Sprzedaż AI: Schnaithmann skaluje Lookalikes

Case Study · 16. Mai 2026 · Mohsen Ghulami

Sprzedaż AI w inżynierii mechanicznej: Przeczytaj, jak Schnaithmann znajduje 300 podobnych firm tygodniowo, podwaja liczbę demonstracji i rzetelnie porównuje dostawców. Praktyczne podejście.

W ubiegły czwartek, o 7:42, stoję w hali Schnaithmanna w Remshalden. Obok mnie stoi Tobias, kierownik sprzedaży, kawa pachnie z termosu, gdzieś co sekundę stuka cylinder pneumatyczny, a na jego ekranie wyświetla się lista firm, które kiedyś mozolnie przepisywałbym z katalogów targowych. „300 podobnych firm tygodniowo” – mówi i wskazuje palcem na kolumnę „podobne środowisko produkcyjne”. Dopytuję, bo rzadko zostawiam takie zdania bez sprawdzenia w halach maszynowych. Sprzedaż AI to tutaj nie jest puste słowo, lecz dość trzeźwa odpowiedź na stary problem: Jak producent maszyn specjalnych znajduje kolejną dobrą fabrykę, zanim dział zakupów zaprosi trzech konkurentów?

Schnaithmann Maschinenbau GmbH, producent maszyn specjalnych i partner w dziedzinie automatyzacji z południowych Niemiec, nie jest startupem z pufami ani koncernem z 40 osobami w marketingu. Kilkuset pracowników, systemy transferowe i transportowe, automatyzacja montażu, maszyny specjalne, technika sterowania, projekty w branży motoryzacyjnej, elektronicznej i przemyśle ogólnym. Czyli dokładnie ten średni biznes, który odwiedzam od 1998 roku: silny technicznie, w sprzedaży często zależny od stałych klientów, targów i słynnego „znam kogoś w Brose”. To działa. Dopóki przestaje wystarczać.

Dlaczego to porównanie sprzedaży AI w budowie maszyn specjalnych jest konieczne

W marcu 2025 roku siedziałem z Andreą, Head of Sales w firmie automatyzacyjnej w Bielefeld, w hotelu przy autostradzie A2. Obok nas brzęczał bufet śniadaniowy, ona otworzyła swój system CRM i powiedziała: „Nasze najlepsze projekty zaczynają się sześć miesięcy, zanim ktokolwiek złoży zapytanie”. To jest właśnie sedno. W budowie maszyn specjalnych popyt nie pojawia się jak paczka z numerem przesyłki. Pojawia się jako ogłoszenie o pracę dla inżyniera przemysłowego, jako nowa hala na Węgrzech, jako zmiana produktu u dostawcy Tier-1, jako problem z wydajnością w komórce montażowej, która nagle nie jest już pokazywana podczas zwiedzania fabryki.

Stara logika brzmiała: targi, sieć kontaktów, zapytanie, oferta, follow-up. Nowa logika jest bardziej niewygodna. Kto w 2026 roku nadal wierzy, że sam inbound zapewni pipeline, myli rozpoznawalność z pokryciem rynku. Według ankiety koniunkturalnej VDMA Maschinenbau z drugiego kwartału 2025 roku, 58 procent ankietowanych firm wskazało słabą lub niepewną sytuację zamówień jako główne ryzyko, podczas gdy niedobór wykwalifikowanych pracowników i presja automatyzacji trwają. Nie ma co się oszukiwać: zapotrzebowanie jest, ale nie siedzi grzecznie w formularzu kontaktowym.

Sytuacja wyjściowa Schnaithmanna była więc typowa. Dobre referencje. Silna technologia. Dział sprzedaży, który potrafi prowadzić rozmowy techniczne, ale nie identyfikuje setek potencjalnie pasujących zakładów w DACH i Europie co tydzień. Tobias opisał mi stan sprzed bez dramatyzowania: „Nie mieliśmy kryzysu leadów. Mieliśmy kryzys pokrycia”. To jest różnica. Kryzys leadów brzmi jak problem marketingowy. Kryzys pokrycia oznacza: rynek porusza się w miejscach, na które akurat nie patrzymy.

Kryteria oceny: Jak mierzę sprzedaż AI w inżynierii mechanicznej

W ciągu ostatnich lat widziałem dziesiątki demonstracji oprogramowania sprzedażowego. Niektóre wyglądały jak stacja kosmiczna i rozwiązywały problem prostego eksportu do Excela. Inne były brzydkie, ale skuteczne. Dla Schnaithmanna i porównywalnych firm, takich jak Wittenstein, integratorzy bliscy Festo czy mniejsi automatycy z okolic Stuttgartu, nie liczy się, czy platforma rysuje ładne pulpity nawigacyjne. Decydujące jest, czy sprzedaż szybciej wchodzi w prawdziwe projekty.

