AI v prodeji: Správné nasazení AI SDR

KI im Vertrieb · 9. Oktober 2026 · Manuel Krapf

AI v prodeji vyžaduje jasné předání: Přečtěte si, kdy AI SDR snižují náklady, kde jsou lidé lepší a jak průmyslové týmy začnou v roce 2026.

AI v prodeji v roce 2026 nenahradí dobrého SDR — pouze odhalí, kolik špatné práce SDR bylo dosud prodáváno jako prodej. Myslím to vážně, protože mnoho týmů ve strojírenství, automatizaci a u technických dodavatelů stále platí lidem za přepisování LinkedIn profilů, zběžné prohlížení firemních webových stránek a rozesílání připomínkových e-mailů. To není budování vztahů. To je byrokracie se sluchátky. No, skoro.

Spor „AI SDR versus Human SDR“ je proto špatná otázka. Správná otázka zní: Které části prospectingového stroje musí vlastnit lidé, protože tam záleží na úsudku, důvěře a technickém porozumění — a které části patří okamžitě softwaru, protože jinak zůstanou příliš pomalé, příliš drahé a příliš náchylné k chybám? Kdo s AI v prodeji zachází pouze jako s levnějším stážistou pro více e-mailů, v nejhorším případě zničí svou doménu, svou značku a kalendáře svých Account Executives.

AI v prodeji: Co se pokazí, když AI SDR nasadíte špatně

Nejčastější problém nevidím u AI. Sedí před ní. Obchodní ředitelé si koupí nástroj jako 11x, AiSDR, Instantly, Waalaxy nebo Clay, dají systému 5 000 kontaktů z Apollo, ZoomInfo nebo Cognism, napíšou tři hodnotové propozice do dokumentu a o čtyři týdny později se diví, proč je míra odpovědí sice měřitelná, ale do CRM se dostane jen málo rozhovorů, které by Sales Engineer bral vážně. Podle Waalaxy je průměrná míra odpovědí u zveřejněných dat kampaní 16,6 %, nejlepší strategie dosahují 47,8 %. Zní to dobře. Dokud se nezeptáte, kolik z těchto odpovědí bylo pozitivních, kolik schůzek se uskutečnilo a zda z nich vznikly Sales-accepted Opportunities.

V průmyslovém prodeji není schůzka vítězstvím. Vedoucí závodu Schaeffler, vedoucí údržby Kärcher nebo Engineering Manager Festo se nesejdou, protože e-mail byl „personalizovaný“. Přijde, když se naskytne vhodná příležitost: nová linka, retrofit, úzké hrdlo, míra zmetkovitosti, změna norem, výpadek dodavatele, spotřeba energie, dostupnost. Vůně chladicí kapaliny ve výrobní hale řekne o Use Case více než deset AI-generovaných vět o „vaší působivé pozici na trhu“. Pokud AI SDR tvrdí, že viděla, že závod používá určité řídicí systémy Siemens S7, ačkoli to není řádně doloženo, pak není zničena jen kampaň. Pak je zničena důvěryhodnost.

U nás to nefunguje, když se první doplňující otázka stane technickou. Pak zákazník po 30 sekundách zjistí, že nikdo nepochopil, co prodáváme.

— Andrea, Head of Sales u dodavatele automatizace v Bielefeldu

Kalkulace nákladů je často stejně chybná. Human SDR podle odhadů Salesworx v roce 2026 plně zatížený často stojí přibližně 90 000 až 210 000 USD ročně, odhady pro střední trh se často pohybují mezi 142 000 a 154 000 USD. Jiné odhady pro rok 2026 uvádějí kolem 114 000 USD včetně benefitů. Software AI SDR začíná částečně na 94 až 250 USD měsíčně, autonomní platformy pro střední trh jdou do několika tisíc dolarů, podnikové sestavy se podle veřejně uváděných cenových indikací mohou pohybovat kolem 15 000 dolarů měsíčně. Ale počítat cenu softwaru proti platu je začátečnické účetnictví. Rozhodující jsou náklady na kvalifikovanou schůzku (Cost per qualified Meeting), náklady na Sales-accepted Opportunity, pipeline na cílový účet a nakonec hrubý zisk. Ne počet odeslaných zpráv.

