O czym jest ten film
- Diagnoza problemu: CRM-y i systemy zarządzania zadaniami są w firmach martwe, bo dane wprowadzają do nich najbardziej zajęci ludzie.
- Liczby z przywoływanego badania: 70% informacji w CRM-ach jest niekompletnych, a osoby wypełniające je rzetelnie tracą na to ponad godzinę dziennie.
- Trend rynkowy: prezes Salesforce ogłosił, że „interfejsem” ich narzędzia staje się AI — Salesforce jako konektor w Claude, HubSpot z zapisem danych w ChatGPT.
- Teza autora: problem nie leży w systemach, tylko w sposobie przechwytywania informacji i wprowadzania ich do systemu.
- Podstawowy przepływ: dyktowanie głosowe → dopasowanie rekordu przez AI → zatwierdzenie przez człowieka → zapis do CRM → wzbogacenie danych.
- Historia klienta: folder ze zrzutami profili LinkedIn z konferencji przerobiony przez ChatGPT na osiem zaktualizowanych kontaktów w HubSpot w dwie minuty zamiast godziny.
- Krok pierwszy — połączenie AI z systemem na trzy sposoby: gotowy konektor/plugin, własne MCP przez API, albo sterowanie przeglądarką.
- Krok drugi — przechwytywanie: maksymalnie bezfrykcyjny kanał (najczęściej dyktowanie) plus dedykowany skill lub projekt.
- Krok trzeci — budowanie zaufania: tymczasowa zgoda przed zapisem oraz trwały „paragon” w postaci notatki AI przy każdym rekordzie.
- Krok czwarty — wzbogacanie: AI dopisuje do rekordu wyniki researchu o firmie lub osobie, z zastrzeżeniem pomijania niepewnych ustaleń.
Redakcyjne tłumaczenie
Martwy system w środku firmy
Niemal każda firma, z którą pracuję, ma w samym środku ten sam martwy system. CRM wypełniony w połowie albo tracker zadań spóźniony o tygodnie. A właściciele zawsze mówią mi dokładnie to samo: „moi ludzie po prostu tego nie aktualizują”.
Zastanówmy się jednak przez chwilę, kogo prosimy o aktualizowanie tych systemów. To są nasi najbardziej zajęci ludzie — ci, którzy sprzedają, budują i pchają firmę do przodu. I odrywamy ich od tego do wprowadzania danych.
Dlatego przestałem prosić w ogóle. Od miesięcy nie wpisałem nic ręcznie do swojego CRM-u. Wypełnia go za mnie AI na podstawie moich rozmów i notatek głosowych. W tym materiale pokażę, jak to ustawić w dowolnym systemie, na którym działa twoja firma.
Skala problemu w liczbach
Wszystkie firmy, z którymi miałem do czynienia, mają dokładnie ten problem. Chciałem podpiąć pod niego konkretne liczby. Wszyscy mamy CRM-y, trackery zadań, narzędzia do zarządzania projektami i cokolwiek jeszcze. Istnieje badanie, które przyjrzało się grupie firm i sprawdziło, jak i w jakim stopniu ich CRM-y są w ogóle aktualizowane.
Okazało się, że 70% informacji w CRM-ie jest niekompletnych. A ci, którzy uzupełniali wszystko do końca, poświęcali na to ponad godzinę dziennie. Ponad godzinę codziennie — i to od pracowników krytycznych dla firmy, tych, którzy mają ją napędzać.
Mamy więc dwie straty. Tym, którzy są konsekwentni we wprowadzaniu danych, zabieramy czas. A w przypadku tych, którzy konsekwentni nie są, tracimy dane — i przez to nie możemy w przyszłości podejmować lepiej poinformowanych decyzji.
Interfejsem staje się AI
To nie jest tylko problem, z którym mierzą się ludzie wprowadzający dane do tych narzędzi. Kilka dni temu prezes Salesforce stwierdził, że interfejsem użytkownika ich narzędzia jest teraz AI. Co to znaczy? Że interfejsy wszystkich narzędzi, których używamy — HubSpota, Salesforce’a, Notion, Jiry — zaczynają znikać, a my nakładamy przed nimi warstwę AI.
