Agent AI w sprzedaży B2B: kwalifikacja leadów, research firm i follow-up zgodnie z prawem

Do czego służy AI w sprzedaży B2B, a czego nie powinno robić

Sztuczna inteligencja w dziale handlowym przejmuje pracę wokół rozmowy, a nie samą rozmowę. Czyta zapytania, zbiera dane o firmie, porządkuje notatki i pisze szkice, a handlowiec decyduje, co i do kogo wychodzi.

Agent to program, w którym model językowy dostaje zadanie i zestaw narzędzi: odczyt rekordu w CRM-ie, zapytanie do rejestru firm, utworzenie szkicu maila. Sam wybiera kolejność kroków, ale tylko w granicach, które mu wyznaczysz; szerzej opisuję to w przewodniku czym jest agent AI dla firmy. W dziale handlowym te granice wyznacza prawo i zaufanie klientów.

Zadania, które warto oddać modelowi, układają się w sześć grup: kwalifikacja zapytań przychodzących, research firmy przed rozmową, szkice follow-upów i ofert, notatki po rozmowach, porządek w lejku oraz analiza danych sprzedażowych, na przykład wskazanie etapów, na których odpada najwięcej szans. Efekt sprawdzisz w dwóch miejscach: czy klient szybciej dostaje odpowiedź od człowieka i czy handlowiec mniej czasu spędza na przepisywaniu i szukaniu danych. Jak to zmierzyć, piszę na końcu.

Kiedy nie zaczynać? Gdy zapytań jest kilka w tygodniu i handlowiec przeczyta je szybciej, niż ktokolwiek zbuduje przepływ. Gdy nikt nie uzupełnia CRM-u. Gdy jedynym pomysłem na sprzedaż jest masowa wysyłka na zimno, której model legalnie nie zrobi, o czym w następnej części.

Poniższa tabela to podział, który stosuję przy wdrożeniach: model robi rzeczy powtarzalne i oparte na danych, a człowiek wszystko, co dotyka klienta, pieniędzy i decyzji o ludziach.

Podział pracy w sprzedaży B2B: co robi agent AI, co zostaje przy handlowcu i gdzie przebiega granica

Tabela jest szersza niż ekran: przesuń ją palcem w bok.

Czy wolno wysyłać cold maile i dzwonić do firm z automatu?

Nie, chyba że odbiorca wcześniej wyraził na to zgodę. Od 10 listopada 2024 r. art. 398 Prawa komunikacji elektronicznej zakazuje przesyłania informacji handlowej, w tym marketingu bezpośredniego, przez telefon, e-mail czy komunikator, a także z użyciem automatycznych systemów wywołujących, do abonenta lub użytkownika końcowego, który się na to uprzednio nie zgodził.

Informacją handlową według ustawy o świadczeniu usług drogą elektroniczną jest każda informacja przeznaczona bezpośrednio lub pośrednio do promowania towarów, usług lub wizerunku przedsiębiorcy, więc „chciałbym tylko przedstawić naszą firmę” też się mieści. Zgodę można wyrazić, udostępniając adres elektroniczny właśnie w tym celu, a do jej uzyskania stosuje się przepisy o ochronie danych osobowych (art. 398 ust. 2 i art. 400).

Dla sprzedaży B2B kluczowe jest to, kogo przepis chroni. Uchylony art. 10 tej ustawy chronił tylko odbiorców będących osobami fizycznymi. Ministerstwo Cyfryzacji w odpowiedzi na interpelację nr 12182 z 14 października 2025 r. pisze, że art. 398 objął ochroną wszystkie osoby fizyczne, także jednoosobowe działalności, na równi ze spółkami, fundacjami czy uczelniami, i przytacza stanowisko Prezesa UODO, według którego nowe przepisy blokują cold calling i cold mailing. Z tego samego pisma wynika, że niedozwolony jest też kontakt w celu uzyskania zgody, że zgoda dotyczy konkretnego kanału i że kupiona baza kontaktów nie zwalnia z tych obowiązków.

