AI w sprzedaży B2B: narzędzie, a nie gotowa strategia

„Przecież to samo dostaniemy z AI”. Co na to odpowiadamy

O AI w sprzedaży B2B słyszymy na pierwszych spotkaniach coraz częściej i jest to uczciwy zarzut. Klient otwiera ChatGPT, dyktuje głosem trzy zdania o swojej firmie i po minucie ma uporządkowaną analizę rynku niemieckiego albo kanadyjskiego: segmenty, konkurenci, kanały, ryzyka. Wygląda solidnie. Wygląda dokładnie na to, za co konsultanci biorą pieniądze.

Nie będziemy się spierać, że ten dokument istnieje i że jest darmowy. Powiemy co innego. Nie ma w nim ani jednego faktu, który ktoś sprawdził na tym konkretnym rynku, ani jednego zdania, które ktoś z tego rynku potwierdził. To nie jest analiza rynku. To średnia arytmetyczna wszystkiego, co w internecie napisano o rynkach w ogóle.

AI w sprzedaży B2B

Użycie modeli językowych do przygotowania sprzedaży: research, porządkowanie danych, wersje językowe materiałów i analiza informacji zwrotnej. Narzędzie przyspieszające przygotowanie, a nie źródło decyzji o wejściu na rynek.

Dlaczego z AI korzystają prawie wszyscy, a zarabia na tym jedna trzecia

Globalne badanie McKinsey z maja i czerwca 2026 roku (1 719 respondentów, 97 krajów) podaje dwie liczby obok siebie. Pierwsza: prawie dziewięć na dziesięć organizacji regularnie stosuje AI w co najmniej jednej funkcji biznesowej. Druga: tylko 37% przypisuje AI jakikolwiek wpływ na EBIT, i ta liczba nie zmieniła się od 2025 roku. Firm, które McKinsey nazywa high performers, jest zaledwie 6%.

Różnica nie leży w modelach, bo wszyscy używają mniej więcej tych samych. Leży w tym, że 73% high performers przebudowało pod AI same procesy pracy, a wśród pozostałych zrobiło to 25%. Wartość pojawia się więc nie wtedy, gdy zaczynacie generować teksty, tylko wtedy, gdy zmieniacie sposób podejmowania decyzji.

Dla polskiego kontekstu jest jeszcze jedna liczba. Według Eurostatu w 2025 roku technologie AI stosowało 20,0% przedsiębiorstw w UE zatrudniających 10 i więcej osób. W Polsce 8,4%, trzeci najniższy wynik w Unii. Wniosek nie brzmi „musicie nadrobić dystans w narzędziach”. Brzmi tak: jeżeli wychodzicie na rynek, gdzie adopcja jest dwa razy wyższa, wasz przyszły klient rozpoznaje wygenerowaną treść lepiej niż przeciętna polska firma.

Skąd bierze się generyczna odpowiedź AI w sprzedaży B2B

Model językowy odpowiada na formę pytania tym, co najczęściej występowało w tekstach. Pytacie o „wejście na rynek niemiecki”, dostajecie uśrednione wejście na uśredniony rynek: sprawdźcie konkurencję, znajdźcie dystrybutora, uwzględnijcie lokalną specyfikę. Formalnie poprawne. Praktycznie nic nie znaczy.

Problem sięga głębiej niż jakość promptu. Tego, co rozstrzyga waszą transakcję, w publicznych tekstach po prostu nie ma: kto w tej firmie faktycznie podpisuje, ile realnie trwa procedura zakupowa w tej branży, dlaczego poprzedni dostawca z Polski stamtąd odszedł, jaką marżę rynek wytrzymuje w tym roku. Ta wiedza siedzi w głowach dwudziestu osób i przekazuje się w rozmowie.

Dlatego nie dziwi nas, że modele mylą się systematycznie nawet w faktografii publicznej. Badanie EBU i BBC opublikowane 21 października 2025 roku (ponad 3 000 odpowiedzi, 22 organizacje medialne, 18 krajów, 14 języków) pokazało, że prawie połowa odpowiedzi asystentów AI zawierała co najmniej jeden istotny problem, jedna trzecia miała poważne problemy ze źródłami, a jedna piąta błędy merytoryczne, w tym informacje zmyślone lub nieaktualne. To na temacie, w którym zweryfikowanych źródeł są tysiące. Na waszym niszowym rynku B2B nie ma ich wcale.

