Ostatnia aktualizacja: 2026-09-21
- Wybierz zadanie powtarzalne i możliwe do zmierzenia.
- Sprawdź dane, dokumenty oraz sposób pracy w CRM.
- Ustal, które działania AI może wykonać, a które wymagają akceptacji człowieka.
- Uruchom ograniczony pilotaż z pomiarem punktu wyjścia.
Pierwszy pilotaż nie powinien obejmować całego procesu sprzedaży. Ma zmniejszyć niepewność w jednym zadaniu i pokazać, czy wynik AI można wiarygodnie zweryfikować. Dopiero taki zakres pozwala rozsądnie ocenić potrzebne integracje, ryzyko błędu i sposób pomiaru.
Zacznij od procesu, nie od narzędzia
Pierwszym krokiem jest wybór jednego procesu i wyniku, który ma przygotować asystent. Wybór modelu, aplikacji lub dostawcy powinien nastąpić później, ponieważ to proces wyznacza potrzebne dane, reguły działania i sposób przekazania rezultatu.[1][2][5]
Proces sprzedażowy oznacza tu konkretną kolejność działań, danych i decyzji, a nie cały obszar pracy działu handlowego. Przypadek użycia jest jeszcze węższy: to określone zadanie, dla którego AI przygotowuje wynik. Może nim być robocza notatka, wstępne uporządkowanie informacji albo projekt treści do sprawdzenia. Nie wynika z tego, że każde takie zadanie należy automatyzować.
Karta pierwszego przypadku użycia
Krótki opis przepływu pracy pozwala od razu wykryć, czy pomysł jest wystarczająco konkretny. Można zastosować następującą sekwencję:
- Nazwij zadanie. Wskaż jeden fragment pracy handlowca, bez łączenia kilku różnych procesów.
- Określ wejście. Zapisz, z jakich dokumentów, pól CRM lub innych zatwierdzonych źródeł ma korzystać asystent.
- Opisz wynik. Ustal, co dokładnie ma powstać i w jakiej postaci.
- Przypisz odpowiedzialność. Wskaż rolę, która sprawdzi albo zatwierdzi rezultat.
- Wybierz miejsce docelowe. Określ, gdzie wynik ma zostać przekazany lub zapisany.
Roboczy opis może mieć postać: „Asystent korzysta z określonego źródła, aby przygotować wskazany wynik, który sprawdza wyznaczona rola i zapisuje w ustalonym miejscu”. Definicja danych, rezultatu i miejsca jego przekazania jest podstawą projektowania przepływu pracy.[4] Zakres integracji będzie jednak zależał od używanego CRM, poczty, dokumentów i pozostałych systemów firmowych.
Jak wybrać pierwszy przypadek użycia
Na początek wybierz zadanie ograniczone, oparte na dostępnych danych i możliwe do sprawdzenia przez handlowca. Zadania dokumentowe i tekstowe mogą być dobrym kandydatem, jeżeli rezultat ma jednoznacznego odbiorcę i można go skontrolować przed użyciem.[3] Nie oznacza to, że inne zastosowania są niemożliwe. Ich ryzyko i zakres potrzebnych testów mogą być większe.
| Kryterium | Pytanie oceniające | Znaczenie dla pilotażu | |||
|---|---|---|---|---|---|
| Powtarzalność | Czy zadanie ma rozpoznawalny początek, przebieg i wynik? | Ułatwia opisanie jednego przepływu pracy zamiast wielu wyjątków. | |||
| Dostępność danych | Czy potrzebne informacje są dostępne, aktualne i mają właściciela? | Pokazuje, czy pilotaż można oprzeć na wskazanych źródłach. | |||
Macierz nie ma wskazywać uniwersalnie najlepszego zastosowania. Służy do porównania pomysłów w warunkach konkretnej firmy. Jeśli zadanie ma niejasne wejście, wysoki koszt błędu i wynik trudny do sprawdzenia, lepiej pozostawić je poza pierwszym zakresem.
Wybrany scenariusz powinien trafić do ograniczonego pilotażu, w którym wynik AI jest sprawdzany przed zapisaniem lub wysłaniem.[6] Taka rekomendacja nie dowodzi, że każdy pilotaż przyniesie dodatni efekt biznesowy. Jej celem jest kontrolowanie zakresu i sposobu oceny.