Přehled: Hybridní praktický průvodce pro AI v prodeji

Popisuji zde model, který považuji za spolehlivý pro většinu středně velkých výrobních podniků v DACH: AI-assisted, human-owned Outbound. AI vyhledává, obohacuje data, navrhuje varianty, monitoruje spouštěče, udržuje sekvence čisté a koordinuje follow-upy. Lidé rozhodují o cílových účtech, zprávě, technických tvrzeních, živých rozhovorech, kvalifikaci a předání příležitosti. Zní to méně sexy než „plně autonomní digitální pracovník“. To je pravda. Ale funguje to častěji.

V tomto průvodci projdu krok za krokem:

• Krok 1: ICP a logika účtů musí být tak úzké, aby AI nemusela hádat
• Krok 2: Připravte zdroje dat, CRM a doručitelnost, než začne první sekvence
• Krok 3: Oddělte zprávy pro Engineering, Operations, Nákup a Vedení
• Krok 4: Propojte AI SDR a Human SDR s jasnými předáními
• Krok 5: Hierarchie KPI se zaměřuje na pipeline a hrubý zisk, nikoli na aktivitu
• Kontrolní bod: GDPR, ePrivacy a národní pravidla pro Cold-Outreach v DACH a Evropě

Krok 1: Zpřesněte ICP, než AI v prodeji škáluje

První krok je banální. A právě proto se přeskočí. Použitelný Industrial-ICP se neskládá z „výrobního průmyslu, 50 až 500 zaměstnanců, DACH“. To je seznam, ne trh. Pro AI v prodeji potřebujete tvrdé signály: instalované stroje, výrobní postupy, umístění závodů, certifikace, ERP nebo MES systémy, třídy materiálů, cykly údržby, exportní trhy, směnný provoz, kritičnost náhradních dílů. Pokud například společnost prodává komponenty pro vakuovou techniku, „výrobci strojů“ jsou příliš široké. Trumpf, DMG Mori, Webasto, Brose a Phoenix Contact patří nějakým způsobem do průmyslu — ale nakupují z naprosto odlišných důvodů, s jinými orgány a v jiných časových oknech.

Konkrétní příklad z mé práce: Pro tým DACH se 14 obchodníky jsme v březnu 2025 cílovou skupinu neřezali podle odvětví, ale podle výrobních událostí. Rozšíření kapacity, nová výrobní linka, inzeráty na pozice v údržbě, zmínky o retrofit projektech, nové ISO-relevantní dokumenty, regionální rozšíření závodů. Komponenta AI mohla pouze vyhledávat a prioritizovat. Konečné schválení účtu leželo na Sales Leadovi. Výsledek po osmi týdnech: méně cílových účtů než dříve, ale výrazně méně kalendářního balastu. Pozitivní míra odpovědí vzrostla z 3,8 % na 8,6 %; důležitější bylo: Podíl schůzek, které prodej označil jako „technicky relevantní“, vzrostl z 31 % na 57 %. Žádná magie. Čisté řezání.

Z našich implementací víme: Pokud ICP v prvním workshopu obsahuje více než pět hlavních segmentů, kvalita AI personalizace se téměř vždy snižuje. Ne proto, že by model byl hloupý. Protože vstupy jsou měkké. U 27 zákaznických projektů v B2B průmyslovém prostředí, které jsme v posledních 12 měsících operativně doprovázeli nebo analyzovali, byla nejlepší stabilita kampaně u dvou až čtyř segmentů na vlnu. Jakmile týmy chtěly paralelně testovat osm segmentů, zvýšil se počet korekčních smyček, duplicit, nejasných předání a chybných předpokladů rolí. Věta, kterou pak slyším nejčastěji: „Chtěli jsme se nejprve podívat, co se chytí.“ Přesně tak se spaluje trh.

Příklad použitelného Industrial-ICP

Místo „dodavatelé pro automobilový průmysl v Německu“ bych začal takto: Tier-2 a Tier-3 dodavatelé s 80 až 450 zaměstnanci, vlastní obráběcí výroba nebo montáž, minimálně jeden závod v jižním Německu nebo České republice, náznaky směnných provozů, otevřené pozice v kvalitě nebo údržbě, relevantní normy jako IATF 16949, naposledy viditelná investice do automatizace nebo kapacity. To je úzké. Záměrně. AI SDR může na tomto základě kontrolovat zdroje, shlukovat kontakty, sbírat spouštěče a rozlišovat role. Nemusí halucinovat, zda CFO právě hledá „potenciál efektivity“ (Spoiler: hledá ho vždy, ale stejně neodpovídá).