Za brak zgody Prezes UKE nakłada karę do 3 % przychodu z poprzedniego roku albo do 1 000 000 zł, przy czym stosuje się kwotę wyższą (art. 446 ust. 5). Przesyłanie informacji handlowej bez zgody jest też wykroczeniem zagrożonym grzywną (art. 448), a art. 398 ust. 4 uznaje je za czyn nieuczciwej konkurencji.

Motyw 47 RODO pozwala uznać marketing bezpośredni za prawnie uzasadniony interes administratora, ale rozstrzyga tylko podstawę przetwarzania danych i zgody z art. 398 nie zastępuje. Art. 21 RODO daje też każdemu prawo sprzeciwu wobec marketingu bezpośredniego, o którym trzeba poinformować najpóźniej przy pierwszej komunikacji, jasno i odrębnie od innych informacji.

Skąd w takim razie brać nowych klientów? Z zapytań, które firmy wysyłają same. Model pomoże tu na trzy sposoby: opisze profil idealnego klienta na podstawie wygranych i przegranych szans w CRM-ie, przygotuje szkice artykułów i ofert, które zachęcą do kontaktu, i obsłuży zapytania, które potem przyjdą. Odpowiedź na zapytanie, które klient sam wysłał, to inna sytuacja niż kampania na zimno, bo klient podał adres po to, żeby dostać odpowiedź. Gdzie kończy się rozmowa, o którą prosił, a zaczyna nowa informacja handlowa, na przykład przy ofercie innego produktu pół roku później, ustal z prawnikiem. Ten tekst nie jest poradą prawną.

Cenniki i przepisy się zmieniają. Linki do źródeł są na dole strony.

Co agent AI może robić w kontakcie z firmami według art. 398 Prawa komunikacji elektronicznej i RODO

Tabela jest szersza niż ekran: przesuń ją palcem w bok.

Jak AI kwalifikuje leady z formularza i maila

Kwalifikacja leadów przez AI to ocena każdego przychodzącego zapytania według kryteriów spisanych przez Twoich handlowców i przydzielenie go właściwej osobie razem z krótkim briefem. Model rozumie luźno napisane zapytania, z którymi proste reguły sobie nie radzą, ale nie odpisuje klientowi sam.

Najpierw napraw drogę zgłoszenia: jeśli formularz wysyła maila na wspólną skrzynkę, a ktoś ręcznie przepisuje go do CRM-u, model dołożony do takiego przepływu niczego nie uratuje. Kolejkę, ponowienia i deduplikację opisuję w przewodniku formularz kontaktowy a CRM.

Sama kwalifikacja to kilka pytań: czego klient potrzebuje, czy to w ogóle sprzedaż, czy reklamacja albo CV, jaka jest skala i termin, czy pisze firma, którą już znasz. Odpowiedzi model wybiera z zamkniętej listy ustalonej z handlowcami, tak jak w schemacie poniżej. Kategorie „pilne”, „do oddzwonienia dziś”, „poza ofertą” i „brak danych” handlowiec rozumie od razu, a ocena od 1 do 100 bez progów niewiele mu mówi.

Przydział robi zwykle sam CRM, na regułach. W HubSpocie służy do tego akcja „Rotate record to owner”, według bazy wiedzy dostępna w Sales Hub i Service Hub w planach Professional i Enterprise; w Livespace Sales Bot, według cennika dostępny od planu Automation. Model dokłada kontekst: proponuje opiekuna, który zna branżę albo już rozmawiał z tą firmą, i pisze krótki brief.

Twarda zasada: model nie odrzuca zapytań. Zapytanie oznaczone jako „poza ofertą” trafia do człowieka z tym oznaczeniem, a odpowiedź „tego nie robimy” pisze człowiek. Każdy model czasem się myli, a pomyłki przy odrzuceniu nie widać: klient nie wie, że go odrzucono, a Ty nie wiesz, że go straciłeś.

