AI w sprzedaży: rynek DACH zmienia się w 2026 roku

KI & Automatisierung · 19. August 2026 · Anthony Filipiak

AI w sprzedaży staje się obszarem inwestycji w średnich przedsiębiorstwach. Dowiedz się, którzy gracze, jakie liczby i kroki będą naprawdę liczyć się w 2026 roku.

AI w sprzedaży to wykorzystanie algorytmów, modeli językowych i automatyzacji do znajdowania leadów, priorytetyzacji klientów i zarządzania procesami sprzedażowymi. Tak to brzmi w wielu dokumentach strategicznych. Nie do końca prawda. W przemysłowych średnich przedsiębiorstwach AI w sprzedaży to przede wszystkim nowy podział władzy – między przedstawicielami handlowymi, działem obsługi klienta, zarządzaniem produktem, IT i dostawcami, którzy w przyszłości będą wiedzieć, jaki klient ma jakie potrzeby, zanim kierownik sprzedaży zobaczy to w prognozie. Moja prognoza na 2026 rok zaskakuje wielu dyrektorów: nie wygrywają najgłośniejsze narzędzia AI, lecz systemy, które tłumaczą tabele SAP, logikę cenową, warianty produktów i niemieckie „czucie” na użyteczną maszynę sprzedażową.

Nie patrzę na ten rynek z perspektywy slajdów analityków. Widzę go w rozmowach z dyrektorami z Ulm, kierownikami sprzedaży z Bielefeld, inwestorami z Monachium i zespołami, które od lat mówią o dyscyplinie CRM, a mimo to prowadzą swoje najlepsze okazje w Excelu. Rynek DACH dla rozwiązań B2B w sprzedaży wspieranej przez AI i przemysłowych rozwiązań SaaS do 2025/26 roku wyjdzie z fazy eksperymentów. Nie wszędzie. Ale tam, gdzie inżynieria mechaniczna, handel specjalistyczny, technika budowlana, dostawcy motoryzacyjni i usługi techniczne pracują z długimi cyklami sprzedaży, powstaje właśnie własny segment.

To już nie jest rynek poboczny. Według EY Startup-Barometer Deutschland, w pierwszej połowie 2026 roku do niemieckich startupów wpłynęło łącznie 5,3 miliarda euro. Niemcy w 2026 roku, według tej samej analizy, liczą 38 jednorożców o łącznej wartości 118,9 miliarda euro. Jednocześnie obserwatorzy rynku, tacy jak ecompanion.ai i deutsche-startups.de, donoszą o nowej fali wyspecjalizowanych startupów AI dla przemysłu, handlu i procesów biznesowych opartych na agentach. Chodzi o to: te pieniądze nie szukają kolejnego ładnego chatbota. Szukają dźwigni wzrostu przychodów na rynkach, które od lat są niedostatecznie zdigitalizowane, a mimo to bronią wysokich marż.

AI w sprzedaży – status quo na rynku DACH

Status quo jest sprzeczny. Na konferencjach w Monachium wszyscy mówią o Agentic AI, Context Layer i autonomicznych przepływach pracy; w wielu organizacjach sprzedażowych w inżynierii mechanicznej aktualne potrzeby klienta nadal znajdują się w notatce z ostatniej wizyty przedstawiciela handlowego. U producenta z Badenii-Wirtembergii Thomas, dyrektor z Heilbronn, powiedział mi w maju 2026 roku: „Nasz CRM jest czysty, dopóki nie chce się go użyć do podejmowania decyzji”. To zdanie utkwiło mi w pamięci. Opisuje ono większy potencjał rynkowy niż jakakolwiek grafika z prezentacji.

Berlin, według analizy dostawcy przestrzeni coworkingowych Mindspace, mieści około jednej trzeciej wszystkich niemieckich startupów AI. Monachium z kolei wygrywa, jeśli chodzi o oprogramowanie dla przedsiębiorstw, Przemysł 4.0 i dostęp do korporacji takich jak BMW, Siemens, Knorr-Bremse czy MTU Aero Engines. Stuttgart przyciąga tematy związane z mobilnością i motoryzacją, Hamburg logistykę, Frankfurt regulowane procesy danych. Brzmi to jak marketing lokalizacyjny. Ale w sprzedaży jest to ważne, ponieważ klienci przemysłowi nie kupują tylko oprogramowania. Kupują bliskość do swojego problemu.

Istotne rundy finansowania pokazują, jak działa rynek. Amber z Akwizgranu zakończył rundę Series A o wartości 7 milionów euro, współprowadzoną przez Ventech i NRW.Venture, według TrendingTopics i Daily.dev. Sherpa z Monachium ogłosiła 9 lipca 2026 roku rundę Pre-Seed o wartości 2,2 miliona dolarów amerykańskich, współprowadzoną przez Seedcamp, DN Capital, Activant Capital i Brighteye. Pathway z Polski ma już łącznie 30 milionów dolarów amerykańskich finansowania Seed przy wycenie 500 milionów dolarów amerykańskich i rozszerza działalność na DACH. To jest zakres: pionowe rundy SaaS dla przemysłu w jednocyfrowych milionach, horyzontalne zakłady na infrastrukturę z znacznie większymi wycenami.

