Nowy lead z formularza zwykle wpada do skrzynki, czeka na odczyt i dopiero potem trafia do CRM. To spowalnia reakcję zespołu i miesza priorytety, zwłaszcza gdy kilka osób pracuje na zmianę albo leady wpadają po godzinach. Workflow z ChatGPT i Zapierem skraca ten etap: formularz uruchamia automatyzację, model dostaje tylko dane potrzebne do oceny, oddaje wynik w ustalonym schemacie, a CRM zapisuje priorytet i notatkę dla handlowca.
Najważniejsze zastrzeżenie jest proste: ten układ nie powinien sam wysyłać odpowiedzi do leada bez punktu akceptacji człowieka. Automatyzacja ma przyspieszyć ocenę i porządek w CRM, ale decyzja o follow-upie nadal należy do sprzedawcy.
Jak działa ten workflow w praktyce
Najprostszy wariant wygląda tak:
1. Lead wypełnia formularz.
2. Zapier pobiera pola z formularza.
3. ChatGPT dostaje dane opisujące firmę, problem, budżet i termin.
4. Model zwraca wynik w stałym formacie, najlepiej jako JSON.
5. Zapier zapisuje ten wynik w CRM.
6. Sprzedawca dostaje prośbę o akceptację i dopiero po niej rusza follow-up.
Tę samą logikę da się zbudować także dla maila z zapytaniem ofertowym, ale formularz daje lepszy punkt startu. Dane są bardziej uporządkowane, więc mniej rzeczy trzeba zgadywać.
Jakie dane wysłać do modelu
Nie ma powodu, żeby do promptu trafiało wszystko. Do modelu warto wysyłać tylko dane potrzebne do oceny leada, a dane identyfikacyjne mapować od razu do CRM.
| Pole w formularzu | Do Zapiera | Do ChatGPT | Przykład |
|---|---|---|---|
| Tak | Nie | jan@firma.pl | |
| Imię i nazwisko | Tak | Nie | Jan Kowalski |
| Firma | Tak | Tak | TechCorp |
| Branża | Tak | Tak | SaaS |
| Liczba pracowników | Tak | Tak | 50-200 |
| Budżet | Tak | Tak | 20 000-50 000 zł rocznie |
| Opis problemu | Tak | Tak | CRM nie jest uzupełniany po leadach |
| Termin wdrożenia | Tak | Tak | Q4 2026 |
To podejście wspiera zasadę minimalizacji danych. W praktyce oznacza to tyle, że do modelu wysyłasz tylko to, co jest potrzebne do oceny, a nie cały pakiet danych kontaktowych.
Jak przygotować prompt
Tu nie ma jednego oficjalnego wzorca dla każdej firmy. Najbezpieczniej potraktować prompt jako wewnętrzną instrukcję dla modelu i narzucić mu stały format odpowiedzi.
| Część promptu | Przykład | Po co to jest | ||
|---|---|---|---|---|
| Rola | "Oceń nowy lead sprzedażowy i zwróć tylko JSON." | Ustawia zadanie i ogranicza format | ||
| Kontekst | "Firma: {company}, branża: {industry}, wielkość: {size}, budżet: {budget}, problem: {pain_point}, termin: {timeline}" | Podstawia dane z formularza | ||
| Kryteria | "Oceń dopasowanie budżetu, dopasowanie branży, pilność problemu i realność terminu." | Mówi modelowi, według czego ma oceniać | ||
| Format odpowiedzi | `{"priority":"high | mid | low","budgetFit":1,"industryFit":1,"urgency":1,"timelineFit":1,"summary":"…","suggestedAction":"…"}` | Ułatwia mapowanie wyniku do CRM |
Dwie praktyczne zasady są ważniejsze niż sam wording promptu. Po pierwsze, klucze JSON muszą być zawsze takie same. Po drugie, prompt powinien mówić, co zrobić z pustym polem, na przykład z brakiem budżetu albo bardzo ogólnym opisem problemu.
Gdzie musi wejść człowiek
To jest najważniejsza część całego procesu. Jeśli model ocenia leada, a potem system sam wysyła follow-up, bardzo łatwo o złą kolejność, zły ton albo zwykłe przepchnięcie słabego leada dalej.
Lepszy układ wygląda tak: CRM dostaje rekord, sprzedawca widzi priorytet i krótkie uzasadnienie, a Zapier czeka na akceptację. Dopiero po zatwierdzeniu może ruszyć wiadomość zwrotna, zadanie dla handlowca albo kolejny etap pipeline’u.
W praktyce możesz to rozwiązać na trzy sposoby:
- przez krok Human in the Loop w Zapierze;
- przez Request Approval w Slacku;
- przez prosty wewnętrzny krok akceptacji, jeśli follow-up wychodzi z CRM lub innego narzędzia.
Jeśli sprzedawca regularnie zmienia priorytet po modelu, to zwykle nie jest problem z samym Zapierem. To znak, że kryteria w prompcie nie odpowiadają temu, jak zespół naprawdę kwalifikuje leady.
