Agent AI w sprzedaży B2B: co pokazał test CRMArena-Pro i 12 pytań, które zadasz dostawcy

Agent AI w sprzedaży potrafi dziś uzupełnić CRM, napisać szkic maila i posortować odpowiedzi na kampanię szybciej niż jakikolwiek handlowiec. Ale kiedy rozmowa z klientem trwa dłużej niż jedną wymianę zdań, najlepsze modele w niezależnym teście kończyły zadanie poprawnie w nieco ponad co trzecim przypadku.

Piszę ten tekst, bo przez ostatnie miesiące na każdym drugim spotkaniu słyszę to samo pytanie: „Piotr, czy agenci AI w sprzedaży zastąpią nam call center, telemarketing i połowę działu handlowego?”. Dostawcy odpowiadają na nie z entuzjazmem. Ja odpowiadam ostrożniej, bo od lat zajmuję się generowaniem leadów i pozyskiwaniem klientów B2B, a od roku wdrażam też automatyzację sprzedaży u klientów hotLead. Widzę, gdzie agent działa jak dobrze naoliwiona maszyna, a gdzie produkuje elegancko sformatowane bzdury na podstawie zaśmieconej bazy. W polskim internecie prawie nikt nie pisze o tym krytycznie, więc zrobię to ja, z danymi i źródłami.

W artykule znajdziesz:

• czym agent AI różni się od chatbota i zwykłej automatyzacji (z tabelą, którą możesz pokazać zarządowi),
• co agenci AI w sprzedaży robią dobrze już dziś, a gdzie wyniki testów są słabe,
• dlaczego złe dane w CRM potrafią zamienić drogie wdrożenie w generator błędów,
• czego dostawca nie powie Ci na prezentacji: od „agent washingu” po odpowiedzialność prawną za to, co powie bot,
• co to wszystko oznacza dla polskich firm, w tym AI Act i art. 398 Prawa komunikacji elektronicznej,
• 12 pytań do dostawcy, które warto mieć wydrukowane przed spotkaniem,
• kiedy agent ma sens, a kiedy lepiej postawić na ludzi, usługi telemarketingowe albo outsourcing sprzedaży.

Czym agent AI różni się od chatbota i zwykłej automatyzacji

Najprościej: automatyzacja wykonuje z góry zapisane kroki, chatbot odpowiada na pytania, a agent AI sam decyduje, jakie kroki wykonać, żeby osiągnąć cel. Ta trzecia cecha jest jedyną, która uzasadnia wyższą cenę. Kiedy dostawca pokazuje mi „agenta”, zawsze pytam, co dokładnie system postanawia sam, bez reguły napisanej przez człowieka. Zaskakująco często odpowiedź brzmi: nic. To jest scenariusz w Make albo n8n z modelem językowym podpiętym do jednego kroku, który pisze tekst maila. Dobry scenariusz, czasem bardzo przydatny, ale nazywanie go agentem to marketing. I to marketing, za który płacisz.

Agent w prawdziwym znaczeniu dostaje zadanie typu „umów spotkanie z decydentem w tej firmie” i sam wybiera narzędzia: sprawdza CRM, szuka informacji o firmie, pisze wiadomość, czyta odpowiedź, proponuje termin, aktualizuje rekord. Brzmi świetnie. Problem w tym, że każda z tych decyzji to miejsce, w którym model może się pomylić, a pomyłki się sumują. Automatyzacja regułowa myli się przewidywalnie, bo robi dokładnie to, co jej każesz. Agent myli się kreatywnie. W sprzedaży B2B, gdzie jeden zły mail do zarządu dużego klienta potrafi zamknąć drzwi na rok, ta różnica ma znaczenie.

Jest jeszcze czwarta kategoria, o której mało kto mówi: asystent, czyli model, który przygotowuje coś dla człowieka, a człowiek klika „wyślij”. W naszych wdrożeniach automatyzacji sprzedaży to właśnie ten model daje najwięcej i najszybciej. AI streszcza, szkicuje i klasyfikuje, a decyzję o wysyłce, rabacie, zamknięciu szansy i kontakcie z klientem podejmuje człowiek. Nudne? Trochę. Ale po pół roku nadal działa, a zespół mu ufa.