Do tego porównania zastosowałem siedem kryteriów:

• Ostrość ICP: Czy system naprawdę rozpoznaje pasujące zakłady, linie, komponenty i role – czy tylko firmy z pasującym kodem NACE?
• Wyszukiwanie podobnych: Czy rozwiązanie potrafi na podstawie istniejących dobrych klientów wygenerować nowe, podobne konta docelowe, np. dostawców motoryzacyjnych z procesami montażu i testowania?
• Jakość danych w Buying Center: Czy znajduje kierowników produkcji, inżynierów przemysłowych, kierowników zakładów i kierowników projektów – a nie tylko dyrektorów zarządzających i kontakty marketingowe?
• Personalizacja w Outreach: Czy komunikacja brzmi jak inżynieria mechaniczna i konkretny problem procesowy, czy jak ogólna sprzedaż oprogramowania?
• Głębokość workflow: Czy badania, priorytetyzacja, sekwencje, follow-upy i przekazywanie do CRM są zintegrowane?
• Mierzalność: Czy istnieją twarde dane dotyczące spotkań, demonstracji, warsztatów koncepcyjnych, wskaźników odpowiedzi i pipeline – a nie tylko wskaźników otwarć?
• Przydatność dla średnich firm: Czy rozwiązanie pasuje do zespołu sprzedaży liczącego od pięciu do 25 osób, z ograniczonym działem marketingu i długimi cyklami sprzedaży?

Te kryteria brzmią sucho. W praktyce decydują o miesiącach. W styczniu 2025 roku Jens, dyrektor zarządzający producenta maszyn z okolic Backnang, powiedział mi: „Jeśli pojawimy się dwa miesiące za późno w projekcie modułu baterii, zostaniemy grzecznie zaproszeni, ale technicznie już jesteśmy poza grą”. Powiedział to podczas zwiedzania zakładu, podczas gdy za nami skrzypiał regał magazynowy. Takie zdania się pamięta.

Kandydat 1: Amplifa jako silnik sprzedaży AI dla Schnaithmanna

Co Amplifa konkretnie zrobiła dla Schnaithmanna

Amplifa nie pojawiła się w Schnaithmannie jako kolejne narzędzie do newsletterów. To byłoby śmieszne w budowie maszyn specjalnych. Zadanie było bardziej precyzyjne: na podstawie istniejących, udanych projektów wyodrębnić wzorce docelowe, automatycznie znaleźć podobne konta i skontaktować się z nimi za pomocą wieloetapowego, spersonalizowanego outreachu. W pełni zautomatyzowane wyszukiwanie podobnych firm i outreach – brzmi jak prezentacja. W Schnaithmannie stało się to cotygodniową rutyną.

Podstawą byli dotychczasowi klienci i typy projektów: automatyzacja montażu i obsługi, technika transferu, łączenie linii, komórki testowe, zastosowania u dostawców motoryzacyjnych, elektromechanika i zespoły przemysłowe. Amplifa nie wyciągnęła z tego prostej listy branż, lecz logiki wyszukiwania: Które zakłady mają podobne procesy produkcyjne? Które firmy budują porównywalne komponenty? Gdzie są wskazówki dotyczące rozbudowy mocy produkcyjnych, nowych linii produktów lub profili stanowisk dla automatyzacji? Według kontekstu projektu Schnaithmanna, powstało z tego około 300 nowych podobnych kont docelowych tygodniowo. Nie 300 „leadów” w sensie konfetti. 300 możliwych do sprawdzenia firm lub lokalizacji, które były wystarczająco podobne, aby zasłużyć na prawdziwy pierwszy kontakt.

Tobias pokazał mi w CRM widok przed i po. Przed Amplifą wiele nowych rozmów pochodziło z targów, takich jak Motek Stuttgart, rekomendacji od stałych klientów i sporadycznych zapytań inboundowych. Po wdrożeniu, co tydzień nowe konta trafiały do priorytetowych sekwencji, w tym osoby kontaktowe z produkcji, inżynierii i kierownictwa zakładu. W ciągu sześciu miesięcy Schnaithmann podwoił liczbę kwalifikowanych demonstracji i rozmów koncepcyjnych. To jest liczba, która zostaje w pamięci. Nie dlatego, że jest magiczna, ale dlatego, że na rynku z cyklem sprzedaży od 6 do 24 miesięcy działa wystarczająco wcześnie, aby później stać się zamówieniem.

Nie chcieliśmy już zgadywać, które zakłady do nas pasują. Chcieliśmy co tydzień widzieć, które konta wyglądają jak nasi najlepsi klienci – a następnie kontaktować się w sposób rzetelny, techniczny i z szacunkiem.

