzne dla Twojego biznesu.

    Dane ze wszystkich źródeł trafiają do hurtowni Google BigQuery, gdzie są łączone, czyszczone i przetwarzane. Cały proces odbywa się automatycznie — pipeline’y uruchamiają się każdego ranka, a Ty zaczynasz dzień z aktualnym raportem.

    Moduł sztucznej inteligencji oparty na Google Vertex AI. Zadajesz pytanie po polsku — na przykład „Który kanał sprzedaży jest najbardziej rentowny?” albo „Co sprzedawało się najlepiej w zeszłym miesiącu?” — i otrzymujesz konkretną odpowiedź z rekomendacją.

    To nie jest ogólny chatbot. Model jest trenowany na danych Twojej firmy i analizuje wszystkie źródła jednocześnie: sprzedaż, koszty, reklamy, ruch na stronie. Odpowiedź uwzględnia pełny kontekst Twojego biznesu.

    Sprzedaż łączna

    Kompleksowy przegląd wyników sprzedażowych z podziałem na kanały, kategorie produktowe i okresy czasowe. Moduł automatycznie identyfikuje najlepiej sprzedający się asortyment i trendy wzrostu — codziennie, bez ręcznych zestawień.

    Prognoza sprzedaży

    Model predykcyjny oparty na Twoich danych historycznych. Wskazuje oczekiwane wyniki na nadchodzące tygodnie i pomaga planować stany magazynowe oraz budżet. Koniec z prognozowaniem w Excelu na podstawie przeczucia.

    Rentowność kanałów

    Marżowość per kanał — sklep online, marketplace, hurt, stacjonarny — zestawiona z realnymi kosztami operacyjnymi z Twojej księgowości. To kluczowy moduł: nie pokazuje tylko przychodów, ale faktyczny zysk po uwzględnieniu wszystkich kosztów. Widzisz gdzie zarabiasz, a gdzie koszty obsługi pochłaniają marżę.

    Analiza rentowności omnichannel

    Przekrojowy widok rentowności wszystkich kanałów sprzedaży jednocześnie. Moduł pokazuje gdzie marża ucieka i które kanały naprawdę generują zysk — w jednym widoku, bez przełączania między raportami.

    Google Ads / GA4 / Google Merchant Center

    ROAS, CPC, koszt pozyskania klienta i dane z Google Merchant Center — razem z wynikami sprzedaży w jednym miejscu. Dokładnie widać ile każda złotówka wydana na reklamę przynosi przychodu. Koniec z porównywaniem danych z panelu Google Ads z danymi z ERP w osobnym arkuszu.

    Analiza YoY

    Porównanie rok do roku pokazujące dynamikę wzrostu lub spadku sprzedaży. Realny postęp biznesu niezależnie od sezonowości — automatycznie, bez ręcznych zestawień w Excelu.

    Benchmark cenowy

    Porównanie cen własnego asortymentu z rynkiem. Moduł identyfikuje produkty przewartościowane i niedowartościowane względem konkurencji. Pomaga podejmować decyzje cenowe na podstawie danych, a nie intuicji.

    Klastry cen

    Moduł oparty na sztucznej inteligencji. AI automatycznie segmentuje asortyment według struktury cenowej, identyfikuje grupy produktowe i wspiera decyzje o pozycjonowaniu oraz optymalizacji marż. Zamiast ręcznie analizować setki produktów, dostajesz gotową segmentację.

    Mapy termiczne zachowań

    Dashboard w Looker Studio wizualizujący zachowania użytkowników na stronie. Strefy zainteresowania, ścieżki klikania i punkty rezygnacji — wszystko w formie graficznej. Pokazuje co przyciąga uwagę, a gdzie klienci odpadają.

    Social Media

    Monitoring Facebooka i Instagrama z danymi o zaangażowaniu i zasięgu. Decyzje o contencie na podstawie danych, nie intuicji. Moduł gotowy pod integrację z Facebook Ads.

    Udział firm kurierskich

    Analiza wolumenu i kosztów per przewoźnik. Porównanie udziałów InPost, DPD, DHL, UPS i innych — konkretna podstawa do negocjacji stawek i optymalizacji rentowności wysyłek.

    Gdzie konkretnie pracuje sztuczna inteligencja

    W kontekście platform analitycznych termin „AI” bywa nadużywany. W Enterprise BI Platform sztuczna inteligencja jest wykorzystywana w trzech konkretnych miejscach:

    1. AI Advisor — oparty na Google Vertex AI. Model jest trenowany na danych Twojej firmy — sprzedaży, kosztach, kampaniach reklamowych i ruchu na stronie. Gdy zadajesz pytanie, analizuje wszystkie źródła danych jednocześnie i zwraca rekomendację uwzględniającą pełny kontekst. To nie jest wrapper na ChatGPT — to model pracujący na Twoich danych w Twojej hurtowni BigQuery.