„Pytanie, które zadaję każdemu dostawcy, brzmi: pokaż mi jedną decyzję, którą twój agent podejmuje sam. Jeśli nie potrafi jej pokazać, kupuję automatyzację, a nie agenta, i chcę za nią płacić jak za automatyzację.” Piotr Wolniewicz, Właściciel hotLead.pl

Co agenci AI w sprzedaży robią dobrze już dziś

Agenci radzą sobie najlepiej tam, gdzie zadanie jest krótkie, dane są uporządkowane, a skutek błędu łatwo cofnąć. Widać to zarówno w testach, jak i w deklaracjach samych handlowców. Według raportu Salesforce State of Sales 2026 jakąś formę AI stosuje 87% organizacji sprzedażowych, a 54% używa już agentów w cyklu sprzedaży. Badanie objęło ponad 4000 osób z działów sprzedaży. Uczciwie dodam, że to raport producenta platformy agentowej, więc entuzjazm respondentów jest częścią przekazu. Ale nawet z tą poprawką widać, w których zadaniach ludzie czują realną ulgę.

Sprzedawcy liczą, że po pełnym wdrożeniu agenci skrócą czas researchu potencjalnych klientów o 34%, a pisania maili o 36%. Zwróć uwagę na słowo „liczą”: to oczekiwania, nie zmierzony wynik. Z mojej praktyki wynika, że te dwa obszary rzeczywiście dają szybki zwrot, bo handlowiec i tak sprawdza efekt przed wysłaniem. W teście CRMArena-Pro, o którym więcej za chwilę, najłatwiejsza okazała się kategoria wykonywania przepływów pracy: Gemini 2.5 Pro przekroczył w niej 83% skuteczności w zadaniach jednoetapowych. Czyli kiedy agent ma zrobić jedną, dobrze określoną rzecz w systemie, robi ją zwykle poprawnie.

Lista zadań, w których agent albo asystent AI sprawdza się u naszych klientów:

1. Karta firmy przed telefonem: kilka zdań o działalności, zmianach w zarządzie, rekrutacjach, ostatnich przetargach.
2. Sortowanie odpowiedzi na cold mailing: „zainteresowany”, „nie teraz, wróć w marcu”, „wypisz mnie”, „autoodpowiedź z urlopu”.
3. Notatka z nagrania rozmowy z ustaleniami, obiekcjami i zadaniami, wpisana do CRM.
4. Szkic maila po spotkaniu, który handlowiec poprawia w dwie minuty zamiast pisać przez piętnaście.
5. Wypełnianie pól kwalifikacyjnych z transkrypcji i oznaczanie braków jako pytań na następną rozmowę.
6. Przypomnienie o ofercie bez odpowiedzi razem z gotowym szkicem ponowienia.

Każda z tych rzeczy ma wspólną cechę: kończy się decyzją człowieka. I dlatego działa. Salesforce podaje, że handlowcy spędzają 60% czasu na zadaniach niesprzedażowych, więc nawet skromne odciążenie z administracji to realne godziny oddane na rozmowy. To jest wsparcie sprzedaży w najczystszej postaci. Nie rewolucja, tylko mniej przepisywania.

Gdzie agent się sypie: wyniki testu CRMArena-Pro

W rozmowie z klientem, która wymaga dopytania o brakujące informacje, nawet najlepsze modele zawodzą częściej, niż wygrywają. To najważniejszy wniosek z testu CRMArena-Pro, przygotowanego przez Salesforce AI Research i opublikowanego w czerwcu 2025 roku. Czołowe agenty oparte na modelach językowych osiągnęły około 58% skuteczności w zadaniach jednoetapowych, a w scenariuszach wieloetapowych ich wynik spadał do 35%. Test obejmował sprzedaż, obsługę klienta i wyceny (CPQ, czyli konfigurowanie produktu, ustalanie ceny i przygotowanie oferty), zarówno w realiach B2B, jak i B2C. Dane były syntetyczne, ale sprawdzone przez ekspertów od CRM. To ważne, bo sam producent platformy sprzedażowej przyznał w ten sposób, że ogólne modele nie są gotowe do samodzielnej pracy w firmie.