Krok 2: Data, CRM a doručitelnost vyřešte před AI SDR

Mnoho Outbound projektů umírá na něco, co v demo verzích zůstává neviditelné: datovou hygienu. Apollo najde kontakty, ZoomInfo dodá firemní údaje, Cognism může být užitečný v Evropě, Clay orchestrates vyhledávání, HubSpot nebo Salesforce ukládají vlastnictví a stav. Krásné. Ale pokud je stejná osoba třikrát v CRM, staré opt-outy nejsou synchronizovány, ignorují se národní pravidla a nikdo neví, zda je „Head of Operations“ v tomto závodě skutečně správná role, pak AI pouze škáluje nepořádek. Zní to tvrdě. Ale je to levnější než poškozený odesílatel e-mailu.

Doporučuji před prvním spuštěním AI-SDR 10denní sprint. Ne šestiměsíční transformaci CRM. Deset dní. Během této doby se kontrolují domény, omezuje se objem odesílání, kontrolují se SPF, DKIM a DMARC, synchronizují se Suppression Lists, čistí se duplicity, definují se povinná pole a dokumentují se zdroje. CSO z Norimberku mi nedávno řekl: „Dva roky jsme mluvili o novém messagingu a pak jsme zjistili, že 18 % našich cílových kontaktů už ve firmě nebylo.“ Přesně tak. Největší páka nebyla copywriting. Byla to kontrola dat.

1. Sjednotit stav CRM: Lead, Contact, Account, Opportunity a Disqualified musí mít stejný význam pro Sales, Marketing a RevOps.
2. Dokumentovat zdroje dat: Pro každý kontakt musí být dohledatelné, odkud informace pochází a kdy byla naposledy zkontrolována.
3. Nejprve synchronizovat Suppression Listy: Opt-outy, zákazníci, probíhající Opportunities, partneři a No-go-účty nesmí být omylem zařazeny do sekvence.
4. Zkontrolovat nastavení domény: SPF, DKIM, DMARC, odesílací domény, plán zahřívání a limity objemu musí být nastaveny před spuštěním kampaně.
5. Vytvořit logiku pro jednotlivé země: Německo, Francie, Itálie, Švýcarsko, Rakousko a Spojené království nesmí být ošetřeny jedním pravidlem pro Cold-Outreach.
6. Stanovit směrování odpovědí: Pozitivní odpověď, námitka, doporučení, odhlášení, nepřítomnost a irelevantní odpověď vyžadují různé další kroky.

Zejména v Německu není opatrnost právnickým folklórem. GDPR vyžaduje právní základ pro zpracování osobních údajů, v B2B kontextu se často odkazuje na oprávněný zájem podle čl. 6 odst. 1 písm. f) GDPR. To samo o sobě však nestačí pro každý kanál a každou zemi. K tomu se přidávají národní pravidla pro ePrivacy a přímý marketing. Německo je v analyzovaných zdrojích považováno za obzvláště restriktivní ohledně nevyžádaných B2B e-mailů a v mnoha případech vyžaduje předchozí výslovný souhlas. Francie za určitých podmínek spíše umožňuje B2B oslovení související s rolí s transparentností a možností vznést námitku. Itálie je popsána jako přísnější, a to i u veřejně nalezených e-mailových adres. Spojené království musí být posuzováno samostatně podle UK GDPR a PECR. Nejsem právník. Ale jsem dostatečně CMO, abych věděl: Odkaz na odhlášení není konceptem shody.

Krok 3: Oddělte zprávy pro role, nehrajte divadlo s personami

Dokumenty s personami jsou často pěkné a k ničemu. „Nákupní manažer chce snížit náklady, výrobní manažer chce dostupnost, generální ředitel chce růst.“ Ano. A voda je mokrá. Ve skutečném průmyslovém prodeji nejde o ploché persony, ale o rozhodovací konflikty. Engineering chce technickou proveditelnost. Operations nechce prostoje. Nákup chce srovnatelnost. Vedení chce eliminovat rizika. AI SDR může vytvářet hrubé návrhy pro každou roli, ale nesmí si vymýšlet základní tezi.

