Provozní data e-shopu skoro vždy vědí, co se pokazilo a proč. Až dosud jim ale rozuměl jen technik a cesta k odpovědi vedla přes ticket na vývoj a několik dní čekání. V Shopsys Platform jsme logy, tedy deník provozu, otevřeli umělé inteligenci. Zeptáte se lidsky, odpověď máte za pár minut.
Představte si běžnou situaci. Zákazníkovi se liší částka, kterou zaplatil u kurýra, od částky na faktuře. Rozdíl je pár korun, ale reklamaci je potřeba doložit. Obvykle to znamená otevřít provozní záznamy, najít správný čas, spárovat komunikaci mezi doručovací službou, skladem a pokladnou a poskládat to, co se kdy stalo. Práce klidně na půl dne a často na několik lidí.
Nově stačí položit jednu otázku. Umělá inteligence si sama vytáhla celou časovou osu, porovnala jednotlivé kroky a během pár minut vrátila hotovou diagnózu. Proběhly dva přepočty ceny v odstupu pěti minut. První, správný, vyřadil pět chybějících položek. Druhý je omylem přidal zpět a podle něj se strhla platba. Rozdíl seděl na haléř. Chyba přitom nevznikla na naší straně, ale u doručovacího partnera. Reklamace, která obvykle zabere půl dne, byla zodpovězena s doloženým závěrem během několika minut.
To je celý princip MCP logů. A stojí za ním něco víc než „umělá inteligence umí číst logy“.
Co jsou logy a proč jsme je otevřeli AI
Log je deník provozu e-shopu. Zaznamenává se do něj úplně všechno, co se stane, nejen chyby. Návštěvu stránky, průběh platby, odeslání potvrzovacího e-mailu, dobu načtení stránky nebo chybu, která se přitom objevila.
Problém byl vždycky v tom, že tenhle deník má tisíce až miliony řádků a je zapsaný v podobě, která připomíná spíš kód než souvislý text. Rozuměl mu jen technicky zdatný člověk. Když se cokoli pokazilo, běžný sled událostí vypadal takhle: zákazník napíše, product owner předá dotaz vývojáři, vývojář se prohrabe v záznamech, přeloží nález zpět a odpověď doputuje ke klientovi.
V Shopsys Platform se teď AI na tato provozní data napojí přes MCP. Ptáte se přirozeným jazykem a odpověď dostanete rovnou:
- Proč se objednávka nepřenesla k dopravci?
- Odkud chodí návštěvníci a jak se chovají?
- Jak si stojí výkon serveru a databáze?
- Nezkouší někdo zneužít slabinu e-shopu?
- Proč zákazníkům selhalo přihlašování?
Tři zdroje, jedna odpověď
Tady je ta podstatná část, kvůli které dává celek smysl. Logy v MCP nefungují osamoceně. Spojují se se dvěma dalšími zdroji, které už v Shopsys Platform máme.
- Databáze vám řekne, co v e-shopu je právě teď. Produkty, objednávky, sklady, zákazníci.
- Logy vám řeknou, co se v e-shopu dělo v čase. Kdy nastala chyba, jak byl web rychlý, kde se přenos zadrhl.
- Zdrojový kód vysvětlí, proč se to stalo. Jakým pravidlem se e-shop v tu chvíli řídil.
Samotný záznam vám poví, že je někde chyba. Skutečná hodnota přichází ve chvíli, kdy AI propojí všechny tři zdroje a řekne vám proč. Ne jen „platba neproběhla ve správné výši“, ale „proběhla ve špatné výši, protože druhý přepočet omylem vrátil pět vyřazených položek zpátky do objednávky“. Rozdíl mezi „co“ a „proč“ je přesně ten rozdíl mezi hlášením a řešením.
Od marketingu po vývoj: odpovědi pro celý tým
Provozní data dlouho patřila jen vývojářům. Jakmile se ale dají číst přirozeným jazykem, najde v nich užitek každý tým ve firmě.
Marketing
Chybové stránky, návštěvnost, zdroje návštěv, chování uživatelů. „Kolik chyb 404 a 500 e-shop za poslední týden vrátil a odkud mu chodí nejvíc návštěvnosti?“ Odpověď máte hned, bez čekání na report od IT.
Logistika a provoz
Chyby v přenosu objednávek k dopravcům, stavy rozvozových tras. AI rychle najde, proč konkrétní objednávka nebo celá trasa selhala. I uprostřed noci a bez nutnosti volat technika.
