AI w handlu hurtowym i dystrybucji — automatyzacja zamówień, cen i magazynu

Polska dystrybucja przeszła w ostatnich latach przez kilka fal zmian: rosnący wolumen małych zamówień (kanał B2B-online), wzrost wymagań sieci handlowych dotyczących EDI, presja cenowa i niedobór pracowników magazynowych oraz handlowców back office. Firmy 20–200 osób, które jeszcze 5 lat temu obsługiwały klientów telefonicznie i mailowo, dziś dostają setki zamówień dziennie w różnych formatach.

AI w tej branży nie jest modą — jest odpowiedzią na konkretną asymetrię: liczba transakcji rośnie szybciej niż możliwość zatrudniania ludzi do ich obsługi. Dystrybutorzy, którzy nie zautomatyzują przyjmowania zamówień i obsługi klienta, w 2027 roku będą obsługiwać te same zamówienia o 30–50% drożej niż konkurencja.

W typowej hurtowni 50–150 osób zamówienia trafiają w 4–5 kanałach: maile z PDF/Excel, faksy (wciąż), portale klientów (Allegro Biznes, sieci handlowe), B2B własna platforma, telefonicznie. Każdy z tych kanałów dziś oznacza ręczną pracę: handlowiec back office przepisuje zamówienie do ERP, sprawdza cenę, sprawdza stan magazynu, potwierdza klientowi.

Agent AI do przyjmowania zamówień rozpoznaje produkty po opisach (nawet jeśli klient używa starych kodów lub nazw potocznych), mapuje na indeksy w ERP, sprawdza ceny i stany, wykrywa anomalie (nietypowa ilość, klient z zaległościami) i przygotowuje projekt zamówienia do akceptacji. To 60–80% mniej pracy administracji i znacznie krótszy czas potwierdzania zamówień klientom.

Większość polskich dystrybutorów wciąż prowadzi cenniki w Excelu, z grupami klientów i sztywnymi rabatami. AI pozwala wprowadzić dynamiczne ceny: różnicowanie cen według klienta, segmentu, wolumenu, sezonu, dostępności i konkurencji. To nie znaczy chaos — przeciwnie, oznacza spójną politykę cenową w czasie quasi-rzeczywistym, pod kontrolą działu handlowego.

Dla firm dystrybucyjnych największą wartością jest tu identyfikacja klientów, którzy są niedoważeni cenowo (zbyt duże rabaty wobec rzeczywistej wartości klienta) lub przewartościowani (zbyt drogo wobec rynku, ryzyko utraty). AI w połączeniu z Power BI daje to widoki i alerty.

Magazyn dystrybutora to zwykle 20–50% kapitału obrotowego. Każdy procent zbędnego zapasu to setki tysięcy złotych zamrożonych. AI w prognozowaniu popytu pracuje na historycznej sprzedaży, sezonowości, akcjach promocyjnych, danych makroekonomicznych i sygnałach od klientów (zamówienia stałe, kontrakty). Efekt: trafniejsze prognozy, niższe zapasy bezpieczeństwa, mniej braków u klientów.

W praktyce dla dystrybutora 20–200 osób oznacza to projekt 3–6 miesięcy, gdzie zaczynamy od kategorii o największym wpływie na zamrożenie kapitału (typowo 20% indeksów odpowiada za 80% zapasu). Pierwsze efekty zwykle pojawiają się w postaci 10–25% redukcji zapasów bez wzrostu braków.

Sieci handlowe i większe firmy produkcyjne wymagają dziś EDI: elektronicznej wymiany zamówień, awiz, faktur w określonych standardach. Brak EDI to często warunek wykluczający dystrybutora z dalszej współpracy. AI nie zastępuje EDI, ale wspiera procesy uzupełniające: mapowanie indeksów między systemami, walidację zamówień, obsługę wyjątków.

Dla dystrybutora kluczowe jest też budowanie własnych integracji B2B z mniejszymi klientami (portale, API, e-faktury). Tu sprawdza się Power Platform i dedykowane agenty AI, które obsługują nietypowe formaty zamówień, klasyfikują reklamacje, wystawiają potwierdzenia.

Reklamacje w dystrybucji to zwykle 1–3% obrotu, ale obsługiwane ręcznie pochłaniają nieproporcjonalną część czasu. AI klasyfikuje zgłoszenia, przygotowuje projekty odpowiedzi, sygnalizuje wzorce (powtarzające się problemy z dostawcą, klientem lub kategorią produktów). Dobrze zaprojektowany workflow w Monday.com lub SharePoint z agentem AI skraca czas obsługi i podnosi NPS.

Raportowanie kontrolingowe to drugi obszar wysokiej dźwigni. Dystrybutorzy często nie wiedzą, jaka jest realna marża na konkretnym kliencie po uwzględnieniu kosztów obsługi, zwrotów, terminów płatności. Power BI w połączeniu z AI daje to w jednym widoku — i pozwala zarządowi podejmować decyzje na podstawie faktów, a nie tylko obrotu.

Ścieżka 90-dniowa dla dystrybutora wygląda typowo: tygodnie 1–2 — audyt kanałów zamówieniowych i procesów back office. Tygodnie 3–4 — wybór pilota (zwykle automatyzacja przyjmowania zamówień od 3–5 największych klientów). Tygodnie 5–10 — budowa agenta AI z integracją do ERP. Tygodnie 11–13 — pilotaż, pomiar efektów, decyzja o skali.

W kolejnych miesiącach dystrybutor zwykle dodaje obszary: dynamiczne cenniki, prognozowanie popytu, EDI z większymi klientami, raportowanie marży. Cały program 9–12 miesięcy daje skokową zmianę efektywności back office i magazynu.