AI v prodeji · 11. dubna 2026 · 13 min. čtení · Mohsen Ghulami, GTM Engineer, Amplifa
AI v prodeji: Konec věštění z kávové sedliny!
Vaši nejlepší leady nakupují jinde, zatímco Váš tým honí studené stopy. AI v prodeji je řešením. Zjistěte, jak Predictive Analytics změní Váš prodejní proces.
Před několika týdny jsem seděl u jednatele středně velkého strojírenského podniku v regionu Ostwestfalen-Lippe. Říkejme mu pan Schmidt. Na jeho stole – velkém jako paluba letadlové lodi – se nevršily prototypy ani konstrukční plány, ale šanony. Vlevo kontakty z veletrhu Hannover Messe 2022. Vpravo tabulky v Excel pro plánování pipeline na Q3. Jeho nejlepší obchodník právě podal výpověď. Víte proč? Protože 70 % svého času trávil obvoláváním těchto zastaralých seznamů, místo aby uzavíral obchody, které byly skutečně těsně před podpisem. Jenže o těchto obchodech nikdo nevěděl.
A právě v tom je zakopán pes. Když v představenstvech nebo na setkáních obchodních ředitelů mluvím o „AI v prodeji“, vidím často dvě reakce: buď unavený úsměv – „Ach, zase ty chatboty a generátory textu“ – nebo čistou paniku z nekontrolovatelné technologické apokalypsy. Obojí je zásadně špatně. Upřímně: kdo si myslí, že AI pro vylepšování předmětů e-mailů je tím hlavním průlomem pro německý průmyslový prodej, ten zaspal dobu. To je jen barevný lak na rezavé karoserii.
Proč u AI v prodeji zapřaháme vůz před koně
Skutečným problémem přece není to, jak mluvíme s potenciálními zákazníky. Problémem je, s kým a kdy mluvíme. Celé odvětví optimalizuje poslední metr Customer Journey – perfektní e-mail, optimalizovaný call-script. Ale k čemu je nejkrásnější cold-mailing, když jde stážistovi místo vedoucímu nákupu? Co přinese telefonát tři měsíce poté, co byl rozpočet na běžný rok již naplánován? Nic. Absolutně nic. Investujeme obrovské sumy do školení našich obchodníků, dáváme jim služební vozy a diety, jen abychom je pak poslali do pouště s konví plnou studených kontaktů. To není jen neefektivní – je to šílenství.
Nepříjemná pravda zní: intuice Vašeho nejzkušenějšího prodejního matadora, jakkoli může být cenná, není škálovatelná. Nedokáže analyzovat 20 000 signálů za sekundu. Bere si dovolenou. A jednou odejde do důchodu. Co potom? Skutečná disrupce prostřednictvím AI v prodeji se neodehrává na povrchu u copilotů, kteří píší texty. Odehrává se ve strojovně. U Predictive Analytics. U toho, co se dnes nazývá „Agentic AI“.
Od intuice k tvrdé matematice
Představte si to takto: software – vezměme si těžké váhy jako Salesforce Marketing Cloud Intelligence nebo specialisty jako DataRobot – se napojí na Vaše systémy. Na Vaše CRM, ve kterém roky zahnívají data (já tomu s oblibou říkám „hřbitov dat“). Na Váš ERP systém. Na trackingová data Vašeho webu. Na externí firemní databáze. Tato AI vše prohledá. Učí se z Vašich historických úspěchů i neúspěchů. A pak nevyplivne vágní doporučení, ale tvrdou pravděpodobnost: „Společnost Müller & Sohn GmbH má na základě 37 signálů – včetně tří návštěv produktové stránky pro frézu X-2000, nedávného nástupu nového vedoucího výroby a negativního kvartálního výsledku jejich hlavního konkurenta – 87% pravděpodobnost, že v příštích 30 dnech požádá o nabídku.“
To už není věštění z kávové sedliny. To je statistika na steroidech. Benchmarky z prvních projektů jsou slibné. Prognózy obratu jsou najednou dosahovány s přesností ±15 %. Podle studie společnosti Improvado mohou týmy díky takovým analýzám přeskupit svůj marketingový rozpočet tak, aby maximalizovaly ROI, místo aby slepě inzerovaly na všech kanálech. Jde o to, že se inteligence přesouvá od reaktivního zpracovávání seznamů k proaktivní orchestraci prodejních příležitostí.
The conversation is moving beyond ‘Where is my data?’... toward ‘Where does intelligence live, how does it operate across systems, and does it consistently improve outcomes?’
