W skrócie
Cześć, jestem Mateusz Kozłowski i pomagam firmom wdrażać AI i automatyzacje. W tym wpisie pokazuję case study ze szwalni produkującej torby ekologiczne — po pół roku w narzędziu low-code postawiliśmy całość na Open Mercato. Trzy zdania, dlaczego było warto:
- 1
80% z pudełka, 20% dopisaliśmy
Open Mercato dał nam dokumenty sprzedażowe, role, historię, atrybuty niestandardowe i panel admina out-of-the-box. Dopisaliśmy tylko logikę wyceny specyficzną dla szwalni.
- 2
AI-native, nie AI-doklejone
Czat z systemem w prawym dolnym rogu pozwala pytać o oferty, duplikować je, raportować — w naturalnym języku. Żaden gotowiec klasy ERP nie ma tego dziś na porównywalnym poziomie.
- 3
Z 40 minut do 5–10 (czasem 1–2) minut na ofertę
Wiedza ze 20–30 zmiennych i kilkunastu Exceli wylądowała w jednym, scentralizowanym konfiguratorze. Koniec z wiedzą korytarzową.
Wideo z wdrożenia
Jeśli wolisz obejrzeć niż czytać — całe wdrożenie pokazuję krok po kroku na YouTube. Poniżej zostawiam też wersję pisaną z najważniejszymi wnioskami.
Problem: chaos w ofertowaniu
Głównym bólem szwalni — i to nie tylko tej jednej — był chaos w ofertowaniu. Excele ogólne, Excele do konkretnych produktów, Excele do wycen, Excele „pomocnicze”. Każdy pracownik miał swoją wersję, każda zmiana ceny wymagała aktualizacji kilkunastu plików, a w praktyce — nigdy nie były aktualne wszystkie naraz.
Drugi problem to wiedza korytarzowa. Algorytm wyceny opiera się na 20–30 zmiennych: ilości, jakości nadruku, liczbie kolorów, typie nadruku, liczbie wykrojów, dodatkach, marży produktu, marży regionu, koszcie robocizny. Ta wiedza siedziała głównie w głowach najdłużej zatrudnionych osób — i bardzo trudno było ją z nich wydobyć.
Pierwsza faza: pół roku w Retoolu
Zaczęliśmy od solidnego prototypowania i rozmów. Około pół roku zbudowaliśmy w Retoolu narzędzie obsługujące najprostsze zamówienia — te, które pochłaniały około 40% czasu w ofertowaniu. Najbardziej złożone produkty świadomie zostawiliśmy na później. Chodziło o szybkie zmniejszenie klikalności i zdjęcie ciężaru z głowy pracodawcy.
Retool sprawdził się świetnie w pierwszej fazie — budowało się szybko, efekty były widoczne. Problem zaczął się dopiero przy złożonych produktach: rosła ilość zmiennych, kod się rozjeżdżał, a testowanie w low-code jest dramatycznie utrudnione. Każda poprawka systemu wymagała długiego cyklu „zmień → przeklikaj ręcznie → wdroż”, a utrzymanie zaczęło zjadać więcej czasu, niż dawało.
To był moment, w którym zacząłem rozglądać się za czymś, co da nam silniejszą bazę pod kolejne fazy — nie po to, żeby wyrzucić low-code, ale po to, żeby przenieść core do narzędzia, które się dobrze skaluje.
Dlaczego nie Comarch / Symfonia
Naturalne pytanie: skoro low-code nie wystarczył, to czemu nie sięgnąć po gotowiec pudełkowy w stylu Comarchu albo Symfonii? Wspólny mianownik tych systemów był dla nas dyskwalifikujący:
- Zamknięte na integracje zewnętrzne. Pojedynczy system nigdy nie obsłuży wszystkich naszych przypadków, a wepchnięcie czegoś własnego wymaga dużo gimnastyki.
- Dema są obietnicą, nie produktem. Sprzedawcy mówią, „że się da”. W trakcie wdrożenia okazuje się, że nie — bo brakuje funkcji, bo coś jest na roadmapie na 2027, bo programiści mają inne priorytety.
- Brak AI-native’owego podejścia. W czasach, w których AI realnie przyspiesza pisanie kodu, „zamknięty system z portalem klienta” to ślepa uliczka, a nie przewaga.
Punkt zwrotny: Open Mercato
Pomysł na zmianę kierunku przyszedł z prezentacji Tomka Karwatki, na której usłyszałem o Open Mercato — otwartym frameworku do budowy aplikacji biznesowych. Postanowiłem sprawdzić, ile da się z tego zbudować przy realnym, niewdzięcznym case ze szwalni.
Najmocniej zaskoczyła mnie szybkość pisania kodu i podejście AI-first / AI-native. Cały projekt jest zbudowany pod to, żeby wspierać programistę modelem językowym — i robi to na poziomie, którego nie widzę dziś u żadnego komercyjnego ERP-a.