Dlaczego agent przegrywa w dłuższej rozmowie? Badacze przeanalizowali nieudane zadania wieloetapowe modelu Gemini 2.5 Pro i w 9 na 20 przypadków agent nie zdobył wszystkich informacji potrzebnych do wykonania zadania. Po prostu nie zapytał. Każdy, kto szkolił młodego handlowca, zna ten problem: najgorsze są nie złe odpowiedzi, tylko pytania, których nikt nie zadał. W cold callingu i telemarketingu uczymy ludzi dopytywania przez tygodnie. Model tego nie umie, bo nie wie, czego nie wie.

Jeszcze bardziej niepokojąca jest poufność. Agenci wykazali niemal zerową wbudowaną świadomość tego, jakich informacji nie wolno ujawniać. Wyobraź sobie agenta, który na pytanie klienta „a jaki rabat dostała firma X?” sprawdza CRM i uczciwie odpowiada. Albo przekazuje marżę, bo ktoś zadał sprytne pytanie. W ludzkim zespole takie rzeczy reguluje szkolenie i zdrowy rozsądek. W agencie musisz je zbudować twardymi blokadami, bo model sam ich nie ma.

Andrej Karpathy w rozmowie z Dwarkeshem Patelem ujął to bez znieczulenia: „Brakuje im zdolności poznawczych i to po prostu nie działa.” / “They’re cognitively lacking and it’s just not working.” Mówił o agentach ogólnie, nie o sprzedaży, i dodał, że problemy uważa za rozwiązywalne w perspektywie mniej więcej dekady. Dla właściciela firmy wniosek jest praktyczny: kupuj to, co działa dziś, nie to, co ma działać za kilka lat.

Złe dane w CRM: najdroższy problem, o którym nikt nie mówi na demo

Agent AI jest dokładnie tak dobry jak dane, na których pracuje, a w większości polskich firm, które widzę, CRM jest śmietnikiem. Duplikaty, firmy bez NIP-u, kontakty do osób, które odeszły dwa lata temu, etapy szans, których nikt nie aktualizował od kwartału. Na demo dostawcy wszystko wygląda pięknie, bo demo działa na czystej, przygotowanej bazie. Twoja baza taka nie jest. Mówi to nawet sam Salesforce. Adam Alfano, wiceprezes wykonawczy ds. sprzedaży w tej firmie, przyznał: „Samodzielne agenty bez pełnego kontekstu klienta zwykle zawodzą.” / “Stand-alone agents without comprehensive customer context tend to fail.”

Liczby z tego samego raportu potwierdzają skalę problemu. 74% zespołów sprzedażowych korzystających z AI stawia higienę danych na pierwszym miejscu, a 84% liderów działów danych i analityki zgadza się, że wyniki AI są tylko tak dobre jak dane wejściowe. Dodatkowo 51% sprzedawców mówi, że obawy o bezpieczeństwo danych wstrzymują ich projekty AI. Czyli połowa rynku ma z danymi problem na tyle poważny, że projekty stoją. A dostawca na prezentacji o tym milczy, bo „sprzątanie CRM” nie sprzedaje się tak dobrze jak „autonomiczny agent”.

Ostatni wiersz to specyfika polska, której zagraniczne narzędzia często nie rozumieją. Wołacz imienia, odmiana nazwy firmy, forma „Pani”/„Pan” w zależności od płci: to drobiazgi, po których decydent w ułamku sekundy rozpoznaje masówkę. W naszych wdrożeniach każdy proces piszący wiadomości przechodzi osobny test odmiany na danych klienta. Bez tego nawet najlepszy agent wygląda jak tani spam.

