Mindset: AI jako asystent, nie zastępca
Przestaw swoje myślenie z 'AI zrobi to za mnie' na 'AI daje mi przewagę w przygotowaniu'. Poznaj zasady współpracy z modelem językowym jako analitykiem junior B2B, który potrzebuje precyzyjnych wytycznych.
Problem i diagnoza
Większość handlowców traktuje sztuczną inteligencję jak leniwy pracownik: oczekują, że po wpisaniu 'napisz ofertę' model domyśli się specyfiki branży, marży, problemów klienta i przewag rynkowych. Gdy otrzymują przeciętny tekst, dochodzą do błędnego wniosku, że 'AI się do sprzedaży nie nadaje'. Prawdziwym problemem jest brak zrozumienia, że model językowy nie posiada własnej woli ani pamięci instytucjonalnej firmy.
Metoda działania krok po kroku
Traktuj model LLM jak piekielnie inteligentnego, ale niedoświadczonego stażystę, który przeczytał wszystkie książki biznesowe świata, ale nie ma pojęcia o Twojej firmie ani Twoim kliencie.
- Zasada Inżynierii Kontekstu: Jakość odpowiedzi modelu jest w 90% determinowana jakością danych wejściowych. Jeśli dasz modelowi pusty prompt, dostaniesz statystyczną średnią internetu (AI Slop). Jeśli wkleisz surowe dane (URL, cytat ze sprawozdania finansowego, fragment transkrypcji), model wyciągnie z nich złoto.
- Iteracja zamiast pojedynczego strzału: Nigdy nie oczekuj idealnego rezultatu po pierwszym zapytaniu. Profesjonalny workflow to: (1) Ekstrakcja faktów -> (2) Formułowanie hipotez -> (3) Generowanie wariantów -> (4) Selekcja i redakcja handlowca.
- Weryfikacja faktograficzna: Model ma tendencję do konfabulacji, gdy brakuje mu danych. Zawsze nakładaj zasadę: 'Jeśli nie znajdziesz tej informacji w dostarczonym tekście, napisz: BRAK DANYCH'.
Praktyczny przykład (ZŁY vs DOBRY)
- ZŁY
- 'Przygotuj analizę spółki InPost pod kątem sprzedaży oprogramowania HR'. Wynik to 4 akapity ogólników o paczkomatach i rozwoju e-commerce, które każdy handlowiec zna.
- DOBRY
- 'Oto fragment ostatniego raportu kwartalnego spółki InPost dotyczący kosztów operacyjnych i zatrudnienia: [CYTAT]. Działasz jako analityk efektywności procesów HR. Wskaż 3 konkretne obszary, w których wzrost liczby kurierów o 24% r/r generuje wąskie gardła w onboardingu i rotacji personelu. Każdy punkt poprzyj liczbą z tekstu'. Wynik to gotowa amunicja na rozmowę z Dyrektorem HR.
Gotowy prompt do skopiowania
Przyjmij rolę: Analityk Sprzedaży B2B przygotowujący odprawę przed rozmową z klientem. Twoje zasady pracy: 1. Odpowiadasz WYŁĄCZNIE na podstawie faktów zawartych w sekcji [DANE KLIENTA]. 2. Jeśli jakaś informacja nie wynika wprost z danych, wpisz: 'BRAK DANYCH W DOKUMENCIE' — nie wymyślaj faktów. 3. Pomiń wszelkie uprzejmości, wstępy i zakończenia. Przejdź od razu do konkretów. Dane klienta: [WKLEJ OPIS FIRMY, WYPIS ZE STRONY LUB CYTAT Z RAPORTU] Zadanie: - Wypisz 3 największe wyzwania operacyjne tej firmy wynikające bezpośrednio z jej skali. - Sformułuj 2 pytania problemowe, które mogę zadać na początku rozmowy, aby sprawdzić, czy te wyzwania są dla nich priorytetem.
Warianty promptu i scenariusze
Wariant rekrutacyjny: Sprawdź ogłoszenia o pracę klienta i wyciągnij technologie oraz braki kadrowe.
Wariant produktowy: Porównaj ofertę klienta z 2 bezpośrednimi konkurentami i wskaż luki w pozycjonowaniu.
Ćwiczenie i checklista wdrożenia
Zadanie praktyczne
Wybierz jedną firmę, do której planujesz się odezwać w tym tygodniu. Pobierz 1 stronę z ich aktualnościami lub raportem. Przetestuj prompt z ograniczeniem 'BRAK DANYCH' i porównaj wynik z ogólnym promptem.
