Ta rozmowa wygląda u nas zawsze podobnie. Firma ma 3 tysiące indeksów, opisy w połowie skopiowane od producenta, w połowie puste, a na Allegro leci ten sam tekst co w sklepie. Ktoś policzył, że copywriter po 30 zł za opis to 90 tysięcy złotych i pół roku. Pytanie brzmi: da się to zrobić modelem?
Da się, tylko nie w tej formie, w jakiej ludzie zwykle to sobie wyobrażają. Wrzucanie nazwy produktu do czatu działa przy dziesięciu produktach i rozpada się przy dwustu. Przy tysiącach potrzebujesz czegoś bliższego linii produkcyjnej niż pisania: wejścia z ustrukturyzowanych danych, szablonu trzymającego głos marki, osobnego wariantu na każdy kanał, twardej walidacji przed publikacją i historii zmian, do której da się wrócić.
TL;DR: Generowanie opisów na skalę to pipeline, nie prompt. Wejście = dane produktowe, nie nazwa produktu. Wyjście = osobny wariant per kanał. Koszt modelu przy 2000 produktów to kilka do kilkudziesięciu dolarów (tryb wsadowy, cennik z sierpnia 2026), więc wąskim gardłem nie są pieniądze, tylko kontrola jakości. Najdroższy błąd: model dopisuje cechę, której produkt nie ma, a zwroty przychodzą przez rok.
Wejście: dane produktowe, nie nazwa produktu
Jakość opisu wychodzi z jakości wejścia i tego jednego nie da się obejść. Model, który dostaje „Fotel biurowy XR-200", zmyśla resztę. Model, który dostaje kartę produktu, składa tekst z faktów. Minimalny zestaw, który zdaje egzamin:
- Parametry techniczne jako pary klucz–wartość z jednostkami: wymiary, materiał, waga, moc, kolor, zawartość opakowania. Tylko te wartości model ma prawo wypisać.
- Kategoria, bo inaczej pisze o fotelu biurowym tak samo jak o ogrodowym.
- Zdjęcia, jeśli model je obsługuje. Ratują sytuacje, w których karta milczy o czymś oczywistym: rodzaju zapięcia, fakturze materiału, kółkach.
- Dane zgodnościowe. Allegro wymaga w ofercie danych producenta i osoby odpowiedzialnej, informacji o bezpieczeństwie oraz parametrów identyfikujących (marka, model, GTIN/EAN), zgodnie z GPSR. Wstawiaj je deterministycznie, nigdy nie każ modelowi ich uzupełniać.
- Czego produkt nie ma, jeśli to typowe źródło pomyłek. Zdanie „to nie jest wersja wodoodporna, tylko odporna na zachlapania" oszczędza kilkadziesiąt zwrotów.
Jeżeli te dane leżą w trzech arkuszach, w integratorze i w głowie magazyniera, najpierw potrzebujesz jednego miejsca, w którym mieszkają, o czym piszemy przy opisach produktów w jednym miejscu. Generowanie z bałaganu daje przemnożony bałagan, tylko szybciej.
Szablon marki, czyli co naprawdę siedzi w prompcie
Bez szablonu dostajesz uśredniony ton modelu: gładki i identyczny z tym, co generuje konkurencja z tego samego narzędzia. Głos marki to nie zdanie „pisz przyjaźnie, ale profesjonalnie", tylko pięć konkretów:
- Kto to czyta i po co. „Kupujący to instalator szukający zamiennika, sprawdza średnicę i kompatybilność" daje inny tekst niż „kupujący to rodzic urządzający pokój dziecka".
- Dwa lub trzy wzorcowe opisy z Waszego katalogu, napisane ręcznie. To najsilniejszy element promptu. Model kopiuje z nich rytm zdań, długość akapitów i to, czego się nie robi.
- Struktura wyjścia: nagłówek, akapit otwierający, lista korzyści, tabela parametrów, zamknięcie. Sztywna, bo dzięki temu da się potem walidować i podmieniać fragmenty.
- Lista zakazanych sformułowań: superlatywy bez pokrycia, nazwy konkurencji, obietnice gwarancyjne, deklaracje zdrowotne. Rośnie z każdą wpadką i służy jednocześnie za prompt i za regułę walidacji.
- Twarda reguła o faktach: wolno użyć wyłącznie parametrów z karty, nie wolno dopisać cechy ani liczby spoza wejścia, a przy braku danych temat się pomija zamiast zgadywać.
Prompt to nie polecenie, tylko dokument kontekstowy. To on decyduje o wyniku bardziej niż wybór modelu, co rozwijamy przy okazji kontekstu dla AI.
Jeden produkt, trzy kanały, trzy różne teksty
Allegro. Opis w API Allegro nie jest polem tekstowym, tylko strukturą: sekcje, w nich elementy tekstowe i graficzne, z ograniczonym zestawem dozwolonych tagów; dokumentacja developerska podaje limit 40 000 bajtów na sekcję. Do tego dochodzą reguły regulaminowe, których pilnujesz walidacją: bez linków wyprowadzających poza platformę, bez danych kontaktowych, bez kierowania kupującego do własnego sklepu. Informacje o dostawie, płatnościach i zwrotach mają osobne pola i nie należą do opisu. Allegro zmienia regulamin i wymagane parametry regularnie, więc traktuj tę listę jak plik konfiguracyjny do przeglądu raz na kwartał. O samej integracji piszemy przy automatyzacji sprzedaży na Allegro.
Własny sklep. Tu opis pracuje na widoczność: fraza główna w nagłówku i pierwszym akapicie, frazy poboczne w liście korzyści, dłuższy tekst, pełne HTML, sekcja pytań i odpowiedzi. To jedyny kanał, w którym duplikat treści realnie boli.
Erli i pozostałe marketplace'y. Trzeci kanał to trzeci wariant tego samego wejścia, wystawiany zwykle przez integrator (BaseLinker, Apilo, Sellasist) albo API platformy. Przed wpięciem generatora wyciągnij z jej dokumentacji trzy rzeczy: dopuszczalną długość, dozwolone formatowanie i listę treści zakazanych. Tyle wystarczy, żeby dołożyć czwarty i piąty kanał bez przepisywania pipeline'u.
Zasada porządkująca całość: jedno źródło danych, wiele wariantów wyjścia. Nie generuj opisu na Allegro z opisu sklepowego. Oba powstają z tej samej karty, osobnymi promptami.
Pipeline hurtowy: orkiestrator albo skrypt plus batch
Architektura jest banalna i to jej zaleta:
- Pobierz partię produktów bez opisu albo ze statusem „do odświeżenia".
- Zbuduj payload: szablon marki (stały) plus dane produktu (zmienne). Kolejność ma znaczenie przy cache'owaniu.
- Wyślij wsadowo. Do zadania, które nie musi być gotowe w tej sekundzie, używa się API wsadowego zamiast pojedynczych zapytań. Batch API Anthropic daje 50% zniżki na tokeny wejściowe i wyjściowe, a większość paczek kończy się w godzinę.
- Zwaliduj automatycznie każdą odpowiedź. Co nie przechodzi, wraca do kolejki albo na listę dla człowieka.
- Zapisz jako nową wersję, nie jako nadpisanie.
- Opublikuj i zapisz identyfikator publikacji, żeby wiedzieć, co gdzie stoi.
Czym to spiąć? Jeśli w firmie działa już orkiestrator w rodzaju n8n, buduj tam: masz podgląd każdego wykonania i ponawianie po błędzie. Przy jednorazowej migracji 5 tysięcy indeksów uczciwszy jest skrypt odpalony raz niż workflow, którego potem nikt nie utrzymuje.
Jedna decyzja od początku: tabeli parametrów nie generuje model. Składasz ją deterministycznie z danych i doklejasz do wygenerowanego tekstu. Model nie ma wtedy jak przekręcić liczby, nie płacisz za te tokeny, a przy zmianie parametru podmieniasz sam blok zamiast całego opisu.
