Praktyczne zastosowania
AI w LPP: rekomendacje, magazyn i analiza trendów
Zaktualizowano: Autor: Andrzej Niemiec12 min czytania
LPP używa AI w rekomendacjach e-commerce, kompletacji zamówień i analizie trendów. Co potwierdzają raporty firmy, a czego dokumenty nie mówią.
Spis treści
- Co dokładnie robi AI w LPP?
- Które wdrożenia AI w LPP są potwierdzone w dokumentach?
- Czy LPP prognozuje popyt na kolekcje algorytmami?
- Jak AI skraca analizę trendów i pracę nad kolekcją?
- Ile wynoszą przychody LPP i jak zmieniła się skala grupy?
- Jakie jeszcze zastosowania AI opisuje LPP?
- Jak wypadają te wdrożenia w porównaniu?
- Czy tradycyjny retail zniknie?
- Najczęstsze pytania
- Źródła
Co dokładnie robi AI w LPP?
Sztuczna inteligencja w LPP obsługuje trzy obszary: podpowiedzi produktów w sklepie internetowym, kompletację zamówień w magazynie e-commerce oraz analizę trendów i pracę nad kolekcją. Każdy projekt ma inne narzędzie, inny zakres i inny sposób pomiaru, dlatego firma opisuje je osobno w raportach rocznych i prezentacjach wynikowych [1].
Skala, na której te systemy pracują, jest widoczna w danych finansowych. W roku finansowym 2022/23, trwającym od 1 lutego 2022 do 31 stycznia 2023, grupa była obecna w 39 krajach, miała 1 962 sklepy w 27 krajach i sprzedawała online na 34 rynkach. Przychody wyniosły 15,93 mld zł, o 40,5% więcej w ujęciu działalności kontynuowanej, a zysk netto około 1,1 mld zł. Sprzedaż internetowa dała 4,392 mld zł, czyli 27,6% przychodów [1].
Grupa prowadzi pięć marek: Reserved, Cropp, House, Mohito i Sinsay [1]. Reserved jest opisywane na stronie właściciela jako marka powstała w Polsce w 1998 roku [2].
Które wdrożenia AI w LPP są potwierdzone w dokumentach?
Dwa wdrożenia mają publiczną dokumentację: rekomendacje produktowe Dynamic Yield i system kompletacji zamówień w magazynie e-commerce. Pierwsze działa w sprzedaży internetowej, drugie w logistyce. Analizę trendów LPP opisuje osobno, w materiałach z 2026 roku [3][4].
Prezentacja wyników za czwarty kwartał roku 2022/23 wymienia Dynamic Yield jako mechanizm rekomendacji produktów i podobnych modeli dostępnych w rozmiarze. To rozwiązanie działa w sprzedaży internetowej i wykorzystuje algorytmy [3].
Drugie wdrożenie dotyczy magazynu obsługującego sprzedaż online. LPP poinformowało o nim w październiku 2023 roku: system uczenia maszynowego miał optymalizować ścieżki kompletacji zamówień. Pierwsze testy wskazywały skrócenie ścieżek o 30% i wzrost wydajności kompletacji o 12,3% [4].
Czy LPP prognozuje popyt na kolekcje algorytmami?
Nie ma publicznego dokumentu, który opisywałby algorytm prognozowania popytu na kolekcję jesienną Reserved z 2022 roku. Raporty za rok 2022/23 wymieniają digitalizację, Fashion Tech, analitykę i rekomendacje produktowe, ale nie podają nazwy, zakresu ani daty takiego wdrożenia [1][3].
Zapasy z drugiego kwartału roku 2022/23 mają inne wyjaśnienie. LPP podało, że około 90% wszystkich kolekcji znajdowało się już w magazynach, wobec 60% rok wcześniej, i przypisało to przyspieszeniu zamówień kolekcji jesień–zima w obawie przed przerwaniem łańcuchów dostaw. Na koniec kwartału 84% zapasów stanowiła kolekcja jesień–zima 2022/23 [5]. To dane o zatowarowaniu, a nie o trafności prognoz.
Dwa znaczenia ma też sam rok 2022. Może to być rok kalendarzowy albo rok finansowy 2022/23, który trwał od 1 lutego 2022 do 31 stycznia 2023. Materiały LPP posługują się przede wszystkim rokiem finansowym [1][5].
Jak AI skraca analizę trendów i pracę nad kolekcją?
LPP informowało w 2026 roku o narzędziu Silky Trends, które skraca analizę trendów oraz proces projektowania z 6–12 miesięcy do 6–12 tygodni. Firma wykorzystuje też dane o ruchu i lokalizacji przy wyborze miejsca dla nowych sklepów [6].
Presja na tempo wynika z rynku. Kolekcje zmieniają się częściej, a decyzje o asortymencie zapadają na podstawie danych z mediów społecznościowych i wyszukiwarek. Szerszy kontekst dla takich projektów opisuje nasz przegląd praktycznych zastosowań AI w firmach (/posts/praktyczne-zastosowania-przewodnik).
Ile wynoszą przychody LPP i jak zmieniła się skala grupy?
W 2025 roku LPP osiągnęło 23,1 mld zł przychodów, 5,4 mld zł EBITDA i 2,4 mld zł zysku netto, a na koniec roku miało 3 748 sklepów. Wzrost napędzała głównie ekspansja Sinsay, a nie wyłącznie Reserved [7]. W roku finansowym 2022/23 przychody wynosiły 15,93 mld zł [1].