Kryteria sukcesu
Pytania wdrożeniowe i integracja z bazą CEIDG (FAQ)
Jak połączyć technikę „Mindset: AI jako asystent, nie zastępca” z arkuszem nowych firm CEIDG w Google Sheets?
W zadaniu z obszaru Prospecting podstaw pod zmienne w prompcie bezpośrednie kolumny z żywego arkusza prospekting.pl w Google Sheets: nazwę podmiotu (kolumna A), imię właściciela (kolumna E), główny kod PKD 2025/2007 (kolumna I), opis branży wygenerowany przez AI (kolumna K) oraz wykryte zawody decydenta (kolumna L). Pełne wdrożenie zajmuje średnio 10 min.
Jak zweryfikować poprawność wdrożenia lekcji „Mindset: AI jako asystent, nie zastępca” przed skalowaniem?
Przed podpięciem promptu pod automatyzację w Make.com lub n8n przetestuj go ręcznie na próbce 10–15 rekordów i sprawdź listę kontrolną: Zrezygnowano z promptów jednozdaniowych na rzecz promptów z kontekstem i surowymi danymi • Wprowadzono twardą regułę zakazu konfabulacji ('jeśli nie wiesz, napisz BRAK DANYCH') • Każdy wygenerowany materiał przechodzi przez filtr krytyczny handlowca.
Jak stosować wiadomości wygenerowane w tej lekcji zgodnie z RODO (art. 14) i art. 398 PKE?
Przy kontakcie elektronicznym (e-mail lub telefon) z nowo zarejestrowaną działalnością gospodarczą z CEIDG stosuj dwuetapowy model kontaktu zgodny z art. 398 Prawa Komunikacji Elektronicznej (PKE): pierwsza wiadomość powinna weryfikować potrzebę biznesową i pytać o zgodę na przesłanie oferty handlowej wraz ze skróconą klauzulą informacyjną z art. 14 RODO (wzór znajdziesz na stronie Baza firm z e-mailami i telefonami — RODO i PKE).
Powiązane lekcje i następne kroki w procesie
Co AI zmienia w pracy handlowca
Dowiedz się, ile czasu handlowiec traci na powtarzalną pracę (research, notatki, szukanie obiekcji) i jak AI odzyskuje te godziny. Poznasz zasadę 3 elementów promptu: kontekst, surowe dane i precyzyjne zadanie ekstrakcji.
Gdzie AI pomaga, a gdzie przeszkadza
Poznaj matrycę podziału zadań handlowych na strefy ryzyka. Dowiedz się, które procesy możesz w 80% delegować modelom językowym, a gdzie zaangażowanie AI bez nadzoru obniża reply rate i niszczy zaufanie klienta.
Najczęstsze błędy handlowców z AI
Zidentyfikuj i wyeliminuj 5 krytycznych błędów, przez które maile handlowców lądują w koszu, a rozmowy kończą się fiaskiem. Naucz się rozpoznawać i usuwać 'AI Slop' przed wysłaniem czegokolwiek do klienta.
Research firmy w 3 minuty: schemat i prompty
Przestań spędzać 45 minut na bezładnym przeglądaniu strony klienta. Wdróż 3-minutowy protokół badawczy w Perplexity i Claude: wyciągnij model przychodowy, kluczowe wskaźniki i priorytety strategiczne w jednym zapytaniu.
Metodologia (How & Why): Wszystkie szablony promptów i procedury w Akademii prospekting.pl są testowane na żywych strumieniach danych z API Hurtowni Danych CEIDG v3 (800–1 100 nowych JDG dziennie, 22 kolumny z mapowaniem PKD 2025 ↔ PKD 2007). Eliminujemy ogólnikowy żargon, stosując twarde ograniczenia negatywne (negative constraints) i weryfikowalne kryteria konwersji.
Zastrzeżenie prawne (YMYL Disclaimer): Materiały w Akademii mają charakter edukacyjno-techniczny i nie stanowią indywidualnej porady prawnej. Prowadząc komunikację elektroniczną B2B na bazie rejestrów publicznych, stosuj przepisy RODO (art. 6 ust. 1 lit. f oraz art. 14) i art. 398 Prawa Komunikacji Elektronicznej (PKE).
Otwórz darmowy arkusz 50 świeżych firm z CEIDG w Google Sheets i wypróbuj powyższy prompt na realnych rekordach z kodami PKD 2025.