Ile to kosztuje: mechanika liczenia
Płacisz osobno za tokeny wejściowe i wyjściowe, a wyjściowe są kilka razy droższe. Token to z grubsza cztery znaki tekstu angielskiego; w polskim wychodzi gorzej, więc licz z zapasem.
Ceny za milion tokenów (cennik Anthropic, stan na 12 sierpnia 2026):
| Model | Wejście | Wyjście | Wejście batch | Wyjście batch |
|---|---|---|---|---|
| Claude Haiku 4.5 | $1 | $5 | $0,50 | $2,50 |
| Claude Sonnet 5 | $2 | $10 | $1 | $5 |
| Claude Opus 5 | $5 | $25 | $2,50 | $12,50 |
Mechanika na przykładzie. Założenia podaję wprost, bo bez nich każda kwota jest zmyślona: szablon plus dane produktu to około 1500 tokenów wejścia, gotowy opis około 600 tokenów wyjścia, katalog liczy 2000 produktów, generujemy jeden wariant.
- Wejście: 2000 × 1500 = 3 mln tokenów
- Wyjście: 2000 × 600 = 1,2 mln tokenów
- Haiku 4.5 wsadowo: 3 × $0,50 + 1,2 × $2,50 = $4,50
- Sonnet 5 wsadowo: 3 × $1 + 1,2 × $5 = $9
- Opus 5 wsadowo: 3 × $2,50 + 1,2 × $12,50 = $22,50
Trzy kanały mnożą wyjście przez trzy, więc górna granica przy najdroższym modelu to i tak kilkadziesiąt dolarów. Doliczaj około jednej trzeciej zapasu na drugie przejście dla opisów odrzuconych przez walidację.
Drugi mechanizm: cache'owanie promptu. Szablon jest identyczny przy każdym produkcie, więc nie ma powodu płacić za niego 2000 razy pełną stawkę. Odczyt z cache kosztuje 0,1 stawki wejściowej, zapis 1,25 stawki przy pamięci pięciominutowej. Warunek: część stała musi stać na początku promptu, zmienna na końcu, bo cache dopasowuje prefiks. Zniżka wsadowa i cache się kumulują.
Wniosek jest niewygodny dla szukających oszczędności po stronie modelu: przy tej skali koszt tokenów to szum, a prawdziwy koszt liczy się w dniach pracy na walidację i przeglądy. Jak przełożyć takie wdrożenie na rachunek biznesowy, pokazujemy przy liczeniu ROI automatyzacji.
Kontrola jakości: walidacja twarda i przegląd wyrywkowy
Tę część pomija prawie każdy, kto zaczyna od promptu, i to ona decyduje, czy projekt przetrwa pierwszy kwartał.
Walidacja twarda to zwykły kod, bez AI, uruchamiany przed każdym zapisem. Sześć reguł zamyka większość problemów:
- Liczby i jednostki. Wyciągnij z opisu każdą liczbę z jednostką i sprawdź, czy występuje w danych źródłowych. Jeśli w opisie jest „120 cm", a w karcie nigdzie nie ma 120, opis leci do odrzutu. To jedyny mechanizm realnie łapiący halucynacje parametrów.
- Obecność parametrów kluczowych. Każdy parametr obowiązkowy w danej kategorii musi wystąpić.
- Zakazane słowa. Ta sama lista, co w prompcie, tylko tu egzekwowana. Model czasem jej nie posłucha.
- Limity znaków i bajtów per kanał, liczone na finalnym HTML-u.
- Dozwolone tagi. Whitelist, reszta wycinana.
- Brak danych kontaktowych i URL-i w wariantach na marketplace.
Przegląd wyrywkowy to drugie sito. Nie czytasz dwóch tysięcy opisów, tylko próbkę: 30–50 sztuk z pierwszej partii, potem po 10 z każdej kolejnej, plus wszystko z kategorii wrażliwych. Osoba przeglądająca odpowiada na trzy pytania: czy wszystko w tekście jest prawdą, czy brzmi jak nasza marka, czy nic nie łamie regulaminu. Każde „nie" wraca do szablonu jako nowa reguła albo nowy przykład.