Vezměme si dodavatele senzoriky pro prediktivní údržbu. V závodě Webasto nebo u dodavatele v oblasti Stuttgartu nesmí zpráva pro údržbu znít stejně jako zpráva pro CFO. Údržba potřebuje kontext ohledně tříd zařízení, vzorců poruch, náročnosti instalace, rozhraní. CFO potřebuje robustní komerční hypotézu: neplánované prostoje, náklady na náhradní díly, zmetkovitost, okno návratnosti. Nákup potřebuje důkazy, certifikáty, dodací schopnost, referenční rámec. Kdo všem posílá stejný AI e-mail, jen s jiným křestním jménem, nepochopil problém.

Dobrý proces zpráv má proto dvě úrovně. Zaprvé: AI shromažďuje důkazy. Žádné fráze. Důkazy. Inzerát na pozici SPS technika z ledna 2026, tisková zpráva o rozšíření závodu, stažení whitepaperu, nová certifikace, účast na veletrhu Motek, změna v produktovém portfoliu. Zadruhé: Člověk formuluje komerční tezi. To je věta, na které závisí téměř vše: „Pokud právě rozšiřujete montážní kapacitu v závodě 2, naše téma by mohlo být relevantní, protože vaše stávající testovací stanice se stává úzkým hrdlem při vyšším mixu variant.“ Možná je to pravda. Možná ne. Ale je to ověřitelné. A nezní to jako konfety z promptu.

Nejlepší odpovědi jsme dostali, když jsme přestali znít přátelsky a začali být specifičtí.

— Markus, obchodní ředitel výrobce komponent v Augsburgu

Amplifa Sales Audit Zkontrolujte ICP, CRM data, Outbound proces a logiku KPI, než škálujete AI SDR nebo kupujete nové prodejní nástroje.

Krok 4 a 5: Čistě propojte AI SDR a Human SDR

Hybridní přístup zní jednoduše jen tehdy, když ignorujete předávání. V praxi právě tam rozhoduje rozdíl mezi pipeline a šumem. AI SDR jsou silné ve výzkumu, obohacování dat, sekvencování, follow-upu, kalendářní logistice a CRM aktivitách. Human SDR jsou silnější u nejasných odpovědí, discovery, řešení námitek, politické navigace v účtu a důvěry. To se shoduje s mnoha tržními pozorováními, například od Leadsify: AI pomáhá s výzkumem, budováním seznamů a návrhy; lidé zůstávají lepší, když je potřeba úsudek a skutečné zpracování odpovědí.

1. Definujte práh „Human Takeover“: Každá technická otázka, cenová otázka, zmínka o konkurenci, otázka integrace, otázka nákupu nebo doplňující otázka k referencím jde okamžitě k člověku.
2. Vytvořte kategorie odpovědí: pozitivní, později, špatná osoba, námitka, odhlášení, nepřítomnost, irelevantní, riziko. AI SDR může třídit, ale kritické odpovědi se kontrolují.
3. Nenechávejte strategické účty běžet plně automaticky: U top 50 účtů AI maximálně vytváří návrhy; Sales nebo Marketing schvalují první zprávu.
4. Měřte Meeting-held, ne Meeting-booked: Zarezervovaná schůzka, která se neuskuteční nebo je AE odmítnuta, není úspěch.
5. Propojte Gong nebo poznámky z rozhovorů s daty sekvence: Tak uvidíte, které zprávy vedou ve skutečných hovorech k použitelné discovery.
6. Uzavřete zpětnovazební smyčku do CRM: Důvody diskvalifikace, námitky, průmyslové vzorce a technická kritéria vyloučení se musí vrátit do logiky kampaně.

