AI v prodeji: Praktický průvodce 2026

KI im Vertrieb · 12. August 2026 · Mohsen Ghulami

AI v prodeji 2026: Jak průmyslové firmy budují data, oslovování a koučování do jednoho stacku, který vytváří pipeline. Podívejte se na praktické nastavení.

AI v prodeji je software, který pomáhá prodejcům s vyhledáváním, psaním, prioritizací a koučováním. Tak to stojí v mnoha srovnáních nástrojů. Není to tak docela pravda. V roce 2026 už nejde o podporu, ale o provedení: obohacení dat, shlukování účtů, spouštění sekvencí, extrahování námitek z hovorů, psaní follow-upů, vkládání relevantního obsahu do příležitosti – a to vše, aniž by obchodní ředitel z toho pokaždé dělal workshop. Kdo AI v prodeji stále považuje za lepší generátor textu, buduje si pěknou hračku. Ne pipeline.

Vidím to u Amplifa téměř každý týden, zejména u výrobních podniků s 50 až 500 zaměstnanci v DACH. Existují pole CRM, kterých se od roku 2021 nikdo nedotkl. Veletržní leady z Motek nebo Hannover Messe leží jako soubor Excel. Na pozadí nebzučí mýtus umělé inteligence, ale velmi reálný problém: prodejci ztrácejí čas s výzkumem, píší příliš obecné e-maily, zapomínají na follow-upy a pouštějí se do technických námitek, aniž by věděli, jaká odpověď fungovala u posledního podobného obchodu.

Problém: Co se pokazí bez AI v prodeji v roce 2026

Největší chybou v průmyslovém prodeji není to, že se málo telefonuje. Největší chybou je, že se pracuje příliš naslepo. Prodejní tým u dodavatele v Bádensku-Württembersku může mít 800 cílových účtů, ale pokud nikdo nerozpozná, kterých 80 právě investuje, které rozšiřují závody, které zavádějí SAP S/4HANA nebo kteří vedoucí nákupu jsou ve funkci od března 2025, pak je outbound jen pracovní terapie. Trumpf, Festo, Phoenix Contact nebo Schaeffler neprodávají s štěstím. Pracují s tržními segmenty, nákupními centry, produktovými řadami, servisními případy, instalovanou základnou a signály. Střední podniky to nemusí kopírovat v korporátní složitosti. Ale musí přestat zacházet s každým účtem stejně.

Obchodní dopad je brutálně jednoduchý. Pokud 12 obchodních zástupců stráví týdně pět hodin výzkumem, psaním e-mailů a interním hledáním prezentací, je to 60 hodin. Každý týden. U výrobce strojů z Východního Vestfálska, se kterým jsme pracovali v dubnu 2025, byla průměrná doba odezvy na teplé inbound dotazy 27 hodin, protože se nejprve objasňovaly technické kompetence. Po čisté logice směrování a follow-upů s AI-podporovanými shrnutími to bylo pod čtyři hodiny. No, skoro. U speciálních strojů se třemi produktovými oblastmi stále existovaly odchylky. Ale pipeline se hýbala.

Co už v roce 2026 nepřijímám: čistou inbound romantiku. Kdo jako výrobní podnik jen čeká, až někdo vyplní kontaktní formulář, bude předstižen konkurenty, kteří systematicky čtou signály a využívají relevantní příležitosti. Nová výrobní hala v České republice. Inzerát na pozici Head of Automation. Projekt podpory energetické účinnosti. Změna v nákupu. To nejsou jen hezká data. To jsou vstupní dveře.

Přehled: AI-v-prodeji stack pro DACH průmysl

V tomto praktickém průvodci ukážu nastavení, které podle mých zkušeností funguje u výrobních podniků: ne jedna samostatná AI-Sales aplikace, ale stack dat, angažovanosti a koučování. Zdroje tomu odpovídají. Apollo.io je ve srovnáních pro rok 2026 popsáno jako all-in-one platforma s 210M+ až 240M+ kontakty, Clay jako orchestrátor obohacení s 100+ respektive 150+ poskytovateli dat, Cognism jako silná možnost pro B2B data blízká EU a GDPR, Gong, Outreach a Salesloft pro Call Intelligence a angažovanost, Mindtickle, Seismic a Highspot pro enablement. Otázka není: Který nástroj má nejvíce AI? Otázka je: Který workflow generuje měřitelné schůzky, lepší obchody a méně chaosu v CRM?