Patrzę na agentów AI w sprzedaży z mieszanymi uczuciami i nie chcę udawać, że mam gotową odpowiedź. Z jednej strony widzę realną oszczędność: handlowcy, którzy przestali przepisywać notatki i ręcznie ponawiać oferty, mają więcej czasu na rozmowy, a to rozmowy zamykają transakcje. Z drugiej strony widzę firmy, które kupiły „autonomicznego agenta” do bazy, której nikt nie sprzątał od lat, i dziwią się, że klienci dostają maile z pomyloną nazwą firmy. Technologia nie jest tu winna. Winne jest oczekiwanie, że model naprawi bałagan, którego nie naprawili ludzie.

Dlatego zanim ktokolwiek mnie zapyta o agenta, pytam o CRM. Ile w nim duplikatów? Kto odpowiada za aktualność danych? Co się dzieje z leadem w ciągu pierwszej godziny? Jeśli nikt nie zna odpowiedzi, agent tylko przyspieszy chaos. Otwartym pytaniem pozostaje dla mnie, jak dużo autonomii firmy B2B naprawdę chcą oddać maszynie w relacji z klientem, który podpisuje umowy na setki tysięcy złotych. Nie wiem, czy za dwa lata odpowiedź będzie inna. Dziś radzę: niech model przygotowuje, a człowiek decyduje.

Piotr Wolniewicz, Właściciel hotLead.pl

Czego dostawca agenta AI nie powie Ci na prezentacji

Dostawca nie powie Ci, że duża część rynku sprzedaje pod nazwą „agent” coś, co agentem nie jest, i że za błędy jego bota odpowiadasz Ty. Pierwszy problem ma nawet nazwę. Gartner w komunikacie z 25 czerwca 2025 roku opisał zjawisko „agent washingu”, czyli przemianowywania istniejących produktów, takich jak asystenci AI, automatyzacja RPA i chatboty, bez istotnych możliwości agentowych. Według szacunków Gartnera tylko około 130 z tysięcy firm deklarujących agentową AI dostarcza rzeczywiste możliwości agentowe. Anushree Verma, starsza dyrektor analityczna Gartnera, dodała zdanie, które powiesiłbym nad biurkiem każdego dyrektora sprzedaży: „Wiele zastosowań przedstawianych dziś jako agentowe nie wymaga wdrożeń agentowych.” / “Many use cases positioned as agentic today don’t require agentic implementations.”

Ten sam komunikat zawiera prognozę, która powinna ostudzić każdy zachwyt. Gartner przewiduje, że ponad 40% projektów agentowej AI zostanie anulowanych do końca 2027 roku z powodu rosnących kosztów, niejasnej wartości biznesowej lub słabej kontroli ryzyka. Jednocześnie analitycy nie skreślają technologii: przewidują, że do 2028 roku 15% codziennych decyzji w pracy będą podejmować autonomicznie agenci AI, wobec 0% w 2024 roku. Obie liczby mogą być prawdziwe naraz. Technologia ma przyszłość, a wiele dzisiejszych projektów i tak upadnie, bo zaczęto je od złego końca.

Drugi problem to odpowiedzialność. W 2022 roku Jake Moffatt zapytał chatbota Air Canada o zniżkę dla osób jadących na pogrzeb. Bot odpowiedział, że zniżkę można wnioskować po zakupie biletu, co było nieprawdą. Linia odmówiła zwrotu, a przed trybunałem broniła się tym, że za informacje chatbota nie odpowiada. Członek trybunału Christopher C. Rivers zauważył, że w ten sposób przewoźnik sugeruje, że „chatbot jest odrębnym podmiotem prawnym, odpowiedzialnym za własne działania” / “the chatbot is a separate legal entity that is responsible for its own actions”. Trybunał nakazał zapłatę 812,02 dolara kanadyjskiego, obejmujących zwrot, odsetki i opłaty w orzeczeniu z 14 lutego 2024 roku. Kwota śmieszna, precedens poważny: firma odpowiada za to, co powie jej bot.