— Tobias, kierownik sprzedaży w Schnaithmann, Remshalden

Mocne strony Amplifa w sprzedaży maszyn

Najmocniejszą stroną Amplify, z mojego punktu widzenia, jest połączenie inteligencji rynkowej z wykonaniem. Wiele narzędzi znajduje nazwy. Inne wysyłają e-maile. Brzmi to jak podział pracy, ale w średnich firmach często kończy się jako półprodukt: dane w jednym systemie, sekwencje w innym, CRM częściowo utrzymany, sprzedaż zirytowana. Amplifa próbuje zamknąć ten łańcuch – konto docelowe, Buying Center, okazja, komunikacja, przekazanie terminu.

W Schnaithmannie szczególnie ważne było, aby komunikacja nie brzmiała jak z firmy SaaS. Kierownik produkcji w Tier-1 w Zwickau nie chce czytać maila, w którym jest napisane, że można „odblokować potencjał wzrostu”. Chce wiedzieć, czy ktoś rozumie jego problem: czas cyklu, zmiana wariantów, odpady, niedobór operatorów, połączenie między stacjami. Amplifa wykorzystała do tego modułowe bloki tekstowe, wskazówki branżowe i wyzwalacze związane z kontem. Nie każdy mail będzie poezją. I nie musi. Ale nie może pachnieć masową korespondencją.

Słabość? Amplifa wymaga na początku czystego myślenia. Kto nie potrafi nazwać swojego Ideal Customer Profile, kto uważa wszystkie branże za jakoś interesujące i kto tylko mówi systemowi „więcej leadów proszę”, ten będzie skalował nonsens. No cóż, prawie. Amplifa zmusza takie firmy przynajmniej do ujawnienia tej nieprecyzyjności. Ale kierownik sprzedaży musi zdecydować: Jakie projekty naprawdę chcemy? Jaką marżę potrzebujemy? Jakie przypadki użycia pasują do zdolności inżynieryjnych? AI nie odbiera tego zadania kierowniczego.

Produkt Amplifa Platforma AI-Sales do wyszukiwania podobnych firm, badania Buying Center, spersonalizowanego outreachu i workflowów sprzedażowych zintegrowanych z CRM.

Kandydat 2: Klasyczny stos sprzedażowy z CRM, bazą danych i sekwencjonowaniem

HubSpot, Apollo, Cognism, Salesloft – silne, ale często zbyt ogólne

Drugi kandydat to nie pojedyncze narzędzie, lecz klasyka, którą widzę u wielu producentów maszyn: HubSpot lub Salesforce jako CRM, do tego dostawca danych, taki jak Cognism, Dealfront czy Apollo, a także może Salesloft, Lemlist lub Outreach.io do sekwencji. U producenta maszyn pakujących koło Schwäbisch Hall, Martin, CSO, pokazał mi w kwietniu 2025 roku cztery zakładki w przeglądarce i powiedział: „Właściwie wszystko kupiliśmy. Tylko nikt tego nie używa”. Obok jego biurka brzęczała stara drukarka laserowa. Bardzo niemiecki obraz.

Te stosy mogą dobrze działać, jeśli firma ma dobrze zorganizowany zespół Revenue Operations. Cognism dostarcza europejskie dane kontaktowe, HubSpot mapuje kampanie i pipeline, Salesloft zarządza sekwencjami, LinkedIn uzupełnia kontekst. Dla większych firm, np. organizacji sprzedażowych bliskich Schaefflerowi czy Phoenix Contact, z jasno określonymi rolami, jest to solidne rozwiązanie. Można wiele konfigurować, testować, segmentować i mierzyć.

W budowie maszyn specjalnych właśnie tam leży problem. Konfiguracja to nie wynik. Jeśli trzech inżynierów sprzedaży po spotkaniach z klientami ma jeszcze czyścić listy, szukać osób kontaktowych, pisać maile i dbać o CRM, to się to nie dzieje. Albo tylko we wrześniu, gdy po wakacjach pojawia się panika. Do tego dochodzi: bazy danych rzadko rozumieją podobieństwo produkcyjne. Znajdują „dostawców motoryzacyjnych” lub „maszyny”, ale niekoniecznie zakład z ręcznym montażem wstępnym, komórką testową, dużą różnorodnością wariantów i wkrótce linią do komponentów e-mobilności.