Do czego AI w sprzedaży B2B nadaje się naprawdę dobrze

Używamy AI codziennie, różnych modeli i świadomie różnych ich kombinacji. To mocne narzędzie i oto gdzie realnie oszczędza nam czas:

• Desk research pierwszego poziomu. Zebranie listy firm w segmencie, uporządkowanie danych publicznych, zgrubny obraz branży w kilka godzin zamiast tygodnia.
• Język. Szybkie wersje materiałów po polsku, ukraińsku i angielsku, które potem czyta człowiek sprzedający w tym języku.
• Porządkowanie informacji zwrotnej. Po dwudziestu pięciu rozmowach model dobrze pomaga zobaczyć powtarzalne wzorce w notatkach.
• Przygotowanie do spotkania. Hipotezy, prawdopodobne obiekcje, pytania, które warto zadać.
• Fact-checking w drugą stronę. Najbardziej wartościowe zastosowanie to nie „wygeneruj mi analizę”, tylko „oto co powiedział nam rynek, znajdź, gdzie to przeczy danym publicznym”.

Kluczowa jest kolejność. AI na wejściu daje szkic, który weryfikuje rynek. AI na wyjściu, kiedy ze szkicu od razu robi się plan działania, to miejsce, w którym firmy tracą pieniądze.

Czego AI nie widzi

Nie było na spotkaniu. Nie słyszało, jak zmienił się ton, gdy padła cena. Nie wie, że dyrektor techniczny przytakiwał, a decyduje zakupowiec. Nie widziało, że konkurent stoi już u nich na hali. Nie ma dostępu do tego, co powiedziano wam w kuluarach po konferencji, a to zwykle tam leży odpowiedź na pytanie, czy ten rynek jest wasz.

My jeździmy. Nie siedzimy przy komputerze i nie generujemy raportów. Idziemy razem z zespołem klienta, kontaktujemy się z jego przyszłymi kupującymi w jego imieniu, zadajemy pytania i przynosimy z powrotem to, co usłyszeliśmy, razem z wnioskiem. Czasem wniosek jest negatywny i to też jest wynik. Lepiej dowiedzieć się po trzech miesiącach niż po dwóch latach.

Dlaczego wygenerowany mail przestał działać

Osobna sprawa to bezpośrednia komunikacja. Praca z klientem prowadzona przez AI kończy się dziś na bardzo wczesnym etapie, bo ludzie nauczyli się rozpoznawać wygenerowany tekst. Ta sama struktura, idealnie równe akapity, komplement na wstępie, „zauważyłem, że wasza firma”. Odbiorca widzi to w trzy sekundy i wyciąga jeden wniosek: ten nadawca nie poświęcił mi ani minuty.

To nie jest kwestia etyki, tylko arytmetyki. Wydajecie pierwszy i jedyny kontakt z osobą, do której dało się dotrzeć, na wiadomość, która sama się unieważnia. W B2B, gdzie wasz rynek to 200 firm, a nie 200 000, spalenie kontaktu jest drogie.

AI napisze maila w dziesięć sekund. Ale odpowiedź dostajecie nie za szybkość, tylko za to, że wiecie o tej firmie coś, czego nie wie jej następny dostawca.

Dima V. Nechyporenko

Wasz klient też ma AI i analizuje nim was

O tej stronie sprawy jakoś się zapomina. To samo narzędzie stoi po drugiej stronie stołu. Wasza oferta, wasz cennik i wasza strona trafiają dziś do czatu kupującego wcześniej niż na biurko człowieka. Prosi on model o porównanie was z dwoma konkurentami, o wyciągnięcie słabych miejsc w warunkach i o pytania na spotkanie.

Konsekwencje są całkiem konkretne. Pierwsza: rozmyte przewagi znikają. „Indywidualne podejście” i „wysoka jakość” model sprowadzi do zera, bo to samo napisali wszyscy, a porównuje po tym, co da się porównać. Druga: wszystko, co da się sprawdzić, zostanie sprawdzone, a rozbieżność między waszą stroną, waszą ofertą i tym, co powiedzieliście na spotkaniu, wyjdzie na wierzch. Trzecia: przychodzicie do osoby, która ma już gotową listę waszych najsłabszych punktów.

Praktyczny wniosek jest równie konkretny. Oferta musi zawierać to, czego nie da się sprowadzić do średniej: liczby, terminy, warunki, nazwy zrealizowanych projektów. A wasze materiały publiczne muszą być napisane tak, żeby model przeczytał je poprawnie, bo to z nich złoży obraz waszej firmy dla kupującego. Traktujemy to jako osobne zadanie i robimy je dla klientów tak samo, jak dla własnej strony.

Tajemnica handlowa: czego nie wolno wgrywać

Jest jeszcze ograniczenie, o którym na konferencjach mówi się rzadko. Najcenniejsze w waszym przygotowaniu jest dokładnie to, czego nie można wkleić do publicznego czatu: koszt wytworzenia, warunki od dostawców, obowiązujące kontrakty, dane klientów, rozwiązania techniczne.

Skala zjawiska została zmierzona. Raport LayerX Enterprise AI and SaaS Data Security z października 2025 roku pokazuje, że 77% pracowników korzystających z czatów AI wkleja do nich dane, a 82% takich wklejeń idzie przez prywatne konta poza kontrolą firmy. Około 40% wgranych plików zawierało dane osobowe lub płatnicze.