Průvodce se řídí pěti kroky:

• Krok 1: Definujte ICP a signály účtů tak, aby s nimi AI mohla pracovat.
• Krok 2: Nastavte obohacení dat a segmentaci pomocí Clay, Apollo, Cognism nebo dat z CRM.
• Krok 3: Vytvořte outbound sekvence, které nevypadají jako hromadný e-mail.
• Krok 4: Využívejte obsah a dema podle fáze obchodu, místo posílání PDF.
• Krok 5: Integrujte Call Intelligence a koučování přímo do pracovního postupu prodejce.

Krok 1: AI v prodeji začíná s tvrdým ICP

Ne cílová skupina. Pravděpodobnost nákupu.

Mnoho firem říká: Náš cílový trh je strojírenství DACH. To není ICP. To je oborový adresář. Použitelný ICP zní jinak: výrobní podniky s 80 až 350 zaměstnanci, vlastní údržbou, minimálně dvěma pobočkami, investicemi do automatizace, používající SAP nebo Microsoft Dynamics, vysokým tlakem na zmetkovitost, technickými rozhodovateli v nákupním centru a spouštěčem v posledních 90 dnech. Takto může AI pracovat. Takto může workflow Clay číst firemní webové stránky, analyzovat inzeráty, kontrolovat změny v obchodním rejstříku, doplňovat signály z LinkedIn a z toho odvozovat priority.

Rád nutím týmy k nepohodlnému cvičení: 20 vyhraných obchodů, 20 prohraných obchodů, 20 nerozhodnutých případů. Pak hledáme vzorce. U výrobce komponent z oblasti Stuttgartu, nebudeme zde uvádět název firmy, se v červnu 2025 ukázalo, že nejlepší obchody nepocházely z největšího odvětví, ale z podniků s novým výrobním ředitelem a starým strojním parkem. Vůně oleje v hale není pole v CRM, jasně. Ale stáří údržby, potřeba náhradních dílů, inzeráty na mechatroniky a investiční zprávy jsou data. A najednou ICP už nebylo měkké.

Moje nastavení je jednoduché, ale ne pohodlné. V CRM nastavím povinná pole: Segment, výrobní proces, hlavní problém, aktuální spouštěč, role v nákupním centru, instalovaná technologie, předpokládaný časový tlak. Ne 40 polí. Osm často stačí. Salesforce Sales Cloud, HubSpot, Pipedrive nebo Microsoft Dynamics jsou méně rozhodující než disciplína. Oracle Fusion Sales byl podle Nucleus Research v roce 2026 zařazen jako lídr pro SFA, mimo jiné kvůli sjednoceným datům o příjmech a vestavěným AI nápovědám. To zní jako korporace. Jádro však platí i pro střední podniky: Pokud data leží v pěti silech, AI koučuje jen na šum.

Zaměřovali jsme se na 18 odvětví a neměli jsme žádnou prioritu. Teprve když jsme definovali spouštěče, stal se outbound plánovatelným.

— Andrea, Head of Sales u Hidden Champion v Bielefeldu

Krok 2: Data, obohacení a GDPR čistě propojit

Clay orchestrates. Apollo scales. Cognism automaticky neuklidňuje právníka.

Pro AI Sales v DACH průmyslovém prodeji je kvalita dat úzkým hrdlem. Ne promptování. Ne předmět e-mailu. Data. Apollo.io je ve srovnáních pro rok 2026 uváděno s 210M+ až 240M+ kontakty a nabízí sekvencování, dialer a AI e-mailové funkce od zhruba 49 USD na uživatele a měsíc v jednom zdroji. Instantly je v žebříčku uváděno od 37 USD měsíčně, Smartlead od 39 USD. Clay je pro mě často centrálním bodem, protože umožňuje Waterfall Enrichment přes více než 100 nebo 150 poskytovatelů, v závislosti na zdroji. Zní to technicky. Ale je to praktické: Pokud poskytovatel A nemá telefonní číslo, workflow se zeptá poskytovatele B. Pokud chybí firemní údaje, přijde poskytovatel C. Pokud webová stránka ukazuje novou produktovou oblast, AI napíše výzkumný úryvek.