Podział, w którym maszyna robi rutynę, a człowiek akceptuje ryzykowne, jest standardem naszych wdrożeń i tu nie ma wyjątku. Gdzie dokładnie postawić tę granicę, rozkładamy na czynniki w tekście o ryzykach wdrażania AI.
Wersjonowanie i masowe aktualizacje
Zasada bez odstępstw: nigdy nie nadpisuj opisu bez śladu. Każde generowanie zapisuje nowy wiersz: produkt, kanał, numer wersji, treść, użyty model, skrót promptu, data, autor (model albo człowiek), status. Kosztuje kilka megabajtów, a daje rollback jednym zapytaniem, porównanie „przed i po" przy sprawdzaniu sprzedaży oraz odpowiedź na pytanie „kto to napisał", które prędzej czy później padnie przy reklamacji.
Scenariusz, który przychodzi zawsze: zmienił się jeden parametr w 2000 ofert, bo producent podniósł gramaturę albo dołożył element do zestawu. Odruch to regeneracja wszystkiego i odruch jest zły. Dostajesz 2000 nowych opisów do walidacji od zera i tracisz wszystkie ręczne poprawki z ostatniego roku.
Lepiej trzymać opis jako bloki, nie jeden łańcuch znaków. Wtedy zmiana parametru dotyka jednego, dwóch bloków, a tabela parametrów odbudowuje się sama, bo jest składana z danych. Jeśli parametr pojawia się w tekście korzyści, regenerujesz sam ten blok z instrukcją „przepisz wyłącznie ten fragment", a reszta zostaje nietknięta razem z poprawkami, które ktoś w nią włożył.
I jedna reguła bezpieczeństwa: przy zmianach powyżej stu ofert publikuj etapami. Błąd w szablonie wyłapany na pięćdziesiątce kosztuje godzinę, ten sam błąd na dwóch tysiącach kosztuje tydzień.
„Najdroższy błąd w generowaniu opisów to nie zła polszczyzna, tylko jedna dopisana cecha. Model, który napisze »wodoodporny« przy produkcie odpornym wyłącznie na zachlapania, kosztuje firmę zwroty przez cały rok, a wykryjesz to nie w korekcie, tylko na liście reklamacji. Dlatego walidację liczb budujemy przed pierwszym generowaniem, nie po pierwszej wpadce." — Mikołaj Brunka, założyciel NoCodeWork
Tłumaczenia ofert przy ekspansji zagranicznej
Przy wejściu na rynek niemiecki czy czeski pierwszy pomysł brzmi: przetłumaczmy 2000 polskich opisów. Nie rób tego. Polski opis zawiera decyzje podjęte pod polskiego kupującego i polskie frazy wyszukiwania. Tłumaczenie przenosi je na rynek, gdzie ludzie szukają czego innego i innymi słowami, więc dostajesz tekst poprawny językowo i bezużyteczny w wyszukiwarce.
Właściwy ruch to generowanie od nowa z tych samych danych źródłowych, z szablonem marki w języku docelowym i frazami z tamtego rynku. Ten sam pipeline, inny szablon, i to jest właśnie powód, żeby zbudować go raz porządnie.
Cztery rzeczy do dopilnowania: glosariusz terminów, których się nie tłumaczy (nazwy własne, kody, oznaczenia norm); forma zwracania się do klienta, bo niemieckie „Sie" kontra „du" to decyzja marki, nie tłumacza; jednostki i formaty liczb składane deterministycznie z danych; oraz przegląd próbki przez native speakera, bo systematyczny błąd w szablonie jest jedynym, który naprawdę boli. GPSR obowiązuje w całej Unii, więc dane producenta i ostrzeżenia muszą trafić do każdej wersji językowej.
AI Act: czy opisy trzeba oznaczać
Krótka odpowiedź: opisy produktów generowane przez AI najprawdopodobniej nie wymagają oznaczania, ale warto wiedzieć dlaczego.