Nasz praktyczny wniosek jest prosty: rozdzielajcie obieg. Dane publiczne i hipotezy idą do modelu. Informacja handlowa nie idzie nigdzie poza wasz perymetr i osoby objęte NDA. Tak właśnie pracujemy, i część naszej pracy z klientem z tego powodu fizycznie nie może być wykonana przez model.

Język klienta waży więcej, niż się wydaje

Owszem, po angielsku porozmawiacie dziś prawie z każdym i na pierwsze spotkanie to zwykle wystarcza. Ale różnicę widzimy za każdym razem. Kiedy rozmowa toczy się po polsku z polskim zakupowcem albo po ukraińsku z dyrektorem zakładu, słyszycie wyraźnie więcej i słyszycie to innymi słowami. Zwłaszcza słyszycie rzeczy, których nie powie się obcemu: co naprawdę nie gra w obecnym dostawcy i ile w tej cenie da się jeszcze ruszyć.

Dlatego pracujemy tam, gdzie sami mówimy. Nasze języki robocze to polski, ukraiński i angielski, i nie bierzemy rynków, na których nas nie ma. Tłumaczenie automatyczne tej różnicy nie domyka, bo problem nie leży w słowach, tylko w tym, na ile ktoś jest gotów być z wami szczery.

AI to system ustawień precyzyjnych, a nie generycznych

Tak formułujemy rolę AI w sprzedaży B2B u siebie. Model daje wartość wtedy, gdy dostrajacie go do konkretnego rynku i konkretnego kupującego, iteracyjnie:

1. Formułujecie hipotezę: komu i po co jesteście potrzebni na tym rynku.
2. Weryfikujecie ją żywymi rozmowami, a nie wyszukiwaniem.
3. Przynosicie odpowiedzi rynku z powrotem i pod nie przepisujecie pozycjonowanie, materiały i listę celów.
4. Dopiero potem skalujecie to, co się potwierdziło.

AI w sprzedaży B2B przyspiesza kroki 1, 3 i 4. Kroku 2 nie przyspiesza nikt, a to on rozstrzyga, czy reszta ma sens.

Gdzie jesteśmy najbardziej przydatni

Mówimy klientom wprost, że największą wartość dajemy na dwóch etapach: badanie rynku zagranicznego i wejście na nowy rynek. Czyli wtedy, gdy dopiero rozpoznajecie rynek i macie słuchać jego informacji zwrotnej, a nie wtedy, gdy trzeba skalować działającą już maszynę sprzedaży.

Na tych etapach nasza wartość jest stosowana: zweryfikować to, co wygenerowaliście u siebie w biurze, zanim wybiegniecie na rynek i popełnicie błędy, które dziś popełnia wiele firm na niezweryfikowanych danych. W praktyce wygląda to tak: wspólnie ustalona lista firm docelowych, kontakt do nich w waszym imieniu w miejscowym języku, zebrana informacja zwrotna, pierwsze spotkania i decyzja. Adaptujemy ofertę albo uczciwie z tego rynku rezygnujemy.

Jak to wyglądało w praktyce

W projekcie z Voltage Group przeszliśmy ten cykl na czterech rynkach UE: badanie, pierwszy kontakt z rynkiem, matchmaking, pierwsze spotkania. Wynik: ponad 65 MW projektów w 12 miesięcy, pierwszy kontrakt trzy miesiące po starcie. Żaden model by tego nie napisał, bo złożyło się na to kilkanaście konkretnych osób, konkretne rozmowy i decyzje podjęte na podstawie tego, co te osoby powiedziały.

Drugi przykład jest inny w charakterze. Ostapiv Dachy to firma, która już działała, ale chciała lepszych procesów sprzedaży i nowych segmentów. Przeprowadziliśmy badanie rynku, wybraliśmy najlepszy segment klientów, zbudowaliśmy materiały i uruchomiliśmy proces rozwoju sprzedaży B2B. I znowu, wybór segmentu wynikał z rozmów, nie z raportu.

Co z tym zrobić

Jeżeli patrzycie teraz na nowy rynek i macie już wygenerowaną analizę, zróbcie trzy rzeczy. Wyjmijcie z niej dziesięć konkretnych twierdzeń. Zaznaczcie, które z nich potraficie potwierdzić nazwiskiem osoby, która wam to powiedziała. Wykreślcie te, których nie potwierdza nic. To, co zostanie, jest waszą realną wiedzą o tym rynku na dziś.

Jeżeli zostało niewiele, to normalne. To znaczy, że jesteście na etapie rozpoznania rynku, a następny krok nie polega na napisaniu lepszego promptu. Więcej o samym procesie opisaliśmy na stronie ekspansja na rynki zagraniczne.