Co to oznacza dla dyrektorów? Kto w 2026 roku nadal wierzy, że AI w sprzedaży to projekt marketingowy, zostanie wyprzedzony w ciągu trzech lat przez konkurentów z lepszymi sygnałami dotyczącymi klientów, krótszymi czasami ofertowania i bardziej agresywną obsługą istniejących klientów. Nie z powodu magii. Z powodu tempa. Jeśli zespół co poniedziałek otrzymuje 200 istotnych wyzwalaczy z danych rynkowych, CRM, ERP i strony internetowej, podczas gdy inny zespół zbiera wizytówki na targach, wynik po dwunastu miesiącach jest dość przewidywalny.

Trend 1 – Wertykalizacja pokonuje generyczną AI w sprzedaży

Pierwszym dużym trendem jest wertykalizacja. Generyczne modele językowe otworzyły wyobraźnię w 2023 roku. W 2025 roku wiele firm przemysłowych zdało sobie sprawę, że LLM bez kontekstu w przypadku złożonych ofert działa raczej jak stażysta z dobrą znajomością niemieckiego: szybki, uprzejmy, niebezpieczny. Dla producenta techniki połączeniowej nie wystarczy, jeśli AI napisze miły tekst e-maila. Musi wiedzieć, jaka norma, jaka wielkość partii, jaki czas dostawy, jaka umowa ramowa i jaka kotwica cenowa są istotne dla Schaeffler, Brose czy dostawcy Tier-2.

Właśnie tutaj wkraczają dostawcy tacy jak Amber. Handelsblatt opisał Amber i Paretos jako przykłady startupów, które tworzą dodatkową warstwę kontekstu między danymi firmowymi a modelem językowym. Brzmi to technicznie. W codziennej pracy sprzedażowej to po prostu różnica między „AI pisze tekst” a „AI rozumie, dlaczego ten klient jest teraz prawdopodobny do zakupu”. Amber wymienia wśród swoich klientów Scheidt & Bachmann, Ritter Sport, Zentis, Schüßler-Plan, Dalli i Hailo. To nie są czyste firmy software'owe. To organizacje z logiką fabryczną, historią danych, procesami zakupowymi i komitetami.

Mercura z Monachium idzie w podobnym kierunku, ale z innym podejściem. Firma Lukasa Bocka, Stefana Zhenga i Seana Sdahla pozycjonuje się jako system operacyjny oparty na AI dla producentów i hurtowników w branży materiałów budowlanych, elektrotechniki i techniki budowlanej/HVAC. Kto zna ten rynek, wie: tutaj obroty zależą od relacji z dealerami, wiedzy przedstawicieli handlowych, przetargów, rabatów, dostępności magazynowej i alternatywnych produktów. Generyczne narzędzie sprzedażowe nie rozumie tego kanału. System wertykalny może go przynajmniej modelować.

Uważam to za najważniejszy punkt na rynku. Nie same modele AI będą czerpać główną wartość w sprzedaży przemysłowej. Zrobi to warstwa kontekstowa. Kto czysto połączy dane z ERP, CRM, PIM, archiwum ofert, przypadków serwisowych, notatek przedstawicieli handlowych i sygnałów internetowych, ten będzie w przyszłości kontrolować pytanie: Który klient jest teraz na tapecie? Dla kierowników sprzedaży to nie jest debata techniczna. To zarządzanie pipeline'em.

Problem nie polega na tym, że nasi ludzie nie mają danych. Problem polega na tym, że nie mają danych w momencie podejmowania decyzji.

— Markus, CSO dostawcy maszyn z Augsburga, rozmowa w czerwcu 2026

Markus ma rację. Słyszę to zdanie w różnych wariantach bez przerwy. W Festo, Phoenix Contact czy Wittenstein dojrzałość danych jest inna niż u dostawcy zatrudniającego 280 pracowników z Ostwestfalii. Ale nawet duże średnie przedsiębiorstwa borykają się z prostą luką: wiedza jest, tylko nie tam, gdzie decyduje się o obrotach. Zespół ofertowy widzi zapytania techniczne. Przedstawiciel handlowy zna politykę u klienta. Kierownictwo widzi luki w obrotach. AI nie musi być mądrzejsza od wszystkich. Musi jednocześnie utrzymywać te perspektywy.

Trend 2 – Agentic AI przejmuje procesy sprzedażowe, nie tylko zadania

Drugim trendem jest Agentic AI. Nie lubię tego terminu. Pachnie prezentacją i konferencją hotelową w Berlinie-Mitte. No, prawie. Bo pod tym modnym słowem kryje się prawdziwy przełom: systemy nie wykonują już tylko jednego zadania, ale poruszają się przez wieloetapowe procesy – badają, oceniają, decydują, piszą, śledzą, eskalują.