Co konkrétně vidíme u Amplifa: V průmyslových kampaních s vysokou potřebou technického vysvětlení není první pozitivní odpověď zřídka problémem. Problém nastane o dvě zprávy později. Prospekt napíše: „Jaké rozhraní podporujete k našemu stávajícímu MES?“ Nebo: „Máte zkušenosti s ATEX zónami?“ Nebo: „Jak se to chová u malých sérií s vysokým mixem variant?“ Pokud pak AI SDR pokračuje s zdvořilým kalendářním tlakem, dojem se změní. V jednom z našich nastavení jsme proto všechny odpovědi s otazníkem plus technickými pojmy automaticky přesměrovali do Human-Queue. Míra Meeting-booked mírně klesla o 0,7 procentního bodu. Míra Sales-accepted vzrostla o 22 %. To je přesně ta výměna, kterou chci.

Dalším bodem je rychlost. Lidé nejsou pomalí, protože jsou líní. Jsou pomalí, protože prospecting se skládá ze 40 malých úkolů: najít kontakt, zkontrolovat roli, pochopit účet, vytvořit zprávu, aktualizovat CRM, nastavit připomínku, interpretovat odpověď, poslat odkaz na kalendář, napsat poznámku. AI může mnoho z těchto úkolů provést během několika sekund. Human SDR by v roce 2026 už neměl ručně kopírovat popisy firem. Měl by rozhodnout, zda účet stojí za to, zda je teze správná a zda je rozhovor dostatečně zralý, aby k němu připojil AE nebo Sales Engineer.

Architektura nástrojů pro AI v prodeji: Co kam patří

Nemám rád seznamy nástrojů bez procesu. Přesto potřebují obchodní ředitelé mapu. 11x se umisťuje s autonomními digitálními pracovníky pro prospecting a sales development; veřejně diskutované ceny se u určitých plánů mohou pohybovat kolem 3 750 USD měsíčně. Instantly se často používá pro e-mailovou infrastrukturu, sekvence a správu kampaní. AiSDR nabízí levnější autonomní možnosti pro prospecting a e-mailovou automatizaci. Waalaxy se podílí na LinkedIn a e-mailovém prospectingu a zveřejňuje vlastní data o míře odpovědí. Clay je silný pro orchestraci výzkumu, pokud chcete propojit datové zdroje, CRM a generativní modely. Salesforce a HubSpot zůstávají kontrolními centry pro vlastnictví, životní cyklus, souhlas a fáze příležitostí. Outreach a Salesloft jsou užitečné, pokud jsou potřeba podnikové sekvence, řízení úkolů a schvalovací pracovní postupy. Gong pomáhá učit se ze skutečných rozhovorů, místo aby se jen díval na statistiky kampaní.

Můj jasný názor: Nekupujte autonomní systém AI-SDR, pokud zároveň nemáte někoho, kdo je zodpovědný za kvalitu dat, logiku kampaní, shodu a zpracování odpovědí. „To dělá nástroj“ není provozní koncept. U výrobního podniku s 50 až 500 zaměstnanci často stačí malá architektura: HubSpot nebo Salesforce jako CRM, Clay nebo podobné pracovní postupy pro výzkum a obohacení, čistě nakonfigurovaný nástroj pro sekvencování, poskytovatel dat, jasné schvalovací procesy a člověk, který každý týden čte kvalitu odpovědí. Ano, čte. Nejen se dívá na dashboard.

Hierarchie KPI: AI v prodeji neměřte podle Open Rates

Open Rates jsou v roce 2026 téměř bezcenné. Apple Mail Privacy, bot-scany, bezpečnostní brány, blokátory sledování — signál je znečištěný. Reply-Rate je lepší, ale také nestačí. Kampaň může generovat 12 % odpovědí a přesto být špatná, pokud je polovina odhlášení, stížností nebo „nerelevantní“. Proto buduji hierarchie KPI zdola nahoru, nikoli z objemu aktivit.

1. Positive Reply Rate: Podíl odpovědí se skutečným zájmem, doplňující otázkou, doporučením nebo signálem načasování.
2. Meeting-booked Rate: Podíl cílových kontaktů nebo účtů, ze kterých je zarezervována schůzka.
3. Meeting-held Rate: Podíl zarezervovaných schůzek, které se skutečně uskuteční.
4. Sales-accepted Opportunity Rate: Podíl schůzek, které Sales akceptuje jako kvalifikované.
5. Pipeline Generated: Součet otevřených příležitostí z kampaně.
6. Closed-won Revenue a hrubý zisk: Tržby se nepočítají stejně, pokud se marže, náklady na implementaci nebo servisní náklady výrazně liší.
7. Cost per Opportunity a Cost per Pipeline-Euro: Zde se rozhoduje, zda je „levná“ AI skutečně ekonomická.

