PriceHub.AI chce zmienić sposób wyboru produktów. Przewagą są dane zbierane przez ponad 20 lat

Rozwój generatywnej sztucznej inteligencji sprawił, iż rozmowa z chatbotem stała się codziennością. Problem zaczyna się jednak wtedy, gdy użytkownik oczekuje nie ogólnej odpowiedzi, ale konkretnej decyzji zakupowej: który model wybrać, czym różnią się dwie wersje produktu i czy dana oferta odpowiada jego potrzebom.

Na tym obszarze koncentruje się PriceHub.AI. Projekt nie próbuje budować kolejnego ogólnego chatbota. Jego założeniem jest połączenie dużych modeli językowych z uporządkowanymi danymi produktowymi, które ekosystem E-Katalog gromadzi i rozwija od ponad 20 lat.

To może być kluczową przewagą projektu. Sam model językowy potrafi dobrze interpretować pytania użytkownika, ale nie powinien być traktowany jako aktualna baza wiedzy o rynku. Ceny, dostępność, konfiguracje czy oznaczenia produktów stale się zmieniają. PriceHub.AI wykorzystuje więc LLM przede wszystkim jako interfejs, a dane potrzebne do odpowiedzi pobiera z wyspecjalizowanych źródeł i modułów.

Jeżeli użytkownik napisze, iż szuka lekkiego laptopa do pracy i montażu wideo w podróży, system ma najpierw zrozumieć intencję. Następnie przekłada ją na konkretne cechy produktu, wyszukuje pasujące modele, sprawdza ich konfiguracje i może przedstawić rekomendację wraz z wyjaśnieniem wyboru.

Dwadzieścia lat danych zamiast odpowiedzi „z pamięci”

Najtrudniejsza część takiego systemu nie znajduje się w samym oknie czatu. Sklepy często różnie opisują ten sam produkt: zmieniają nazwę, dodają kolor, wariant pamięci, zestaw akcesoriów lub własne oznaczenie. Zanim AI porówna oferty, musi rozpoznać, czy rzeczywiście dotyczą tego samego modelu.

Właśnie tutaj znaczenie ma doświadczenie E-Katalogu. Platforma od lat porządkuje specyfikacje, łączy modele z ofertami sprzedawców i śledzi ich dostępność. W Polsce działa E-Katalog Polska, co daje zespołowi istniejące zaplecze produktowe dla jednego z rynków, na których PriceHub.AI ma być rozwijany.

Architektura projektu zakłada wykorzystanie tzw. orkiestratora. Zamiast wysyłać całe pytanie do jednego modelu, system może rozdzielić zadanie między wyspecjalizowane moduły. Jeden odpowiada za dopasowanie produktów, inny za aktualne oferty, kolejny może analizować opinie lub alternatywy. Dopiero później model językowy składa z tych informacji odpowiedź dla użytkownika.

To pozwala wykorzystać mocne strony LLM — rozumienie języka i kontekstu — bez powierzania mu zadania przechowywania aktualnego katalogu całego rynku.

Grant ma przyspieszyć rozwój technologii

PriceHub Technologies został w 2026 roku wybrany do finansowania w ramach EIC Ukrainian Tech Call. European Innovation Council przeznaczył łącznie 20 mln euro na 41 ukraińskich startupów oraz małych i średnich firm, a pojedyncze projekty otrzymują od 300 do 500 tys. euro.

PriceHub.AI otrzymał około 500 tys. euro. Zgodnie z informacjami zespołu środki mają wesprzeć rozwój technologicznego rdzenia platformy, lokalnych modeli i orkiestratora oraz przygotowanie produktu do testów rynkowych. Lokalizacja takiej usługi oznacza nie tylko tłumaczenie interfejsu, ale także pracę z lokalnymi sklepami, wariantami produktów, dostępnością i strukturą ofert.

Ukraińskie korzenie i międzynarodowy kierunek

Technologiczne zaplecze PriceHub.AI wyrosło z E-Katalogu, który działa m.in. na rynku ukraińskim poprzez E-Katalog Ukraina. To właśnie Ukraina ma być pierwszym rynkiem pełnego testu nowego rozwiązania, a w dalszych planach wskazywane są m.in. Polska i Wielka Brytania.

Unikalność PriceHub.AI nie polega więc wyłącznie na zastosowaniu generatywnej AI. Najważniejsze jest połączenie modeli językowych z wieloletnią, uporządkowaną wiedzą o produktach i rynkach. jeżeli system wykorzysta tę bazę skutecznie, może skrócić drogę od nieprecyzyjnego pytania użytkownika do konkretnej, uzasadnionej rekomendacji — bez manualnego przechodzenia przez dziesiątki filtrów, tabel i kart produktów.

/Artykuł sponsorownany/