W sprzedaży przemysłowej jest to ogromne. Zapytanie ofertowe (RFQ) na część maszyny to nie formularz z trzema polami. Tam są rysunki, listy części, specyfikacje materiałowe, warunki dostawy, progi cenowe, stare oferty, zapytania techniczne, zatwierdzenia, a czasem kupujący, który o 17:48 wysyła „krótką” zmianę. Agentic Systems, rebe i MimoSense są wymieniane w raportach rynkowych 2025 dokładnie w tym środowisku: rozumowanie, agentowa AI, złożone procesy biznesowe. Czy każdy z tych startupów będzie istniał za trzy lata? Szczerze? Nie wiem. Ale kategoria pozostaje.

Dlaczego? Ponieważ sprzedaż przemysłowa rzadko jest liniowa. Nowy klient u producenta instalacji może przejść przez kontakt na targach, wstępną kwalifikację techniczną, wizytę w fabryce, ofertę próbną, rozmowę zakupową, kontrolę zgodności, warsztaty inżynierskie, zatwierdzenie budżetu i rundę kontraktową. Klasyczna automatyzacja sprzedaży może wysyłać e-maile. Systemy agentowe mogą orkiestrować te kroki, jeśli dostęp do danych, zabezpieczenia i logika biznesowa są prawidłowe. To jest różnica między przypomnieniem a maszyną procesową.

Sierra i Unframe zwiększają presję z zewnątrz. Sierra otwiera biuro w Monachium, aby bezpośrednio wspierać firmy w Niemczech, Austrii i Szwajcarii. Unframe ogłasza ukierunkowaną ekspansję na DACH i zatrudnia w działach inżynierii, go-to-market, partnerstw i obsługi klienta. Ci gracze nie przychodzą, bo niemieckie średnie przedsiębiorstwa wydają się eksperymentować. Przychodzą, bo tu są budżety. Maszyny, komponenty, umowy serwisowe, części zamienne, projekty – wszędzie są procesy sprzedażowe o wysokiej marży, które stały się powolne.

Z naszych wdrożeń wiemy: u klientów przemysłowych B2B prawie zawsze widzimy ten sam wzorzec. Pierwsze 20 procent integracji danych dostarcza 60 do 70 procent efektu komercyjnego, jeśli trafiają na właściwe źródła danych: konta CRM, dane ofertowe, interakcje na stronie internetowej, obroty z istniejących klientów i publicznie rozpoznawalne sygnały zakupu. Klient z branży techniki budowlanej miał w lutym 2026 roku ponad 41 000 kontaktów w CRM, ale tylko 1900 kont z użyteczną priorytetyzacją. Po pierwszej warstwie ICP i sygnałów, wynikiem nie było więcej kontaktów, ale mniej – za to lepszych. Dział sprzedaży początkowo tego nienawidził. Trzy tygodnie później nikt nie chciał wracać do starego.

Brzmi to sprzecznie z intuicją, ale jest sednem. Dobra AI w sprzedaży nie generuje więcej aktywności. Redukuje błędną aktywność. Wielu kierowników sprzedaży nadal mierzy połączenia, e-maile, wizyty, oferty. Wszystko zrozumiałe. Ale jeśli przedstawiciel handlowy odbywa 18 wizyt w miesiącu, a 11 z nich trafia do klientów bez konkretnego potencjału, liczba jest ładna, a wynik drogi. Agentic AI ujawni to marnotrawstwo. Niektóre zespoły będą się cieszyć. Niektóre będą się bronić.

Trend 3 – Inwestorzy stawiają na przemysłowy SaaS z bliskością do przychodów

Trzecim trendem jest przesunięcie kapitału. W latach 2020-2022 dużo pieniędzy płynęło do horyzontalnych narzędzi SaaS: HR, współpraca, narzędzia dla deweloperów, automatyzacja marketingu. W latach 2025/26 widzę u inwestorów z Monachium, Berlina i Londynu inne zdanie: „Pokaż mi dźwignię wzrostu przychodów”. Nie tylko efektywność. Nie tylko Copilot. Dźwignię wzrostu przychodów. Dlatego ceny, konfiguracja ofert, podejście do klienta, zarządzanie kanałami i prognozowanie nagle znów stają się sexy – nawet jeśli nikt nie powinien używać słowa „sexy” na warsztatach SAP.

Amber z 7 milionami euro w rundzie Series A to dobry sygnał. Sherpa z 2,2 milionami dolarów amerykańskich w rundzie Pre-Seed pokazuje stronę operacyjną: zewnętrzną siłę roboczą, możliwości serwisowe, realizację projektów. Pathway z Polski z 30 milionami dolarów amerykańskich finansowania Seed i wyceną 500 milionów dolarów amerykańskich pokazuje zakład na infrastrukturę. Volteum z Węgier zbiera 3,25 miliona euro na zarządzanie flotą i planuje ekspansję na DACH. Te firmy nie są wszystkie klasycznymi narzędziami sprzedażowymi. Ale konkurują o tę samą myśl na poziomie C-level: Gdzie AI może generować realną wartość dodaną w procesach przemysłowych?