Artykuł 50 AI Act, obowiązujący od 2 sierpnia 2026 roku, nakłada obowiązki przejrzystości w trzech sytuacjach. Po pierwsze, system rozmawiający z człowiekiem musi poinformować, że jest maszyną, co dotyczy chatbota na Waszej stronie, nie opisu produktu. Po drugie, treści syntetyczne trzeba oznaczać w sposób odczytywalny maszynowo, ale ten obowiązek spoczywa na dostawcy modelu, nie na sklepie, który z modelu korzysta. Po trzecie, publikujący wygenerowany tekst musi to ujawnić, jeżeli tekst ma informować opinię publiczną w sprawach będących przedmiotem zainteresowania publicznego. Opis fotela biurowego się w tym nie mieści.
Nie musisz więc dopisywać „opis wygenerowany przez AI" pod ofertą. Musisz za to pilnować przepisów obowiązujących niezależnie od tego, kto napisał tekst. Za treść oferty odpowiada sprzedawca, więc cecha, której produkt nie ma, to podstawa reklamacji i nieuczciwa praktyka rynkowa; nikogo nie interesuje, że napisał to model. Obowiązki informacyjne GPSR spełnia się danymi, a nie ładnym akapitem, a suplementy, kosmetyki i wyroby medyczne mają własne sztywne reguły dotyczące tego, co wolno napisać.
Cały ten wątek rozkładamy przy AI Act i RODO w polskiej firmie. Przepisy krajowe i kary dopinane są w Polsce w drugiej połowie 2026 roku, więc do stanu prawnego wracaj co kilka miesięcy.
Trzy pułapki, które kosztują najwięcej
Halucynacja parametru. Model, który nie ma danej, wymyśla ją w sposób brzmiący sensownie: „wodoodporny", „kompatybilny ze wszystkimi modelami", „materiał premium". Konsekwencją nie jest brzydki tekst, tylko zwroty i reklamacje. Obrona jest dwuwarstwowa: instrukcja w prompcie, żeby przy braku danych pominąć temat, oraz walidacja liczb przeciwko danym źródłowym. Sama instrukcja nie wystarczy.
Duplicate content. W dwóch odmianach. Pierwsza to skopiowany opis producenta, którym posługuje się jeszcze piętnastu sprzedawców, i to główne źródło problemu w polskim e-commerce. Druga to ten sam tekst w Waszym sklepie i w feedach czy porównywarkach. Sklep to Wasza domena i tam unikalność ma wartość. Rozwiązanie leży w architekturze, nie w przepisywaniu: wariant sklepowy generujesz osobnym promptem, z inną strukturą i innym zestawem fraz, a do walidacji dorzucasz test podobieństwa między wariantami.
Utrata głosu marki. Objaw jest zawsze ten sam: po dwóch tygodniach ktoś z zarządu mówi, że „to brzmi jak wszystko inne w internecie". Ma rację, bo bez przykładów w prompcie model wraca do średniej. Lekarstwem nie jest lepszy model, tylko dwa ręcznie napisane wzorcowe opisy w szablonie i lista rzeczy, których nie piszemy. Przy bardzo różnych grupach produktowych zrób osobny szablon per grupa; trzy szablony są tańsze niż jeden, który do niczego nie pasuje.
Kiedy to zły pomysł
- Poniżej mniej więcej dwustu produktów. Budowa i walidacja zajmą więcej czasu niż napisanie ich ręcznie, a ręcznie wyjdą lepsze.
- Gdy opis jest produktem (biżuteria autorska, rzemiosło, wina, książki). Tekst niesie tam wartość, której nie ma w żadnym parametrze.
- Gdy dane produktowe są w rozsypce. W tej kolejności produkujesz dwa tysiące ładnie napisanych nieprawd.
- W branżach regulowanych bez zamkniętej listy dozwolonych sformułowań. Suplementy i kosmetyki generuj dopiero wtedy, gdy dostaniesz ją od osoby odpowiedzialnej za zgodność.