— Highspot, Guide to Predictive Sales Analytics
Kolega z Highspot – jednoho z těch amerických poskytovatelů, kteří právě chtějí rozvířit trh s agentickými AI platformami – mi to nedávno v telefonu vysvětlil takto: Otázka už nezní „Kde jsou moje data?“, ale „Kde žije inteligence, jak funguje napříč systémy a zlepšuje udržitelně mé výsledky?“. To trefuje hřebíček na hlavičku.
Ale… GDPR, Black Box a strach o pracovní místo
„Ale pane Müller,“ už Vás slyším volat z Vaší kancelářské židle, „to je přece neprůhledná černá skříňka! Co na to řekne moje podniková rada, když AI rozhoduje o tom, kterému zákazníkovi se zavolá? A u slova ‚profilování chování‘ se přece každý německý pověřenec pro ochranu osobních údajů zblázní!“ Zcela oprávněné námitky. Nejsme tady na divokém západě v Kalifornii. V Evropě – a zejména v německém středním stavu – se počítá důvěra, transparentnost a dodržování GDPR.
A právě proto je druhá vlna AI nástrojů tak zajímavá. Jde o „Explainable AI“ (XAI), tedy vysvětlitelnou umělou inteligenci. Platforma jako DataRobot, kterou využívají především větší firmy s vlastními týmy pro Data Science, Vám dokáže pomocí takzvaných SHAP hodnot přesně rozklíčovat, proč byl lead klasifikován jako horký. Algoritmus pak neřekne jen „87% šance“, ale „87 %, protože: 1. návštěva stránky s ceníkem (+20 %), 2. velikost firmy >250 zaměstnanců (+15 %), 3. stažení whitepaperu ‚Zvyšování efektivity ve výrobě‘ (+12 %) ...“. To je auditovatelné. To lze vysvětlit podnikové radě i zákazníkovi. Domo, další hráč v tomto poli, dokonce klade důraz na auditní logy a funkce governance, které jsou postaveny speciálně pro evropský trh.
Obchodník jako pilot Top Gun
A strach o pracovní místo? Podle mých zkušeností jde o zcela přehnanou debatu. Žádný dobrý prodejní inženýr nebude nahrazen AI. Vsadím se, že za tři roky nebudeme mít méně obchodníků, ale budeme mít obchodníky více zaměřené. AI udělá tu špinavou práci – rešerši, prioritizaci, rozpoznávání vzorců. Člověk dělá to, co umí nejlépe: buduje vztah, chápe komplexní potřeby, vytváří důvěru a uzavírá obchod. AI není pilotem, který nahradí obchodníka. Je to Head-up-Display, radar a systém zaměřování cílů v letounu F-16. Obchodník se změní z tažného koně na pilota Top Gun, který se může soustředit na to podstatné: na zásah.
Co vidím v praxi: Mezi hřbitovem dat a zlatým dolem
Teď si nalijme čistého vína. Nablýskané brožury dodavatelů softwaru jsou jedna věc. Realita v německém středním stavu je věc druhá. Při své návštěvě v závodě Siemens v Erlangenu jsem viděl, jak mohou datově řízené procesy vypadat v teorii – perfektně integrované, naprosto čisté. Ale to je Siemens. Průměrný „Hidden Champion“ ze Schwarzwaldu nebo Sauerlandu má jiné starosti. Tam často vidím to, co jsem popsal u pana Schmidta: vůle tam je, ale datová základna je – diplomaticky řečeno – katastrofa.
Doprovázel jsem jeden případ u výrobce komponentů. Koupili si drahý, údajně „Plug-and-Play“ AI nástroj pro hodnocení leadů. Výsledek po šesti měsících: frustrace a vyhozené peníze. Proč? Protože nikdo CRM systém po léta důsledně neudržoval. Různá stadia dealů, chybějící kontaktní údaje, žádná čistá historie. Zde platí stará moudrost IT: Garbage In, Garbage Out. Pokud do AI krmíte odpad, bude jen extrémně rychle a draze produkovat další odpad. Přes to nejede vlak.
Na druhou stranu ale vidím i úspěšné příběhy. Jeden dodavatel poblíž Ingolstadtu na to šel správně. Nevrhli se hned na Predictive nástroj. První půlrok strávili tím, že pomocí platformy jako Domo nebo Improvado sjednotili a vyčistili svá data z ERP, CRM a marketingových systémů. Vytvořili „Single Source of Truth“. Teprve POTOM na to nasadili algoritmus pro lead scoring. A hle: během jednoho kvartálu vzrostl konverzní poměr kvalifikovaných leadů o téměř 30 %. Najednou obchod nemluvil o kvantitě leadů, ale o jejich kvalitě.