Inwestorzy lubią obecnie rynki wertykalne, ponieważ tam dane są trudniej dostępne, a koszty zmiany dostawcy wyższe. Generyczne narzędzie do outreachu można zastąpić. System, który rozumie logikę cenową, katalogi produktów, relacje z dealerami i historię klientów hurtownika HVAC, jest głębiej zakorzeniony. Wiedzą o tym również strategiczni nabywcy. Koncern taki jak Kärcher, Webasto czy Schaeffler nie buduje wszystkiego dla każdej niszy samodzielnie. Ale jeśli startup kontroluje warstwę komercyjną na rynku wertykalnym, staje się to interesujące – jako partner, jako cel akwizycji, jako utrapienie.

Amplifa ICP Playbook Praktyczne ramy do precyzyjnego definiowania idealnych profili klientów, sygnałów zakupu i priorytetów w sprzedaży B2B.

Nie linkuję tutaj ICP Playbook, bo playbook ratuje świat. Nie ratuje. Ale wiele średnich przedsiębiorstw rozpoczyna projekty AI w złym miejscu. Pytają: Jakie narzędzie powinniśmy kupić? Lepsze pytanie brzmi: Które konta w ogóle zasługują na uwagę maszynową? Bez logiki ICP automatyzuje się przypadek.

Istotni gracze – kto naprawdę liczy się na rynku DACH

Nie ma czystej listy top-10 startupów AI w sprzedaży przemysłowej. Kto udaje, że taka istnieje, sprzedaje przejrzystość. Ja bym podzielił rynek według trzech kryteriów: jasny fokus B2B lub przemysłowy, przypadek użycia generujący przychody i udokumentowana aktywność w DACH. Wtedy powstaje obraz, który jest mniej ładny, ale bardziej użyteczny.

Amber z Akwizgranu jest dla mnie jednym z najsilniejszych wskaźników natywnych dla DACH. Nie dlatego, że 7 milionów euro w rundzie Series A byłoby gigantyczne. Nie jest. Ale dlatego, że lista klientów pokazuje, iż AI-SaaS w średnich przedsiębiorstwach nie trafia już tylko do firm cyfrowych. Scheidt & Bachmann, Ritter Sport, Zentis, Dalli, Hailo – to nazwy, które oznaczają procesy, dane historyczne i realia operacyjne. Jeśli takie firmy osadzają AI w danych korporacyjnych, dźwignia sprzedaży staje się namacalna: szybsza weryfikacja ofert, lepsze prognozy, mniej błądzenia w biznesie z istniejącymi klientami.

Mercura z Monachium jest interesująca, ponieważ materiały budowlane, elektrotechnika i HVAC to nie są rynki wysokiej klasy. Właśnie dlatego. Tam złożoność produktów, sieci dealerów i logika marż są ze sobą ściśle powiązane. Andrea, Head of Sales u hurtownika techniki budowlanej z Norymbergi, powiedziała mi w kwietniu 2026 roku: „Nasi najlepsi sprzedawcy wiedzą, jaka alternatywa pasuje, zanim klient zapyta. Ale to nigdzie nie jest zapisane.” Owszem. Jest gdzieś zapisane. W ofertach, zwrotach, ruchach magazynowych, rabatach, notatkach telefonicznych, starych zamówieniach. Tylko nie w systemie, z którego dział sprzedaży może korzystać.

MimoSense, rebe, Agentic Systems i addressable value są jeszcze trudniejsze do uchwycenia, ponieważ publiczne dane są skromniejsze. Mimo to są one istotne jako sygnały rynkowe. Reprezentują one pokolenie startupów, które nie mówią już „AI do wszystkiego”, ale zajmują się rozumowaniem, agentową AI, adresowalną wartością klienta lub złożoną automatyzacją procesów na rynkach B2B. To jest bardziej dojrzałe niż wiele narzędzi z 2023 roku. Mniej show. Więcej procesu.

Sherpa z Monachium na pierwszy rzut oka nie wygląda na firmę sprzedażową. Zewnętrzna siła robocza, usługi, możliwości. Ale w przemysłowych średnich przedsiębiorstwach sprzedaż często zależy od serwisu. Kto nie zna możliwości serwisowych, sprzedaje błędne SLA. Kto nie planuje dokładnie dostępności techników, traci dalsze kontrakty. Kto słabo zarządza jakością projektu, nie potrzebuje AI do cross-sellingu – potrzebuje najpierw ograniczenia szkód. Sherpa trafia w ten operacyjny nerw, który ma wpływ komercyjny.