Co istotne, ta zapowiedź padła przy okazji wspólnego ogłoszenia z Claude. Salesforce jest teraz dostępny wewnątrz Claude jako konektor, więc można odczytywać i zapisywać informacje w Salesforce bez wchodzenia do samego Salesforce’a. W tym samym tygodniu ChatGPT zaktualizował swoje połączenie z HubSpotem — teraz można zapisywać informacje z powrotem do HubSpota.
To nie jest zatem wyłącznie problem, z którym ludzie się borykają. To także obszar, w którym u największych dostawców tych narzędzi pojawia się coraz więcej rozwiązań. I to jeden z wielu powodów, dla których warto zacząć teraz.
(Informacja dodatkowa: MCP — Model Context Protocol — to otwarty standard połączeń między modelami AI a zewnętrznymi systemami; autor odwołuje się do niego w dalszej części jako do „warstwy tłumaczącej” stojącej za konektorami i pluginami.)
Gdzie naprawdę leży problem
Znamy już problem i towarzyszący mu trend. Jakie jest praktyczne rozwiązanie?
U wszystkich klientów, z którymi pracuję, to nie system jest problemem. Kiedy spojrzysz na Salesforce’a, HubSpota czy Jirę — nie ma znaczenia który. Wszystkie te systemy są w porządku. Sedno sprawy leży w przechwyceniu informacji i umieszczeniu jej w systemie. O tym mówimy przez cały czas. I tam właśnie musi znajdować się rozwiązanie.
Chcemy więc usunąć całe tarcie, jakie napotykają nasi ludzie ze sprzedaży, z produktu czy z jakiegokolwiek innego działu, gdy mają zaktualizować te systemy. Przepływ wygląda bardzo prosto i pokażę ci konkretny wariant, który sprawdził się u wielu klientów.
Przepływ krok po kroku
Porozmawiajmy o tym przez pryzmat CRM-u, bo ma go większość ludzi, i przez pryzmat sprzedaży.
Załóżmy, że mamy handlowca w terenie. Chcemy przechwycić informację ze spotkania, które właśnie odbył, w naprawdę prosty sposób. Jednym z najbardziej bezfrykcyjnych sposobów, jakie znalazłem, jest po prostu głos. Wyciągasz telefon i dyktujesz, co wydarzyło się na spotkaniu i jaka jest z tym związana wartość.
Potem przekazujesz to AI. AI to bierze, zestawia z CRM-em i ustala: czy to nowy kontakt, czy istniejący? Jeśli istniejący — zaktualizuję go. Jeśli nowy — dodam. Ale zanim cokolwiek zrobię, poproszę o zgodę osobę, która to podyktowała. Podyktowałem coś AI, a ono wraca do mnie i mówi: „Oto rzeczy, które zamierzam zmienić w twoim CRM-ie. Zgadzasz się?”. Wystarczy powiedzieć „tak”. Po potwierdzeniu AI zapisuje zmiany w CRM-ie — aktualizacje albo nowe rekordy.
A dalej jest jeszcze wzbogacanie danych. Rozwinę to później, ale możemy kazać AI pójść dalej i poszukać informacji o tej osobie lub firmie, żeby jeszcze mocniej wzbogacić dane w CRM-ie — dla wartościowszych decyzji i działań w przyszłości. To nasz podstawowy przepływ.
Historia, która zainspirowała ten materiał
W zeszłym tygodniu rozmawiałem z klientem, u którego jeden z handlowców pojechał na konferencję. Ich sposób pracy na konferencjach wygląda tak: spotykają się z ludźmi, a po każdym spotkaniu robią zrzut ekranu profilu LinkedIn danej osoby — i dopiero później, tydzień czy dwa tygodnie później, dodają te osoby do CRM-u. Ten człowiek miał więc folder pełen zrzutów ekranu z różnymi profilami na LinkedInie.
Co zrobiliśmy? Wskazaliśmy ChatGPT-owi ten folder i powiedzieliśmy: „Przejrzyj te wszystkie profile, zbadaj je, zrozum, kim są te osoby, i zaktualizuj nasz CRM tymi informacjami”. Klient korzystał z HubSpota, więc mogliśmy podpiąć HubSpota z prawem odczytu i zapisu. AI zidentyfikowało osiem kontaktów do zaktualizowania: trzy istniejące i pięć nowych.