Zákaznická podpora
Stav objednávek, chybové odpovědi rozhraní, rychlost odbavení. Podpora sama zjistí, proč se zákazníkovi nedoručilo potvrzení, a rovnou odpoví, aniž by dotaz přeposílala dál.
Bezpečnostní a provozní tým
Podezřelé IP adresy, neobvyklý nárůst požadavků, pokusy o zneužití. AI během několika minut prohledá tisíce řádků a na hrozbu upozorní dřív, než napáchá škodu.
Vývojáři
Ladění, rychlé dohledání příčiny ve chvíli, kdy testovací data nestačí, méně opakovaných dotazů od kolegů. Vývojáři řeší méně rutinních requestů a zbývá jim víc času na skutečný vývoj.
Aby bylo jasné, o jakém objemu se bavíme: kdykoli potřebujete, dokáže AI projít desítky až stovky tisíc záznamů na vašem e-shopu – běžně přes sto megabajtů textových dat. Ručně by taková analýza trvala hodiny. Takhle ji máte za pár minut a s lidsky srozumitelným verdiktem u každé chyby.
Tři situace z praxe
Jedna stornovaná objednávka zastavila celý rozvoz
Ráno se nedala naložit celá rozvozová trasa, systém opakovaně padal na chybě a auta nemohla vyjet. V trase bylo osm objednávek a jedna z nich byla mezitím stornována. Platilo pravidlo, že u stornované objednávky už nejde přepnout stav. Systém ale procházel všechny objednávky najednou, narazil na tu jednu a shodil zpracování i u zbylých sedmi. Bez detailního čtení bychom viděli jen, že „něco spadlo“. Logy spojené se zdrojovým kódem ukázaly přesně, která objednávka za tím stojí a proč. Logiku jsme upravili tak, aby stornovanou objednávku přeskočila, a tenhle typ chyby zmizel.
Dva tisíce požadavků z jediné IP adresy
Jednoho rána jsme si všimli neobvyklého nárůstu chybových požadavků na produkci. Analýza provozních záznamů odhalila během pár minut, že jedna IP adresa odeslala víc než dva tisíce automatizovaných požadavků. Někdo systematicky zkoušel, jestli nejsou veřejně dostupné konfigurační soubory s hesly, a pokusil se i o útok na formuláře. Podezřelou adresu jsme nahlásili spolu s doporučeními, jak přístup k rozhraní omezit. Ruční analýza by mohla trvat hodiny. A takhle vypadá proaktivní bezpečnost v praxi.
Reklamace za pár minut místo půl dne
Rozdíl mezi částkou zaplacenou u kurýra a částkou na faktuře je klasický případ, u kterého se normálně dlouho páruje komunikace mezi třemi systémy. Na jeden takový dotaz museli původně reagovat čtyři lidé a stejně skončil u pátého, který si s tím uměl poradit. Nově stačilo dotaz přeposlat AI a doložený rozpad příčiny byl na světě během tří minut. Chyba se ukázala na straně doručovacího partnera a rozdíl seděl na haléř.
Napříč těmito situacemi platí jedno. Nejcennější je poznat, které chyby jsou plané a které je potřeba řešit, a u těch reálných rovnou vědět proč. Ke každé chybě se proto automaticky připojí kontrola v produkční databázi: je objednávka reálně nedokončená, nebo je se vším v pořádku a dorazilo jen duplicitní hlášení? Osmnáct chybových hlášení u objednávky, která byla dávno v pořádku doručena, nevyžaduje žádnou akci. Stejná chyba u desítek zákazníků najednou naopak signalizuje systémový problém a je potřeba jednat hned.
Bezpečnost a přístup k datům
Provozní data jsou citlivá, proto k nim přistupujeme obezřetně.
- Přístup pouze k datům daného klienta. AI vidí výhradně data projektu, ke kterému má přístup, nikdy data jiných klientů.
- Vy rozhodujete, kam data putují. Data zůstávají u nás. Napojení přes vlastního MCP klienta je na vaší straně a je jen na vás, v jakém prostředí je zpracováváte.
- Řízený okruh oprávnění. Přístup mají pověřené role na straně klienta.
- Primárně pro klienty na našem hostingu. Mimo něj je řešení možné, ale záleží na konkrétním řešení a je náročnější na implementaci.
Co MCP logy nejsou
MCP logy nenahrazují dashboard, doplňují ho tím, že poskytují data, která si v něm můžete nechat zobrazit. Nic v e-shopu samy neopravují ani nemažou. Jen čtou, vyhodnocují a vysvětlují, co se stalo. Rozhodnutí, co s tím, zůstává na vás.