Sierra i Unframe to globalni zakłócacze. Przychodzą z kapitałem, szybkością produktu i międzynarodową logiką referencyjną. Ich ryzyko w DACH to nie technologia, ale dopasowanie. Ochrona danych, język, rada zakładowa, bezpieczeństwo IT, umowy AV, tonacja w niemieckich średnich przedsiębiorstwach – to nie są przypisy. Wielokrotnie doświadczyłem, że technicznie silne narzędzie zawodzi w sprzedaży, ponieważ sposób komunikacji brzmi, jakby amerykański SDR wyszukał niemiecką firmę inżynierii mechanicznej w Google, a potem odważnie zaczął pisać.

FAQ – Ile naprawdę kosztuje AI w sprzedaży?

Szczera odpowiedź: mniej niż nowy zespół sprzedażowy, ale więcej niż przewidują budżety pilotażowe. Dla średnich firm przemysłowych istotny blok kosztów rzadko dotyczy tylko licencji na oprogramowanie. Dotyczy dostępu do danych, higieny CRM, integracji z ERP, pracy nad ICP, zarządzania i wdrożenia. Narzędzie za 2000 euro miesięcznie może być bezwartościowe, jeśli docelowi klienci są źle zdefiniowani. Projekt o wartości sześciocyfrowej może się opłacić, jeśli jednocześnie dotyka czasu realizacji ofert, priorytetyzacji kont i obrotów z istniejących klientów.

AI w sprzedaży – co to oznacza dla średnich przedsiębiorstw

Dla dyrektorów średnich przedsiębiorstw ten rynek oznacza przede wszystkim jedno: zmienia się punkt odniesienia. Wcześniej producent maszyn ze Szwabii porównywał się z dwoma konkurentami z Niemiec i jednym dostawcą z Włoch. W przyszłości klient będzie porównywał również szybkość reakcji. Kto w ciągu 24 godzin dostarczy wiarygodną, technicznie czystą i handlowo uzgodnioną ofertę, będzie postrzegany jako bardziej profesjonalny niż konkurent, który po sześciu dniach wysyła PDF z pytaniami. Dźwięk w sprzedaży się zmienia: mniej stosów papieru, więcej powiadomień systemowych. Czasem w hali nadal pachnie olejem. Oprogramowanie nie wyrywa przemysłu z jego rzeczywistości.

Pierwszym konkretnym efektem jest szybkość ofertowania. Wiele firm produkcyjnych nie traci transakcji z powodu złego produktu. Tracą, ponieważ wewnętrzny proces ofertowania jest zbyt wolny. Technika czeka na sprzedaż. Sprzedaż czeka na kalkulację. Kalkulacja czeka na ceny zakupu. Zakup czeka na dane dostawców. Warstwa kontekstowa nie może tu wszystkiego zautomatyzować, ale może w ciągu sekund uwidocznić historyczne oferty, logikę cenową i alternatywne produkty. W DMG Mori czy Trumpf takie tematy są skalowane inaczej niż u producenta maszyn specjalnych zatrudniającego 180 pracowników. Logika jest ta sama.

Drugim efektem jest jakość pipeline'u. Kto mierzy tylko ilość leadów, nie zrozumiał rynku. W przemysłowym B2B dobre konto jest często warte więcej niż 300 przeciętnych kontaktów. AI może łączyć dane firmowe, wyzwalacze, zastosowanie technologii, sygnały rekrutacyjne, aktywność na targach, zachowanie na stronie internetowej i historyczne wzorce zakupowe. Z tego nie powstaje idealna wyrocznia. Ale lepszy poniedziałkowy poranek. A w sprzedaży lepszy poniedziałkowy poranek to czasem różnica między realizacją planu a rundą usprawiedliwień.

Trzecim efektem jest przesunięcie władzy w zespole sprzedażowym. Najlepsi sprzedawcy długo żyli z tego, że posiadali wyłączną wiedzę. Którzy kupcy są trudni. Które zakłady właśnie inwestują. Która spółka zależna u klienta decyduje. Systemy AI uwidaczniają część tej wiedzy. To dobrze dla skalowania i niewygodne dla statusu. Kierownik sprzedaży z Kolonii, Stefan, powiedział mi w marcu 2026 roku: „Mam dwie osoby, które walczą z przejrzystością i nazywają to krytyką procesu”. Twarde. Ale często prawdziwe.

Dla inwestorów rynek oznacza: nie każda firma AI-Sales jest taka sama. Horyzontalne narzędzia skalują się szybciej, ale są łatwiejsze do zastąpienia. Pionowi dostawcy SaaS dla przemysłu rosną wolniej, ale budują głębsze rowy danych i procesów. Kto stawia na DACH, musi mieć cierpliwość. Cykle zakupowe trwają. Bezpieczeństwo IT sprawdza. Dyrektor chce referencji. Rada zakładowa zadaje pytania. Za to klienci są bardziej lojalni, jeśli dostawca dostarcza prawdziwą wartość procesową.

