Prawie każde narzędzie sprzedażowe dopisało w ostatnich latach „AI” do swojej nazwy. Część z tego rzeczywiście zmienia sposób pracy, część jest funkcją sprzed dekady w nowym opakowaniu.
Co działa dzisiaj
Zastosowania, w których modele językowe są naprawdę dobre, mają jedną wspólną cechę: polegają na przetwarzaniu tekstu, który już istnieje, a nie na przewidywaniu przyszłości.
- Streszczanie rozmów. Zamiana pięćdziesięciu minut na strukturę z ustaleniami i zadaniami to zadanie, w którym modele są solidne i przewidywalne.
- Wyciąganie zadań i terminów. Rozpoznanie w rozmowie zdania „prześlę wycenę do czwartku” i zamiana go na zadanie z datą działa bardzo dobrze.
- Pierwsza wersja follow-upu. Nie ostateczna — pierwsza. Człowiek sprawdza i wysyła, ale nie zaczyna od pustej strony.
- Mapowanie treści na pola CRM. Przypisanie fragmentów rozmowy do właściwych pól to zadanie klasyfikacyjne, w którym modele radzą sobie lepiej niż zmęczony człowiek o 18:00.
Co jest obiecujące, ale niedojrzałe
Druga kategoria to zastosowania, które działają w demo i zawodzą w realnym użyciu — najczęściej dlatego, że wymagają danych, których firma nie ma.
Przewidywanie prawdopodobieństwa zamknięcia. Model potrafi znaleźć korelacje w historii dealów, ale jeśli dane historyczne były wpisywane z pamięci w piątkowe popołudnia, uczy się głównie nawyków dokumentacyjnych zespołu.
Automatyczne prowadzenie rozmowy. Podpowiedzi w czasie rzeczywistym brzmią atrakcyjnie, ale w praktyce dzielą uwagę handlowca dokładnie wtedy, gdy powinna być skupiona na kliencie.
Pełna automatyzacja sekwencji. Wysyłanie wiadomości bez udziału człowieka skaluje się świetnie — razem z błędami. Jeden nieadekwatny mail do ważnego klienta kosztuje więcej, niż oszczędza sto zautomatyzowanych.
Co jest marketingiem
Trzecia kategoria to funkcje, które istniały wcześniej i dostały nową etykietę. Scoring leadów oparty na regułach nie stał się sztuczną inteligencją dlatego, że reguły przepisano na wagi. Szablon maila z podstawianiem imienia to nadal szablon.
Prosty test: zapytaj dostawcę, co konkretnie robi model, którego nie zrobiłaby instrukcja warunkowa. Jeśli odpowiedź jest ogólna, prawdopodobnie odpowiedź brzmi „nic”.
Dobre pytanie do dostawcy AI nie brzmi „jak to działa”, tylko „co się dzieje, gdy się pomyli”.
Pytanie, które warto zadać przed wyborem
Poza samą funkcjonalnością są trzy kwestie, które decydują o tym, czy narzędzie da się w ogóle wdrożyć w europejskiej firmie.
Gdzie przetwarzane są dane i czy transkrypcje trafiają do modeli poza UE. Czy dane klientów są używane do trenowania modeli — odpowiedź powinna być zapisana w umowie powierzenia, nie w polityce prywatności. I jak długo przechowywane jest audio; najczystszy wariant to taki, w którym nie jest przechowywane wcale.
W Luminote analiza działa na Mistral AI z siedzibą w Paryżu, transkrypcja na modelu Voxtral, hosting we Frankfurcie albo w Warszawie. Bez OpenAI i bez wysyłania danych poza Unię. To nie jest przewaga funkcjonalna — to warunek, żeby dział prawny w ogóle usiadł do rozmowy.
Do zapamiętania
AI w sprzedaży jest dziś naprawdę dobra w przetwarzaniu tego, co już zostało powiedziane, i słaba w przewidywaniu, co się wydarzy. Kupuj to pierwsze, traktuj drugie z rezerwą.