Przed rozmową handlowiec nie potrzebuje długiej listy opisów wdrożeń. Potrzebuje dwóch albo trzech referencji, które pasują do branży i problemu konkretnego leada. Taki filtr da się zbudować z pomocą AI, ale nie zaczyna się od narzędzia. Zaczyna się od porządku w CRM i w bazie referencji.
To nie jest automat, który sam wysyła klientowi gotowy cytat. To asystent do przygotowania rozmowy. Czyta dane o leadzie, przeszukuje bazę przykładów klientów i zwraca krótką listę do sprawdzenia przez handlowca.
Dlaczego to w ogóle ma sens
Na rozmowie sprzedażowej pada zwykle proste pytanie: czy pracowaliście już z firmą podobną do naszej? Ogólna odpowiedź niewiele daje. Konkret działa lepiej: firma z podobnej branży, podobny problem, podobny zakres współpracy.
Jeśli sprzedajesz do producenta, referencja z SaaS-u może nie pomóc, nawet jeśli wynik był dobry. Jeśli sprzedajesz do e-commerce, sam logotyp klienta też nie wystarczy. Handlowiec musi wiedzieć, jaki problem rozwiązaliście i dlaczego ten przykład ma sens właśnie w tej rozmowie.
Dlatego dobór referencji warto potraktować jak osobny krok przygotowania do rozmowy, a nie szybkie przeszukiwanie notatek tuż przed spotkaniem.
Jakie dane muszą być gotowe
Agent nie zgadnie, który przykład jest trafny, jeśli nie ma na czym pracować. Potrzebujesz dwóch rzeczy: informacji o leadzie i uporządkowanej bazy referencji.
W CRM dla leada powinny być co najmniej:
- branża albo sektor
- opis problemu, z którym przychodzi firma
- opcjonalnie wielkość firmy, jeśli to ważne w waszym procesie
W bazie referencji dla każdego klienta powinny być co najmniej:
- nazwa klienta
- branża
- problem, który rozwiązaliście
- krótki opis efektu
- informacja, czy i jak można tej referencji używać
Prosty układ pól może wyglądać tak:
| System | Pole | Przykład |
|---|---|---|
| CRM | Branża leada | E-commerce |
| CRM | Problem leada | Niska konwersja na stronie |
| Baza referencji | Branża klienta | E-commerce |
| Baza referencji | Problem rozwiązany | Niska konwersja przy rosnącym ruchu |
| Baza referencji | Efekt | Uporządkowany proces zmian na stronie i lepsze wykorzystanie ruchu |
Jeśli w CRM-ie brakuje takiego porządku, sama lista narzędzi niewiele zmieni. Pokrewny problem opisuje artykuł Autonomiczny CRM zamiast pięciu narzędzi.
Cztery kroki budowy asystenta
Pierwszy przykład źródłowy opierał się na połączeniu CRM, arkusza z referencjami, narzędzia, które uzupełnia dane o firmie, i opcjonalnie danych ze strony leada. Dla polskiego zespołu B2B ważniejsza od konkretnej listy aplikacji jest kolejność pracy.
Krok 1. Wskaż, skąd agent bierze dane
Agent musi wiedzieć, gdzie szuka informacji o leadzie i gdzie leży baza referencji. W praktyce będzie to zwykle CRM plus arkusz albo osobna tabela z zaakceptowanymi przykładami klientów.
Takie połączenie możesz zbudować w Gumloop, Make, n8n albo własnym połączeniem przez API. Kryterium jest proste: narzędzie ma czytać oba źródła i zwrócić wynik w jednym miejscu.
Krok 2. Napisz jedną precyzyjną instrukcję
Najlepszy efekt daje krótka instrukcja, która ustawia kolejność myślenia. Na przykład:
Dostajesz nazwę firmy albo adres e-mail leada. Sprawdź w CRM branżę i opis problemu. Potem przeszukaj bazę referencji. Najpierw szukaj tej samej branży. Jeśli nie ma dokładnego dopasowania, szukaj po typie problemu. Zwróć maksymalnie trzy referencje z krótkim uzasadnieniem.