Dlaczego czyste strategie inbound w sprzedaży przemysłowej zawodzą

Powiem to dosadnie: Kto w 2026 roku w przemysłowym B2B nadal stawia na czystą strategię inbound, ten za pięć lat nie będzie miał wiarygodnego pipeline'u. Inbound pozostaje użyteczny. Whitepaper, SEO, targi, webinary, strony produktowe – wszystko w porządku. Ale najlepsi klienci przemysłowi rzadko grzecznie wypełniają formularz, gdy budżet, potrzeba i czas się zbiegają. Zostawiają ślady. Nowe zakłady. Ogłoszenia o pracę. Przetargi. Problemy z częściami zamiennymi. Zmiany dostawców. Informacje o inwestycjach. Zmiany w zarządzie. Te sygnały sprzedaż musi aktywnie wykorzystywać.

To jest powód, dla którego AI Sales, Signal-Based Selling i zautomatyzowane badania kont łączą się. Clay, Smartlead, Instantly, HeyReach, RB2B, Trigify, ChatGPT, Claude – wiele zespołów już buduje stosy z badań, wzbogacania, wysyłki, LinkedIn, sygnałów i szkicowania tekstu. To może działać. Ale w średnich przedsiębiorstwach dziki wzrost narzędzi szybko prowadzi do cienia IT. Wtedy marketing ma jedno narzędzie, sprzedaż inne, IT blokuje oba, a dyrektor pyta o ROI.

Moja rada jest niewygodna: nie kupujcie najpierw oprogramowania. Zdefiniujcie najpierw hipotezę komercyjną. Jaki typ klienta? Jaki wyzwalacz? Jaki problem? Jaka ścieżka przychodów? Jaki dostęp do danych? Dopiero wtedy decyduje się, czy system wertykalny jak Mercura, platforma kontekstowa jak Amber, globalne narzędzie AI-Sales jak Sierra, czy własny stos ma sens. Rynek nie nagradza największej listy narzędzi. Nagradza jasną przyczynowość.

Przygotowanie – 7 kroków dla dyrektorów i zespołów strategicznych

1. Zdefiniuj na nowo swój ICP – nie jako listę branż, lecz jako wzorzec ekonomiczny potencjału przychodów, dopasowania technicznego, wyzwalaczy zakupu, struktury decyzyjnej i potrzeb serwisowych. Producent maszyn zatrudniający 500 pracowników w Bawarii może pasować gorzej niż firma zatrudniająca 120 pracowników w Czechach, jeśli czas i zastosowanie są odpowiednie.
2. Zrób inwentaryzację swoich komercyjnych źródeł danych – CRM, ERP, PIM, archiwum ofert, zgłoszenia serwisowe, dane ze strony internetowej, kontakty z targów, dane dealerów i notatki przedstawicieli handlowych. Nie zapisuj, co teoretycznie istnieje. Sprawdź, co jest czytelne, aktualne i prawnie użyteczne.
3. Wybierz przypadek użycia generujący przychody z krótkim cyklem sprzężenia zwrotnego – priorytetyzacja kont, przygotowanie ofert, reaktywacja istniejących klientów lub selekcja RFQ. Unikaj pierwszego projektu z dziesięcioma działami i 18-miesięcznym czasem trwania. To będzie pomnik, a nie postęp.
4. Ustaw ochronę danych jako kryterium projektowe – hosting w UE, umowy AV, prawa ról, logowanie i minimalizacja danych powinny być na początku. Nie po pilotażu. Zwłaszcza u klientów takich jak Brose, Webasto czy Phoenix Contact kwestie bezpieczeństwa nie stają się luźniejsze.
5. Mierz jakość pipeline'u zamiast aktywności – spotkania, e-maile i połączenia to wartości pośrednie. Kluczowe są kwalifikowane okazje, wskaźnik ofert, czas realizacji, wskaźnik wygranych, obroty z istniejących klientów i trafność prognoz. Jeśli AI generuje tylko więcej szumu, zatrzymaj się.
6. Włącz najlepszych sprzedawców wcześnie – nie jako akceptantów, lecz jako krytyków. Najlepsi sprzedawcy rozpoznają fałszywe sygnały szybciej niż jakikolwiek pulpit nawigacyjny. Jeśli trenują system, akceptacja wzrasta. Jeśli go sabotują, masz problem z zarządzaniem.
7. Świadomie zdecyduj między platformą, narzędziem specjalistycznym a stosem – wertykalny system operacyjny nadaje się do głębokich procesów, warstwa kontekstowa do wykorzystania danych w różnych funkcjach, stos narzędzi do szybkich eksperymentów GTM. Wszystko naraz to zazwyczaj tylko droga niezdecydowanie.

Produkt Amplifa Amplifa pomaga zespołom B2B identyfikować klientów docelowych, wykorzystywać sygnały i zarządzać kampaniami sprzedażowymi w oparciu o dane, a nie intuicję.