Zajęło to w sumie dwie minuty. Tej samej osobie ręczne uzupełnienie CRM-u o te wpisy zajęłoby wcześniej pewnie godzinę albo więcej. I to tylko jeden z wielu przykładów, jakie miałem u klientów aktualizujących swoje CRM-y, systemy zarządzania zadaniami i całą resztę.
Krok 1: połącz AI z systemem
Przy poprawnym ustawieniu tego rozwiązania trzeba wziąć pod uwagę cztery rzeczy. Pierwsza to podłączenie AI do systemu. Nieważne, czy używasz ChatGPT w wersji firmowej, czy Claude Cowork — musimy mieć pewność, że nasze AI jest skutecznie połączone z systemem. Są na to trzy drogi.
Droga pierwsza, idealna: gotowy konektor lub plugin. Sprawdź, czy dla systemu, z którym chcesz połączyć AI — oprogramowania księgowego, CRM-u, czegokolwiek — istnieje gotowy plugin albo konektor w narzędziach, których używasz. W ChatGPT będzie to plugin, w Claude Cowork — konektor.
W ChatGPT znajdziesz je w lewym panelu: klikasz „Plugins”, wpisujesz w wyszukiwarkę nazwę narzędzia, z którym chcesz się połączyć. Jeśli go nie ma, przechodzisz do kolejnego kroku. W Claude Cowork jest analogicznie: klikasz plus, wchodzisz w „Connectors”, potem „Add” i „Browse connectors”. Trafiasz do czegoś w rodzaju sklepu z aplikacjami — widać tam ponad 2200 rzeczy, do których mogę podłączyć swoje AI. Wpisujesz nazwę i sprawdzasz dostępność. Samo połączenie jest banalnie proste: wpisuję na przykład HubSpot, klikam w aplikację, klikam „Connect”, uwierzytelniam się i gotowe.
Droga druga: własne MCP przez API. Jeśli gotowego konektora nie ma, zadaj sobie pytanie: czy mam w zespole kogoś półtechnicznego, kto jest gotów uparcie podłubać z AI, żeby połączyć je z innym systemem? Techniczność i upór są potrzebne, bo sprawdzamy, czy system udostępnia API. Jeśli tak, mogę kazać swojemu AI napisać kod, który utworzy warstwę tłumaczącą między AI a tym systemem — bo dokładnie tym są wszystkie te konektory i pluginy. Za kulisami po prostu tłumaczą twój język naturalny na coś, z czym sam system potrafi pracować i co rozumie. To jednak nieco bardziej techniczne, więc potrzebujesz kogoś, kto potrafi wykorzystać AI do napisania tego kodu i skonfigurowania całości dla zespołu. Fachowy termin to właśnie MCP — ta warstwa tłumacząca stojąca za kulisami pluginów i konektorów.
Droga trzecia: przeglądarka. Załóżmy, że nie masz nikogo technicznego albo system, z którym chcesz się połączyć, nie ma API. Trzecia opcja to przeglądarka. ChatGPT w wersji firmowej jest w tym obecnie najlepszy. Możesz kazać AI nawigować po przeglądarce i aktualizować w niej informacje bez dostępu do konektora, pluginu czy własnego MCP.
W ChatGPT wygląda to tak: w nowym czacie w prawym górnym rogu jest mały prostokąt. Po otwarciu bocznego panelu widać dwie opcje — przeglądarka i pliki. Po wybraniu przeglądarki dostajesz przeglądarkę wbudowaną w ChatGPT, działającą jak każda inna: Edge, Chrome, bez różnicy. Wpisuję Google, otwiera się Google i mogę szukać.
Ważne: tworząc skill albo projekt do aktualizowania CRM-u czy innego narzędzia bez konektora, zadbaj, żeby korzystał właśnie z tej wbudowanej przeglądarki — to wydajniejszy sposób. Wywołujesz ją przez plus: przewijasz na dół i na samym dole jest „Browser”. Wybranie tej opcji automatycznie mówi AI: „chcę, żebyś nawigował po przeglądarce w systemie, do którego już jestem zalogowany, i zaktualizował go tak, jak każę”.