Siłą klasycznego stosu jest kontrola. Słabością jest tarcie. Dostaje się klocki, a nie maszynę. Dla firm z wewnętrznym Sales Ops może to być właściwe. Dla Schnaithmanna, według mojej oceny, byłoby to stawianie wozu przed koniem: najpierw budowanie krajobrazu narzędzi, a potem nadzieja, że co tydzień pojawią się nowe, kwalifikowane rozmowy. Właśnie tę nadzieję zbyt często widziałem, jak wysychała w CRM.

Mieliśmy 18 000 kontaktów w systemie, a mimo to zbyt mało nowych pierwszych rozmów. To nie jest problem z danymi, to jest problem z procesem.

— Martin, CSO producenta maszyn pakujących, Schwäbisch Hall

Kandydat 3: LinkedIn Sales Navigator do ręcznej obróbki rynku

LinkedIn Sales Navigator jest już prawie wszędzie w niemieckiej inżynierii mechanicznej. Widzę to narzędzie u dostawców Festo, integratorów robotyki w Augsburgu i producentów maszyn specjalnych w Sauerlandzie. Jest dobre do pokazywania osób, zmian pracy, aktualizacji firm i sieci kontaktów. Sarah, Business Development Manager w Norymberdze, powiedziała mi w lutym 2025 roku: „Bez LinkedIn znajduję niektórych kierowników produkcji szybciej niż przez centralę telefoniczną”. Zgadza się. Ale Sales Navigator pozostaje narzędziem wyszukiwania. Nie myśli automatycznie o podobnych fabrykach, nie buduje wiarygodnej logiki kont na podstawie najlepszych projektów Schnaithmanna i nie zwalnia nikogo z cotygodniowego bloku badawczego.

Dla bardzo doświadczonych sprzedawców LinkedIn to skalpel. Dla niedofinansowanych zespołów szybko staje się terapią zajęciową. Przewijasz, zapisujesz leady, piszesz trzy wiadomości, dostajesz odpowiedź „chętnie po Motek” i tracisz wątek. Nie jestem przeciwko LinkedIn. Wręcz przeciwnie. Ale jako samodzielne rozwiązanie dla sprzedaży AI w inżynierii mechanicznej jest zbyt wąskie. Pokazuje osoby, niekoniecznie okna projektowe.

Kandydat 4: Targi, inbound i agencja leadów – stare maszyny

Targi takie jak Motek, automatica czy LogiMAT pozostają ważne. Kto twierdzi inaczej, dawno nie był w hali, gdzie klient z tłustymi palcami szarpie system transferowy i pyta, czy nośnik obrabianego przedmiotu działa również z jego geometrią komponentu. Schnaithmann, podobnie jak wielu automatyków, korzysta z takich momentów. Ale targi są wyznacznikiem tempa, a nie pokryciem rynku. Tydzień Motek w Stuttgarcie nie zastępuje 50 tygodni systematycznego poszukiwania kont.

Agencje leadów z kolei mogą dostarczyć terminy w krótkim czasie. Niektóre dobrze, niektóre źle. W czerwcu 2025 roku widziałem analizę producenta maszyn z Górnej Frankonii: 1200 zimnych e-maili, cztery odpowiedzi, z czego jedna była skargą z powodu niewłaściwej branży. Dyrektor zarządzający, Thomas, położył mi wydruk i powiedział: „Teraz to znowu odpuszczamy”. Zrozumiałe. Ale to nie outbound sam w sobie jest zły. Zły jest słaby outbound bez kontekstu inżynierii mechanicznej.

Duża tabela porównawcza: AI Sales, Sales-Stack, LinkedIn i Targi

Poniższa tabela celowo nie jest akademicka. Opiera się na rozmowach z kierownikami sprzedaży z sektora produkcyjnego średnich firm, na moich obserwacjach w Schnaithmannie oraz na typowych strukturach kosztów i procesów, jakie widzę między Stuttgartem, Bielefeld i Norymbergą. Stan na lipiec 2025. Kto szuka tu absolutnej prawdy, będzie rozczarowany. Kto potrzebuje podstawy do podjęcia decyzji, ten ją otrzyma.

Porównanie cen: Ile naprawdę kosztuje pipeline?

O cenach w sprzedaży B2B często mówi się, jakby chodziło o śruby. Błędna miara. Istotne pytanie nie brzmi: Ile kosztuje oprogramowanie miesięcznie? Lecz: Ile kosztuje kwalifikowana rozmowa z zakładem, który mógłby zautomatyzować w ciągu najbliższych 6 do 18 miesięcy? U producentów maszyn specjalnych z wolumenem projektów od 250 000 euro do kilku milionów, jeden wczesny dostęp jest wart więcej niż pół roku dyskusji o narzędziach.