Ale: GDPR není odznak funkce. Zvláště u cold outreach v Evropě potřebuji právní základ, relevanci, čisté seznamy potlačení, dohledatelný původ dat a kontrolu přístupu. Cognism je ve srovnáních pro rok 2026 umístěn jako možnost pro GDPR-kompatibilní EU data. Dobře. Přesto s klienty vždy kontroluji: Odkud kontakt pochází? Jakou roli má osoba? Proč je oslovení oprávněné? Jak se zpracovává námitka? U generálního ředitele ve Vídni nepomůže žádná AI personalizace, pokud e-mail zní jako bot a chybí odkaz na odhlášení. Pak celý stack smrdí rizikem.

Z našich implementací víme: U průmyslových zákazníků s 5 000 až 40 000 cílovými účty vidíme téměř vždy stejnou křivku. Prvních 15 procent obohacení dat přináší viditelné výsledky – odvětví, velikost, lokalita, kontaktní osoba. Dalších 35 procent rozhoduje o kvalitě – spouštěče, technologie, struktura závodu, nápovědy k nákupnímu centru. Přesně tam stoupají míry odpovědí. Ne proto, že AI píše krásněji, ale proto, že zpráva má najednou důvod. V projektu v listopadu 2025 jsme obohatili 12 400 účtů; pouze 2 180 se dostalo do první vlny oslovení. Finanční ředitel to považoval za málo. O dva týdny později se mu líbila míra schůzek více.

1. Export CRM: účty, příležitosti, ztracené obchody, stávající zákazníci, případy bez rozhodnutí.
2. Deduplikace: normalizovat názvy firem, nastavit domény, oddělit pobočky. Brose Bamberg není automaticky Brose Coburg.
3. Doplnit firemní údaje: zaměstnanci, obratová třída, odvětví, pobočky, typ výroby.
4. Načíst spouštěče: inzeráty, zprávy, změny webových stránek, vystavovatelé veletrhů, investiční zprávy, technologie.
5. Prioritizovat kontaktní role: vedení, vedoucí výroby, údržba, nákup, inženýring, IT – podle produktu.
6. Zkontrolovat potlačení: stávající zákazníci, otevřené příležitosti, odhlášení, partneři, konkurenti.
7. Vypočítat skóre: Fit krát načasování krát dosažitelná role. Ne jen pracovní pozice plus velikost firmy.

Krok 3: Cold Outreach s AI, ale bez chuti bota

Personalizace není křestní jméno v první větě

Cold Email funguje v průmyslovém prodeji, pokud je dostatečně úzký. Selže, pokud vypadá jako generická AI kopie. Rozdíl je ve vstupu. Špatný prompt: Napiš e-mail výrobnímu řediteli o našem automatizačním řešení. Lepší workflow: Vezmi segment účtu A, spouštěč B, roli C, bolest D, referenčního zákazníka E a formuluj tezi, kterou může člověk zkontrolovat. AI nechávám zřídka odesílat finální verzi. Nechávám ji připravit 70 procent: shrnutí výzkumu, hypotézu, varianty předmětu, riziko námitky, CTA. Prodejce rozhoduje. To je pomalejší než plná automatizace. A lepší.

Příklad z nastavení pro dodavatele testovací techniky v březnu 2025: Cílovými účty byly výrobci s vysokou variabilitou variant a viditelnými rolemi v oblasti kvality. Clay shromažďoval inzeráty s pojmy jako plánování testů, řízení reklamací, vstupní kontrola. Apollo doplňovalo kontakty. Smartlead spouštěl sekvence, ale s limity na doménu a poštovní schránku. První e-mail nebyl: Pomůžeme vám zlepšit kvalitu. První e-mail byl: Všiml jsem si, že aktuálně hledáte dvě role v plánování kvality a vstupní kontrole. Často v takových fázích vidíme, že testovací procesy musí růst, než se reklamace dostanou do nákupu. Hodí se to u vás právě teď? Krátké. Dostatečně drzé. Relevantní.

Mám rád sekvence se čtyřmi až pěti kontaktními body. Ne dvanácti. Kdo v roce 2026 stále posílá 14 automatických e-mailů technickému řediteli, neměl by se divit, když doména trpí. Instantly a Smartlead jsou silné pro infrastrukturu Cold Email, zahřívání, rotaci poštovních schránek a řízení doručitelnosti. Outreach a Salesloft jsou silnější, když prodejní týmy potřebují složitější kadence, úkoly, telefonování a procesy blízké CRM. Apollo je atraktivní, pokud má být prospecting a angažovanost v jednom nástroji. Jenže: výběr nástroje nenahrazuje tezi.