Krok 2: przechwytywanie informacji
Kiedy AI jest już połączone z systemem i udowodniłeś, że potrafi nie tylko odczytywać, ale i zapisywać dane, możesz przejść do kroku przechwytywania.
Najważniejsze jest tu, żeby było jak najmniej tarcia. Najskuteczniejszym znanym mi sposobem jest dyktowanie. Wyciągam telefon, dyktuję do AI, a ono idzie i wykonuje zadanie za mnie. Otwierasz telefon, dyktujesz przez minutę czy dwie, mówisz AI, co się dzieje, ono idzie do CRM-u, dopasowuje rekord, aktualizuje go, potwierdza i zapisuje.
Jeśli u ciebie dyktowanie się nie sprawdza, wybierz taki kanał, jaki jest dostępny — byle najmniej uciążliwy. Może to być wrzucenie pliku, wrzucenie zrzutów ekranu albo właśnie dyktowanie.
W fazie przechwytywania — już po samym przechwyceniu — potrzebujesz, jak wspominałem, projektu albo skilla. W ChatGPT albo Claude Cowork utwórz projekt lub skill dedykowany aktualizowaniu CRM-u pod to konkretne zadanie. To samo dotyczy systemów księgowych, oprogramowania do zarządzania zadaniami, czegokolwiek.
Najczęściej kieruję klientów w stronę skilla. Powód jest taki, że jeśli masz grupę handlowców używających ChatGPT albo Claude na telefonie i dyktujących, nie chcesz, żeby musieli wchodzić w konkretne miejsce w narzędziu. Chcesz móc powiedzieć „zaktualizuj CRM” w dowolnym momencie. I tu wchodzą skille. Tworzę skilla w ChatGPT albo Claude Cowork, włączam go dla całej organizacji, a ludziom wystarczy uruchomić dyktowanie, powiedzieć „zaktualizuj CRM”, podać kontekst — a AI na podstawie tego kontekstu wie dokładnie, gdzie umieścić informację.
Projektu użyłbym wtedy, gdy przy aktualizacji CRM-u czy innego oprogramowania AI musi zajrzeć do dodatkowych plików — powiedzmy dziesięciu albo więcej. Wtedy projekt pozwala je przechować w sekcji plików. To jedyny powód, dla którego w tej sytuacji wybrałbym projekt zamiast skilla. Ale szczerze: przez większość czasu skille w zupełności wystarczają i działają świetnie.
(Informacja dodatkowa: „skill” to zapisany zestaw instrukcji, który AI uruchamia samo, gdy rozpozna pasujący kontekst — w odróżnieniu od „projektu”, czyli wydzielonej przestrzeni roboczej z własnymi plikami, do której trzeba wejść.)
Krok 3: budowanie zaufania
Mamy już połączenie AI z systemem i przechwytywanie informacji łatwym kanałem do miejsca, które da się wykorzystywać wielokrotnie — skilla albo projektu. Następny krok to budowanie zaufania.
Na początku, powiedziałbym przez pierwsze kilka tygodni dopracowywania spójności zbudowanego narzędzia, każesz człowiekowi zatwierdzać działania AI. Po podyktowaniu AI wraca i mówi: „Oto konkretne działania, które wykonam w CRM-ie. Zgadzasz się?”. Człowiek mówi „tak” i AI robi swoje.
Ten prompt — albo podobny — powinien znaleźć się w skillu lub projekcie, którego używasz. Mówi po prostu: zanim cokolwiek dodasz do systemu, podaj mi krótką listę działań, które w nim wykonasz, a potem poczekaj, aż użytkownik odpowie „tak”, zanim cokolwiek zrobisz. To zatrzymanie AI przed podjęciem działań w systemie. To pierwsza warstwa zaufania.
Druga warstwa to dodawanie przez AI „paragonu” do każdego wykonanego działania. Większość narzędzi — CRM-y, trackery zadań, bez różnicy — ma sekcje notatek, opisów albo pola różne, w których AI może zostawić komentarz lub tekst. I tu to wykorzystujemy: AI dodaje paragon, dowód tego, jakie zmiany wprowadziło.