Reserved pozostaje flagową marką grupy. Według karty marki w raporcie rocznym w roku 2022/23 miał 352 sklepy, obecność stacjonarną na 25 rynkach i 5,598 mld zł przychodów [1].
Jakie jeszcze zastosowania AI opisuje LPP?
Poza wymienionymi projektami LPP mówi ogólnie, że algorytmy wspierają projektowanie ubrań, logistykę i obsługę klientów. W 2026 roku media branżowe podawały około 30% poprawy trafności prognoz, ale bez wskazania, którego wdrożenia i którego okresu dotyczy ta liczba [8].
Firma nawiązała też współpracę z krakowskim startupem pirxe, który rozwija technologię przestrzenną AI. Celem jest usprawnienie tworzenia i testowania materiałów reklamowych w kampaniach internetowych [9].
Wdrożenie magazynowe powstało z PSI Polska i opiera się na uczeniu maszynowym do optymalizacji ścieżki kompletacji zamówień [10]. Branżowy opis wskazuje, że LPP korzysta z AI na większości etapów pracy z produktem [11]. Kontekst technologiczny dla takich projektów opisuje nasz tekst o pracy z danymi (/posts/codex-w-data-science-2-godziny-pracy-w-10-minut-ale-nie-bez-haczyka).
Jak wypadają te wdrożenia w porównaniu?
Wdrożenia różnią się narzędziem, obszarem i sposobem pomiaru. Dwa mają podane efekty liczbowe z pierwszych testów lub prezentacji wyników, pozostałe są opisane jako wsparcie procesu, bez wskaźników [3][4][6][9][10].
| Obszar | Narzędzie lub partner | Co robi | Udokumentowany efekt | Źródło |
|---|---|---|---|---|
| Rekomendacje w e-commerce | Dynamic Yield | podpowiada produkty i podobne modele w dostępnych rozmiarach | brak wskaźnika w prezentacji | [3] |
| Kompletacja w magazynie | system uczenia maszynowego z PSI Polska | wyznacza ścieżki zbierania zamówień | ścieżki krótsze o 30%, wydajność kompletacji wyższa o 12,3% w pierwszych testach | [4][10] |
| Analiza trendów i projektowanie | Silky Trends | skraca analizę trendów i pracę nad kolekcją | z 6–12 miesięcy do 6–12 tygodni | [6] |
| Materiały reklamowe | pirxe | przestrzenna AI do tworzenia i testowania kreacji | opisane jako usprawnienie procesu, bez wskaźników | [9] |
Czy tradycyjny retail zniknie?
Prezes LPP Marek Piechocki mówi, że handel się zmienia: sklepy częściej zmieniają kolekcje, a klienci chętniej kupują ubrania w internecie. Jego zdaniem tradycyjny handel nie zniknie [12]. To stanowisko pasuje do strategii omnichannel, w której sklepy stacjonarne i e-commerce są opisywane razem, jako jeden model sprzedaży [1].
Najczęstsze pytania
Czy LPP używa sztucznej inteligencji?
Tak. Potwierdzona dokumentacja obejmuje rekomendacje produktowe Dynamic Yield, system kompletacji w magazynie e-commerce, narzędzie Silky Trends oraz współpracę z pirxe przy materiałach reklamowych [3][4][6][9].
Kiedy LPP wdrożyło AI w magazynie?
W październiku 2023 roku. System uczenia maszynowego miał optymalizować ścieżki kompletacji zamówień w magazynie obsługującym sprzedaż online. Pierwsze testy wskazywały skrócenie ścieżek o 30% i wzrost wydajności kompletacji o 12,3% [4].
Czy LPP prognozuje popyt na kolekcje?
Publiczne materiały nie opisują algorytmu prognozowania popytu na kolekcję jesienną Reserved. Raporty za 2022/23 mówią o analityce i rekomendacjach, a wzrost zapasów w drugim kwartale tłumaczą przyspieszeniem zamówień, nie trafnością prognoz [1][5].
Ile LPP ma sklepów i jakie przychody?
Na koniec 2025 roku grupa miała 3 748 sklepów, 23,1 mld zł przychodów i 2,4 mld zł zysku netto [7]. W roku finansowym 2022/23 było to 1 962 sklepy w 27 krajach i 15,93 mld zł przychodów [1].
Źródła
- GK LPP SA Consolidated Annual Report for 2022/23 (LPP, 2023)
- Reserved – The official website of LPP SA (LPP)
- Prezentacja wyników za 4Q22/23 (LPP, 2023)
- Algorytmy sztucznej inteligencji w magazynach e-commerce LPP (LPP, 2023)
- Prezentacja wyników za 2Q22/23, wersja skorygowana (LPP, 2022)
- Sinsay-owner LPP relies on AI to track trends, slash costs (FashionNetwork, 2026)
- 4Q25 Presentation, Warsaw, 26 March 2026 (LPP, 2026)
- LPP buduje przewagę algorytmami. AI pozwala nam wyprzedzać rynek (Puls Biznesu)
- Sztuczna inteligencja: LPP i pirxe pokazują siłę polskiego retail (Handel Extra)
- Algorytmy i moda (Portal Logistyka)
- Od pomysłu po dostawę. Jak LPP korzysta z AI? (Wiadomości Handlowe)
- Prezes LPP wskazuje trzy trendy w branży odzieżowej (Business Insider)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji