Przetłumaczono z angielskiego oryginału. Liczby i źródła pozostają bez zmian. Przeczytaj angielski oryginał
Shopify
Shopify zastępuje model frontier dostrojonym agentem Qwen3-32B w Sidekick Flow
Shopify wytrenowało własnego agenta, który zamienia prośby sprzedawców napisane zwykłą angielszczyzną na automatyzacje Shopify Flow w asystencie Sidekick, na modelu o otwartych wagach Qwen3-32B. Według Shopify jest 2,2 raza szybszy i o 68 % tańszy od zastąpionego modelu frontier, a obecnie obsługuje większość ruchu produkcyjnego.
Kluczowe liczby
Przepisane dokładnie ze źródeł. Skopiuj każdą liczbę wraz z przypisem.
2,2
raza szybszy
Szybkość dostrojonego agenta Flow w porównaniu z zastąpionym modelem frontier (model bazowy i metoda pomiaru nie zostały podane)1
o 68 % tańszy
Koszt dostrojonego agenta Flow w porównaniu z zastąpionym modelem frontier (punkt odniesienia i metoda nie zostały podane)1
o 35 % niższy
Współczynnik aktywacji workflow dostrojonego modelu w porównaniu z agentem opartym na promptach w pierwszym teście na 1 % ruchu, przed późniejszymi ulepszeniami1
Ile to kosztowało
Problem
Shopify Flow pozwala właścicielom sklepów automatyzować zadania, takie jak oznaczanie zamówień czy wysyłanie e-maili, przez budowanie workflow z wyzwalaczy, warunków i akcji. Większość właścicieli sklepów nie jest inżynierami, a pusty ekran onieśmiela. Asystent AI Shopify, Sidekick, pisze workflow na podstawie prośby zapisanej zwykłą angielszczyzną. Shopify uruchamiało to na modelu frontier, którego nie kontrolowało, i chciało szybszej, tańszej opcji, którą można ulepszać na własnych danych.
Co zbudowano
Shopify dostroiło Qwen3-32B, model o otwartych wagach (open-weight), czyli taki, którego pliki są opublikowane, tak że firma może je dostosować i uruchamiać. Efektem jest agent, który wywołuje narzędzia, by wyszukać klocki Flow, skonfigurować je i złożyć workflow. Shopify podaje, że działa 2,2 raza szybciej przy koszcie niższym o 68 % niż zastąpiony model frontier, i twierdzi, że przewyższa modele zamknięte. Obecnie obsługuje większość ruchu produkcyjnego dla tej umiejętności.
Jak to zrobiono
Przed startem nie było prawdziwych rozmów, z których można by się uczyć. Zespół zaczął od istniejących workflow sprzedawców, które faktycznie działały, i poprosił silniejszy model o napisanie wiarygodnej prośby do każdego z nich. Shopify mówi, że zbudowanie dla każdego przykładu sekwencji wywołań narzędzi krok po kroku zajęło większość wysiłku inżynieryjnego.
Natywny format Flow jest trudny do niezawodnego zapisu przez model. Shopify pokazało modelowi zamiast tego Pythona i przekształcało go z powrotem tłumaczem przetestowanym na każdym workflow zbudowanym przez Sidekick. Przy tych samych danych treningowych pisanie w Pythonie zamiast w formacie natywnym podniosło udział workflow bez błędów o 22 punkty, a udział tych, które robią to, o co poproszono, o 13 punktów.
Trening działa na dwóch węzłach z procesorami graficznymi H200. Pełny przebieg trwa 12 godzin, co czyni cotygodniowe ponowne trenowanie praktycznym. Testy offline osiągnęły parytet ze starym agentem, ale pierwszy test na żywo na 1 % ruchu pokazał współczynnik aktywacji niższy o 35 %. Luka wynikała z próśb, których brakowało w danych treningowych, takich jak edycja istniejących workflow i konfiguracja e-maili. Shopify ustawiło wtedy cotygodniową pętlę: ocena rozmów produkcyjnych skalibrowanym sędzią AI, dodanie dobrych do treningu, wyszukanie luk, ponowne trenowanie i ponowne wdrożenie.
Wyniki
Shopify podaje, że dostrojony agent jest 2,2 raza szybszy i o 68 % tańszy od zastąpionego modelu frontier oraz że obsługuje już większość ruchu produkcyjnego. Mówi, że pętla ulepszeń zamknęła początkową lukę w aktywacji w dwa tygodnie. To samo podejście jest teraz stosowane do innych umiejętności Sidekicka.
Co warto powtórzyć
Warto wybrać jedno dobrze zdefiniowane zadanie i sprawdzić je na małym udziale ruchu na żywo, zanim nastąpi przełączenie. Warto zaplanować ciągły cykl pomiaru i ponownego trenowania, a nie jednorazową budowę.
Wnioski dla Twojego projektu
Warto testować wcześnie na prawdziwym ruchu. Model dorównał testowi offline, ale test na żywo na 1 % ruchu pokazał współczynnik aktywacji niższy o 35 %, bo prawdziwi sprzedawcy pytali o rzeczy, których zbiór testowy nie obejmował.
Warto zacząć od wąskiej umiejętności z jasnym zadaniem wywoływania narzędzi. Shopify wyodrębniło jedną umiejętność, generowanie Flow, zamiast zastępować całego asystenta.
Warto zbudować pętlę zwrotną, zanim będzie potrzebna. Shopify ocenia rozmowy produkcyjne skalibrowanym sędzią AI i co tydzień trenuje model ponownie.
Warto nie polegać na jednej mierze biznesowej. Shopify stwierdziło, że współczynnik aktywacji odzwierciedla zachowanie sprzedawców tak samo jak jakość modelu, i dodało sędziego skalibrowanego przez ekspertów.
Zastrzeżenia
- Wszystkie liczby pochodzą z własnego wpisu inżynieryjnego Shopify. Żadne niezależne źródło ich nie potwierdza.
- Wpis nie podaje nazwy zastąpionego modelu frontier ani sposobu pomiaru szybkości i kosztu, więc wyników 2,2 raza szybszy i o 68 % tańszy nie da się sprawdzić.
- Strona wpisu podaje tylko „Updated by colleagues on Apr 22, 2026” (tłumaczenie: „Zaktualizowano przez współpracowników 22 kwi 2026”), bez osobnej daty publikacji, więc ta data służy jako data źródła i data wdrożenia (data ogłoszenia). Wpis mówi, że system działał na modelu frontier „six months ago” (tłumaczenie: „sześć miesięcy temu”), więc faktyczny start był wcześniejszy i nie został podany.
- Współczynnik aktywacji niższy o 35 % był pierwszym wynikiem przy 1 % ruchu. Wpis mówi, że pętla ulepszeń zamknęła tę lukę w dwa tygodnie, ale nie podaje końcowego współczynnika aktywacji.
- „The majority of production traffic” (tłumaczenie: „większość ruchu produkcyjnego”) nie została określona liczbowo.
- Koszt treningu i wielkość zespołu nie zostały podane.
Źródła
- Flow generation through natural language: An agentic modeling approach
Shopify Engineering · 2026-04-22 · Blog firmowy · shopify.engineering
Streszczone własnymi słowami na podstawie powyższych źródeł. Zauważyłeś błąd? Zobacz sprostowania.