To również prompt, który dokładasz do swojego skilla lub projektu. Mówimy w nim AI: „Za każdym razem, gdy coś zmienisz lub dodasz w systemie, dopisz krótką notatkę do rekordu, który dodałeś — co dodałeś, skąd to pochodzi i co budziło twoją niepewność”. Ten ostatni element jest ważny, bo chcę, żeby AI wpisało tam swoją niepewność — dzięki temu szybko zrozumiem, gdzie mogło pójść nie tak. To druga warstwa budowania zaufania.
Zwróć uwagę, że pierwszy prompt stosujesz tylko tymczasowo. Zostawiasz go na kilka tygodni albo kilka miesięcy, ale gdy AI udowodni, że jest konsekwentne i naprawdę dobre w tym, co robi, możesz go usunąć — bo chcemy maksymalnie zmniejszyć tarcie, jakie stoi między człowiekiem a wrzuceniem notatek do telefonu. Ostatecznie usuwamy zatwierdzanie: AI działa w tle i na koniec zostawia ci notatkę. Ten element zaufania zostaje z nami na stałe, bo zawsze możemy się do niego odwołać w przyszłości.
Krok 4: wzbogacanie danych
Teraz wzbogacanie — jedna z moich ulubionych części. Skupimy się na CRM-ie, choć zastosowań jest znacznie więcej.
Powiedzmy, że właśnie spotkałem się z jakąś osobą i chcę dodać ją do CRM-u. Dyktuję to do telefonu, a AI idzie i wykonuje zadanie. Ale nie zaktualizuje CRM-u wyłącznie moimi kontaktami — pójdzie też do internetu, poszuka informacji o tej firmie albo osobie i dopisze te ustalenia do CRM-u tam, gdzie są istotne.
Oto podstawowy szablon promptu, który możesz dostosować do własnego przypadku. Na początku mówimy AI: zapisz ten nowy kontakt albo firmę w moim CRM-ie, poszukaj informacji o nich w internecie, a oto konkretne rzeczy, których mam się o nich dowiedzieć. Tę część oczywiście dopasujesz do siebie — w tym przykładzie prosimy o ustalenie, czym zajmuje się firma, jak mniej więcej jest duża i jakie są ostatnie wiadomości na jej temat. Potem: zaktualizuj CRM. A jeśli w trakcie researchu coś budzi twoją niepewność, po prostu to pomiń — nie wprowadzaj niepewnych ustaleń do rekordu.
W tym przykładzie mowa o firmach, ale to samo stosuje się do ludzi. Jeśli spotkałeś się z osobą i chcesz wzbogacić jej kontakt, możesz kazać AI zbadać tę osobę: czy są o niej jakieś publiczne materiały — podcasty, blogi? Czy da się ustalić jej zainteresowania? To też można zapisać w rekordzie, żeby mieć to pod ręką przy kolejnym kontakcie.
Ta warstwa wzbogacania jest wyjątkowo ważna i jest czymś, czego dawniej nigdy byś nie zrobił — przynajmniej nie na skalę. Z AI możesz.
Podsumowanie
Krótkie przypomnienie najważniejszych rzeczy. Gdy usuwasz tarcie związane z aktualizowaniem CRM-u, trackera zadań czy czegokolwiek innego przez twoich handlowców:
Po pierwsze, podłącz AI do systemu. Idealnie gotowym konektorem albo pluginem. Jeśli takiego nie ma — przez przeglądarkę albo tworząc własne MCP, o ile masz w zespole kogoś technicznego.
Po drugie, przechwytywanie. Ma być tak łatwe, jak się da. Z mojego doświadczenia najłatwiejsze jest dyktowanie — dyktowanie połączone ze skillem. Wyciągają telefon, otwierają ChatGPT albo Claude, dyktują, skill się uruchamia i aktualizuje za nich CRM.
Po trzecie, budowanie zaufania. Na początku, przez pierwsze tygodnie czy miesiące, prosimy użytkownika o zgodę za każdym razem. Mówi „zaktualizuj CRM”, AI odpowiada „oto co zamierzam zrobić, zgadzasz się?”, on mówi „tak”, AI działa. Z czasem to usuwasz i zostaje sam paragon — notatka, którą AI dodaje do każdego rekordu, informując, co zmieniło i co dopisało.