• Kim jest firmaNazwa, forma prawna, branża i adres pochodzą z rejestru, a nie z formularza.
• Czego chce, jego słowamiJedno zdanie streszczenia i krótki cytat, żeby handlowiec widział oryginał, a nie tylko interpretację modelu.
• Czego brakujePytania, bez których nie przygotujesz oferty, na przykład o ilość, termin albo miejsce dostawy.
• Historia w CRMInformacja, czy ta firma już pisała i kto z nią rozmawiał.

{
  "type": "object",
  "required": ["kategoria", "pilnosc", "streszczenie", "brakujace_informacje", "pewnosc"],
  "properties": {
    "kategoria": { "enum": ["zapytanie_ofertowe", "obecny_klient", "reklamacja", "podwykonawca", "rekrutacja", "inne"] },
    "pilnosc": { "enum": ["dzis", "ten_tydzien", "bez_terminu"] },
    "streszczenie": { "type": "string", "maxLength": 300 },
    "brakujace_informacje": { "type": "array", "items": { "type": "string" } },
    "pewnosc": { "enum": ["wysoka", "niska"] }
  }
}

Research firmy przed rozmową: dane z KRS, REGON i CEIDG

Przed pierwszą rozmową agent zbiera w tle to, co handlowiec dziś wyszukuje ręcznie w kilku kartach przeglądarki: formę prawną, adres, przedmiot działalności, sposób reprezentacji i status VAT. Bazą są rejestry publiczne prowadzone przez sądy rejestrowe i urzędy.

Każdy z tych rejestrów ma API. GUS podaje, że API REGON jest bezpłatne, wyszukuje po NIP, REGON albo numerze KRS, a klucz dostaje się mailowo. Otwarte API KRS Ministerstwo Sprawiedliwości uruchomiło w marcu 2022 r. i według ministerstwa zwraca dane w zakresie odpisu pełnego i aktualnego. Do hurtowni danych CEIDG potrzebne są konto i Profil Zaufany. Ministerstwo Finansów udostępnia API wykazu podatników VAT z limitem 100 zapytań dziennie o najwyżej 30 podmiotów metodą search. Klucze i kolejność wywołań opisuję w przewodniku dane firmy po NIP przez API.

Jednej rzeczy rejestr nie da, i dobrze. W odpisie z API KRS imiona, nazwiska i numery PESEL członków zarządu są zamaskowane: widać pierwszą literę i gwiazdki, jak w przykładzie poniżej. Jawne zostają nazwa organu, funkcje i sposób reprezentacji, więc wiesz, czy umowę podpisuje jeden członek zarządu, czy dwóch łącznie. Nie każ modelowi domyślać się nazwisk z innych źródeł, bo wtedy zaczyna zgadywać.

Druga warstwa to strona internetowa firmy: zakładki „O nas”, oferta i aktualności streszczone w kilku zdaniach. Przy każdym zdaniu zapisuj adres, z którego pochodzi, bo model bez źródła potrafi pewnym tonem napisać coś, czego na stronie nie ma.

Rejestry służą tu do przygotowania rozmowy z firmą, która sama się odezwała albo z którą już rozmawiasz. Adres e-mail wpisany do KRS nie jest zgodą na informację handlową.

GET https://api-krs.ms.gov.pl/api/krs/OdpisAktualny/{krs}?rejestr=P&format=json

{
  "odpis": {
    "dane": {
      "dzial1": {
        "danePodmiotu": {
          "formaPrawna": "SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ",
          "identyfikatory": { "regon": "000000000", "nip": "0000000000" },
          "nazwa": "PRZYKŁADOWA SPÓŁKA Z OGRANICZONĄ ODPOWIEDZIALNOŚCIĄ"
        }
      },
      "dzial2": {
        "reprezentacja": {
          "nazwaOrganu": "ZARZĄD",
          "sposobReprezentacji": "DWAJ CZŁONKOWIE ZARZĄDU DZIAŁAJĄCY ŁĄCZNIE",
          "sklad": [
            {
              "nazwisko": { "nazwiskoICzlon": "K*****" },
              "imiona": { "imie": "A****" },
              "funkcjaWOrganie": "PREZES ZARZĄDU"
            }
          ]
        }
      },
      "dzial3": {
        "przedmiotDzialalnosci": {
          "przedmiotPrzewazajacejDzialalnosci": [
            { "opis": "...", "kodDzial": "46", "kodKlasa": "69", "kodPodklasa": "Z" }
          ]
        }
      }
    }
  }
}

