AI в продажах B2B: інструмент, а не готове рішення

«Ми й самі можемо отримати це від AI». Що ми на це відповідаємо

Про AI в продажах B2B ми чуємо на перших зустрічах усе частіше, і це чесне заперечення. Клієнт відкриває ChatGPT, диктує голосом три речення про свою компанію і за хвилину має структурований аналіз польського ринку: сегменти, конкуренти, канали, ризики. Виглядає солідно. Виглядає як те, за що консультанти беруть гроші.

Ми не будемо сперечатися з тим, що цей документ існує і що він безкоштовний. Ми скажемо інше: у ньому немає жодного факту, який хтось перевірив у цього конкретного ринку, і жодного речення, яке хтось з ринку підтвердив. Це не аналіз ринку. Це середнє арифметичне всього, що написано в інтернеті про ринки взагалі.

AI в продажах B2B

Використання мовних моделей для підготовки продажів: research, структурування даних, мовні версії матеріалів і аналіз зворотного звʼязку. Інструмент, що прискорює підготовку, а не джерело рішення про вихід на ринок.

Чому AI користуються майже всі, а гроші з нього бачить третина

Глобальне опитування McKinsey у травні та червні 2026 року (1 719 респондентів, 97 країн) дає дві цифри поруч. Перша: майже дев’ять із десяти організацій регулярно застосовують AI хоча б в одній бізнес-функції. Друга: тільки 37% приписують AI хоч якийсь вплив на EBIT, і ця цифра не змінилася з 2025 року. Компаній, яких McKinsey називає high performers, всього 6%.

Різниця між ними не в моделях. Усі користуються приблизно тим самим. Різниця в тому, що 73% high performers перебудували під AI самі робочі процеси, а серед решти це зробили 25%. Тобто цінність зʼявляється не тоді, коли ви почали генерувати тексти, а тоді, коли ви змінили спосіб, у який ухвалюєте рішення.

Для польського контексту є ще одна цифра. За даними Євростату за 2025 рік, AI-технології використовували 20,0% підприємств ЄС із 10+ працівниками. У Польщі 8,4%, третій найнижчий показник у Союзі. Тобто ринок, на який ви заходите, у масі своїй ще не автоматизований, і ваш майбутній клієнт швидше за все читає ваш лист сам.

Звідки береться generic-відповідь

Мовна модель відповідає на те, як поставлене питання, тим, що найчастіше зустрічалося в тексті. Якщо ви питаєте про «вихід на польський ринок», ви отримуєте усереднений вихід на усереднений ринок: перевірте конкурентів, знайдіть дистрибутора, врахуйте локальну специфіку. Формально правильно. Практично нічого не означає.

Проблема глибша за якість промпту. Того, що вирішує вашу угоду, у публічних текстах просто немає: хто в цій компанії реально підписує, скільки насправді триває тендерна процедура в цій галузі, чому попередній постачальник з вашої країни звідти пішов, який рівень маржі витримує ринок цього року. Це знання живе в головах у 20 людей і передається в розмові.

Тому нас не дивує, що навіть у публічній фактології моделі помиляються системно. Дослідження EBU і BBC, опубліковане 21 жовтня 2025 року (понад 3 000 відповідей, 22 медіаорганізації, 18 країн, 14 мов), показало: майже половина відповідей AI-асистентів мала щонайменше одну суттєву проблему, третина мала серйозні проблеми з джерелами, пʼята частина містила помилки по суті, включно з вигаданою або застарілою інформацією. Це на темі, де перевірених джерел море. На вашому нішевому B2B-ринку їх немає взагалі.

Що AI в продажах B2B робить справді добре

Ми користуємося AI щодня, різними моделями і свідомо різним їх міксом. Це реально сильний інструмент, і ось де він дає нам виграш у часі:

• Desk research першого рівня. Зібрати перелік компаній у сегменті, структурувати публічні дані, зняти чорнову картину галузі за години замість тижня.
• Мова. Швидкі версії матеріалів польською, українською, англійською, які потім вичитує людина, що цією мовою продає.
• Структурування зворотного звʼязку. Коли ми провели 25 розмов, модель добре допомагає побачити повторювані патерни у нотатках.
• Підготовка до зустрічі. Гіпотези, можливі заперечення, питання, які варто поставити.
• Фактчекінг у зворотний бік. Найкорисніше застосування: не «згенеруй мені аналіз», а «ось що нам сказав ринок, знайди, де це суперечить публічним даним».

