Po rozmowie handlowej ChatGPT może zamienić notatki albo transkrypt w draft wpisu do CRM. Taki workflow ma sens tylko wtedy, gdy zespół z góry rozdzieli pola, które AI może proponować, od pól, które musi zatwierdzić handlowiec. Inaczej firma wpisuje dane szybciej, ale traci kontrolę nad ich jakością.
Ten artykuł pokazuje, jak ustawić taki proces: co wkleić do ChatGPT, które pola CRM oddać modelowi, a które zostawić człowiekowi, oraz jak pilnować zatwierdzeń po spotkaniu. To redakcyjny framework do testu we własnym procesie, nie standard potwierdzony szerokim badaniem rynku.
Draft to nie zapis: gdzie kończy się AI, a zaczyna odpowiedzialność handlowca
W opisanym tu procesie ChatGPT nie zapisuje danych do CRM samodzielnie. Przygotowuje propozycję wpisu, którą handlowiec sprawdza, poprawia i dopiero potem zatwierdza.
W praktyce taki obieg wygląda prosto:
1. Handlowiec kończy rozmowę i ma notatki albo transkrypt.
2. Wkleja materiał do ChatGPT z promptem dopasowanym do pól w CRM.
3. Otrzymuje draft wpisu.
4. Sprawdza każde pole i dopiero wtedy zapisuje dane w CRM.
Czwarty krok decyduje o jakości danych. Jeśli handlowiec przepisuje wynik modelu bez weryfikacji, system dostaje tekst poprawny językowo, ale niekoniecznie zgodny z rozmową. Szerzej o porządkowaniu danych sprzedażowych pisaliśmy w tekście o architekturze danych i AI.
Jak zbudować prompt z notatki albo transkryptu
Jakie wejście dać modelowi
ChatGPT może pracować na trzech typach materiału:
- notatce zrobionej ręcznie przez handlowca;
- transkrypcie z narzędzia do nagrywania rozmów, takiego jak Fireflies czy Otter.ai;
- pliku tekstowym przygotowanym z nagrania.
Każdy z tych wariantów ma inny problem. Notatka bywa skrótowa. Transkrypt jest pełniejszy, ale zawiera dygresje i błędy rozpoznawania mowy. Plik tekstowy upraszcza pracę z promptem, ale wymaga osobnej decyzji, czy dane klienta mogą trafić do zewnętrznego modelu.
Niezależnie od formatu wejście powinno zawierać co najmniej datę rozmowy, imię i firmę rozmówcy oraz temat spotkania. Bez tych punktów model częściej zgaduje brakujące elementy.
Przykładowy szkielet promptu
Poniższy szablon jest punktem wyjścia. Trzeba go dopasować do własnego CRM i do nazw pól używanych w zespole.
Jesteś asystentem handlowca B2B. Na podstawie poniższych notatek ze spotkania
przygotuj draft wpisu do CRM.
Notatki:
[WKLEJ TEKST NOTATKI LUB TRANSKRYPTU]
Przygotuj wypełnienie następujących pól:
- Notatka ze spotkania: podsumowanie przebiegu rozmowy, 3-5 zdań
- Dane kontaktu z rozmowy: imię, stanowisko, rola decyzyjna - jeśli wspomniana
- Następny krok: konkretna czynność i orientacyjna data, jeśli padła w rozmowie
- Otwarte pytania: co pozostaje niewyjaśnione lub wymaga potwierdzenia
Nie podawaj wartości transakcji, etapu lejka ani prawdopodobieństwa zamknięcia.
Te pola wypełni handlowiec.
Jeśli jakiegoś elementu nie ma w notatkach, napisz "brak danych".
Nie uzupełniaj informacji domysłem.Końcowa instrukcja ma znaczenie. Model ma naturalną skłonność do domykania pustych miejsc, zwłaszcza gdy notatka jest niepełna. Polecenie "brak danych" nie usuwa tego ryzyka całkiem, ale wyraźnie je ogranicza.
Jak opisać pola CRM, żeby model nie zgadywał
Nie proś ogólnie o "wypełnienie wpisu do CRM". Wymień pola osobno i dopisz, czego model ma w nich szukać. Im szersze polecenie, tym większa swoboda interpretacji.
Warto też wskazać, które pola mają zostać puste, jeśli wymagają oceny handlowca. To dotyczy zwłaszcza etapu lejka, wartości szansy i prawdopodobieństwa zamknięcia. O wpływie AI na codzienny workflow handlowca pisaliśmy też w tekście o AI i automatyzacji umawiania spotkań sprzedażowych.