Mimo to dyrektor zarządzający potrzebuje liczb. Więc z grubsza, stan na lato 2025, typowe obserwacje rynkowe z DACH, bez indywidualnych rabatów i szczegółów implementacji. Podaję przedziały, ponieważ dokładne ceny różnią się w zależności od liczby użytkowników, pakietu danych i udziału usług. Kto twierdzi, że istnieje tu proste porównanie cen z cennika, ten nigdy nie pił kawy z handlowcami Enterprise SaaS.

Widziałem dyrektorów finansowych, którzy wzdrygają się na słowo „inwestycja w AI”, a w następnym zdaniu zatwierdzają 120 000 euro na stoisko targowe, bo stoisko istnieje już od 14 lat. Nie do końca prawda, niektórzy pytają teraz bardziej stanowczo. Ale asymetria kulturowa pozostaje. Stare, znane wydatki są uważane za solidne, nowe wydatki muszą się obnażyć. To ludzkie, ale niebezpieczne.

Co nie działało wcześniej w Schnaithmannie

Schnaithmann nie miał chaosu w sprzedaży. To dla mnie ważne. To nie była historia firmy, która z desperacji kupuje AI. Raczej historia silnego technicznie producenta maszyn specjalnych, który zauważył, że jego tradycyjny schemat wyszukiwania staje się zbyt mały. Branża motoryzacyjna się zmienia, e-mobilność przesuwa wartość dodaną, producenci elektroniki automatyzują, wschodnioeuropejskie zakłady rosną, niemieckie zakłady modernizują się pod presją niedoboru wykwalifikowanych pracowników.

Przed Amplifą, działania rynkowe były silnie skoncentrowane na znanych klastrach. Stali klienci, rekomendacje, kontakty z targów, sporadyczne zapytania ofertowe (RFQ). Do tego pojedyncze, ręczne badania, gdy inżynier sprzedaży znalazł czas. Ale inżynier sprzedaży rzadko znajduje czas, ponieważ jest zaangażowany w dyskusje o układach, sprawdza obliczenia czasu cyklu lub stoi u klienta przed linią, która nie działa tak, jak opisano w specyfikacji. Kto w tym zawodzie sprzedaje rzetelnie, nie prowadzi półśrodkowych rozmów technicznych.

Tobias ujął to ostro: „Nasi najlepsi ludzie byli zbyt drodzy na wyszukiwanie w Google”. Dokładnie. I zbyt dobrzy. Widziałem to wielokrotnie u dostawców DMG Mori, u małych producentów robotów w Bawarii i u producentów maszyn testujących w Badenii-Wirtembergii: najdroższy zasób sprzedażowy spędza zbyt dużo czasu na początku poszukiwań, zamiast na końcu kwalifikacji. Godzina doświadczonego inżyniera sprzedaży powinna być poświęcona rozmowie o procesie, wykonalności, budżecie i terminach. Nie na pytanie, czy firma X w Czechach może mieć nową halę montażową.

Jak przebiegał workflow Amplifa w Schnaithmannie

Od stałych klientów do 300 podobnych firm tygodniowo

Pierwszym krokiem nie była magia AI, lecz praca domowa. Schnaithmann i Amplifa zdefiniowali, którzy stali klienci i projekty nadają się jako wzorzec. Nie każdy obrót jest dobrym obrotem. Niektóre projekty są technicznie atrakcyjne, ale komercyjnie trudne. Niektórzy klienci pasują do zdolności produkcyjnych, inni tygodniami angażują inżynierów w niepłatne pętle koncepcyjne. Wypracowano więc wzorce: branże, zastosowania, wielkości zakładów, role, typowe wyzwalacze, regionalne punkty ciężkości.

Następnie Amplifa wyszukała podobne firmy i lokalizacje. Dla inżynierii mechanicznej oznacza to: nie tylko profile firm, ale także wskazówki ze stron internetowych, ogłoszeń o pracę, wiadomości, opisów produkcji, list wystawców targowych, łańcuchów dostaw i wzorców ról. Jeśli firma szuka nowych inżynierów przemysłowych do automatyzacji montażu, to nie jest to zamówienie. Ale to jest dym. Jeśli do tego dochodzi nowa linia produktów, a firma już opisuje ręczne procesy montażu, staje się to bardziej interesujące.

Około 300 podobnych firm tygodniowo nie było ślepo wrzucanych do sekwencji. Dobre systemy priorytetyzują. Złe systemy strzelają na oślep. W Schnaithmannie konta były sortowane według dopasowania, przypuszczalnej okazji i jakości osoby kontaktowej. Następnie uruchamiano sekwencje outreachu, zazwyczaj za pośrednictwem poczty elektronicznej i wsparcia LinkedIn, w języku niemieckim, a na rynkach eksportowych w języku angielskim. Celem nie była natychmiastowa sprzedaż maszyny. Celem była kwalifikowana pierwsza rozmowa, demonstracja, warsztat koncepcyjny, wczesne zajęcie miejsca przy stole.