Ключове тут порядок дій. AI на вході дає чернетку, яку перевіряє ринок. AI на виході, коли з чернетки одразу роблять план дій, і є тим місцем, де компанії втрачають гроші.

Чого AI не бачить

Він не був на зустрічі. Він не чув, як змінився тон, коли ви назвали ціну. Він не знає, що технічний директор кивав, а вирішує тут закупівля. Він не бачив, що конкурент уже стоїть у них на майданчику. Він не має доступу до того, що вам сказали в кулуарах після конференції, і саме там зазвичай лежить відповідь на питання, чи є у вас цей ринок.

Ми ходимо. Ми не сидимо за компʼютером і не генеруємо звіти. Ми йдемо разом з командою клієнта, звертаємося до його майбутніх покупців від його імені, ставимо питання і приносимо назад те, що почули, разом з висновком. Іноді висновок негативний, і це теж результат: краще дізнатися за три місяці, ніж за два роки.

Чому згенерований лист більше не працює

Окремо про пряму комунікацію. Робота з клієнтом через AI сьогодні завершується на дуже ранньому етапі, бо люди навчилися впізнавати згенерований текст. Однакова структура, ідеально рівні абзаци, комплімент на початку, «I noticed that your company». Отримувач бачить це за три секунди і робить один висновок: цей відправник не витратив на мене жодної хвилини.

Це не питання етики, це питання арифметики. Ви витрачаєте перший і єдиний контакт із людиною, до якої могли б достукатися, на лист, який знецінює сам себе. У B2B, де ваш ринок це 200 компаній, а не 200 000, спалити контакт коштує дорого.

AI пише лист за десять секунд. Але відповідь ви отримуєте не за швидкість, а за те, що ви знаєте про цю компанію те, чого не знає її наступний постачальник.

Дмитро Нечипоренко

Ваш клієнт теж має AI, і він аналізує вас

Про цей бік справи чомусь забувають. Той самий інструмент стоїть по інший бік столу. Ваша комерційна пропозиція, ваш прайс і ваш сайт сьогодні потрапляють у чат покупця раніше, ніж на стіл до людини. Він просить модель порівняти вас із двома конкурентами, витягти слабкі місця в умовах і підготувати питання на зустріч.

Наслідки цілком конкретні. Перше: розмиті переваги зникають. «Індивідуальний підхід» і «висока якість» модель зведе до нуля, бо те саме написано у всіх, а порівняння вона робить за тим, що піддається порівнянню. Друге: усе, що можна перевірити, буде перевірено, і розбіжність між вашим сайтом, вашою пропозицією і тим, що ви сказали на зустрічі, спливе. Третє: ви приходите до людини, яка вже має готовий список ваших найслабших місць.

Практичний висновок теж конкретний. Пропозиція має містити те, що не зводиться до середнього: цифри, строки, умови, назви реалізованих проєктів. А ваші публічні матеріали мають бути написані так, щоб модель прочитала їх правильно, бо саме з них вона складе вашу картину для покупця. Ми ставимося до цього як до окремої задачі і робимо її для клієнтів так само, як для власного сайту.

Комерційна таємниця: чого не можна завантажувати

Є ще обмеження, про яке в презентаціях говорять рідко. Найцінніше у вашій підготовці, це саме те, що не можна класти в публічний чат: собівартість, умови з постачальниками, чинні контракти, дані клієнтів, технічні рішення.

Масштаб проблеми виміряний. Звіт LayerX Enterprise AI and SaaS Data Security за жовтень 2025 року показує, що 77% співробітників, які користуються AI-чатами, копіюють у них дані, і 82% таких вставок ідуть через некорпоративні особисті акаунти, тобто поза будь-яким контролем компанії. Близько 40% завантажених файлів містили персональні або платіжні дані.