Sprawdź dane, dokumenty i CRM przed pilotażem
Przed uruchomieniem testu ustal, z jakich danych asystent będzie korzystał, czy są one dostępne, aktualne i jednoznaczne oraz kto odpowiada za ich poprawność. Samo podłączenie CRM albo bazy dokumentów nie rozwiązuje problemu jakości źródeł.
CRM, czyli system przechowujący informacje o leadach, klientach, szansach i działaniach sprzedażowych, może być jednym z elementów przepływu. W zależności od wybranego zadania potrzebne mogą być także cenniki, opisy produktów, warunki handlowe, historia kontaktów lub dokumenty firmowe.[5]
Co sprawdzić w źródłach danych
- Powiązanie z wynikiem: każde źródło powinno być potrzebne do wykonania konkretnego zadania.
- Aktualność: musi być wiadomo, które dokumenty i wartości są obowiązujące.
- Jednoznaczność: sprzeczne cenniki, definicje pól lub reguły wymagają uporządkowania.
- Właściciel: wyznaczona rola powinna odpowiadać za poprawność danego źródła.
- Dostęp: zakres uprawnień powinien odpowiadać temu, czego wymaga przypadek użycia.
- Braki: proces musi określać, co zrobić, gdy potrzebnej informacji nie ma.
- Miejsce zapisu: należy ustalić, gdzie trafi wynik i kto będzie mógł go zmienić.
Jeżeli dane są rozproszone, niejednoznaczne albo nie mają właściciela, można zawęzić pilotaż do lepiej przygotowanego źródła lub najpierw uporządkować informacje. Lepsza jakość danych nie gwarantuje jednak poprawnych odpowiedzi modelu. Wynik nadal wymaga testowania i kontroli odpowiedniej do jego zastosowania.
Ustal granice działania i zaprojektuj pilotaż
Przed uruchomieniem spisz, co AI może przygotować automatycznie, co wymaga akceptacji człowieka i czego system nie może robić.[2] Szczegółowe reguły zależą od rodzaju danych, odbiorcy wyniku i funkcji systemu.
Trzy strefy odpowiedzialności
- Działania automatyczne: asystent może przygotować roboczy wynik w granicach zdefiniowanego zadania.
- Działania zatwierdzane: człowiek sprawdza rezultat przed zapisem, wysłaniem lub wykonaniem działania o znaczeniu biznesowym.
- Działania niedozwolone: pozostają poza zakresem pilotażu i nie mogą zostać wykonane przez asystenta.
Druga strefa jest przykładem human in the loop, czyli udziału człowieka w zatwierdzaniu wyniku AI przed działaniem, które może mieć istotne konsekwencje. Przykładowy podział może przewidywać automatyczne przygotowanie wersji roboczej, akceptację przed wysłaniem oferty oraz wyłączenie samodzielnej zmiany ceny lub zobowiązań. To ilustracja sposobu opisu granic, a nie uniwersalna instrukcja dla każdego procesu.
Minimalny zakres pilotażu
- Zamroź zakres. Testuj jeden przypadek użycia i określone źródła danych.
- Wyznacz właściciela. Jedna rola powinna odpowiadać za przebieg testu i decyzje dotyczące zmian.
- Przygotuj scenariusze. Obejmij nimi prawidłowe dane, braki informacji oraz sytuacje wymagające eskalacji.
- Wymagaj kontroli wyniku. Na początku wynik powinien zostać sprawdzony przed zapisaniem lub wysłaniem.
- Określ możliwość zatrzymania. Ustal warunki przerwania testu, korekty zasad albo ograniczenia zakresu.
Granice działania powinny znaleźć się w instrukcji procesu i scenariuszach testowych. Jeśli potrzebna jest szersza rama porządkowania ryzyka, można wykorzystać NIST AI RMF jako dobrowolne podejście do identyfikowania, mapowania, mierzenia i zarządzania ryzykiem AI.[9] Rama ta nie zastępuje obowiązków wynikających z prawa Unii Europejskiej ani polskich przepisów.
Mierz jakość procesu, nie samo użycie narzędzia
Ocena pilotażu powinna odnosić się do punktu wyjścia i jakości wyników, a nie tylko do liczby uruchomień asystenta. Baseline, czyli pomiar procesu przed wdrożeniem, umożliwia późniejsze porównanie rezultatów testu.[1]
Nie istnieje jeden zestaw wskaźników odpowiedni dla każdego wdrożenia. Dobór KPI zależy od zadania, dlatego należy ustalić kilka miar procesu i sposób oceny jakości. Bez danych bazowych nie należy obiecywać konkretnej poprawy.