    2. Prognoza sprzedaży — model predykcyjny budowany na Twoich danych historycznych. Uwzględnia sezonowość, trendy i wzorce specyficzne dla Twojego biznesu. Prognozuje wyniki na nadchodzące tygodnie z dokładnością rosnącą wraz z ilością dostępnych danych.

    3. Klastry cen — algorytm segmentacji oparty na uczeniu maszynowym. Automatycznie grupuje produkty według struktury cenowej, identyfikuje wzorce, które nie są widoczne przy ręcznej analizie, i wspiera decyzje o pozycjonowaniu cenowym.

    Cała infrastruktura AI działa na Google Cloud Platform — BigQuery do przechowywania i przetwarzania danych, Vertex AI do trenowania i uruchamiania modeli.

    Infrastruktura technologiczna

    Platforma działa w całości na infrastrukturze Google Cloud:

    • Google BigQuery — hurtownia danych. Wszystkie źródła trafiają tutaj, są łączone i przetwarzane. BigQuery obsługuje zapytania na milionach rekordów w sekundach.
    • Looker Studio — warstwa wizualizacji. Interaktywne dashboardy z możliwością filtrowania, drążenia danych i eksportu. Dostęp przez przeglądarkę, bez instalacji.
    • Google Vertex AI — platforma do trenowania i uruchamiania modeli AI. Odpowiada za AI Advisor, prognozę sprzedaży i klastry cen.
    • Cloud Run — serwer aplikacyjny obsługujący pipeline’y danych i synchronizację ze źródłami.

    Jak wygląda wdrożenie

    Wdrożenie realizujemy zdalnie — bez ingerencji w istniejącą infrastrukturę IT. Nie musisz nic instalować, nie potrzebujesz własnego serwera, nie musisz angażować swojego działu IT.

    Proces obejmuje: 1. Integrację źródeł danych (Subiekt GT/nexo, Google Ads, GA4, Facebook, sklep internetowy). 2. Konfigurację pipeline’ów w Google Cloud. 3. Uruchomienie modułów i konfigurację pod specyfikę Twojego biznesu. 4. Szkolenie zespołu z obsługi platformy (online).

    Realizacja trwa około 30 dni roboczych. Po uruchomieniu dane aktualizują się automatycznie każdego ranka. W standardzie zapewniamy monitoring pipeline’ów i aktualizacje API.

    Dla kogo jest ta platforma

    Enterprise BI Platform jest skierowana do firm handlowych i e-commerce, które:

    • Sprzedają w wielu kanałach jednocześnie (sklep online, marketplace, hurt, punkt stacjonarny).
    • Korzystają z Subiekta GT lub nexo jako systemu ERP.
    • Prowadzą kampanie w Google Ads i chcą widzieć ROAS w kontekście realnej sprzedaży.
    • Tracą czas na ręczne zestawianie danych z różnych źródeł.
    • Chcą podejmować decyzje na podstawie danych, a nie przeczucia.
    • Potrzebują zrozumieć rentowność poszczególnych kanałów z uwzględnieniem kosztów operacyjnych.

    Chcesz zobaczyć jak to działa?

    Przygotujemy bezpłatną prezentację na danych z Twojej branży. Potrzebujemy do tego 30 minut.

    Napisz email lub zadzwoń: +48 797 397 877.

  • Universal Commerce Protocol (UCP) – Nowa era cyfrowego handlu od Google

    Universal Commerce Protocol (UCP) – Nowa era cyfrowego handlu od Google

    Universal Commerce Protocol (UCP) – A New Era of Digital Commerce by Google

    [PL] Przyszłość zakupów sterowana przez AI

    Świat e-commerce stoi u progu rewolucji. Google oficjalnie ogłosiło wprowadzenie Universal Commerce Protocol (UCP) – otwartego standardu eliminującego fragmentację handlu cyfrowego. Innymi słowy, UCP to „wspólny język” łączący platformy handlowe i dostawców płatności (PSP) z agentami AI. Dlatego integracja między różnymi podmiotami staje się wreszcie płynna i skalowalna.

    Kluczowe filary UCP:

    • Interoperacyjność: Łączenie powierzchni konsumenckich (takich jak Gemini czy tryb AI w wyszukiwarce) bezpośrednio z zapleczem biznesowym (Business Backends).
    • Automatyzacja: Możliwość przeprowadzania bezpiecznych sesji zakupowych z udziałem człowieka lub w pełni autonomicznie przez agentów AI.
    • Personalizacja: Standaryzowana wymiana danych pozwala na oferowanie doświadczeń zakupowych szytych na miarę.

    Protokół opiera się na Model Context Protocol (MCP) oraz Agent2Agent (A2A) Protocol. Dzięki temu firmy zachowują pełną kontrolę nad realizacją zamówień i statusem sprzedawcy (Merchant of Record). Ponadto otwierają się na nowe kanały sprzedaży. W rezultacie jest to milowy krok w stronę „agentic commerce”, gdzie technologia nie tylko podpowiada, co kupić, ale potrafi samodzielnie sfinalizować cały zakup.


    [EN] The Future of AI-Driven Shopping

    The e-commerce world is on the brink of a revolution. Google has officially announced the launch of the Universal Commerce Protocol (UCP) – an open standard designed to address the fragmented commerce landscape. UCP serves as a „common language” that facilitates seamless integration between various entities: from commerce platforms and Payment Service Providers (PSPs) to advanced AI agents.

    Key Pillars of UCP:

    • Interoperability: Connecting consumer surfaces (such as Gemini or AI Mode in Search) directly with business backends.
    • Automation: Facilitating secure checkout sessions either with human intervention or fully autonomously via AI agents.
    • Personalization: Standardized data exchange allows for the delivery of highly tailored shopping experiences.

    The protocol is built on modern communication foundations, including the Model Context Protocol (MCP) and the Agent2Agent (A2A) Protocol. This allows businesses to maintain full control over order processing and their status as the Merchant of Record, while simultaneously opening up new sales channels. This is a major step toward „agentic commerce,” where technology not only suggests what to buy but can also finalize the process on our behalf.

  • Automatyzacja procesów biznesowych z wykorzystaniem AI – przyszłość branży IT i biznesu

    Automatyzacja procesów biznesowych przy użyciu sztucznej inteligencji (AI) rewolucjonizuje działanie firm, bez względu na ich wielkość. Technologia ta staje się kluczowym czynnikiem przewagi konkurencyjnej, umożliwiając przedsiębiorstwom efektywniejsze zarządzanie zasobami, zwiększanie produktywności i ograniczanie kosztów. Branża informatyczna odgrywa w tej transformacji strategiczną rolę, rozwijając coraz bardziej zaawansowane rozwiązania dostosowane do potrzeb różnorodnych sektorów.

    Produkcja

    W produkcji AI umożliwia automatyczne monitorowanie jakości, przewidywanie awarii maszyn (predictive maintenance) oraz optymalizację procesów produkcyjnych. Dzięki temu przedsiębiorstwa mogą znacząco zmniejszyć przestoje oraz koszty utrzymania sprzętu.

    Sprzedaż

    AI w sprzedaży poprawia efektywność poprzez analizę zachowań klientów, personalizację ofert oraz automatyczne generowanie leadów sprzedażowych. Chatboty wspierają również obsługę klienta, zapewniając szybką reakcję na zapytania.

    Księgowość

    Automatyzacja księgowości za pomocą AI obejmuje rozpoznawanie i klasyfikację dokumentów, automatyzację rozliczeń oraz wykrywanie oszustw finansowych. Pozwala to na szybsze podejmowanie decyzji biznesowych na podstawie precyzyjnych danych finansowych.

    Logistyka

    Sztuczna inteligencja optymalizuje zarządzanie łańcuchem dostaw, przewidując popyt, optymalizując trasy transportu i zarządzając magazynem. Systemy te znacząco zmniejszają koszty operacyjne i poprawiają terminowość dostaw.

    Marketing

    AI w marketingu umożliwia zaawansowaną analizę danych konsumentów, optymalizację kampanii reklamowych, personalizację treści oraz automatyzację komunikacji z klientem, co skutkuje wyższą konwersją.

    E-commerce

    Technologie AI w branży e-commerce to przede wszystkim rekomendacje produktowe, dynamiczne ustalanie cen, personalizacja doświadczeń użytkownika oraz automatyzacja procesów obsługi zamówień.

    Kadry (HR)

    AI w zarządzaniu kadrami to przede wszystkim automatyzacja rekrutacji, zarządzanie talentami, analiza zaangażowania pracowników oraz przewidywanie rotacji. Technologia wspiera efektywność działów HR i zwiększa satysfakcję pracowników.

    CRM (Zarządzanie relacjami z klientami)

    Systemy CRM wyposażone w AI pomagają w dokładniejszym prognozowaniu sprzedaży, analizie nastrojów klientów i automatyzacji działań związanych z obsługą klienta. Dzięki temu przedsiębiorstwa budują silniejsze relacje z klientami.

    Zarządzanie strategiczne

    AI w zarządzaniu strategicznym zapewnia analizę dużych zbiorów danych (big data), automatyczne raportowanie, oraz wspiera procesy decyzyjne na poziomie zarządczym. Pozwala liderom szybciej identyfikować trendy rynkowe i podejmować trafniejsze decyzje strategiczne.

    Przyszłość branży informatycznej w kontekście AI to dalsze pogłębianie integracji systemów, rozwój rozwiązań opartych na głębokim uczeniu (deep learning) oraz coraz szersze zastosowanie technologii w codziennych procesach biznesowych. Firmy, które jako pierwsze wdrożą inteligentne rozwiązania AI, uzyskają znaczną przewagę konkurencyjną na rynku.