Follow-up i oferta: szkic od modelu, wysyłka od handlowca

Bezpieczny podział jest prosty: agent przygotowuje szkic w skrzynce handlowca, w tym samym wątku co rozmowa z klientem, a handlowiec go czyta, poprawia i wysyła. Automatyczna wysyłka do klientów to zupełnie inna kategoria ryzyka.

Według dokumentacji n8n operacja tworzenia wersji roboczej w węźle Gmail przyjmuje adresata, temat, treść i identyfikator wątku, więc szkic pojawia się w Gmailu handlowca jako odpowiedź w toczącej się rozmowie. Operacje wysyłki i odpowiedzi w tym samym węźle domyślnie doklejają za to zdanie „This email was sent automatically with n8n”; da się je wyłączyć, ale dobrze pokazuje problem. Klient, który dostaje maila od opiekuna, ma prawo zakładać, że opiekun go przynajmniej przeczytał.

Kiedy follow-up? Klient poprosił o ofertę, dostał ją i milczy od tygodnia. Przepływ widzi to w CRM-ie i przygotowuje krótki szkic z odwołaniem do konkretu z rozmowy, a nie kolejne „czy miał Pan okazję zapoznać się z ofertą”. Gdy klient napisze, że nie jest zainteresowany, przepływ zamyka temat i nie generuje kolejnych przypomnień.

Szkic oferty działa tak samo, z jedną twardą zasadą: ceny, rabaty i terminy pochodzą z cennika i z systemu, nigdy z modelu. Model składa tekst wokół liczb, które ktoś wcześniej zatwierdził, a rabat ustala handlowiec. Jak zbudować ofertę z szablonu i cennika, piszę w przewodniku o automatycznych ofertach i wycenach.

Gotowe funkcje w CRM czy własny przepływ: co wybrać i ile to kosztuje

Jeśli Twój CRM ma wbudowane funkcje oparte na modelach językowych, zacznij od nich, bo włączasz je w ustawieniach zamiast budować. Własny przepływ ma sens wtedy, gdy potrzebujesz źródeł, których CRM nie czyta, na przykład rejestrów publicznych, albo kroków zatwierdzania, których gotowa funkcja nie ma.

Przykład z polskiego rynku to Livespace. Jego agent analizy firmy układa publiczne informacje o firmie w briefing z ośmioma sekcjami ze źródłami, a kreator e-maili pisze szkic, ale sam niczego nie wysyła. Cennik Livespace podaje, że plan Automation kosztuje 169 zł netto za użytkownika miesięcznie przy płatności miesięcznej i obejmuje 20 analiz firmy oraz 100 wiadomości z kreatora na użytkownika; w planie Base za 79 zł jest to 1 analiza i 10 wiadomości. Pięciu handlowców na planie Automation to więc 5 × 169 zł, czyli 845 zł netto miesięcznie.

W HubSpocie baza wiedzy wymienia akcje przepływów oparte na modelach, na przykład „Data Agent: Research” w wersji beta, który bada rekordy na podstawie ich właściwości albo przypisanych transkrypcji rozmów. Takie akcje zużywają kredyty HubSpot. Zanim włączysz funkcję, która sama kontaktuje się z nowymi osobami, sprawdź, do kogo i jakim kanałem pisze, bo dotyczy jej art. 398 opisany wyżej.