Jak zapisać wynik w CRM
Nazwy pól zależą od CRM-u, ale logika mapowania zwykle jest podobna.
| Wynik z modelu | Pole w CRM | Przykład użycia |
|---|---|---|
| `priority` | status leada lub tag | `high`, `mid`, `low` |
| `budgetFit` | pole liczbowe | filtrowanie leadów po budżecie |
| `industryFit` | segment lub branża | przypisanie do właściwej grupy |
| `urgency` | priorytet kontaktu | szybszy kontakt dla pilnych leadów |
| `summary` | notatka | krótki opis dla handlowca |
| `suggestedAction` | task lub next step | utworzenie zadania po akceptacji |
Warto dodać jeszcze jeden krok przed zapisem do CRM: sprawdzenie duplikatu po adresie mailowym albo domenie firmy. Bez tego łatwo tworzyć kolejne rekordy dla tej samej organizacji.
Szerzej o porządku danych między narzędziami AI pisaliśmy w materiale o architekturze danych dla AI.
RODO: co ograniczyć, zanim włączysz workflow
W dokumentacji Zapiera znajdziesz technikę workflow, ale nie gotową odpowiedź na polskie obowiązki informacyjne. Dlatego ten fragment traktuj jako redakcyjną listę kontrolną, a nie gotową opinię prawną.
Na poziomie operacyjnym warto zacząć od prostego minimum:
- nie wysyłaj do modelu danych, których nie potrzebujesz do oceny;
- oddziel dane identyfikacyjne od danych opisujących problem;
- sprawdź, gdzie są przechowywane prompty, odpowiedzi i logi automatyzacji;
- ustal, kto w firmie widzi wynik klasyfikacji i jak długo go przechowujesz.
Przed wdrożeniem dobrze uzgodnić z prawnikiem lub DPO kilka pytań:
- czy opis procesu i dostawców jest ujęty w dokumentacji ochrony danych;
- czy formularz jasno informuje o użyciu zewnętrznych narzędzi;
- czy wynik klasyfikacji nie staje się trwałą oceną osoby bez kontroli człowieka;
- czy okres przechowywania leadów i logów jest uzasadniony.
Jeśli chcesz najpierw uporządkować ryzyko danych, zacznij od materiału o shadow AI i kontroli danych.
Najczęstsze błędy w takim wdrożeniu
| Problem | Skąd się bierze | Co poprawić |
|---|---|---|
| Model zwraca tekst zamiast JSON | prompt jest zbyt luźny | doprecyzuj format i dodaj walidację przed zapisem |
| Lead dostaje zły priorytet | kryteria nie pasują do procesu sprzedaży | porównaj oceny modelu z ręczną oceną zespołu |
| CRM odrzuca dane | wartości nie pasują do typu pola | zrób mapowanie do list rozwijanych albo pola tekstowego |
| Powstają duplikaty | brak sprawdzenia istniejącego kontaktu | dodaj lookup przed utworzeniem rekordu |
| Handlowiec klika akceptację bez czytania | checkpoint jest formalnością | pokaż uzasadnienie modelu i wymagaj świadomej decyzji |
Przez pierwsze tygodnie najlepiej testować taki workflow na historycznych leadach. Jeśli model myli się w tych samych sytuacjach, poprawiasz kryteria i dane wejściowe, a nie zgadujesz po omacku.
Co sprawdzić przed startem
Przed uruchomieniem automatyzacji na żywych leadach sprawdź pięć rzeczy:
1. Czy formularz zbiera pola, które naprawdę wpływają na decyzję handlową.
2. Czy prompt zwraca zawsze ten sam schemat odpowiedzi.
3. Czy CRM ma gotowe pola pod priorytet, notatkę i kolejny krok.
4. Czy istnieje obowiązkowy punkt akceptacji człowieka przed follow-upem.
5. Czy zespół zna zasady korekty błędnej klasyfikacji.
Dopiero po takim teście warto myśleć o szerszym automacie. Jeśli ten proces się sprawdzi, następnym krokiem może być bardziej rozbudowany workflow opisany u nas w tekście o autonomicznym CRM.
Ograniczenia tego podejścia
Ten artykuł opiera się głównie na dokumentacji i materiałach Zapiera, zweryfikowanych 1 września 2026 roku. To wystarcza, by opisać sam mechanizm integracji i warianty akceptacji, ale nie potwierdza skuteczności jednego modelu scoringu dla każdej firmy. Nie ma też jednego uniwersalnego mapowania pól dla wszystkich CRM-ów ani gotowej odpowiedzi prawnej dla każdej organizacji w Polsce.
Źródła
- Zapier Blog, "How to automate ChatGPT" – opis integracji ChatGPT z workflow w Zapierze
- Zapier Help, "Request approval to keep your workflow running with Human in the Loop" – oficjalny krok akceptacji w Zapierze
- Zapier Help, "How to set up Slack’s Request Approval action in Zapier" – wariant akceptacji w Slacku
- European Commission, "Principles of the GDPR" – zasada minimalizacji danych w RODO