Tu nie chodzi o ładny prompt. Chodzi o jasne reguły. Agent ma wiedzieć, co jest ważniejsze: branża, problem, aktualność referencji czy zgoda na cytowanie.
Krok 3. Doprowadź do poprawnego wyniku na znanych przykładach
Nie testuj tego najpierw na żywym dealu. Weź kilka leadów, które zespół dobrze zna, i sprawdź, czy agent zwraca przykłady, które handlowiec sam uznałby za sensowne.
Jeśli wynik jest słaby, kolejność diagnozy jest prosta:
- sprawdź dane w CRM
- sprawdź pola w bazie referencji
- dopiero potem poprawiaj instrukcję
W demonstracji źródłowej agent działał dobrze dopiero wtedy, gdy autor najpierw wypracował poprawny wynik w rozmowie z agentem, a dopiero później go utrwalił.
Krok 4. Zapisz sposób działania jako stałą instrukcję
W materiale źródłowym ten krok został zapisany jako "skill", czyli stała instrukcja, do której agent wraca przy kolejnych zadaniach. To ważne, bo bez tego łatwo o dwa różne wyniki dla podobnych leadów.
W praktyce warto zapisać nie tylko samą instrukcję wyszukiwania, ale też zasady odrzucania referencji. Na przykład: nie pokazuj klientów bez zgody, nie zwracaj przykładów z niepełnym opisem problemu i nie podawaj referencji, których handlowiec nie będzie umiał obronić na rozmowie.
Gdzie handlowiec musi sprawdzić wynik ręcznie
To nie jest etap opcjonalny. Agent ma przygotować listę, a nie podejmować decyzję za sprzedawcę.
Przed rozmową handlowiec powinien sprawdzić:
- czy branża naprawdę pasuje, a nie tylko brzmi podobnie
- czy problem z referencji odpowiada problemowi leada
- czy przykład jest nadal aktualny
- czy klient zgodził się na użycie tej referencji
- czy opis nie ujawnia danych, których nie wolno pokazywać
Jeśli agent regularnie myli się w jednym miejscu, poprawiasz dane albo instrukcję. Nie liczysz na to, że następnym razem sam się domyśli.
Po czym poznasz, że ten proces działa
Pierwszy sygnał nie jest technologiczny. Jest praktyczny. Handlowcy przestają szukać referencji po folderach, wiadomościach i starych notatkach, bo szybciej jest sprawdzić listę od agenta.
Drugi sygnał to jakość rozmów. Handlowiec wchodzi na spotkanie z konkretnym przykładem klienta, a nie z ogólnym "robiliśmy podobne rzeczy". Trzeci sygnał to uwagi zespołu: które referencje są wybierane, które są stale odrzucane i gdzie w danych widać bałagan.
Taki proces warto też normalnie mierzyć. Jeśli chcesz spiąć go z wynikiem sprzedaży, przyda się tekst Jak policzyć ROI z AI.
Od czego zacząć w tym tygodniu
Nie zaczynaj od wyboru platformy. Zacznij od sprawdzenia ostatnich leadów i kilku referencji klientów. Jeśli nie da się ich sensownie dopasować po branży i problemie, agent też tego nie zrobi.
Dopiero potem wybierz narzędzie, napisz pierwszą instrukcję i przetestuj ją na kilku znanych rozmowach. Jeśli wynik pomaga handlowcowi przygotować spotkanie, rozwijaj proces dalej. Jeśli nie pomaga, wróć do danych. Zwykle tam leży problem.
Źródła
- Automate All the Things, 4 steps to automate ANYTHING with AI agents, 25 lipca 2026 – demonstracja procesu, w którym agent łączy CRM, arkusz referencji i dodatkowe dane o prospekcie, a potem zapisuje sposób działania jako stałą instrukcję.
- Gumloop, HubSpot MCP Server – opis dostępu agenta do kontaktów, firm, deali i danych z CRM.
- Gumloop, Google Sheets MCP Server – opis odczytu, zapisu i wyszukiwania danych w arkuszach przez agenta.