Sekvence, kterou často používám jako výchozí bod pro průmyslový prodej:

• Den 1: Relevantní e-mail se spouštěčem a hypotézou, maximálně 110 slov.
• Den 3: Návštěva profilu na LinkedIn nebo žádost o propojení bez prodeje.
• Den 5: Druhý e-mail s konkrétním problémem procesu a krátkým příkladem, například zmetkovitost, doba nastavení, dostupnost náhradních dílů nebo spotřeba energie.
• Den 8: Telefonní úkol s poznámkou z výzkumu účtu.
• Den 12: Breakup e-mail s možností volby: špatná kontaktní osoba, žádné téma, relevantní později.

Krok 4: Sales Enablement se stává Deal-Workflow, ne knihovnou obsahu

Mnoho projektů Sales Enablement umírá ve složkách. Tam leží PDF, případové studie, ROI kalkulačky, datové listy, prezentace, webináře. Nikdo nenajde ten správný materiál, takže si každý prodejce vytvoří vlastní slajd. Seismic a Highspot jsou silné, když se v větších týmech stane důležitým řízení obsahu, verzování, vyhledávání a distribuce. Mindtickle se více zaměřuje na připravenost a koučování. Storylane je zajímavý pro interaktivní dema; podle poskytovatele platformu používají společnosti jako Gong, Rippling, Nasdaq a SentinelOne. Pro průmyslové firmy to není copy-paste playbook ze SaaS, ale logika je dobrá: technické dema musí být rozložitelné.

Výrobce strojů neprodává povrch. Prodává integraci, dostupnost, takt, servisovatelnost, náhradní díly, někdy politickou bezpečnost v závodě. Vedoucí nákupu chce TCO. Vedoucí výroby chce pochopit riziko prostojů. Inženýrský tým chce vidět rozhraní. Proč všem posíláme stejné 34stránkové PDF? Lepší: Demo podobné Storylane pro přehled procesu, technický datový list pro inženýring, ROI kalkulačka pro finančního ředitele, reference z podobné výroby pro vedení. AI nerozhoduje sama, ale může v obchodu rozpoznat: fáze příležitosti 3, role nákupu, námitka cena, odvětví zpracování plastů – návrh materiálu: TCO onepager plus srovnání nákladů na údržbu.

Salesforce Sales Cloud, Oracle Fusion Sales a HubSpot mohou takové návrhy částečně zobrazovat v CRM, pokud jsou pole a fáze čisté. Gong a Salesloft poskytují data z hovorů. Highspot nebo Seismic poskytují využití obsahu. Kouzlo – hloupé slovo, ale zde se téměř hodí – vzniká v propojení: Jaký slajd byl poslán po jaké námitce? Zrychlil se obchod poté, nebo usnul? V lednu 2026 jsem s obchodním ředitelem z Augsburgu mluvil přesně o této otázce. Měl 73 případových studií. Data o využití? Nula. Pak je 73 případových studií jen skladový inventář.

Krok 5: Koučování s Call Intelligence do skutečného pracovního toku

Gong zůstává v mnoha zdrojích z roku 2026 nejviditelnějším jménem pro Conversation Intelligence. Outreach je zmiňován s Kaia AI pro in-call koučování. Salesloft kombinuje angažovanost a analýzu hovorů. Mindtickle se objevuje jako platforma pro koučování a připravenost, včetně Mindtickle for Agentforce v prostředí Salesforce. Trend je jasný: koučování opouští tréninkový portál a přesouvá se do okamžiku, kdy ho prodejci potřebují. Po hovoru. Během hovoru. Před dalším krokem.

Pro průmyslový prodej je to důležitější než pro mnoho jednoduchých B2B produktů. Námitky nejsou jen: příliš drahé. Jde o shodu s CE, rozhraní SPS, dodací lhůty, dostupnost náhradních dílů, validaci, tovární normy, IT bezpečnost, okna prostojů. Pokud si nový prodejce po hovoru jen poznamená: Zákazník má technické obavy, je to bezcenné. Call Intelligence dokáže extrahovat: Námitka k integraci Profinet, zainteresované strany inženýringu skeptické, nákup ještě není zapojen, další krok technické objasnění s aplikačním inženýrem. Z toho může vzniknout koučovací workflow. Ne jako školící román, ale jako krátká nápověda: Ukaž referenci X, zeptej se na řízení Y, přidej Pre-Sales Z.

