Ako slovenská firma vyvinula AI agenta nad GA4, Google Ads a Meta Ads
V súčasnosti digitálne marketingové aktivity generujú obrovské množstvo údajov, ktoré sú však roztrúsené po rôznych nástrojoch. Rôzne platformy ako GA4, Google Ads, Meta Ads, Search Console či systémy riadenia vzťahov so zákazníkmi (CRM) fungujú ako izolované entity, pričom každá z nich má svoj vlastný model reality, metriky a atribučnú logiku. Práca s týmito dátami sa často uskutočňuje manuálne, prostredníctvom vytvárania prehľadu alebo ad hoc analýz, čo sa ukazuje ako neudržateľné riešenie pri narastajúcom objeme informácií, ktoré je potrebné spracovať.
Agentúra ui42 preto pristúpila k inovatívnemu riešeniu a vytvorila vlastného AI agenta, ktorý nie je len ďalším nástrojom, ale predstavuje vrstvu nad existujúcim technologickým stackom. Tento agent dokáže efektívne prepojiť a analyzovať údaje v reálnom čase, čo otvára nové možnosti pre interpretáciu a využitie získaných informácií.
Architektúra a fungovanie AI agenta
AI agent je postavený na viacvrstvovom systéme, kde každá vrstva má svoju špecifickú zodpovednosť. LLM (Large Language Model) zohráva v tomto systéme obmedzenú úlohu; nepôsobí ako konečný zdroj pravdy, ale skôr ako nástroj na interpretáciu a analýzu dát. Tento prístup zaručuje, že celkový systém je robustný a zabezpečený proti zneužitiu.
Data layer, pripojená k primárnym zdrojom údajov cez API konektory, umožňuje agentovi sťahovať a spracovávať dáta v jednotnej štruktúre bez nutnosti manuálneho exportu. Bezpečnostná vrstva zaisťuje, že agent má prístup len k tým údajom, ku ktorým má oprávnenie samotný používateľ. Týmto spôsobom sú zabránené potenciálnym hrozbám, ako je napríklad zneužitie prostredníctvom prompt injection.
Analýza a interpretácia dát
LLM vstupuje do procesu analýzy až po prechode dát cez predchádzajúce vrstvy. Jeho úloha spočíva v sumarizovaní zistení, vysvetľovaní aktivity a navrhovaní ďalších krokov. Dôležité je, že LLM nemá voľný prístup k surovým dátam, ale pracuje iba s riadne spracovanými a kontrolovanými vstupmi, čím sa minimalizujú riziká spojené s nesprávnymi výstupmi.
V súčasnosti agent ui42 nevyužíva LLM ako autonómny rozhodovací systém, aj keď sa v agentúre s touto myšlienkou experimentuje. Hlavným dôvodom je neúplná spoľahlivosť predpovedí a nedostatok kontextu, čo by mohlo viesť k nepresným rozhodnutiam.
Praktické využitie agenta
AI agent je navrhnutý tak, aby fungoval v dvoch režimoch: real-time monitoring a batch analýzy. V reálnom čase sleduje kľúčové metriky a identifikuje odchýlky v správaní, ako napríklad pokles konverzií či nepriaznivé zmeny v cenách za akvizíciu (CPA). Batch analýzy poskytujú hlbší pohľad na trendy a porovnania výsledkov pred a po (t.j. analýzy pred a po určitých zmenách). Tento hybridný prístup umožňuje efektívne sledovanie udalostí a dlhodobé hodnotenie dát.
Prípadová štúdia: Skryté problémy v e-commerce projekte
Na jednom projekte z oblasti e-commerce agent identifikoval problémy, ktoré neboli viditeľné v tradičných dashboardoch. Aj keď počet nákupov rástol, agent odhalil kritické signály, ako stagnáciu v počte nákupov a nárast odchodov v určitej fáze procesu. Zistenie, že miera opustenia v kroku expedície vzrástla z 13,2 % na 18,3 %, malo vážny dopad na celkový príjem, pričom približne 1773 nákupov mesačne sa mohlo stratiť. Tento cenný insight bol možné získať len kombinovaním dát z rôznych zdrojov.
Zabezpečenie a vlastníctvo dát
Väčšina dnešných AI riešení funguje ako „wrapper” nad externými nástrojmi, čo znamená, že dáta prechádzajú cez tretie strany bez plnej kontroly zo strany firmy. Ui42 však zvolila iný prístup a vyvinula end-to-end systém, ktorý je interný a napojený priamo na dátové zdroje, čím sa minimalizuje riziko ohrozenia bezpečnosti a zaručuje plná kontrola nad spracovaním dát.
Záver a budúcnosť AI agentov
AI agent nepredstavuje alternatívu k existujúcim dashboardom, ale je ich rozšírením, ktoré efektívne spája dáta a eliminuje ich fragmentáciu. Hlavný posun spočíva v schopnosti rozpoznať relevantné signály a vyvodiť záv conclusions v kontexte, čo predstavuje podstatný rozdiel medzi firmou, ktorá má dáta na dosah, a firmou, ktorá ich aj efektívne využíva. Tento prístup môže v budúcnosti zmeniť spôsob, akým firmy interpretujú a pracujú s dátami.