Наш практичний висновок простий: розділяйте контур. Публічні дані і гіпотези йдуть у модель. Комерційна інформація не йде нікуди, крім вашого периметра і людей, з якими у вас підписано NDA. Ми працюємо саме так, і частина нашої роботи з клієнтом фізично не може бути виконана моделлю з цієї причини.

Мова клієнта вирішує більше, ніж здається

Так, англійською сьогодні можна поговорити майже з ким завгодно, і для першої зустрічі цього зазвичай достатньо. Але ми бачимо різницю щоразу. Коли розмова йде польською з польським закупівельником або українською з українським директором заводу, вам кажуть помітно більше і кажуть іншими словами. Зокрема кажуть те, чого не скажуть іноземцю: що насправді не влаштовує в поточному постачальнику і скільки в цій ціні можна рухатися.

Тому ми працюємо там, де самі говоримо: Польща та Україна, робочі мови польська, українська, англійська. Ми не беремо ринки, на яких нас немає. Автоматичний переклад цю різницю не закриває, бо проблема не в словах, а в тому, наскільки з вами готові бути відвертими.

AI це система тонких налаштувань, а не generic-налаштувань

Ось як ми формулюємо роль AI в продажах B2B усередині фірми. Модель приносить користь тоді, коли ви налаштовуєте її під конкретний ринок і конкретного покупця, і робите це ітераціями:

1. Формулюєте гіпотезу: кому і навіщо ви потрібні на цьому ринку.
2. Перевіряєте її живими розмовами, а не пошуком.
3. Приносите відповіді ринку назад і переписуєте під них позиціонування, матеріали, список цілей.
4. Тільки після цього масштабуєте те, що підтвердилося.

AI в продажах B2B прискорює кроки 1, 3 і 4. Крок 2 не прискорює ніхто. І саме він визначає, чи буде решта мати сенс.

Де ми найкорисніші: discovery і market entry

Ми чесно кажемо клієнтам, що найбільшу користь даємо на двох стадіях: дослідження нового ринку і вихід на новий ринок. Тобто тоді, коли ви ще розбираєтеся з ринком і маєте слухати його зворотний звʼязок, а не тоді, коли треба масштабувати вже працюючу машину продажів.

На цих стадіях наша цінність прикладна: перевірити те, що ви нагенерували у себе в офісі, до того, як побіжите на ринок і зробите помилки, які зараз роблять багато компаній через неверифіковані дані. Практично це виглядає як спільний список цільових компаній, вихід на них від вашого імені локальною мовою, зібраний зворотний звʼязок, перші зустрічі і рішення: адаптуємо пропозицію або чесно виходимо з цього ринку.

Що це дало на практиці

У проєкті з Voltage Group ми пройшли цей цикл на чотирьох ринках ЄС: дослідження, перший контакт із ринком, метчмейкінг, перші зустрічі. Результат: 65+ МВт проєктів за 12 місяців, перший контракт через три місяці після старту. Жодна модель не написала б цей результат, бо він складався з конкретних людей, конкретних розмов і кількох рішень, ухвалених на основі того, що ці люди сказали.

Другий приклад іншого типу: Ostapiv Dachy, компанія, яка вже працювала, але хотіла кращих процесів продажу і нових сегментів. Там ми провели дослідження ринку, вибрали найкращий сегмент клієнтів, побудували матеріали і запустили процес розвитку продажів. Знову ж таки, вибір сегмента був наслідком розмов, а не звіту.

Що з цим робити

Якщо ви зараз дивитеся на новий ринок і у вас уже є згенерований аналіз, зробіть три речі. Візьміть із нього десять конкретних тверджень і позначте, яке з них ви можете підтвердити іменем людини, що вам це сказала. Викресліть ті, які підтвердити нічим. Те, що залишилося, і є вашим реальним знанням про ринок на сьогодні.

Якщо залишилося мало, це нормально. Це означає, що ви на стадії discovery, і наступний крок не в тому, щоб написати кращий промпт. Більше про сам процес ми описали на сторінці вихід на міжнародні ринки.