Co jeszcze zwykle pomija się na prezentacji:

• koszt zużycia modeli rozliczany od liczby zapytań, który przy chatbocie na stronie albo agencie przeglądającym CRM rośnie razem z ruchem,
• koszt integracji, bo agent bez dostępu do Twojej poczty, kalendarza i CRM jest tylko generatorem tekstu,
• koszt nadzoru: ktoś musi czytać, co agent wysłał, i poprawiać jego błędy, zwłaszcza w pierwszych tygodniach,
• uzależnienie od dostawcy: konta, licencje i przepływy zapisane na jego firmie, a nie Twojej,
• brak historii decyzji: jeśli system nie zapisuje, dlaczego agent coś zrobił, nie dojdziesz do przyczyny błędu.

Co to oznacza dla polskich firm

Polskie firmy są w dobrym momencie, żeby uczyć się na cudzych błędach, bo większość z nich dopiero zaczyna. Według raportu GUS „Społeczeństwo informacyjne w Polsce w 2026 r.” technologie AI stosowało 17,8% przedsiębiorstw, o 9,1 punktu procentowego więcej niż rok wcześniej, a najczęstszym obszarem zastosowań był marketing i sprzedaż, gdzie AI wykorzystywało 11,1% firm. Odsetek się podwoił, ale nadal ponad cztery na pięć firm AI nie stosuje. Polski Instytut Ekonomiczny zwracał uwagę we wrześniu 2025 roku, że w zależności od źródła z rozwiązań AI korzysta w Polsce od blisko 6 do 16% firm, a inicjatywy często pojawiają się oddolnie, z inicjatywy pracowników, a nie jako element strategii firmy. Czyli handlowcy już wklejają dane klientów do darmowych czatów, a zarząd o tym nie wie.

Dla polskiej sprzedaży są jeszcze dwie regulacje, o których dostawcy z Doliny Krzemowej nie mają pojęcia. Pierwsza to AI Act. Obowiązki przejrzystości z art. 50 AI Act stosuje się od 2 sierpnia 2026 roku, a Digital Omnibus (rozporządzenie 2026/1744), który wszedł w życie 27 lipca 2026 roku, przesunął wymogi dla systemów wysokiego ryzyka na grudzień 2027 roku, ale terminu z art. 50 nie ruszył. W praktyce: chatbot i voicebot muszą informować rozmówcę, że jest AI, chyba że wynika to jasno z okoliczności. Za naruszenia grozi do 15 mln euro albo 3% światowego obrotu, przy czym dla MŚP stosuje się niższą z tych kwot. Wiele firm przeoczyło ten termin, bo czytało nagłówki o „opóźnieniu AI Act”.

Druga regulacja dotyczy każdego, kto myśli o agencie, który sam dzwoni do firm. Art. 398 Prawa komunikacji elektronicznej zakazuje używania automatycznych systemów wywołujących i telekomunikacyjnych urządzeń końcowych do przekazywania informacji handlowej, w tym marketingu bezpośredniego, bez uprzedniej zgody odbiorcy. Przepis obowiązuje od 10 listopada 2024 roku i obejmuje także kontakty B2B. Czy głosowy agent AI to „automatyczny system wywołujący”? Prawnicy nie są zgodni i ja tej kwestii nie rozstrzygnę. Ale skoro zgoda jest wymagana i tak, przy samym urządzeniu końcowym, dyskusja jest dość akademicka. Kupiona baza numerów bez zgód to zły fundament dla jakiegokolwiek agenta.

Co z tego wynika dla polskiego dyrektora sprzedaży:

1. Zacznij od inwentaryzacji: gdzie Twoi ludzie już używają AI i jakie dane tam trafiają.
2. Każdy chatbot i voicebot na stronie musi się przedstawić jako AI, i to od teraz, nie od przyszłego roku.
3. Agenta wychodzącego, który sam dzwoni albo pisze do nowych firm, traktuj jak kampanię marketingową ze wszystkimi wymogami zgód.
4. Polska odmiana imion, nazw firm i form grzecznościowych to osobny test odbiorowy, nie drobiazg.