Baseline i kryteria decyzji
- Zakres pomiaru
- Wskaż, którego procesu, grupy wyników i okresu dotyczy porównanie.
- Jakość rezultatu
- Ustal, kto ocenia wynik oraz według jakich kryteriów uznaje go za poprawny, wymagający korekty albo nieprzydatny.
- Poprawki człowieka
- Rejestruj przypadki, w których handlowiec musi zmienić rezultat przed użyciem.
- Błędy i eskalacje
- Obserwuj sytuacje, w których asystent korzysta z niewłaściwych danych, nie potrafi zakończyć zadania lub wymaga przekazania sprawy człowiekowi.
- Aktualność danych i integracje
- Kontroluj, czy źródła pozostają aktualne, a wynik trafia do właściwego miejsca.
- Decyzja po pilotażu
- Określ warunki rozszerzenia, korekty albo zatrzymania wdrożenia.
Monitoring powinien obejmować zarówno działanie techniczne, jak i znaczenie wyniku dla procesu. Sama informacja, że narzędzie zostało użyte, nie mówi jeszcze, czy rezultat był przydatny, wymagał poprawek lub został bezpiecznie wykorzystany.
Gdy asystent rozmawia z klientem, sprawdź obowiązki przejrzystości
Asystenta wspierającego handlowca wewnątrz firmy należy odróżnić od systemu kontaktującego się bezpośrednio z klientem. W drugim przypadku trzeba osobno sprawdzić obowiązki przejrzystości wynikające z AI Act, w tym art. 50 stosowanego od 2 sierpnia 2026 roku.[7]
Nie każdy wewnętrzny asystent sprzedaży podlega tym samym obowiązkom. Nie należy też automatycznie zakładać, że system jest systemem wysokiego ryzyka. Ocena zależy od jego konkretnej funkcji i sposobu użycia.[8] Jest to ogólna wskazówka, a nie kwalifikacja prawna konkretnego rozwiązania.
W dokumentacji pilotażu należy więc rozdzielić dwa scenariusze: pomoc dla pracownika oraz interakcję AI z klientem. Przed produkcyjnym uruchomieniem drugiego scenariusza trzeba zweryfikować obowiązki odpowiednie dla funkcji systemu, roli organizacji i sposobu wdrożenia.
Najczęstsze pytania
Czy wdrożenie trzeba zaczynać od integracji z CRM?
Nie. Najpierw należy zdefiniować proces, potrzebne dane, oczekiwany wynik i odpowiedzialność za jego sprawdzenie. Integracja z CRM jest potrzebna tylko wtedy, gdy wynika z wybranego przepływu pracy.
Czy asystent AI może sam wysyłać oferty?
To zależy od zasad procesu, kosztu błędu i przyjętego zakresu odpowiedzialności. W pierwszym pilotażu wynik może wymagać akceptacji człowieka przed wysłaniem. Taki sposób pracy ogranicza zakres testu, ale nie gwarantuje jego dodatniego efektu biznesowego.
Czy każdy asystent AI w sprzedaży jest systemem wysokiego ryzyka?
Nie należy tego zakładać. Ocena zależy od konkretnej funkcji i sposobu użycia systemu. Nie jest to jednak kwalifikacja prawna danego rozwiązania.
Źródła
- AI w sprzedaży: od czego zacząć, Grzegorz Zawłodzki.
- Wdrożenie agenta AI w firmie: od czego zacząć, Grzegorz Zawłodzki.
- Agent AI w sprzedaży – jak może kwalifikować leady i odpowiadać klientom?, Kamil Pionkowski.
- AI w dziale sprzedaży — wdrożenie AI dla sprzedaży, Ploch.ai.
- Jak wdrażać AI w sprzedaży B2B, by przynosiła realny efekt biznesowy, Certusoft.
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, National Institute of Standards and Technology.
- Obowiązki w zakresie przejrzystości na podstawie art. 50 aktu w sprawie sztucznej inteligencji, Komisja Europejska.
- AI Act, Komisja Europejska.
- AI Risk Management Framework, National Institute of Standards and Technology.
Perspektywę praktyka na wykorzystanie AI w HubSpot przedstawia Przemek Gliński, HubSpot AI Platform Architect w BusinessWeb. Jest on również autorem ebooka „Asystent AI w HubSpot”, poświęconego praktycznym scenariuszom wdrożenia takiego rozwiązania.
+Artykuł Sponsorowany+
