Zbuduj swoją AI Sales Machine
Projekt końcowy: zbuduj działającą AI Sales Machine — workflow automatyzacji sprzedaży od źródła leadów po analitykę: Lead Sources → Enrichment → ICP Qualification → Research → Lead Scoring → Personalization → Outreach → Reply Classification → AI Draft → Human Approval → CRM → Follow-up → Analytics. Kończysz z działającym systemem, nie tylko wiedzą.
Problem i diagnoza
Wiedza z 14 modułów bez złożenia w system nie zmienia niczego: prompty w notatniku, workflow w głowie, AI w Chrome. Final project wymusza zbudowanie JEDNEJ działającej maszyny — połączonej, monitorowanej, z human-in-the-loop — która realnie wykonuje pracę za handlowca.
Metoda działania krok po kroku
Zbuduj maszynę w 13 ogniwach (każde z modułów):
- LEAD SOURCES: skąd leady (formularz, import, narzędzie),
- ENRICHMENT (moduł
- : dane firmy i kontaktu,
- ICP QUALIFICATION (moduł
- : AI JSON + reguły (score/qualified/priority),
- RESEARCH (moduł
- : Prospect Brief automatycznie,
- LEAD SCORING (moduł 5/Prospecting): pełny score,
- PERSONALIZATION (moduł
- : otwieracze L4 z sygnałów,
- OUTREACH (moduł
- : sekwencja ze stop conditions,
- REPLY CLASSIFICATION (moduł
- : 8 kategorii,
- AI DRAFT (moduł
- : drafty odpowiedzi,
- HUMAN APPROVAL: zatwierdzanie przed wysyłką,
- CRM (moduł
- : automatyczna aktualizacja,
- FOLLOW-UP (moduł 6 Cold Email + klasyfikacja): reakcje na odpowiedzi,
- ANALYTICS: metryki (reply, spotkania, koszt/leada, quality score). Jak zbudować: zacznij od MINIMUM (4 ogniwa: źródło → kwalifikacja → outreach → CRM) i rozszerzaj (dodawaj research, klasyfikację, drafty w kolejnych iteracjach); każde ogniwo testuj osobno zanim połączysz; human-in-the-loop na wysyłce i odpowiedziach; monitoring od pierwszego dnia (moduł
- . Kryterium ukończenia: system przetwarza lead od źródła do CRM z min. interwencją, a Ty robisz tylko zatwierdzenia i rozmowy.
Praktyczny przykład (ZŁY vs DOBRY)
- ZŁY
- Ręczne, niespójne wykonywanie kroków lub chaotyczna automatyzacja bez walidacji danych.
- DOBRY
- Minimum Viable Machine (dzień 1): Google Sheets (lead źródło) → Make: enrichment (Hunter) + AI scoring (ChatGPT API → JSON) → reguły: score ≥ 70 → kampania email (Instantly) → odpowiedź → klasyfikacja (AI) → draft + task w CRM. Ty robisz: zatwierdzenia wysyłki i odpowiedzi, rozmowy. Iteracja 2: research (Prospect Brief) przed personalizacją. Iteracja 3: pełna klasyfikacja 8 kategorii + auto-CRM. Po 30 dniach: maszyna obsługuje 200 leadów/mies, Ty spędzasz 1h/dzień na zatwierdzeniach i rozmowach zamiast 4h na robotę.
Gotowy prompt do skopiowania
Jesteś recenzentem AI Sales Machine. Kontekst: Zbudowałem moją maszynę: [OPIS — ogniwa, narzędzia, co działa]. Planowane ogniwa: [CO DALEJ]. Zadanie: Oceń i rozwijaj moją maszynę: 1. Mapuj moje ogniwa na 13 kroków (Lead Sources → Analytics) — które mam, których brakuje 2. Minimum: co jest absolutnie potrzebne, żeby maszyna działała end-to-end 3. Słabe ogniwa: 3 miejsca, które mogą zawieść (dane, AI, deliverability) + jak je wzmocnić 4. Human-in-the-loop: gdzie zatwierdza człowiek (sprawdź, czy nic nie wysyła się bez zgody) 5. Monitoring: jakie 5 metryk śledzę od pierwszego dnia (koszt/leada, quality, reply, bounces, faili) 6. Plan 30 dni: iteracje (co dodaję w tygodniu 1/2/3/4) 7. Test end-to-end: opisz przebieg 1 leada przez moją maszynę Format: 7 sekcji.
Warianty promptu i scenariusze
Wersja minimum: 4 ogniwa (źródło → kwalifikacja → outreach → CRM).
Wersja pełna: 13 ogniw + monitoring + agent (moduł 12).
Ćwiczenie i checklista wdrożenia
Zadanie praktyczne
Zbuduj minimum maszyny (4 ogniwa: źródło → kwalifikacja → outreach → CRM) — skonfiguruj 1 testowy workflow. Zdefiniuj 5 metryk monitoringu. Napisz plan 30 dni (4 iteracje).
Kryteria sukcesu
Pytania wdrożeniowe i integracja z bazą CEIDG (FAQ)
Jak połączyć technikę „Zbuduj swoją AI Sales Machine” z arkuszem nowych firm CEIDG w Google Sheets?
W zadaniu z obszaru Automation 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 25 min.
Jak zweryfikować poprawność wdrożenia lekcji „Zbuduj swoją AI Sales Machine” przed skalowaniem?
Przed podpięciem promptu pod automatyzację w Make.com lub n8n przetestuj go ręcznie na próbce 10–15 rekordów i sprawdź listę kontrolną: Mam minimum maszyny (4 ogniwa) skonfigurowane • Mam human-in-the-loop (zatwierdzenia przed wysyłką) • Mam 5 metryk monitoringu od pierwszego dnia.
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
Automation vs AI i reguła human-in-the-loop
Sales automation to system, w którym workflow (triggery, akcje, warunki) wykonuje powtarzalną pracę za handlowca, a AI dodaje decyzje i generowanie treści. Kluczowe pojęcia: workflow, trigger (co startuje proces), action (co się dzieje), condition (kiedy), human-in-the-loop (człowiek zatwierdza kluczowe kroki). Zasada: automatyzuj to, co się powtarza i nie wymaga osądu; zostaw człowiekowi to, co decyduje o relacji i jakości.
Mapa procesu i decyzje per krok
Zanim zautomatyzujesz cokolwiek, narysuj cały proces: Lead → Qualification → Research → Personalization → Outreach → Reply → Qualification → Meeting → Proposal → Follow-up → Close → CRM. Dla każdego kroku określ: manual / automated / AI-assisted. To jest fundament — bez mapy automatyzujesz na ślepo.
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.