Pro výrobní podniky je pátá a šestá úroveň obzvláště náročná. Schůzka s Plant Managerem je cenná pouze tehdy, pokud vaše nabídka může ovlivnit specifikaci, vyřešit výrobní problém, splnit certifikační požadavky, integrovat se do stávajících systémů nebo zapadnout do nákupního cyklu. Jinak marketing plní pipeline vzduchem. A Sales si toho všimne jako první.

Zveřejněný B2B-Automation-příklad uvádí ProSeller AG se 41 SQL za šest měsíců ve třech DACH segmentech a 9,9% Reply-Rate. To je zajímavé jako směr, ale není to přírodní zákon. Případové studie blízké dodavatelům jsou zřídka nezávisle auditovány. Přesto taková čísla ukazují něco důležitého: Úzké segmenty porážejí široké objemové běhy. Pokud po šesti měsících můžete říci jen to, že bylo odesláno 38 000 e-mailů, nemáte prodejní projekt. Máte historii odesílání.

GDPR a Cold Outreach: AI povinnosti nezmenšuje

AI SDR zpřísňují dodržování předpisů, protože dělají věci, které by v Excelu byly pomaleji patrné: odvozují role, shromažďují veřejně viditelná data, obohacují kontaktní informace, interpretují chování, spouštějí follow-upy. Podle GDPR potřebujete právní základ pro zpracování osobních údajů. U relevantního B2B oslovení se často diskutuje o oprávněném zájmu, ale je potřeba zdokumentované posouzení zájmů: účel, nezbytnost, vztah k roli, očekávatelnost, práva dotčené osoby. A k tomu se přidávají národní pravidla pro elektronickou komunikaci. Kdo zachází s DACH, Francií, Itálií a Spojeným královstvím stejně, drží mapu vzhůru nohama.

Prakticky to znamená: minimalizace dat, doložení zdroje, informace o ochraně soukromí, jasná možnost vznést námitku, seznam potlačení, lhůty pro mazání, smlouvy o zpracování dat, auditní protokoly, lidský dohled. AI SDR nesmí být kreativní po jasném „Prosím, už mě nekontaktujte“. Musí se zastavit. Okamžitě. I když má sekvence ještě tři krásně formulované follow-upy.

Kolik stojí AI SDR ve srovnání s Human SDR?

Upřímná odpověď: méně v licenci, ne automaticky méně ve výsledku. Human SDR je drahý, ale špatný proces AI-SDR stojí skrytě: čas AE, poškození doručitelnosti, náklady na data, riziko shody, důvěra v značku. Pokud je průměrná hodnota vašeho účtu 80 000 eur a Sales Engineer vede čtyři nekvalifikované schůzky týdně, licence nástroje není největší nákladovou položkou. Největší nákladová položka sedí ve špatném kalendáři.

V roce 2026 bych plánoval takto: AI SDR nejprve nesnižují počet zaměstnanců. Snižují práci s nízkou hodnotou. Poté se uvidí, zda tým se stejným počtem lidí dokáže čistě zpracovat více cílových účtů, nebo zda je potřeba méně kapacity SDR. Kdo okamžitě začne s propouštěním, často systému odebere právě ty lidi, kteří jsou nezbytní pro úsudek, kvalitu a učební smyčky. Krátkodobě pěkné pro rozpočet. Střednědobě drahé.

Kdy by měl převzít člověk?

Vždy, když Prospekt signalizuje riziko, složitost nebo nákupní záměr. Technická otázka? Člověk. Cenový rámec? Člověk. Srovnání s konkurencí? Člověk. Zmínka o probíhajícím projektu? Člověk. Stížnost nebo otázka ochrany dat? Člověk. AI SDR může klasifikovat odpověď a navrhnout řešení, ale neměla by předstírat, že dokáže sama vyřešit integraci SCADA, validaci relevantní pro FDA nebo logiku rámcové smlouvy.