Konfiguracja pod szwalnię
Pod tę konkretną firmę dorobiłem cztery zakładki — i to one robią różnicę między „kolejnym narzędziem” a działającym konfiguratorem wyceny:
- 1
Materials — tkaniny
Słownik tkanin z dowolnymi polami: cena, kolor, jakość, dostępność. Każdy typ pola w Open Mercato jest konfigurowalny — nie trzeba modyfikować schematu bazy, żeby dodać nowy atrybut.
- 2
Patterns — wykroje
Wykroje z podziałem na basic (podstawowe) i add-on (doczepiane). Każdy produkt może składać się z dowolnej liczby wykrojów, a każdy wykrój ma własną tkaninę, kolor i nadruk.
- 3
Addons — dodatki
Zamki, troki, naszywki, etykiety — wszystko, co można doczepić do produktu. Domyślne warianty są wpinane automatycznie przy wyborze konkretnego produktu.
- 4
Pricing Rules — reguły cenowe
Zakresy ilościowe (od–do), region, marża, koszt robocizny w zależności od produktu. To tu mieszka wiedza, która wcześniej była w Excelach i w głowach pracowników.
Efekt: wiedza została scentralizowana w jednym miejscu. Zmiana ceny tkaniny aktualizuje wszystkie oferty automatycznie, a nowa osoba ma szansę uczyć się na działającym narzędziu, a nie na cudzych Excelach.
Proces ofertowania krok po kroku
Aż do zakładki Pricing widok oferty wygląda identycznie jak w domyślnym Open Mercato — dokument sprzedażowy, klient, kanał, waluta, atrybuty niestandardowe. Zabawa zaczyna się dopiero przy dodawaniu pozycji:
- Wybór produktu z drzewka kategorii — system podpowiada wymiary i wymagane wykroje (np. przód + tył).
- Konfiguracja każdego wykroju osobno: tkanina, kolor, ewentualny nadruk z liczbą kolorów.
- Podanie wymiarów produktu, ilości sztuk i sposobu cięcia (np. 6×3) — to ostatnie generuje realne oszczędności na materiale.
- Automatyczne wyliczenie ceny po wszystkich zmiennych: marża, robocizna, region, dodatki, regulamin ilości.
- Zapis pozycji, opcjonalne duplikowanie dla wariantu klienta, podgląd pełnej rozpiski w widoku oferty.
Najmocniejsze jest to, że historia, wersjonowanie, komentarze, korekty i konwersja oferty na zamówienie są w Open Mercato gotowe. Pisanie tego od zera to miesiące pracy w prostym CRM-ie, a tu dostajesz to od pierwszego dnia.
Agent AI — rozmowa z systemem
W prawym dolnym rogu Open Mercato siedzi czat — i to jest moim zdaniem największy game-changer w segmencie ERP. Zamiast klikać przez kilkanaście ekranów, żeby znaleźć oferty Mateusza Kozłowskiego, po prostu pytasz: „pokaż mi wszystkie oferty Mateusza Kozłowskiego”. System sięga po dane przez MCP, pokazuje listę, oznacza końcówki numerów i pozwala dalej operować.
Podczas testów poprosiłem o zduplikowanie konkretnej oferty. Agent pobrał pełne szczegóły, potwierdził zamiar („stwórz duplikat?”) i wykonał operację. To nie jest gadget — to inny model pracy z systemem niż klikanie po menu.
Architektura i ochrona core'u
Pod maską Open Mercato leży bardzo dojrzała struktura. W repozytorium jest dedykowany folder .ai z instrukcjami, granicami, schematami i opisem architektury. Dzięki niemu model językowy ma „mapę”, której się trzyma — nie halucynuje plików, nie nadpisuje rzeczy z core'u, nie wymyśla pakietów, których nie ma.
To, co zwykle psuje próby „dopisania funkcjonalności na pudełkowym ERP-ie”, tu jest pomyślane od początku: ty rozszerzasz system w swoich modułach, a core zostaje nietknięty. W praktyce oznacza to, że możesz aktualizować Open Mercato z nurtu open source, nie tracąc swoich modyfikacji.
Wyniki w liczbach
Podsumowanie
Open Mercato dał nam 80% systemu w pierwszym tygodniu, a pozostałe 20% — specyficzną logikę szwalni — dopisaliśmy w kodzie z dużą pomocą AI. To dziś moja domyślna rekomendacja dla firm, które wyrastają z Exceli i low-code'a, a nie chcą wchodzić w pułapkę zamkniętego ERP-a klasy enterprise.
Jeśli ten case pasuje do Twojej firmy — produkcja na zamówienie, dużo zmiennych w wycenie, wiedza ofertowa w głowach kilku osób — porozmawiajmy, czy Open Mercato by Ci się sprawdził.
Powiązany wpis
Czym jest Open Mercato? Framework AI dla biznesu
Powiązany wpis
Low-code vs gotowy CRM/ERP — co wybrać?
Mateusz Kozłowski
Założyciel flowbiz · Ekspert automatyzacji procesów
Wdrażam automatyzacje, integracje i AI w średnich firmach na Pomorzu i w Kujawsko-Pomorskiem.