12 pytań do dostawcy agenta AI przed podpisaniem umowy

Zanim podpiszesz umowę, zadaj dostawcy poniższe pytania i poproś o odpowiedzi na piśmie. Zebrałem je z naszych wdrożeń, rozmów z klientami i z tego, co przeczytałem w testach opisanych wyżej. Jeśli dostawca na połowę z nich odpowiada ogólnikami, masz odpowiedź na pytanie, czy kupujesz agenta, czy prezentację. Nie musisz rozumieć techniki, żeby ocenić odpowiedzi. Wystarczy, że będziesz uważnie słuchać, czy padają konkrety: liczby, nazwy systemów, przykłady z Twojej branży.

1. Jaką decyzję Twój agent podejmuje sam, bez reguły zapisanej przez człowieka? Poproś o konkretny przykład z działającego wdrożenia.
2. Na jakich danych pokazujecie demo? I czy możecie pokazać to samo na próbce mojego CRM, z moimi duplikatami?
3. Co agent robi, kiedy brakuje mu informacji? Pyta, zgaduje czy przerywa zadanie?
4. Które działania wymagają zatwierdzenia przez człowieka? Wysyłka, rabat, zmiana etapu szansy, kontakt z nową osobą.
5. Jak blokujecie ujawnianie informacji poufnych? Rabaty innych klientów, marże, dane osobowe.
6. Czy agent zapisuje, dlaczego podjął daną decyzję? Gdzie mogę przeczytać tę historię?
7. Jak agent przedstawia się rozmówcy? Pokaż mi dokładny tekst zgodny z art. 50 AI Act.
8. Na jakiej podstawie prawnej agent kontaktuje się z nowymi firmami? Szczególnie przy telefonach i wiadomościach wychodzących.
9. Ile kosztuje zużycie modeli przy moim wolumenie? I kto płaci, kiedy agent zapętli się w nocy.
10. Na czyją firmę są zapisane konta, licencje i przepływy? Co zostaje u mnie, jeśli zakończymy współpracę?
11. Jak zmierzymy, czy wdrożenie działa? Jakie liczby powinny się zmienić i w jakim czasie?
12. Jaki procent Waszych wdrożeń działa po roku? Jeśli dostawca nie wie albo nie chce powiedzieć, to też jest odpowiedź.

Pytanie jedenaste jest dla mnie najważniejsze. U nas podstawową miarą jest czas reakcji: od leada do pierwszego kontaktu, od oferty do ponowienia, od zapytania do odpowiedzi. Jeśli po wdrożeniu mediana się nie zmieniła, coś poszło źle i widać to w liczbach, a nie w odczuciach. Dostawca, który mierzy sukces „zadowoleniem zespołu” albo liczbą wysłanych maili, mierzy coś, co łatwo podkręcić. Liczy się to, czy więcej leadów zamienia się w spotkania i umowy.

Kiedy agent AI ma sens, a kiedy lepiej postawić na ludzi

Agent ma sens, gdy zadanie jest powtarzalne, krótkie i odwracalne, a dane są czyste. Ludzie wygrywają tam, gdzie rozmowa jest długa, stawka wysoka, a klient zadaje pytania spoza scenariusza. Ta granica przebiega inaczej w każdej firmie, więc zamiast ogólnego „to zależy” podam warianty, które widzę najczęściej. Nie traktuj ich jak przepisu, raczej jak punkt wyjścia do rozmowy z zespołem. I pamiętaj, że to nie jest wybór zero-jedynkowy: najlepiej działają układy, w których model przygotowuje, a człowiek rozmawia.