Własny przepływ, na przykład w n8n, buduję wtedy, gdy dane trzeba wziąć z kilku miejsc naraz: z CRM-u, skrzynki, REGON, KRS i białej listy VAT, albo gdy firma chce sama decydować, które źródła model może czytać i kto zatwierdza każdy krok. Płacisz wtedy za budowę i utrzymanie oraz za tokeny modelu. Przykładowe wyliczenie: cennik Anthropic podaje dla modelu Claude Haiku 4.5 1 USD za milion tokenów wejściowych i 5 USD za milion wyjściowych. Jeśli kwalifikacja jednego zapytania zużywa 2 000 tokenów wejścia i 300 tokenów odpowiedzi, 1 000 zapytań miesięcznie kosztuje 2 USD plus 1,50 USD, czyli 3,50 USD.

Kwoty budowy dla konkretnego zakresu rozkładam w przewodniku ile kosztuje agent AI, a widełki mojej pracy są w cenniku. Koszt modeli i licencji narzędzi płacisz osobno, bezpośrednio dostawcom. Narzędzia do własnych przepływów porównuję w tekście n8n, Make czy Zapier.

• Plan i limity CRMWbudowane funkcje bywają dostępne dopiero od wybranego planu i mają miesięczne pule; według strony Livespace po wyczerpaniu limitu funkcja przestaje działać do końca okresu rozliczeniowego.
• Zakres budowyIm więcej połączonych systemów i wyjątków, tym dłużej trwa budowa, na przykład gdy obecni klienci, przetargi i zapytania z zagranicy mają osobne ścieżki.
• UtrzymaniePo starcie ktoś musi poprawiać instrukcję po uwagach handlowców, reagować na zmiany w API dostawców, wymieniać klucze i przeglądać dziennik wywołań.

Funkcje wbudowane w CRM a własny przepływ: czym się różnią przy obsłudze sprzedaży B2B

Tabela jest szersza niż ekran: przesuń ją palcem w bok.

Notatki z rozmów, porządek w CRM i analiza lejka

Po rozmowie model zamienia notatkę albo transkrypcję w streszczenie, propozycje pól i następny krok z datą. Handlowiec zatwierdza to, co zmienia obraz sprzedaży: etap, wartość i prognozę.

Nagrywanie rozmów to osobna decyzja. Jeśli transkrypcja powstaje z nagrania, rozmówca musi wiedzieć, że rozmowa jest nagrywana i po co, bo art. 13 RODO wymaga podania celów i podstawy prawnej przetwarzania już przy zbieraniu danych. Prostsza droga to notatka głosowa handlowca nagrana tuż po rozmowie, którą model zamienia na tekst i rozkłada na pola.

W CRM-ie model zapisuje propozycję, a nie fakt. Pola uzupełnione przez model dostają znacznik źródła, a zmiana etapu szansy czeka na kliknięcie handlowca. O podziale pracy na reguły, model i człowieka piszę w przewodniku automatyzacja CRM z AI.

Raz w tygodniu przepływ przegląda też lejek i wskazuje szanse bez następnego kroku albo z datą zamknięcia w przeszłości. Niczego nie zamyka, tylko przekazuje listę kierownikowi sprzedaży. Od porządku w lejku zależy też prognoza: jeśli CRM liczy ją z etapów i wartości szans, model może ją opisać słowami, ale liczby zatwierdza człowiek.

Transkrypcje i notatki przydają się też w coachingu. Model wskazuje fragmenty, w których padła cena albo obiekcja, a kierownik omawia je z handlowcem. Część CRM-ów porównuje też skuteczność zespołu; cennik Livespace opisuje analizę, która ustawia opiekunów w rankingu według konwersji. Taki ranking traktuję jako materiał do rozmowy, a nie podstawę decyzji o człowieku.

• Streszczenie i polaKilka zdań o tym, czego klient potrzebuje i co go blokuje. Pola takie jak termin czy skala dostają znacznik „uzupełnione automatycznie”.
• Następny krok i lukiZamiast ogólnego „follow-up” powstaje zadanie z datą, a lista pytań bez odpowiedzi staje się planem kolejnego telefonu.