Jsem zde nekompromisní: Statický playbook je v roce 2026 málo. Zastaral dříve, než byl spuštěn. Co funguje, jsou skutečné příklady hovorů, specifické nápovědy k obchodům a vzorce z vyhraných příležitostí. Když Markus, Sales Manager v Norimberku, vidí, že jeho dva nejlepší prodejci u námitek k ceně neslevují, ale nejprve kvantifikují náklady na prostoje, pak chci toto chování zviditelnit v koučování. Ne jako motivační plakát. Jako úryvek rozhovoru, jako prompt, jako Next-Best-Action.

1. Strukturovat data hovorů: témata, námitky, konkurenti, role, další kroky, riziko. Gong, Salesloft nebo Outreach zde mohou poskytnout data.
2. Vytvořit knihovnu námitek: Ne obecnou, ale podle produktové řady, odvětví a fáze obchodu. Námitka k ceně u dodavatelů Kärcher není stejná jako námitka k integraci u medicínské techniky.
3. Vytvořit koučovací úryvky: 90 sekund zvuku, dobrá odpověď, špatný průběh, konkrétní věta pro další hovor.
4. Spustit akci v CRM: Pokud Call Intelligence rozpozná technickou námitku, automaticky se vytvoří úkol pro Pre-Sales.
5. Měsíčně kalibrovat: Které prompty skutečně pomáhají? Které prodejce otravují? Rep Fatigue je reálná. Příliš mnoho nápověd je ignorováno jako varovné kontrolky ve staré dodávce.

Amplifa Sales Audit Zkontrolujte, kde váš prodej dnes ztrácí data: ICP, CRM hygiena, nastavení outboundu, disciplína follow-upů a zralost AI v kompaktním auditu.

Správné měření AI v prodeji: Benchmarking bez pohádek

Mnoha dodavatelským benchmarkům věřím jen napůl. Upřímně? Nevím, zda je paušální 20procentní nárůst angažovanosti pro vaši firmu realistický. Zdroj blízký Salesforce z roku 2026 uvádí 15 procent lepší konverzi díky AI Lead Scoringu, 20 procent plus angažovanost díky dynamické personalizaci a 10 až 12 procent kratší prodejní cykly díky užší koordinaci prodeje a marketingu. To jsou orientační hodnoty, ne přírodní zákony. Pro výrobce senzoriky s 30denním cyklem to může sedět. Pro speciální zařízení s 14měsíční dobou rozhodování je nesmysl měřit úspěch po dvou týdnech podle míry uzavření obchodů.

Raději měřím podél řetězce. Nejprve pokrytí dat: Kolik cílových účtů má platnou doménu, segment, spouštěč, kontaktní osobu a stav potlačení? Pak aktivace: Kolik prioritizovaných účtů bylo kontaktováno s vhodnou sekvencí? Pak reakce: Míra odpovědí, míra pozitivních odpovědí, míra schůzek, míra nedostavení se. Pak kvalita obchodu: Konverze fáze, multi-threading, technická objasnění, míra nabídek. Nakonec obrat. Ano, obrat je cíl. Ale kdo měří jen obrat, zjistí příliš pozdě, že stroj byl špatně nastaven.

Příklad: U poskytovatele průmyslového softwaru v DACH jsme v září 2025 neslavili míru odpovědí, i když vzrostla z 3,1 na 7,8 procenta. Zajímavější bylo, že podíl odpovědí s konkrétním projektovým vztahem vzrostl z 0,9 na 2,6 procenta. To zní málo. Ale není. U 2 000 pečlivě vybraných účtů za čtvrtletí je to 52 rozhovorů se skutečným důvodem místo 18. Žádný ohňostroj. Práce na pipeline.

Architektura: Data plus angažovanost plus koučování

Nejsilnější stack je zřídka nejdražší. Pro výrobní firmu s 80 zaměstnanci bych nestavěl monstrózní stack ze Salesforce, Gong, Seismic, Outreach, Clay, Cognism a tří agentů. Příliš mnoho. Pro výrobce s 500 zaměstnanci s mezinárodním prodejem může mít přesně takové nastavení smysl. Hranice není rozpočet na nástroje, ale zralost procesů. Pokud prodejci neevidují aktivity čistě, pokud příležitosti nemají skutečné další kroky, pokud marketing neví, jaký obsah se používá v jaké fázi, pak se AI stane mlžným strojem.