W Amplifa budujemy dokładnie na tym styku: ICP, dane, sygnały, podejście, pipeline. Nie jako zastępstwo dla sprzedaży. To byłoby nonsensem. Dobry kierownik sprzedaży nie zostanie zastąpiony przez AI. Zły proces – już prędzej. Widzimy, zwłaszcza w inżynierii mechanicznej, usługach technicznych i u dostawców przemysłowych, że zapotrzebowanie nie brzmi jak „więcej automatyzacji”. Brzmi jak: „Których 150 kont mój zespół powinien naprawdę zająć się w przyszłym tygodniu?”

Amplifa dla wzrostu B2B Od idealnego profilu klienta po priorytetową logikę outreachu – dla zespołów, które chcą budować pipeline systematycznie, a nie przypadkowo.

Prognozy analityków i moja własna wizja rynku do 2028 roku

Większość prognoz dotyczących rynku AI jest zbyt szeroka. Wrzucono do jednego worka AI konsumencką, infrastrukturę, automatyzację przedsiębiorstw i SaaS przemysłowy, a następnie podano liczbę z wieloma zerami. Dla dyrektorów średnich przedsiębiorstw jest to mało pomocne. Bardziej interesujące jest pytanie: Jakie budżety zostaną przesunięte w ciągu najbliższych dwóch do trzech lat?

Moja odpowiedź: cyfryzacja sprzedaży, RevOps, rozszerzenie CRM, automatyzacja ofertowania, wycena, platformy danych i doskonałość usług łączą się. Nie organizacyjnie, bo wiele średnich przedsiębiorstw jest zbyt silosowych. Ale budżetowo. CFO zapyta, dlaczego płaci się za pięć narzędzi, jeśli dźwignia wzrostu przychodów pozostaje niejasna. CSO zapyta, dlaczego projekty IT trwają dwanaście miesięcy. IT zapyta, dlaczego sprzedaż znowu ładuje dane klientów do amerykańskiego narzędzia. Witamy na prawdziwym rynku.

Do 2028 roku spodziewam się trzech ruchów. Po pierwsze: konsolidacja. Wiele małych narzędzi AI-Sales zniknie lub stanie się funkcjami w większych platformach. Po drugie: pionowi zwycięzcy. W HVAC, elektrotechnice, inżynierii mechanicznej, handlu technicznym i usługach pojawią się dostawcy z głęboką logiką procesową. Po trzecie: pozycjonowanie suwerenności europejskiej stanie się z hasła marketingowego kryterium zakupu. Kto chce sprzedawać niemiecki przemysł, musi poważnie traktować ochronę danych, zarządzanie i język. Nie jako slajd. Jako produkt.

Jaką rolę odgrywają prawdziwe firmy przemysłowe?

Najciekawsze pytanie nie brzmi, który startup wygra. Najciekawsze pytanie brzmi, jak zachowają się same firmy przemysłowe. Trumpf, Festo, Schaeffler, Phoenix Contact, Kärcher, Brose, Webasto, Wittenstein – te firmy to nie tylko potencjalni klienci. To dostawcy referencji, posiadacze danych, szkoły procesów i czasem strategiczni inwestorzy. Kto tam zakotwiczy rozwiązanie AI w sprzedaży lub serwisie, nauczy się rzeczy, których żaden generyczny zespół SaaS nie może nauczyć się z danych demonstracyjnych.

Przykład z rozmów: U dostawcy z okolic Stuttgartu w czerwcu 2026 roku nie chodziło o więcej leadów. Chodziło o pytanie, którzy istniejący klienci z powodu nowych linii produkcyjnych nagle mogą mieć większe zapotrzebowanie na określony komponent. Sygnał nie znajdował się w CRM. Znajdował się w komunikatach prasowych, ogłoszeniach o pracę dla konserwatorów, danych importowych, zmianach na stronach internetowych i starych wzorcach ofert. Kierownik sprzedaży nazwał to „pracą detektywistyczną”. Ja nazywam to nadchodzącą standardową warstwą w sprzedaży B2B.

Właśnie dlatego europejskie średnie przedsiębiorstwa nie będą po prostu kopiować amerykańskich playbooków sprzedażowych. Niemiecka sprzedaż przemysłowa jest bardziej techniczna, oparta na relacjach i wolniejsza w zatwierdzaniu. Ale kiedy się rusza, porusza duże koszyki zakupowe. Pojedyncza wygrana umowa ramowa może być warta więcej niż tysiąc prób SaaS. Systemy AI, które ignorują ten kontekst, dostarczą ładne dema i słabą retencję.

Twarda prawda o jakości danych

Jakość danych to słoń w pokoju konferencyjnym. Każdy go widzi, nikt nie chce być jego kosztem. Kiedy rozmawiam z dyrektorami, często słyszę: „Nasze dane prawdopodobnie nie są wystarczająco dobre”. Moja odpowiedź zazwyczaj brzmi: Tak. I co z tego? Złe dane nie są powodem, by nie uruchamiać AI. Są powodem, by zawęzić początek.