Które pola CRM może przygotować AI, a które powinien zatwierdzić człowiek
To nie jest uniwersalny standard dla każdego CRM. Traktuj ten podział jako punkt startowy do testu na własnych danych.
| Typ pola CRM | Czy AI może przygotować draft | Na co uważać |
|---|---|---|
| Notatka ze spotkania | Tak | Handlowiec sprawdza, czy podsumowanie niczego nie dopisało i niczego nie pominęło |
| Dane kontaktu wspomniane w rozmowie | Tak, z weryfikacją | Imiona, stanowiska i nazwy firm bywają zniekształcone w transkryptach |
| Następny krok po rozmowie | Tak, jako propozycja | Termin i właściciel zadania wymagają potwierdzenia |
| Otwarte pytania | Tak | Lista pomaga uporządkować rozmowę, ale nie zastępuje decyzji handlowca |
| Wartość transakcji | Nie | To ocena sprzedażowa, nie proste przepisanie tekstu |
| Etap lejka | Nie | Etap zależy od kontekstu relacji i definicji używanych w zespole |
| Prawdopodobieństwo zamknięcia | Nie | Błąd w tym polu szybko psuje forecast |
Pola z dolnej części tabeli wpływają bezpośrednio na pipeline i prognozę. Jeśli AI zacznie tam zgadywać, problem nie kończy się na jednym błędnym wpisie. Zespół podejmuje wtedy decyzje na słabszych danych.
Jak ustawić zatwierdzanie w zespole
Sam prompt nie wystarczy. Zespół potrzebuje prostej zasady, kto i kiedy zatwierdza draft.
W większości procesów wpis powinien zatwierdzać handlowiec prowadzący szansę. To on zna kontekst rozmowy i odpowiada za to, co finalnie trafia do CRM.
Warto też ustalić okno czasowe. Najbezpieczniej zatwierdzać wpis jeszcze tego samego dnia albo najpóźniej następnego dnia roboczego. Po dłuższej przerwie handlowiec częściej akceptuje draft mechanicznie, bo nie pamięta już szczegółów rozmowy.
Niezatwierdzony draft nie powinien działać jak pełnoprawny wpis w CRM. Lepiej oznaczyć go jako roboczy albo wstrzymać zapis, niż dopuścić do pracy na danych, których nikt nie sprawdził.
Do kontroli wystarczy prosty status, etykieta albo zadanie typu "zweryfikowane". W HubSpot, Pipedrive czy Salesforce to zwykle szybsze niż budowanie osobnej automatyzacji na starcie. Szerszy kontekst takiego podejścia opisaliśmy w tekście o autonomicznym CRM.
Co sprawdzić przed uruchomieniem procesu
Zanim zespół zacznie regularnie wrzucać notatki do ChatGPT, warto odpowiedzieć na kilka prostych pytań:
- Czy polityka firmy pozwala wysyłać notatki i transkrypty do zewnętrznego modelu?
- Kto odpowiada za jakość danych w CRM i czy akceptuje taki workflow?
- Jak długo firma przechowuje transkrypty i kto ma do nich dostęp?
- Czy handlowcy wiedzą, że AI przygotowuje propozycję wpisu, a nie wiarygodny zapis rozmowy?
- Czy zespół ma prosty sposób oznaczania wpisów już sprawdzonych i zatwierdzonych?
Jeśli te pytania nie mają właściciela, problemem nie będzie prompt. Problemem będzie brak zasad. Temat niekontrolowanego użycia zewnętrznych modeli szerzej opisaliśmy w artykule o Shadow AI i kontroli danych w firmie.
Jak sprawdzić jakość po pierwszym tygodniu
Po kilku dniach testu warto zrobić krótki przegląd wpisów i sprawdzić cztery rzeczy:
- w ilu draftach AI dopisało coś, czego nie było w notatce albo transkrypcie;
- które pola handlowcy poprawiali najczęściej;
- ile wpisów zostało zatwierdzonych w ustalonym czasie;
- czy są pola, które nadal lepiej zostawić w pełni ręcznie.
Dopiero po takim przeglądzie warto rozszerzać proces na większą część zespołu.
Ograniczenia tego podejścia
Ten workflow nie dowodzi, że każdy dział sprzedaży powinien pracować w taki sam sposób. Materiał źródłowy pokazuje pojedynczy przykład użycia ChatGPT po rozmowie handlowej, a nie wynik szerokiego testu porównawczego.
Rzeczywiste wdrożenie zależy też od polityki danych w firmie, konfiguracji CRM i jakości notatek wejściowych. Jeśli zespół ma chaotyczne pola, różne definicje etapów lejka albo brak właściciela danych, sam prompt tego nie naprawi.
Źródła
- Dylan Davis, "I Stopped Typing Into My CRM. ChatGPT Fills It Now." (YouTube, 29 sierpnia 2026)
- Publiczna prezentacja podlinkowana przez autora filmu
Jeśli chcesz to przetestować, zacznij od jednego typu spotkania i kilku pól CRM. Najpierw porównaj jakość danych po tygodniu, a dopiero potem rozszerz proces na cały zespół.