Od czego zacząć wdrożenie w dziale handlowym

Zacznij od jednego miejsca, w którym tracisz czas albo klientów, i od trybu tylko do odczytu. Wysyłka, zmiana etapów i wszystko, co widzi klient, przychodzą na końcu albo wcale.

Jeśli Twój CRM ma już wbudowane funkcje oparte na modelach, krok czwarty może oznaczać po prostu włączenie ich dla dwóch handlowców na miesiąc i porównanie wyników z resztą zespołu. Własny przepływ warto budować dopiero wtedy, gdy gotowa funkcja nie czyta potrzebnych źródeł albo nie pozwala zatwierdzać kroków, które chcesz kontrolować.

Buduję takie przepływy w n8n albo jako własny kod, połączone z CRM-em, skrzynką pocztową i rejestrami publicznymi, zawsze z etapem, na którym handlowiec decyduje, co wychodzi do klienta. Zakres prac opisuję na stronie automatyzacje i agenci AI.

1. Wybierz jedno wąskie gardłoMoże to być kolejka zapytań czekających na odpowiedź, research przed rozmowami albo notatki po nich. Jedno zadanie, nie wszystkie naraz.
2. Uporządkuj dane w CRMAgent pracuje na tym, co jest w CRM-ie. Duplikaty, puste pola i etapy bez definicji trzeba poprawić przed nim, nie po.
3. Spisz kryteria z handlowcamiUstalcie kategorie zapytań, co znaczy „pilne” i kto obsługuje którą branżę. Ta lista staje się instrukcją dla modelu.
4. Uruchom w trybie szkicówAgent tylko czyta i przygotowuje briefy, propozycje pól i szkice maili. Nic nie wychodzi do klienta bez człowieka.
5. Przeglądaj co tydzieńPrzez pierwsze tygodnie kierownik przegląda poprawki handlowców i dziennik wywołań, a instrukcja dostaje poprawki.
6. Rozszerzaj dopiero po liczbachGdy czas odpowiedzi i godziny researchu się poprawiły, a sprzeciwów nie przybyło, dokładasz kolejne zadanie.

Czy wolno zbierać dane z LinkedIna botem lub wtyczką?

Nie. Umowa użytkownika LinkedIn zabrania używania skryptów, robotów, wtyczek przeglądarki i podobnych narzędzi do kopiowania profili i innych danych z serwisu. Zabrania też używania botów do pobierania kontaktów i wysyłania wiadomości.

To punkty 2 i 13 z listy zakazów w części 8.2 umowy. Ten sam katalog zabrania kopiowania, wykorzystywania i rozpowszechniania informacji z serwisu, także przez pośredników, takich jak agregatory i brokerzy danych, bez zgody właściciela treści. Za naruszenie umowy LinkedIn może ograniczyć, zawiesić albo zamknąć konto (część 3.4). Dla handlowca, którego sieć kontaktów budowała się latami, utrata konta kosztuje więcej, niż da jakakolwiek lista leadów.

Wtyczka albo skrypt, który przegląda profile, zapisuje dane i wysyła zaproszenia z wiadomością, robi dokładnie to, czego zabraniają te dwa punkty, niezależnie od tego, czy sprzedawca nazywa go „agentem do LinkedIna”. Ja takich narzędzi nie buduję i nie podpinam do przepływów klientów.

Jest też RODO. Dane z profilu to dane osobowe pozyskane nie od tej osoby, więc jeśli chcesz się z nią kontaktować, art. 14 każe ją poinformować, skąd je masz, najpóźniej przy pierwszej komunikacji. Profil przepisany przez bota do CRM-u i użyty w mailu z ofertą to więc jednocześnie naruszenie umowy serwisu, obowiązek informacyjny z RODO i brak zgody z art. 398 PKE.