• Jeśli masz dużo leadów przychodzących i odpowiadasz na nie następnego dnia, zacznij od automatyzacji obsługi leadów: powiadomienie handlowca, kwalifikacja, przydział. To szybki zwrot i niskie ryzyko.
• Jeśli CRM jest zaśmiecony, nie kupuj agenta. Najpierw audyt i sprzątanie bazy, potem procesy, które same uzupełniają CRM (logowanie maili, notatki z rozmów). Opisujemy to szerzej przy automatyzacji CRM i pipeline.
• Jeśli sprzedajesz złożone usługi B2B z długim cyklem decyzyjnym, pierwszy kontakt z decydentem zostaw ludziom. Tu wygrywa doświadczony konsultant call center albo handlowiec, który umie dopytać.
• Jeśli potrzebujesz skali w pozyskiwaniu klientów, a nie masz zespołu, rozważ outsourcing sprzedaży lub usługi telemarketingowe zamiast budowania agenta od zera. Agent bez ludzi, którzy podejmą gorące leady, nic nie zamknie.
• Jeśli działasz w branży regulowanej (finanse, windykacja, faktoring), każdy kontakt automatyczny przechodzi przez prawnika, zanim ruszy.

U nas w hotLead to połączenie wygląda tak: rozmowy z decydentami prowadzą ludzie w ramach Modelu 3P, cold mailing wspiera model, który pisze szkice i sortuje odpowiedzi, a obsługę leadu po przekazaniu porządkujemy w ramach automatyzacji procesu sprzedaży w ośmiu obszarach. Generowanie leadów i automatyzacja nie konkurują ze sobą. Jedno dostarcza rozmowy, drugie pilnuje, żeby żadna się nie zmarnowała. Automatyzacja na pustej bazie liczy po prostu szybciej zero.

„Agent może napisać sto maili w minutę. Ale umowę na pół miliona złotych podpisuje człowiek, który zaufał drugiemu człowiekowi. Moja rada: oddaj maszynie przepisywanie, a zostaw sobie rozmowy.” Piotr Wolniewicz, Właściciel hotLead.pl

FAQ: najczęstsze pytania o agentów AI w sprzedaży

Czy agent AI zastąpi call center albo handlowców?
Nie w przewidywalnej przyszłości, a na pewno nie w sprzedaży B2B z długim cyklem decyzyjnym. W teście CRMArena-Pro najlepsze modele kończyły poprawnie około 35% zadań wymagających dłuższej rozmowy. Agent dobrze odciąża ludzi z administracji: notatek, ponowień, uzupełniania CRM. Rozmowa z decydentem, dopytywanie i budowanie zaufania nadal należą do człowieka.

Czym różni się agent AI od chatbota na stronie?
Chatbot odpowiada na pytania według scenariusza albo bazy wiedzy. Agent dostaje cel i sam wybiera kroki, korzystając z narzędzi takich jak CRM, poczta czy kalendarz. W praktyce wiele produktów sprzedawanych jako agenci to chatboty albo automatyzacje z nową etykietą. Gartner nazywa to zjawisko „agent washingiem”.

Od czego zacząć, jeśli chcemy wdrożyć AI w dziale sprzedaży?
Od procesów, które kończą się decyzją człowieka i dają mierzalny efekt w pierwszych tygodniach. Najczęściej to obsługa leadów przychodzących i automatyczne uzupełnianie CRM. Przed jakimkolwiek procesem opartym na danych zrób audyt CRM. Agenta z dużą autonomią wdrażaj dopiero, gdy prostsze elementy działają.

Czy voicebot albo agent AI może dzwonić do firm bez zgody?
Art. 398 Prawa komunikacji elektronicznej wymaga uprzedniej zgody na marketing bezpośredni z użyciem urządzeń końcowych i automatycznych systemów wywołujących, także wobec firm. Czy głosowy agent AI to automatyczny system wywołujący, jest kwestią sporną wśród prawników. Bezpieczne założenie to traktować go jak każdą kampanię marketingową wymagającą zgody. Przed startem skonsultuj to z prawnikiem.

Czy muszę informować klienta, że rozmawia z AI?
Tak, od 2 sierpnia 2026 roku obowiązują wymogi przejrzystości z art. 50 AI Act. Rozmówca ma wiedzieć, że ma do czynienia z systemem AI, chyba że jasno wynika to z kontekstu. Digital Omnibus nie przesunął tego terminu. Sprawdź dokładnie, jak przedstawia się Twój chatbot i voicebot.