Błędem jest dążenie do perfekcyjnej bazy danych. W średnich przedsiębiorstwach rzadko się to zdarza. Nawet w firmach z SAP, Salesforce czy Microsoft Dynamics duplikaty, przestarzałe kontakty, niejasne klasyfikacje branżowe i ręczne pola notatek są normą. Kluczowe jest, czy przypadek użycia jest wystarczająco solidny, aby dostarczyć wartość pomimo niedokładności. Priorytetyzacja kont często może rozpocząć się od danych firmowych, historii obrotów i zewnętrznych wyzwalaczy. Automatyzacja ofertowania wymaga większej głębi. Prognozowanie wymaga dyscypliny. Nie każdy przypadek użycia jest tak samo głodny danych.

W lipcu 2026 roku rozmawiałem o tym z Lisą, kierowniczką wewnętrznego działu sprzedaży u producenta komponentów w Hanowerze. Jej zespół obawiał się, że AI będzie generować błędne sugestie klientów. Słusznie. Po dwóch tygodniach testów najważniejszym wnioskiem było jednak coś innego: system pokazał, ile aktywnych klientów docelowych w CRM nie miało w ogóle odpowiedzialnego właściciela. Nie problem z modelem. Problem z zarządzaniem. Eksport nie pachniał innowacją. Pachniał pracą.

Gdzie europejscy dostawcy mogą wygrać z globalnymi platformami

Europejscy dostawcy nie wygrywają automatycznie z powodu RODO. To wygodny mit. Ochrona danych otwiera drzwi, ale sama nie wygrywa transakcji. Wygrywa się dzięki bliskości procesowej, językowi, integracji i zaufaniu. Jeśli dostawca rozumie, dlaczego hurtownik specjalistyczny ma inną logikę marż niż dostawca OEM, dlaczego producent maszyn nie traktuje wariantów jak SKU i dlaczego przedstawiciel handlowy nie chce być po prostu „zautomatyzowany”, wtedy powstaje różnicowanie.

Globalne platformy mają szybkość. Szybciej dostarczają funkcje, budują integracje z większym kapitałem i przynoszą referencje z dużych rynków. Startupy z DACH mają bliskość. Mogą rozmawiać z dyrektorem w Münster, kierownikiem sprzedaży w Linzu lub kierowniczką IT w St. Gallen o prawdziwych przeszkodach: radzie zakładowej, rezydencji danych, uprawnieniach SAP, niemieckiej tonacji e-maili, konfliktach kanałów. To nie jest romantyczny lokalny patriotyzm. To jest sprzedaż.

Zwycięzcami prawdopodobnie będą formy mieszane. Pionowi specjaliści, którzy opierają się na silnych modelach. Warstwy kontekstowe, które nie próbują posiadać każdego frontendu. Platformy AI-Sales, które poważnie traktują lokalną zgodność. I średnie przedsiębiorstwa, które w końcu zaakceptują, że ich system sprzedażowy nie może składać się z CRM plus heroizm.

Osobista prognoza – rynek stanie się ciaśniejszy i trudniejszy

Moja osobista prognoza na najbliższe dwa do trzech lat: 2026 to rok, w którym wielu dyrektorów budżetuje AI w sprzedaży. 2027 to rok, w którym pierwsze projekty zawiodą, ponieważ były zbyt szerokie, zbyt narzędziowe lub zbyt polityczne. 2028 to rok, w którym zwycięzcy staną się widoczni – nie poprzez posty na LinkedIn, ale poprzez wskaźniki pipeline'u.

Spodziewam się, że wyspecjalizowani dostawcy w regionie DACH staną się silniejsi, ale nie wszyscy przetrwają. Amber, Mercura, gracze agentowi, platformy operacyjne takie jak Sherpa i globalni dostawcy tacy jak Sierra czy Unframe będą naciskać na ten sam rynek z różnych stron. Dla średnich firm produkcyjnych to dobrze. Większy wybór. Większa presja. Mniej wymówek.

Najniebezpieczniejsze zdanie, jakie teraz słyszę, brzmi: „Na razie to obserwujemy”. Obserwowanie jest w porządku, jeśli równolegle się uczymy. Obserwowanie jako działanie zastępcze jest kosztowne. Podczas gdy firma jeszcze dyskutuje, czy priorytetyzacja klientów generowana przez AI pasuje kulturowo, konkurent już testuje, które 50 kont należy skontaktować przed kolejnymi targami. Tej różnicy nie słychać od razu. Po roku widać ją w prognozie.

Ostatecznie AI w sprzedaży nie zmiękczy przemysłowych średnich przedsiębiorstw. Uczyni je bardziej szczerymi. Które konta są naprawdę wartościowe? Którzy sprzedawcy pracują na właściwym rynku? Które oferty trwają zbyt długo? Jakie dane istnieją tylko jako legenda? To są niewygodne pytania. Właśnie dlatego są użyteczne.

I być może to jest prawdziwa prognoza rynkowa: nie wygrywają firmy z największą ilością AI. Ale te, które są gotowe uczynić swoją prawdę sprzedażową czytelną dla maszyn.