Co zostaje? LinkedIn używany przez człowieka, tak jak go zaprojektowano: handlowiec sam czyta profil przed rozmową, sam pisze wiadomość i sam buduje sieć. Agent pomaga później, gdy kontakt jest już w CRM-ie z legalnego źródła, na przykład przygotowuje notatkę po rozmowie. Sam LinkedIn w części 3.6 umowy przypomina zresztą, że treści z jego funkcji generatywnych trzeba przeczytać i poprawić, zanim się je komuś udostępni.

Ryzyka: RODO, AI Act i polecenia ukryte w treści zapytań

Agent w sprzedaży przetwarza dane osobowe: imiona, maile, telefony, notatki z rozmów. Przed uruchomieniem trzeba ustalić, kto przetwarza dane w Twoim imieniu, kiedy informujesz ludzi, czy rozmówca wie, że pisze z AI, i co agent może zrobić, gdy ktoś spróbuje nim sterować.

Szkic maila, który handlowiec przeczytał, poprawił i wysłał pod swoim nazwiskiem, jest jego wiadomością, a nie rozmową z systemem AI. Inaczej jest z czatem na stronie, który sam kwalifikuje zapytania: informację, że odpowiada asystent AI, trzeba podać najpóźniej przy pierwszej interakcji, a dobrze zaprojektowany czat daje też drogę do człowieka. Więcej o takim czacie piszę w przewodniku o czacie AI na stronie firmy, a o obowiązkach małej firmy w tekście AI Act i RODO w małej firmie. Serwis AI Act Service Desk pokazuje art. 50 w wersji skonsolidowanej z 27 lipca 2026 r. i oznacza fragmenty zmienione pakietem Digital Omnibus; ust. 1 o informowaniu o rozmowie z AI nie jest wśród nich.

Jest jeszcze bezpieczeństwo. Zapytanie z formularza to tekst od obcej osoby, a agent go czyta. Jeśli ten sam agent ma narzędzie do wysyłki maili albo do zmiany rekordów, ktoś może w treści zapytania napisać polecenie skierowane do modelu. Dlatego agent kwalifikujący leady ma u mnie uprawnienia tylko do odczytu i do tworzenia szkiców. O tym, jak ograniczać takie ryzyko, piszę w przewodniku o bezpieczeństwie agenta AI.

Gdy agent ma kilka narzędzi, n8n pozwala wymagać zgody człowieka przed użyciem wybranego z nich. Przepływ się zatrzymuje, a prośba o zatwierdzenie trafia na wybrany kanał, na przykład do Slacka, Microsoft Teams, Gmaila albo Outlooka; recenzent widzi narzędzie i parametry wywołania, po czym zatwierdza albo odrzuca. Dokumentacja n8n sama wymienia wysyłanie wiadomości wśród działań, które warto tak zabezpieczyć. Więcej o takich punktach piszę w przewodniku o podejściu human in the loop.

• Umowa z dostawcą modeluJeśli dostawca modelu przetwarza dane w Twoim imieniu, art. 28 ust. 3 RODO wymaga umowy określającej między innymi przedmiot, czas trwania, charakter i cel przetwarzania oraz rodzaj danych. Do modelu wysyłaj tylko to, czego potrzebuje do zadania; stopki z telefonami można obciąć wcześniej.
• Obowiązek informacyjnyDane z rejestrów, ze strony firmy czy z wizytówki to dane pozyskane nie od osoby. Art. 14 RODO wymaga przekazania jej informacji, w tym o źródle danych, najpóźniej przy pierwszej komunikacji, a gdy dane nie służą do kontaktu, najpóźniej w ciągu miesiąca.
• Sprzeciw wobec marketinguPo sprzeciwie z art. 21 RODO danych nie wolno już przetwarzać do celów marketingu bezpośredniego. Agent musi widzieć tę flagę w CRM-ie i respektować ją w każdym szkicu.
• Scoring bez automatycznych odmówArt. 22 RODO daje prawo, by nie podlegać decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, która wywołuje skutki prawne lub w podobny sposób istotnie wpływa na osobę. Kolejność oddzwaniania raczej taką decyzją nie jest, ale ja i tak zostawiam każdą odmowę człowiekowi.
• Chatbot mówi, że jest AIArt. 50 ust. 1 aktu o sztucznej inteligencji każe projektować systemy AI przeznaczone do bezpośredniej interakcji z ludźmi tak, by wiedzieli, że rozmawiają z AI, chyba że to oczywiste. Według harmonogramu Komisji Europejskiej przepisy o przejrzystości z art. 50 stosuje się od 2 sierpnia 2026 r.

