W czerwcu 2025 roku na chińskiej platformie Baidu Youxuan odbyła się transmisja sprzedażowa, która przyciągnęła uwagę całej branży e-commerce. Dwóch gospodarzy – a właściwie dwie cyfrowe postacie stworzone przez sztuczną inteligencję – wygenerowało sprzedaż o wartości 55 milionów juanów, czyli około 28 milionów złotych, w zaledwie siedem godzin. To wynik, którego nie udało się wcześniej osiągnąć żadnemu ludzkiemu influencerowi prowadzącemu sprzedaż na żywo w tym serwisie.
Twarze awatarów wyglądały naturalnie, mówiły płynnie i z zaangażowaniem, odpowiadały na pytania widzów w czasie rzeczywistym i nie traciły energii przez cały czas trwania transmisji. Ich skuteczność potwierdziły liczby: sprzedaż była nie tylko wyższa niż w przypadku dotychczasowych sesji z udziałem ludzi, ale również bardziej dynamiczna – tempo zakupów rosło w miarę trwania livestreamu.
To wydarzenie poruszyło chińską scenę e-commerce, szczególnie że jeden z najpopularniejszych streamerów – Luo Yonghao, mający ponad 24 miliony obserwujących – przyznał wprost, że „efekt cyfrowego człowieka mnie przestraszył”. Jego słowa dobrze oddają nastroje panujące wśród twórców, którzy dostrzegają nie tylko potencjał, ale i zagrożenie płynące z rozwoju AI w sprzedaży online.
Cyfrowe awatary AI
Cyfrowymi awatarami byli dwaj gospodarze: Luo Yonghao – popularny chiński streamer i przedsiębiorca, którego wirtualna wersja prowadziła transmisję wraz z drugim awatarem Xiao Mu. Baidu wykorzystało ich pięcioletnie nagrania jego wystąpień, od spontanicznych żartów po demonstracje sprzętu by wygenerować realistycznego digitalnego klona, zdolnego do żartów, prezentacji produktów i interakcji z widzami. To pierwszy przypadek „dual‑awatarowej” transmisji na platformie Youxuan. Od systemów rekomendacji przeszliśmy do agentów-sprzedawców, którzy potrafią pisać scenariusze, mówić, gestykulować i interaktywnie reagować na czat w czasie rzeczywistym.
Jak to zrobili?
Poniżej analizujemy, jak Baidu połączyło najnowsze modele ERNIE 4.5 Turbo, silnik Huiboxing i autorską technikę generowania „cyfrowych ludzi”, aby uzyskać tak spektakularny rezultat.
Klucz do sukcesu leży w architekturze „LLM → Script → Avatar”, którą Baidu opisuje jako system pięciu modułów :
- Generacja scenariusza
Model ERNIE 4.5 Turbo tworzy wielowątkowy plan odcinka: listę produktów, punktów sprzedażowych, zahaczek emocjonalnych i żartów. Skrypt jest aktualizowany co kilkadziesiąt sekund na podstawie konwersacji z czatem i statystyk koszyka. - Personalizacja stylu
Algorytm prompt-engineering wyciąga z „bazy osobowości” Luo Yonghao charakterystyczne frazy i pauzy, żeby skrypt brzmiał naturalnie. - Przesiew bezpieczeństwa
Oddzielny filtr RLHF (Reinforcement Learning from Human Feedback) sprawdza zgodność z chińskimi wytycznymi regulacyjnymi dotyczącymi treści. - Wielomodalne „agent scheduling”
Jeśli na czacie pojawia się pytanie, które wymaga demonstracji wideo lub grafiki 3D, system automatycznie generuje odpowiednią sekwencję i przekazuje ją do awatara. - Konsola operatorska
Ludzki reżyser nadal ma podgląd i może ręcznie zaakceptować lub odrzucić propozycję skryptu.
Średnie opóźnienie między pytaniem widza a odpowiedzią awatara wynosi <800 ms, co daje złudzenie pełnej „obecności”. Dzięki tokenowej cenie ERNIE (0,004 RMB za 1 000 tokenów) całodzienna sesja kosztuje mniej niż 200zł, czyli poniżej 1% typowego honorarium ludzkiego influencera za analogiczny występ.
Awatar pił wodę, parowała mu oprawka okularów i nawet krzywił usta przy kwaśnym napoju – widzowie nie dowierzali, że to AI.
Baidu planuje otworzyć API awatarów dla zewnętrznych platform, co może przynieść „Uberyzację” handlu live – każdy sklep będzie mógł uruchomić całodobową sprzedaż bez udziału człowieka. Ponadto:
- Multijęzyczność: ERNIE X1 Turbo już teraz obsługuje 200+ języków, co otwiera drogę do globalnych rynków techinasia.com.
- Hiper-personalizacja: analityka behawioralna w czasie rzeczywistym pozwoli awatarom zmieniać ton i wygląd w zależności od nastroju widza.
- Edge AI: migracja inferencji na urządzenia klasy Jetson lub Ascend NPU umożliwi targi, koncerty i galerie handlowe z lokalnymi, „ulotnymi” awatarami, które działają offline.
Jeśli obecna dynamika się utrzyma, do końca 2026 r. ponad połowa sprzedaży w chińskim live-commerce może być animowana przez cyfrowych ludzi – i to niekoniecznie będzie widać gołym okiem.
Częste pytania
Jakie osiągnięcia miały awatary AI podczas transmisji na Baidu Youxuan?
Awatary AI wygenerowały sprzedaż o wartości 55 milionów juanów, czyli około 28 milionów złotych, w zaledwie siedem godzin, co stanowi rekord w branży e-commerce.
Dlaczego awatary AI są bardziej efektywne niż ludzcy influencerzy?
Awatary AI potrafią mówić płynnie, odpowiadać na pytania widzów w czasie rzeczywistym i nie tracą energii, co sprawia, że ich skuteczność w sprzedaży jest wyższa i bardziej dynamiczna.
Jak Baidu stworzyło realistyczne awatary AI?
Baidu wykorzystało pięcioletnie nagrania wystąpień Luo Yonghao oraz zaawansowane modele AI, takie jak ERNIE 4.5 Turbo, aby stworzyć cyfrowe klony zdolne do interakcji z widzami.
Jakie technologie wspierają działanie awatarów AI w sprzedaży?
Awatary AI korzystają z architektury 'LLM → Script → Avatar', która obejmuje generację scenariusza, personalizację stylu oraz wielomodalne 'agent scheduling', co pozwala na dynamiczną interakcję z widzami.
Jakie plany ma Baidu dotyczące awatarów AI w przyszłości?
Baidu planuje otworzyć API awatarów dla zewnętrznych platform, co może zrewolucjonizować handel live, umożliwiając każdemu sklepowi uruchomienie całodobowej sprzedaży bez udziału człowieka.