1. Wybór projektów referencyjnych: Którzy klienci, zastosowania i maszyny były technicznie i komercyjnie naprawdę atrakcyjne?
2. Tłumaczenie ICP: Z intuicji powstały kryteria takie jak branża, typ zakładu, proces produkcyjny, role i wyzwalacze.
3. Wyszukiwanie podobnych: Amplifa co tydzień identyfikowała podobne konta i lokalizacje w DACH i na sąsiednich rynkach.
4. Znajdowanie Buying Center: Priorytetowo traktowano kierownictwo produkcji, inżynierię, kierownictwo zakładu i osoby odpowiedzialne za projekty.
5. Personalizacja outreachu: Komunikacja odnosiła się do środowiska produkcyjnego, presji automatyzacji lub konkretnych sygnałów.
6. Mierzenie przekazania: Terminy, demonstracje i rozmowy koncepcyjne trafiały do CRM i były sprawdzane pod kątem wkładu w pipeline.

Sprzedaż AI w sprzedaży: Co naprawdę oznacza podwojenie liczby demonstracji

„Podwojenie liczby demonstracji w sześć miesięcy” brzmi w sprzedaży oprogramowania jak standardowy slajd. W budowie maszyn specjalnych to coś innego. Demonstracja rzadko jest tutaj 20-minutowym webinarem z udostępnianiem ekranu. Może to być wymiana techniczna, zdalne spotkanie koncepcyjne, warsztat na temat czasów cyklu lub pierwsza dyskusja na temat połączenia linii. Jeśli te rozmowy się podwoją, to nie oznacza automatycznie, że zamówienia wzrosną w tym samym miesiącu. Ale wzrasta prawdopodobieństwo wcześniejszego wejścia w proces planowania.

A wczesne procesy planowania to prawdziwa waluta. U dostawców motoryzacyjnych maszyny specjalne są często omawiane na długo przed formalnym przetargiem. Produkcja, inżynieria przemysłowa i dział zakupów sortują dostawców, zanim ostateczna specyfikacja zostanie ustalona. Kto wtedy już dostarczył pomysły techniczne, ma wagę. Kto pojawia się dopiero przy RFQ, często może tylko grać kotwicę cenową. To trudne, ale prawdziwe.

Zapytałem Tobiasa, czy dodatkowe rozmowy były również jakościowo odpowiednie. Nie pokazał mi wykresu triumfu, ale trzy przykłady: producenta elektromechaniki z ręcznym montażem testowym, dostawcę Tier-2 z problemem wariantów, zakład we wschodniej Europie z planowaną rozbudową mocy produkcyjnych. Żadne z nich nie były jeszcze zamówieniami. Ale wszystkie były rozmowami, których Schnaithmann prawdopodobnie nie przeprowadziłby na tym etapie bez systematycznego wyszukiwania podobnych firm. O to właśnie chodzi.

FAQ: Czy sprzedaż AI w ogóle działa w przypadku maszyn wymagających wyjaśnienia?

Tak, jeśli nie myli się sprzedaży AI z automatyczną sprzedażą. Sztuczna inteligencja nie sprzedaje maszyny specjalnej za 1,4 miliona euro kierownikowi zakładu w Ingolstadt. To śmieszne. Może jednak znajdować konta, sortować sygnały, badać osoby kontaktowe, przygotowywać pierwsze kontakty i dyscyplinarnie wykonywać follow-upy. Sprzedaż techniczna pozostaje ludzka. Tylko że człowiek wchodzi w proces później – tam, gdzie tworzy wartość.

FAQ: Dlaczego kontakty z targów już nie wystarczają?

Ponieważ kontakty z targów są punktowe. Na targach automatica 2024 w Monachium, Frank, kierownik sprzedaży producenta chwytaków z okolic Heilbronn, powiedział mi między dwoma bułkami: „Widzimy tu wielu właściwych ludzi, ale nie wszystkie właściwe momenty”. Trudno to lepiej ująć. Targi to gęstość, nie timing. Sprzedaż AI próbuje poprawić timing poprzez sygnały i stałe poszukiwania.

FAQ: Jaki jest największy błąd w generowaniu leadów typu lookalike?

Największym błędem jest zbyt tanie definiowanie podobieństwa. „Motoryzacja” to nie podobieństwo. „Ponad 500 pracowników” też nie. Interesujące staje się dopiero przy bliskości procesów: montaż zespołów elektromechanicznych, wysoka różnorodność wariantów, ręczne stanowiska testowe, nowa linia, wąskie gardło w obsłudze, istniejąca technika transportowa, okno inwestycyjne. Kto używa tylko filtrów branżowych, produkuje listy. Kto używa podobieństwa procesowego, produkuje szanse.