Po wdrożeniu: jak mierzyć efekty i kto pilnuje agenta

Agent w sprzedaży pomaga wtedy, gdy klienci szybciej dostają odpowiedź od człowieka, a handlowcy mniej czasu spędzają na przygotowaniu i papierach. Obie rzeczy zmierzysz na własnych danych, zanim cokolwiek zbudujesz, a po starcie porównujesz je co tydzień.

Nie podaję tu cudzych wskaźników w rodzaju „kilka razy więcej konwersji”, bo nie da się ich sprawdzić na Twoim rynku. Zmierz własny punkt wyjścia. Pierwsza liczba to czas od wpłynięcia zapytania do pierwszej odpowiedzi człowieka. Jeśli CRM zapisuje datę utworzenia rekordu i datę pierwszej aktywności, wystarczy zestawienie za ostatnie trzy miesiące, osobno dla zapytań w godzinach pracy i poza nimi. Patrz na medianę i na najdłuższe przypadki, bo to w nich giną klienci.

Druga liczba to czas researchu. Przez tydzień niech każdy handlowiec zmierzy stoperem przygotowanie do kilku pierwszych rozmów: wyszukanie firmy, rejestry, strona, notatka. Średnie minuty wpisz w kalkulatorze poniżej w polu „Minut za jednym razem”, liczbę takich rozmów w tygodniu w polu powtórzeń, a liczbę handlowców w polu „Ile osób to robi”. Wynik to godziny, o które agent ma realnie zawalczyć.

Po uruchomieniu agent potrzebuje opiekuna jak każdy system. Ktoś czyta dziennik wywołań, poprawia instrukcję po uwagach handlowców i reaguje, gdy dostawca zmieni API albo model. Ustal przed startem, kto robi to po Twojej stronie, a kto po stronie wykonawcy, i jak szybko. Agent, który przyspiesza odpowiedzi, ale produkuje szkice do wyrzucenia, nie oszczędza czasu, tylko go przesuwa, więc obok liczb obserwuj sygnały jakości z listy poniżej.

Jeśli chcesz sprawdzić, czy to ma sens u Ciebie, napisz, które zadanie w sprzedaży zajmuje Wam najwięcej czasu, ile zapytań i rozmów macie w tygodniu oraz na jakim CRM-ie i jakiej poczcie pracujecie. Odpowiadam w ciągu jednego dnia roboczego. Pracuję z Mikołowa, zdalnie w całej Polsce.

• Czas do pierwszej odpowiedziTo wskaźnik, który klient odczuwa bezpośrednio, więc porównuj medianę i najdłuższe przypadki sprzed wdrożenia i po nim.
• Odsetek przepisanych szkicówJeśli handlowcy przepisują większość szkiców, model pisze źle albo dostaje za mało kontekstu z CRM-u.
• Poprawione kategorieKażde zapytanie, które handlowiec przeniósł do innej kategorii, pokazuje, co trzeba dopisać w instrukcji dla modelu.
• Kompletność CRMWarto co tydzień sprawdzać, ile otwartych szans ma zaplanowany następny krok z datą.
• Sprzeciwy i skargiRosnąca liczba odpowiedzi w rodzaju „proszę do mnie nie pisać” albo wypisów z listy oznacza, że agent robi coś, czego nie powinien.

Pytania i odpowiedzi