ICP Playbook od Amplifa — Než začnete přemýšlet o AI, musíte vědět, kdo je Váš ideální zákazník. Tento playbook Vám ukáže, jak definovat svůj Ideal Customer Profile (ICP) na základě dat – absolutní základ pro každou úspěšnou strategii AI v prodeji.
Agenti vs. Copiloti: Jaký je v tom rozdíl a co skutečně potřebujete?
Momentálně se pojmy divoce pletou. Copiloti, agenti, asistenti. Pojďme si to ujasnit. „Copilot“ – jak ho mnozí znají od Microsoft – je v podstatě reaktivní nástroj. Pomůže Vám zformulovat e-mail, shrnout prezentaci nebo najít data v tabulce. Vy dáte příkaz, on dodá výsledek. Užitečné, o tom žádná. Ale stále je to asistenční funkce.
„Agent“ nebo „agentická AI“ je něco úplně jiného. Agent jedná proaktivně a autonomně, aby dosáhl předem definovaného cíle. Dokáže samostatně vyvolávat data z různých systémů, analyzovat je, činit rozhodnutí a dokonce spouštět akce. GrowthSpree, firma, která v této oblasti provádí výzkum, to rozlišuje jasně: většina nástrojů, které si dnes říkají „AI“, jsou jen lepší textové šablony (GPT-wrappery). Skuteční agenti jsou stále vzácní. Příklad: Signální agent jako jejich „QLA“ neprohledává síť jen podle klíčových slov, ale identifikuje komplexní vzorce, které naznačují akutní zájem o nákup, a automaticky obohacuje Vaše ICP o tyto informace. To je rozdíl mezi asistentem, který Vám podá telefonní seznam, a špionem, který Vám řekne, komu máte zavolat.
| Typ nástroje | Přístup | Ideální pro... | Hlavní výhoda | Hlavní nevýhoda |
|---|---|---|---|---|
| End-to-End platforma (např. Salesforce, Highspot) | Integrované AI funkce v existující suitě (CRM, Sales Enablement) | Firmy, které jsou již silně ukotveny v ekosystému jednoho dodavatele. | Bezproblémová integrace, vysoká akceptace uživateli v prodeji. | Závislost na dodavateli (lock-in), často méně flexibilní modely. |
| Custom ML / XAI platforma (např. DataRobot, H2O.ai) | Stavebnice pro vlastní modely strojového učení, často se zaměřením na vysvětlitelnost. | Větší firmy s týmy Data Science a speciálními požadavky (např. v regulovaných odvětvích). | Maximální flexibilita a transparentnost modelů. | Vysoká náročnost na implementaci, vyžaduje specializované znalosti, drahé. |
| No-Code AutoML (např. Domo, Improvado) | Sjednocení datových zdrojů a aplikace AI modelů bez programování. | Středně velké firmy bez vlastních datových vědců, které musí svá data nejprve konsolidovat. | Zaměření na integraci dat a rychlé první výsledky. | Méně hluboké přizpůsobení modelů než u custom platforem. |
| Agentické signální nástroje (např. GrowthSpree, Amplifa) | Specializovaní agenti využívající externí a interní signály k identifikaci leadů. | Prodejní týmy, které chtějí zlepšit své outbound a akviziční procesy na začátku funnelu. | Nachází „skryté drahokamy“ – leady, které by jinak zůstaly neodhaleny. | Často bodová řešení, která musí být dobře integrována do celkového procesu. |
Amplifa Signal Agent QLA — Identifikuje skryté nákupní signály na síti a obohacuje Vaše ICP o data, která Vaše konkurence nemá. Konec slepého hádání – najděte své zákazníky dříve, než sami zjistí, že hledají.
5 kroků k úspěšnému zavedení AI v prodeji (bez ztroskotání)
Dobře, dost teorie. Co musíte udělat teď? Zde je můj nepřikrášlený pětibodový seznam pro každého obchodního ředitele ve strojírenství, který to s tímto tématem myslí vážně.
- Krok 1: Nemilosrdný audit dat. Než utratíte jediné euro za AI software, proveďte tvrdou inventuru. Jak kompletní jsou Vaše kontaktní údaje v CRM? Jsou stadia dealů jednotně definována a využívána všemi? Máte dohledatelnou historii interakcí se zákazníky? Buďte k sobě upřímní. To je špinavá, ale absolutně nezbytná přípravná práce.
- Krok 2: Definujte jasný, konkrétní problém. Chcete předpovídat odchod stávajících zákazníků (Churn Prediction)? Identifikovat nejslibnější nové zákazníky (Lead Scoring)? Nebo zlepšit prognózu obratu (Sales Forecasting)? Vyberte si JEDEN problém a vyřešte ho. Kdo se snaží pomocí AI vyřešit vše najednou, nevyřeší nakonec nic.