Trzy wnioski z case study Schnaithmanna

Wniosek 1: Najlepszy ICP tkwi w najlepszych projektach

Wielu kierowników sprzedaży zaczyna pracę nad ICP od wymarzonych klientów. Piękny błąd. Lepiej jest spojrzeć na zakończone projekty: Gdzie zgadzała się marża, współpraca, dopasowanie techniczne i potencjał na przyszłość? W Schnaithmannie istniejące projekty były punktem wyjścia dla logiki lookalike. Brzmi to banalnie, ale rzadko jest konsekwentnie wdrażane. Widziałem systemy CRM, w których przyczyny projektów, zastosowania i role decyzyjne w ogóle nie były możliwe do oceny. Tylko obrót, data, osoba kontaktowa. Dla sprzedaży AI to za mało.

Wniosek 2: Inżynierowie sprzedaży nie powinni zajmować się zimnym researchem

Dobry inżynier sprzedaży potrafi w 45 minut ustalić, czy projekt automatyzacji ma substancję. Słyszy z pobocznej uwagi, czy istnieje budżet. Zauważa, czy produkcja i zakupy działają przeciwko sobie. Rozpoznaje, czy wymagany czas cyklu jest fizycznie nonsensem. Właśnie tej umiejętności nie wolno marnować na wyszukiwanie adresów. Amplifa nie odebrała Schnaithmannowi sprzedaży, lecz pracę przygotowawczą. To jest różnica, którą dyrektorzy zarządzający powinni zrozumieć.

Wniosek 3: Outbound musi brzmieć technicznie, a nie głośno

Branża maszynowa nie nienawidzi złej sprzedaży, nienawidzi powierzchownej sprzedaży. Zimny kontakt może być zimny, jeśli jest szanujący i trafny. „Budujemy automatyzację montażu dla firm z presją na warianty i czas cyklu w zespołach elektromechanicznych” jest lepsze niż „Pomagamy Państwu wykorzystać potencjał efektywności”. To drugie można odrzucić. To pierwsze kierownik produkcji może sprawdzić.

Osobista rekomendacja: Które rozwiązanie bym wybrał

Dla producenta maszyn specjalnych, takiego jak Schnaithmann, wybrałbym Amplifę zamiast klasycznego stosu samoobsługowego. Nie dlatego, że HubSpot, Cognism czy Salesloft są złe. Nie są. Ale wymagają dojrzałości organizacyjnej, której wiele średnich firm w sprzedaży jeszcze nie ma – i być może nie potrzebuje. Jeśli celem jest cotygodniowe znajdowanie nowych, pasujących zakładów, identyfikowanie Buying Center i generowanie kwalifikowanych rozmów, to wykonanie liczy się bardziej niż posiadanie narzędzi.

Moja druga rekomendacja jest mniej wygodna: Kto wdraża Amplifę lub podobny system AI-Sales, musi wcześniej zdecydować, jakich transakcji już nie chce. W przeciwnym razie lejek będzie pełniejszy, ale nie lepszy. Przewaga Schnaithmanna polegała nie tylko na technologii, ale na gotowości do wyciągania twardych wzorców z udanych projektów. To jest strategia sprzedaży. Żadne narzędzie nie może jej udawać.

Audyt Sprzedaży Amplifa Analiza dla produkcyjnych średnich firm: Gdzie Twoja sprzedaż traci pokrycie rynku, timing i kwalifikowane pierwsze rozmowy?

Pomoc w podejmowaniu decyzji: Trzy pytania przed wyborem narzędzia

Przed każdą inwestycją postawiłbym na stół trzy pytania. Nie na warsztatach z 19 karteczkami samoprzylepnymi. W pokoju z działem sprzedaży, zarządem i kimś z techniki, kto naprawdę zna rynek. W Schnaithmannie ta mieszanka wyraźnie siedziała przy stole. Widać to po odpowiedziach.

1. Czy potrafimy opisać naszych dziesięciu najlepszych klientów i projekty w taki sposób, aby system mógł znaleźć podobne zakłady?
2. Czy nasi inżynierowie sprzedaży mają dziś wystarczająco dużo kwalifikowanych pierwszych rozmów – czy też spędzają zbyt dużo czasu na wyszukiwaniu, listach i follow-upach?
3. Czy chcemy większego wolumenu za wszelką cenę, czy chcemy wcześniej wejść w odpowiednie okna inwestycyjne u pasujących klientów?