I wreszcie wzbogacanie — to element naprawdę specyficzny dla AI. AI potrafi skalować wzbogacanie wszystkich twoich rekordów, żebyś miał więcej informacji o firmach, ludziach i czymkolwiek innym — szukając w internecie albo także w wewnętrznych zbiorach danych.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Problemem nie jest CRM, tylko wprowadzanie do niego danych
Na czym polega: Salesforce, HubSpot, Jira — wszystkie te systemy działają poprawnie. Wąskim gardłem jest moment przechwycenia informacji przez człowieka i przeniesienia jej do systemu. Rozwiązanie musi znajdować się właśnie tam.
Jak stosować: Zanim zaczniesz zmieniać narzędzie albo szukać nowego CRM-u, zmierz, ile czasu ludzie realnie tracą na wpisywanie i jaki procent rekordów jest niekompletny. Jeśli rekordy są dziurawe, migracja do innego systemu tego nie naprawi.
Na co uważać: Łatwo pomylić objawy z przyczyną. Puste pola w CRM-ie zwykle nie oznaczają złego oprogramowania ani niesubordynacji zespołu, tylko zbyt wysoki koszt wprowadzenia danych względem korzyści, jaką widzi handlowiec.
2.Dyktowanie jako domyślny kanał przechwytywania
Na czym polega: Najbardziej bezfrykcyjnym kanałem okazuje się głos: handlowiec po spotkaniu wyciąga telefon i dyktuje minutę lub dwie o tym, co się wydarzyło i jaka jest z tym związana wartość.
Jak stosować: Ustaw dyktowanie jako domyślne, ale nie jedyne wejście. Alternatywy z materiału to wrzucenie pliku albo zrzutów ekranu. Wybierz to, co dana osoba i tak już robi po spotkaniu.
Na co uważać: Dyktowanie po polsku bywa gorzej rozpoznawane niż po angielsku, zwłaszcza przy nazwiskach i nazwach firm. Warto przetestować to na realnych nazwach klientów, zanim rozwiniesz rozwiązanie na cały zespół.
3.Trzy drogi podłączenia AI do systemu — w kolejności
Na czym polega: Kolejność jest hierarchiczna: (1) gotowy konektor lub plugin, (2) własne MCP zbudowane na API systemu, (3) sterowanie przeglądarką przez AI.
Jak stosować: Zawsze zaczynaj od sprawdzenia katalogu konektorów — w Claude Cowork jest ich ponad 2200. Do drogi drugiej potrzebujesz kogoś półtechnicznego i upartego. Droga trzecia jest ratunkiem, gdy system w ogóle nie ma API.
Na co uważać: Droga przeglądarkowa jest najmniej stabilna — zależy od układu strony i aktywnej sesji logowania. Traktuj ją jako rozwiązanie tymczasowe, nie docelową architekturę dla całego zespołu.
4.Zweryfikuj prawo zapisu, nie tylko odczytu
Na czym polega: Autor wyraźnie zaznacza, że przed przejściem do kolejnego kroku trzeba udowodnić, że AI potrafi nie tylko odczytywać, ale i zapisywać dane w systemie.
Jak stosować: Przetestuj pełny cykl na jednym rekordzie testowym: odczyt istniejącego kontaktu, aktualizacja pola, utworzenie nowego kontaktu. Dopiero potem buduj skille i procesy dla zespołu.
Na co uważać: Wiele integracji domyślnie przyznaje tylko odczyt. Odkrycie tego po zbudowaniu całego procesu oznacza, że cała warstwa przechwytywania jest bezużyteczna.
5.Skill zamiast projektu — bo działa wszędzie
Na czym polega: Skill włączony dla całej organizacji uruchamia się z dowolnego miejsca w narzędziu, więc handlowiec mówi po prostu „zaktualizuj CRM” i podaje kontekst. Projekt wymaga wejścia w konkretne miejsce.
Jak stosować: Domyślnie buduj skilla. Po projekt sięgaj tylko wtedy, gdy AI musi regularnie zaglądać do wielu plików — autor podaje próg około dziesięciu.