U jednoduchých SaaS produktů může být větší automatizace přijatelná. V průmyslovém prodeji je riziko vyšší. Chybný nárok ohledně norem IEC, ATEX zón nebo ERP propojení se nečte jako malá chyba v textu. Čte se jako signál kompetence. Negativně.

Které nástroje AI-SDR se hodí pro středně velké výrobní podniky?

Neexistuje jeden jediný nástroj. Pro mnoho středně velkých podniků je kontrolovaný stack lepší než plně autonomní systém: CRM jako vrstva pravdy, poskytovatel dat pro kontakty a firmy, orchestrace výzkumu s Clay nebo podobnými pracovními postupy, sekvencování přes Instantly, Outreach, Salesloft nebo HubSpot, vyhodnocování rozhovorů přes Gong nebo poznámky v CRM. 11x nebo AiSDR mohou být užitečné, pokud má tým jasná pravidla, schvalovací fronty a předávání odpovědí. Bez těchto mantinelů je autonomie jen jiné slovo pro ztrátu kontroly.

Amplifa Produkt Amplifa propojuje procesy prodeje řízené AI s čistým designem funnelu, datovou logikou a měřitelným vývojem pipeline.

Praktický kontrolní seznam: Jak začít za 30 dní

Kdybych měl zítra začít u výrobního podniku se 120 zaměstnanci, nedělal bych z toho velký projekt. Nastavil bych kontrolovanou 30denní vlnu. Jeden segment. Dvě role. Jasná nabídka. Jedna země nebo jasně regulovaná skupina zemí. Jeden Sales Owner. Týdenní revize se skutečnými odpověďmi na obrazovce. Nejen grafy.

1. Den 1 až 3: Stanovit cílový segment, vyloučit No-go-účty, zablokovat stávající zákazníky a příležitosti.
2. Den 4 až 7: Zkontrolovat zdroje dat, definovat pole CRM, synchronizovat Suppression List, zdokumentovat právní mantinely.
3. Den 8 až 12: Vyhledat 100 až 200 cílových účtů, shromáždit spouštěče, shlukovat role, uložit zdroje.
4. Den 13 až 16: Napsat hypotézy zpráv pro maximálně dvě role a nechat technické nároky zkontrolovat Sales nebo Product.
5. Den 17 až 20: Vytvořit sekvenci, omezit objem odesílání, nastavit kategorie odpovědí a pravidla Human-Takeover.
6. Den 21 až 30: Spustit kampaň, denně kontrolovat kritické odpovědi, týdně aktualizovat hierarchii KPI a upravovat zprávy.

Smyslem není postavit dokonalý stroj za 30 dní. Smyslem je získat dostatečně rychle skutečné tržní signály, aniž by se poškodil trh. Chci po 30 dnech vědět: Které spouštěče fungují? Která role odpovídá? Jaké námitky se opakují? Kde AI čistě vyhledávala, kde musel člověk korigovat? Které schůzky Sales skutečně akceptuje? Pokud tyto otázky nejsou zodpovězeny, kampaň byla jen zaměstnáním.

Amplifa Zdroje & Nástroje Využijte naše zdroje k strukturovanému hodnocení pipeline, outbound zralosti a využití AI v prodeji.

3 nejdůležitější poznatky pro rok 2026

Pokud si z tohoto průvodce odnesete jen tři věci, pak tyto:

• AI SDR jsou ekonomicky silné ve výzkumu, obohacování dat, sekvencování, follow-upu a práci s CRM — ale slabé v úsudku, technické kvalifikaci a důvěře.
• Relevantní obchodní případ nejsou licenční náklady versus plat, ale náklady na Sales-accepted Opportunity, kvalita pipeline, hrubý zisk a ušetřený čas AE.
• Pro průmyslový prodej v DACH je nejrobustnější model AI-assisted, human-owned: AI škáluje přípravu, lidé vlastní cílový účet, zprávu, rozhovor a příležitost.

Kdo v roce 2026 stále jede čistě inbound strategii, přijde v mnoha nikových trzích pozdě. Kdo ale AI SDR bez kontroly vypustí na trh, možná se rychle dostane — jen na špatnou adresu, s chybným tvrzením, ve špatném tónu. Dobrý prodej v příštích letech nebude méně lidský. Bude méně tolerantní k práci, která nikdy nepotřebovala lidský úsudek.