- Krok 3: Zvolte správný přístup k nástrojům (viz tabulka). Jste power-user Salesforce? Pak může být integrované řešení nejrychlejší cestou. Máte v datech chaos? Pak začněte s platformou specializovanou na integraci dat. Máte vysoce specifické požadavky a dostatek prostředků? Pak by cestou mohla být Custom-ML platforma. Nekupujte technologii, kupujte řešení pro svůj problém z kroku 2.
- Krok 4: Zapojte svůj tým – s transparentností. Nejlepší algoritmy jsou k ničemu, pokud jim Váš prodejní tým nedůvěřuje. Vysvětlete, co AI dělá a co nedělá. Využívejte vysvětlitelnou AI (XAI), aby byla doporučení pochopitelná. Ukažte, jak technologie obchodníkovi ulehčuje práci a činí ho úspěšnějším, místo aby ho ohrožovala. Change Management zde není buzzword, ale podmínka přežití.
- Krok 5: Začněte s pilotním projektem. Vyberte jeden prodejní region, produkt nebo tým a otestujte přístup v malém. Vše měřte: konverzní poměry, velikost dealů, délku prodejního cyklu. Porovnejte výsledky pilotní skupiny s kontrolní skupinou. Pokud bude pilot úspěšný, budete mít pádné argumenty pro nasazení projektu v celé firmě.
Často kladené otázky (na které se každý ptá, ale nikdo se neodváží)
Nahradí AI v prodeji mé zkušené zaměstnance?
Ne. Jasné ne. AI nahrazuje namáhavou, repetitivní a hloupou práci. Automatizuje rešerši, analýzu dat a prioritizaci. Tím dává Vašim zkušeným zaměstnancům více času na to, za co je platíte: řešení komplexních problémů zákazníků a budování důvěry. Dobrý obchodník s podporou AI je mnohem výkonnější než jakákoli AI samotná.
Není to pro německý střední stav příliš drahé a komplexní?
Protiotázka zní: Co Vás stojí to NEUDĚLAT? Co Vás stojí dealy, které uzavře Vaše konkurence, protože byla rychlejší? Náklady na neúspěšného obchodníka? Nemusíte začínat s milionovým Data Science projektem. No-code platformy a integrovaná řešení jsou dnes často dostupná jako SaaS model, a tím pádem únosná i pro rozpočet středně velké firmy. Vstup je snazší než před třemi lety. Nejdražší chybou je nedělat nic a setrvávat u starých excelových seznamů.
Jak se vypořádat s obavami ohledně GDPR?
Tím, že toto téma učiníte prioritou od samého začátku. Vsaďte na poskytovatele, kteří rozumí evropskému trhu a nabízejí odpovídající funkce pro compliance (auditní logy, Consent Management, lokalizace dat). Využívejte vysvětlitelnou AI, aby byla rozhodnutí transparentní. Klíčem je čistá datová základna založená na souhlasu a volba správného, důvěryhodného technologického partnera. Téma je řešitelné, ale nesmí se ignorovat.
Amplifa Pipeline Forecaster — Využívá strojové učení k tomu, aby byly Vaše prognózy obratu přesnější než jakákoli tabulka v Excel. Rozpoznává rizika dealů v reálném čase a dává doporučení k akci dříve, než v pipeline dojde k problému.
Co se musí stát teď: Od hraní si ke strategii
Čas experimentů skončil. Přestaňte si hrát s ChatGPT u svých e-mailových šablon. Je to milá hračka, ale Vaše podnikání to nezmění. Zavedení skutečné, prediktivní AI v prodeji není IT projekt. Je to strategické rozhodnutí firmy. Vyžaduje změnu kultury – pryč od akvizice založené čistě na intuici, směrem k datově řízenému řízení prodeje.
Jmenujte odpovědnou osobu. „Championa pro digitální prodej“, ať už ho nazvete jakkoli. Dejte mu rozpočet a podporu. Začněte se svými prodejními daty zacházet jako se strategickým aktivem, kterým jsou. Protože Vám slibuji jedno: Vaši konkurenti už to dělají. A zatímco Váš tým ještě obvolává kontakty z veletrhu 2022, jejich AI řízené prodejní jednotky právě uzavírají dealy pro rok 2025.
Nebo to vidíte jinak? Je to všechno jen další bublina? Hype, na který by solidní německý střední stav v žádném případě neměl naskakovat? Napište mi to do komentářů. Těším se na diskusi – a na Vaše argumenty.