Na co uważać: Skill uruchamiany globalnie może się aktywować w niepożądanych sytuacjach. Zadbaj o precyzyjny opis warunków wywołania, żeby nie zaczął pisać do CRM-u przy rozmowach, które go nie dotyczą.
6.Dwuwarstwowe zaufanie: zgoda tymczasowa, paragon na stałe
Na czym polega: Warstwa pierwsza to prompt każący AI wylistować planowane działania i czekać na „tak”. Warstwa druga to notatka dopisywana do każdego zmienianego rekordu.
Jak stosować: Oba prompty umieść w skillu lub projekcie. Zgodę utrzymuj przez pierwsze tygodnie lub miesiące, a potem usuń — paragon zostaw na zawsze, bo to on daje możliwość audytu wstecz.
Na co uważać: Nie usuwaj obu warstw naraz „dla wygody”. Bez paragonu tracisz jedyny ślad tego, co AI faktycznie zmieniło, i pierwszy poważny błąd będzie niemożliwy do prześledzenia.
7.Notatka AI ma zawierać jego niepewność
Na czym polega: Prompt do paragonu prosi o trzy rzeczy: co dodano, skąd to pochodzi i co budziło niepewność. Autor podkreśla, że ostatni element jest kluczowy — pozwala szybko namierzyć, gdzie coś mogło pójść nie tak.
Jak stosować: Wpisz te trzy elementy wprost do promptu. Przeglądając rekordy, zacznij od tych, w których AI zgłosiło niepewność — to najtańszy sposób kontroli jakości.
Na co uważać: To wymaga, żeby ktoś te notatki faktycznie czytał. Sam zapis niepewności nic nie daje, jeśli nikt nie ma w procesie momentu na jej przejrzenie.
8.Sprzeczne reguły dla notatki i dla researchu
Na czym polega: W paragonie AI ma zapisywać swoją niepewność. W promptcie do wzbogacania danych ma pomijać wszystko, czego nie jest pewne, żeby nie wprowadzać niepewnych ustaleń do rekordu.
Jak stosować: Rozdziel te dwie reguły w instrukcji: niepewność co do własnych działań idzie do notatki, niepewność co do faktów o firmie lub osobie nie trafia do pól danych.
Na co uważać: Jeśli nie rozdzielisz tego jasno, AI albo zaśmieci pola CRM-u domysłami z internetu, albo — odwrotnie — przemilczy własne wątpliwości co do dopasowania rekordu.
9.Wzbogacanie danych jako nowa jakość, nie ułatwienie
Na czym polega: Przy okazji zapisu AI może zbadać firmę (czym się zajmuje, jaka jest wielkość, ostatnie wiadomości) albo osobę (publiczne materiały, podcasty, blogi, zainteresowania) i dopisać to do rekordu. Autor mówi wprost, że dawniej nie robiło się tego na skalę.
Jak stosować: Zdefiniuj jawną, krótką listę tego, czego szukać — nie ogólne „zbadaj tę firmę”. Lista ma wynikać z tego, co realnie wpływa na sposób prowadzenia rozmowy sprzedażowej.
Na co uważać: Zbieranie i przechowywanie danych o osobach z internetu w bazie firmowej ma konsekwencje na gruncie RODO. Ustal z kimś odpowiedzialnym za ochronę danych, jakie kategorie informacji o osobach fizycznych możesz w ogóle zapisywać.
10.Ruch rynku: interfejsy narzędzi ustępują miejsca AI
Na czym polega: Prezes Salesforce ogłosił, że interfejsem ich narzędzia jest teraz AI — przy okazji udostępnienia Salesforce’a jako konektora w Claude. W tym samym tygodniu ChatGPT dodał zapis danych do HubSpota.
Jak stosować: Traktuj to jako argument za rozpoczęciem teraz, a nie za rok. Jeśli twój system ma już oficjalny konektor z prawem zapisu, wdrożenie sprowadza się do uwierzytelnienia i napisania skilla.
Na co uważać: To bardzo świeży obszar i zakres tych integracji szybko się zmienia. Sprawdź aktualne możliwości konkretnego konektora przed planowaniem procesu wokół funkcji, którą znasz tylko z zapowiedzi.