Moje minimální nastavení často vypadá takto: CRM jako systém záznamů, Clay nebo podobné obohacení pro výzkum účtů, Apollo nebo Cognism pro kontakty, Smartlead nebo Outreach pro sekvence, Call Intelligence od určité velikosti týmu, jednoduchá matice obsahu v Notion, Highspot nebo Seismic v závislosti na zralosti. K tomu jasná pravidla: žádná sekvence bez segmentu, žádný AI text bez spouštěče, žádný hovor bez strukturovaného shrnutí, žádný obsah bez fáze. To zní přísně. Prodej to někdy přesně potřebuje.

FAQ: Často kladené otázky k AI v prodeji

Jaké AI nástroje potřebuje středně velký průmyslový prodej nejdříve?

Nejdříve ne Gong, nejdříve ne autonomní AI agent, nejdříve ne platforma pro obsah. Většinou nejdříve data a sekvencování. Pokud jsou ICP, seznam účtů a kvalita kontaktů slabé, koučování málo pomůže. Často začínám s úklidem CRM, obohacením Clay, Apollo nebo Cognism pro kontakty a kontrolovaným nástrojem pro oslovování jako Smartlead, Instantly, Outreach nebo Salesloft. Poté přichází Call Intelligence. Ne proto, že by hovory byly nedůležité, ale proto, že je nejprve potřeba dostatek strukturovaných rozhovorů k rozpoznání vzorců.

Je Cold Outreach s AI v DACH vůbec v souladu s GDPR?

Může být právně udržitelné, ale ne automaticky. Potřebujete čisté posouzení zájmů, profesní relevanci, transparentní zpracování dat, možnosti odvolání, správu potlačení a zdroje dat, které můžete vysvětlit. Cognism je ve srovnáních pro rok 2026 zmiňován jako možnost GDPR-kompatibilních EU dat, což může být užitečné. Přesto žádné logo dodavatele nenahrazuje kontrolu s pověřenci pro ochranu osobních údajů. Moje praktická hranice: Pokud příjemci nedokážu v jedné větě vysvětlit, proč je tato zpráva relevantní pro jeho roli, neměla by být odeslána.

Nahradí AI v prodeji prodejce ve strojírenství?

Ne. Ale nahradí výmluvy. AI přebírá výzkum, shrnutí, směrování, návrhy, připomínky, rozpoznávání vzorců. Prodejce zůstává zodpovědný za hypotézu, načasování, důvěru, technické objasnění a vyjednávání. Ve strojírenství nikdo nekoupí zařízení za šestimístné částky, protože bot napsal pěkný e-mail. Ale bot může zajistit, aby se správný prodejce ve správný čas se správným důvodem objevil u správného účtu. To často stačí k vybudování konkurenční výhody.

Amplifa Produkt Amplifa propojuje GTM workflow, obohacení dat, logiku oslovování a AI-podporované prodejní procesy pro B2B týmy v DACH.

Amplifa Zdroje a nástroje Bezplatné nástroje a kontroly pro obchodní manažery: Audit, analýza pipeline a praktické šablony pro moderní prodejní workflow.

Shrnutí: 3 nejdůležitější poznatky

1. AI v prodeji 2026 je provádění workflow, nikoli návrh obsahu. Nejlepší nastavení propojuje data, angažovanost a koučování, místo aby se spoléhalo na jednu samostatnou AI-Sales aplikaci.
2. Průmyslový prodej potřebuje tvrdé signály účtů: výrobní proces, spouštěče, nákupní centrum, technické námitky, načasování. Bez těchto vstupů AI produkuje jen zdvořile formulovaný šum.
3. ROI nevzniká v promptu, ale v procesním řetězci: lepší výběr cílových účtů, relevantní cold outreach, vhodné materiály v obchodě, koučování ze skutečných rozhovorů a čisté akce v CRM.

Můj dojem z posledních měsíců: Vítězové v DACH průmyslovém prodeji nebudou týmy, které nejvíce automatizují. Budou to týmy, které nejčistěji rozhodnou, co se nesmí automatizovat. Zbytek je řemeslo. A řemeslo se pozná podle toho, že nakonec nevypadá jako AI.