Zebraliśmy też szerzej, czego nie warto automatyzować.
FAQ
Czy AI może samodzielnie generować i publikować opisy produktów bez udziału człowieka?
Generować tak, publikować bez kontroli nie. Rozsądny układ to pełna automatyzacja generowania, twarda walidacja przed zapisem (liczby zgodne z danymi źródłowymi, limity znaków, zakazane słowa, dozwolone tagi) i wyrywkowy przegląd ludzki na próbce z każdej partii. Za treść oferty odpowiada sprzedawca, więc publikacja bez kontroli oznacza, że pierwszym audytorem jakości jest klient składający reklamację.
Ile kosztuje wygenerowanie opisów dla 2000 produktów?
Sam koszt modelu przy jednym wariancie to kilka do kilkudziesięciu dolarów. Przy 1500 tokenach wejścia i 600 tokenach wyjścia na produkt oraz cenniku Anthropic z sierpnia 2026 w trybie wsadowym wychodzi około 4,50 USD na Claude Haiku 4.5, 9 USD na Sonnecie 5 i 22,50 USD na Opusie 5. Prawdziwy koszt projektu to nie tokeny, tylko kilka do kilkunastu dni pracy na walidację, szablony i przeglądy.
Czy opis produktu wygenerowany przez AI trzeba oznaczyć zgodnie z AI Act?
Najprawdopodobniej nie. Obowiązek ujawnienia z artykułu 50 dotyczy tekstów publikowanych po to, by informować opinię publiczną o sprawach będących przedmiotem zainteresowania publicznego, a opis produktu się w tym nie mieści. Maszynowe oznaczanie treści syntetycznych obciąża dostawcę modelu, nie sklep. Niezależnie od tego obowiązują przepisy o zgodności opisu z towarem, GPSR i regulacje branżowe.
Jak zaktualizować jeden parametr w 2000 ofert bez regenerowania wszystkiego?
Trzymaj opis jako bloki, nie jako jeden łańcuch znaków: nagłówek, akapit otwierający, korzyści, tabela parametrów, zamknięcie. Tabelę składaj deterministycznie z danych, więc odbuduje się sama. Jeżeli zmieniony parametr występuje w tekście, regeneruj wyłącznie ten blok i zapisz jako nową wersję. Publikuj etapami, zaczynając od pięćdziesięciu ofert.
Czy lepiej przetłumaczyć polskie opisy na rynek zagraniczny, czy wygenerować je od nowa?
Wygenerować od nowa z tych samych danych źródłowych, z szablonem marki w języku docelowym i frazami z tamtego rynku. Tłumaczenie przenosi decyzje SEO podjęte pod polskiego kupującego i daje teksty poprawne językowo, ale niedopasowane do tego, jak ludzie tam szukają. Dołóż glosariusz terminów nietłumaczonych i przejrzyj próbkę z native speakerem.
Podsumowanie
Generowanie opisów na skalę przestało być problemem językowym. Problemem jest wszystko dookoła: skąd biorą się dane, kto pilnuje, żeby model nie dopisał cechy z powietrza, gdzie leży poprzednia wersja i co się dzieje, gdy producent zmienia jeden parametr w dwóch tysiącach ofert.
Kolejność, która się sprawdza: najpierw jedno źródło danych produktowych, potem szablon marki z prawdziwymi przykładami, potem walidacja twarda, na końcu generowanie hurtem. Odwrotna kolejność daje efektowne demo w pierwszym tygodniu i porządkowanie bałaganu w trzecim miesiącu. Zacznij od dwustu produktów w jednej kategorii i jednego kanału, dopracuj na tej próbce szablon, dopiero potem puszczaj resztę.
Chcesz ustalić, czy Wasz katalog jest gotowy na taki pipeline i od czego zacząć? Umów bezpłatną konsultację — powiemy wprost, jeśli przy Waszej liczbie indeksów szybciej i taniej wyjdzie napisać opisy ręcznie.