Ile kosztuje agent AI w sprzedaży?
Na całkowity koszt składa się licencja lub wdrożenie, integracje z Twoimi systemami, zużycie modeli rozliczane od wolumenu oraz czas ludzi, którzy nadzorują pracę agenta. Ten ostatni element dostawcy pomijają najczęściej. Poproś o symulację kosztów na Twoim realnym wolumenie leadów i maili. Gartner jako jedną z przyczyn anulowania projektów agentowych wskazuje właśnie rosnące koszty.

Jak sprawdzić, czy agent AI faktycznie działa?
Zmierz konkretne liczby przed wdrożeniem i po nim: czas od leada do pierwszego kontaktu, odsetek ofert ponowionych na czas, liczbę umówionych spotkań. Liczba wysłanych wiadomości nie jest miarą sukcesu, bo łatwo ją sztucznie zwiększyć. Sprawdzaj też próbkę tego, co agent wysłał, szczególnie w pierwszych tygodniach.

Podsumowanie: agent na smyczy jest lepszy niż agent na wolności

Jeśli dotarłeś aż tutaj, wiesz już więcej niż większość osób, które w tym tygodniu podpiszą umowę na „autonomicznego agenta sprzedażowego”. Wiesz, że 58% w prostym zadaniu i 35% w rozmowie to wynik najlepszych modeli, a nie przeciętnych. Wiesz, że Gartner widzi w branży około 130 prawdziwych dostawców na tysiące deklarujących. Wiesz, że za słowa bota odpowiada firma, co boleśnie odkryła Air Canada. I masz 12 pytań, po których dostawca albo pokaże konkrety, albo zacznie mówić o „przyszłości”.

Moje stanowisko jest proste: agenci AI w sprzedaży są świetnymi asystentami i słabymi samodzielnymi pracownikami. Daj im przepisywanie, sortowanie i pierwsze szkice. Rozmowy, rabaty i relacje zostaw ludziom. A zanim kupisz cokolwiek z „AI” w nazwie, posprzątaj CRM, bo żaden model nie zrobi tego za Ciebie.

A jak to wygląda u Ciebie? Masz już za sobą wdrożenie agenta, które się udało, albo takie, które skończyło się wyłączeniem po trzech miesiącach? Napisz w komentarzu, chętnie porównam doświadczenia. Jeśli znasz dyrektora sprzedaży, który właśnie ogląda demo „rewolucyjnego agenta”, wyślij mu ten tekst razem z listą pytań. Podziękuje Ci za to szybciej niż dostawca.

Źródła i metodologia

Artykuł powstał na podstawie analizy zespołu hotLead.pl oraz dodatkowych źródeł, w tym publikacji naukowej Salesforce AI Research „CRMArena-Pro: Holistic Assessment of LLM Agents Across Diverse Business Scenarios and Interactions” (2025), komunikatu prasowego Gartner z 25 czerwca 2025 roku, raportu Salesforce State of Sales 2026, orzeczenia British Columbia Civil Resolution Tribunal w sprawie Moffatt v. Air Canada (2024 BCCRT 149), wywiadu Andreja Karpathy’ego w Dwarkesh Podcast (17 października 2025), materiałów Komisji Europejskiej i kancelarii prawnych dotyczących art. 50 AI Act i rozporządzenia Digital Omnibus 2026/1744, a także relacji TechRadar, The Decoder i Fortune. Dane o Polsce pochodzą z raportu GUS „Społeczeństwo informacyjne w Polsce w 2026 r.”, opracowania Polskiego Instytutu Ekonomicznego „AI w polskich przedsiębiorstwach” (wrzesień 2025) oraz ustawy z 12 lipca 2024 r. Prawo komunikacji elektronicznej (Dz.U. 2024 poz. 1221). Cytaty Anushree Verma (Gartner), Adama Alfano (Salesforce), Andreja Karpathy’ego oraz Christophera C. Riversa (BC Civil Resolution Tribunal) zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz i ocena kontekstu branżowego: Piotr Wolniewicz, Właściciel hotLead.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych badań skuteczności agentów AI w sprzedaży oraz wytycznych do art. 50 AI Act.