Jeśli odpowiedź na pytanie pierwsze brzmi „nie”, praca zaczyna się w CRM i analizie projektów. Jeśli pytanie drugie boli, to dobry znak. Ból często pokazuje tylko, gdzie proces staje się szczery. A jeśli pytanie trzecie nie jest jasno odpowiedziane, każda generacja leadów staje się loterią z ładnym interfejsem.

Efekt biznesowy: Większe pokrycie rynku bez większej liczby pracowników sprzedaży

Słowo „skalowanie” jest często nadużywane w sprzedaży. W Schnaithmannie nie oznacza to, że nagle roboty sprzedają. Oznacza to: Dział sprzedaży widzi więcej pasujących ruchów rynkowych, kontaktuje się z większą liczbą odpowiednich klientów i prowadzi więcej wczesnych rozmów, bez natychmiastowego zatrudniania nowych pracowników sprzedaży. Na rynku pracy, gdzie dobrzy techniczni sprzedawcy są rzadkością, to nie jest efekt uboczny. To jest sedno.

Według Federalnej Agencji Pracy, niedobór w zawodach technicznych w 2024 roku był znacznie wyższy niż w wielu profilach handlowych; firmy z branży maszynowej od lat zgłaszają trudności w znalezieniu doświadczonych inżynierów sprzedaży. W maju 2025 roku rozmawiałem z Peterem, dyrektorem zarządzającym firmy automatyzacyjnej w Regensburgu. Powiedział: „Łatwiej mi kupić frezarkę niż znaleźć dobrego człowieka do sprzedaży technicznej”. Zdanie padło obok skrzynki z modułami Siemens S7. Nie było żartobliwe.

Dlatego sprzedaż AI jest tak interesująca dla średnich firm. Nie jako zastępstwo dla ludzi, lecz jako dźwignia dla nielicznych ludzi. Podwojenie liczby demonstracji w Schnaithmannie w ciągu sześciu miesięcy pokazuje, jak można uprzemysłowić pracę w górnej części lejka, nie dewaluując sprzedaży technicznej. Kierownik produkcji chce w końcu rozmawiać z kimś, kto rozumie jego linię. Ale ten ktoś musi najpierw zostać zaproszony.

Gdzie Amplifa nie pasuje

Nie ufam żadnemu rozwiązaniu, które rzekomo zawsze pasuje. Amplifa nie jest idealna dla firm, które obsługują bardzo szerokie rynki masowe i chcą tylko maksymalizować proste formularze kontaktowe. Ani dla firm, które same nie potrafią wyjaśnić swojej oferty. Jeśli dział sprzedaży wewnętrznie nie wie, czy priorytetowo traktuje komponenty, projekty, modernizację czy doradztwo, AI przyspieszy tę niezdecydowanie. Szybciej źle to nadal źle.

Również bardzo wczesne firmy bez projektów referencyjnych mają trudniej, ponieważ wyszukiwanie podobnych firm opiera się na wzorcach. Bez wzorców tylko przypuszczenia. Dla ugruntowanych średnich firm, takich jak Schnaithmann, to jest właśnie zaleta: posiadają 20, 50 lub 100 projektów, z których można wyciągnąć logikę rynkową. Tylko że ta logika była dotychczas często przechowywana w głowach dwóch starszych sprzedawców. Jeden przechodzi na emeryturę w 2027 roku. Co wtedy?

Dlaczego Schnaithmann jest dobrym przykładem dla średnich firm

Schnaithmann nie jest ani największym, ani najgłośniejszym automatykiem w kraju. Właśnie dlatego ta historia jest interesująca. Producent maszyn specjalnych z południowych Niemiec, zakorzeniony w mechanice, sterowaniu, biznesie projektowym, z klientami w branży motoryzacyjnej i przemysłowej, profesjonalizuje swoje podejście do rynku, nie tracąc swojej tożsamości. Bez teatru. Bez show AI. Raczej nowa maszyna w sprzedaży, która działa co tydzień.

Wychodząc, pomyślałem o scenie z hali. Pracownik przesuwał nośnik obrabianego przedmiotu po systemie transferowym, plastik cicho szurał po prowadnicy, a Tobias jeszcze raz spojrzał na listę kont. Były tam firmy z Badenii-Wirtembergii, Czech, Austrii, Nadrenii Północnej-Westfalii. Nie wszyscy zostaną klientami. Niektórzy nigdy nie odpowiedzą. Ale kilku będzie miało problem dokładnie w momencie, w którym Schnaithmann wcześniej nie byłby widoczny. W budowie maszyn specjalnych czasami wystarczy właśnie ten moment.

Pełna historia sukcesu Przeczytaj pełne studium przypadku Schnaithmanna: 300 podobnych firm tygodniowo i podwojenie liczby demonstracji w sześć miesięcy.