AI w sprzedaży: Średnie przedsiębiorstwa niczego nie przesypiają

Meinung & Provokation · 12. Oktober 2026 · Anthony Filipiak

AI w sprzedaży potrzebuje mniej szumu, a więcej ROI. Przeczytaj, dlaczego średnie przedsiębiorstwa nie są głupie, czekając – ale nauka staje się obowiązkiem na rok 2026.

43 procent firm korzystających z AI w Niemczech nie potrafi oszacować wkładu AI w zyski operacyjne (McKinsey, niemiecka analiza „The State of AI in 2026: On the Road to ROI”, opublikowana w 2026 r.). To jest liczba, o której rozmawiam z dyrektorami dłużej niż o jakimkolwiek filmie demonstracyjnym OpenAI, Microsoft Copilot czy Salesforce Einstein. Ponieważ AI w sprzedaży jest wartościowa nie wtedy, gdy SDR pisze dziesięć ładniejszych e-maili, ale gdy mierzalnie zmienia się pipeline, wskaźnik zamknięcia transakcji lub szybkość transakcji. Właśnie w tym miejscu robi się cienko. I właśnie dlatego teza „Niemieckie średnie przedsiębiorstwa przesypiają AI – i to jest w porządku” nie jest na tyle błędna, by ją odrzucić, ale też nie na tyle prawdziwa, by na niej spocząć.

Moja śmiała teza – średnie przedsiębiorstwa nie przesypiają AI, przesypiają poprzeczkę. No, prawie. Testują, płacą, klikają, podziwiają, instalują Copilota w Outlooku i dają się przekonać dostawcom, że teraz wszystko się zmieni; ale kiedy po dziewięciu miesiącach pytam, który proces dzięki temu sprzedawał szybciej, obsługiwał taniej lub eskalował wcześniej, w wielu salach konferencyjnych zapada cisza.

I tak, częściowo jest to w porządku. Kto w 2026 roku nadal wierzy, że każde średnie przedsiębiorstwo musi natychmiast uruchomić agentów na ERP, CRM, MES i PLM, prawdopodobnie nigdy nie rozmawiał z dyrektorem finansowym firmy z branży maszynowej, której system SAP od 2014 roku działa z trzema specjalnymi logikami cen usług. Ostrożność to nie zacofanie. Ale ostrożność bez planu nauki to tylko inne słowo na utratę kontroli.

AI w sprzedaży – dlaczego większość się myli

Większość dyskusji o AI w średnich przedsiębiorstwach zaczyna się w niewłaściwym miejscu. Zaczynają się od modelu. GPT-5, Claude, Gemini, Llama, jakiś framework agentów z błyszczącym interfejsem. Uważam to za rozpraszanie uwagi. Nie dlatego, że modele są nieważne. Nie do końca. Modele są ważne, ale rzadko są wąskim gardłem, które widzę w rozmowach z dyrektorami i kierownikami sprzedaży.

Wąskie gardło tkwi w systemie operacyjnym firmy – ICP jest niejasne, dane CRM są dziurawe, powody ofert nie są skodyfikowane, utracone transakcje są zapisane jako wolny tekst w polu „Inne”, nikt dokładnie nie wie, jakie wyzwalacze naprawdę prowadzą do zakupu, a potem AI w sprzedaży ma nagle zdziałać cuda. W Phoenix Contact można rozmawiać o automatyzacji, ponieważ procesy mają inną dojrzałość. W przypadku 180-osobowego dostawcy z Ostwestfalii, którego kierownik sprzedaży nadal pracuje z trzema plikami Excela, połową licencji HubSpot i pamięcią Sabine z biura obsługi klienta, świat wygląda inaczej.

„U nas to nie działa” – powiedział mi niedawno Thomas, kierownik sprzedaży producenta komponentów z Pforzheim. „Nasi klienci nie kupują z powodu e-maila”. Często słyszę to zdanie. Brzmi doświadczenie. Czasami jest po prostu wygodne. Bo oczywiście nikt nie kupuje maszyny pakującej od Krones ani osi od Wittenstein z powodu e-maila. Ale rozmowa handlowa nie powstaje też z kadzidła. Powstaje z wyczucia czasu, trafności, powtarzalności i aparatu sprzedaży, który rozpoznaje, kiedy docelowe konto zaczyna się ruszać.

Niezrozumienie jest głębsze. Wiele średnich przedsiębiorstw myli korzystanie z AI z możliwościami AI. Korzystanie oznacza – ktoś pisze ogłoszenie o pracę z ChatGPT, wewnętrzny dział sprzedaży skraca e-mail, marketing generuje posty na LinkedIn, które brzmią jak wszystko inne na LinkedIn (czyli jak mokry karton). Możliwości oznaczają – firma może wybrać proces, sformułować hipotezę, podłączyć dane, ograniczyć ryzyko, zmierzyć wynik, a następnie zdecydować, czy skalować, czy pogrzebać. To drugie jest rzadkie. To pierwsze szybko rośnie.

Wersja debaty na LinkedIn jest dla mnie zbyt tania

Na LinkedIn są dwa obozy. Obóz pierwszy krzyczy – Niemcy są stracone, bo średnie przedsiębiorstwa przespały AI. Obóz drugi krzyczy – jesteśmy ostrożni, bo jesteśmy mistrzami jakości. Obie strony idą na łatwiznę. W marcu 2026 roku rozmawiałem z Andreą, Head of Sales w Hidden Champion w Bielefeld, o AI w sprzedaży. Jej zdanie utkwiło mi w pamięci – „Testowaliśmy sześć narzędzi i nie zmieniliśmy ani jednego procesu”. Właśnie o to chodzi. Nie brak narzędzi. Tchórzostwo procesowe.

Mówię to celowo ostro, bo od lat słyszę tę złagodzoną wersję. Najpierw było CRM. Potem Marketing Automation. Potem Intent Data. Teraz agenci AI. Zawsze kupowano technologię, zanim zarząd zdecydował, jaką prawdę o sprzedaży właściwie chce znieść. Jeśli najlepszy klient nie jest już najgłośniejszym klientem, ale najbardziej dochodowym klientem po uwzględnieniu kosztów serwisu, to sprzedaż musi inaczej priorytetyzować. Jeśli segment generuje wiele leadów, ale co drugie zamówienie kończy się reklamacją, marketing musi inaczej celować. AI ujawnia takie sprzeczności. Niektórzy wcale tego nie chcą.

AI w sprzedaży – niewygodna prawda za liczbami

Indeks AI dla średnich przedsiębiorstw 2026 Niemieckiego Związku Średnich Przedsiębiorstw i Salesforce podaje, że 51,2 procent średnich przedsiębiorstw korzystało lub testowało AI w 2025 roku. W 2024 roku było to 33,1 procent. To jest skok, nie dreptanie. 16,6 procent już używało agentów AI, 37 procent planowało wdrożenie lub rozbudowę na 2026 rok, 31 procent nie miało konkretnych planów dotyczących AI. Kto z tego wyciąga tylko wniosek „średnie przedsiębiorstwa śpią”, czyta niedbale.

Ale kto z tego wyciąga wniosek „wszystko w porządku”, czyta niebezpiecznie. Ponieważ liczba McKinseya z 43 procentami niekwantyfikowalnego wkładu w wyniki uderza dokładnie w ranę. Firma może korzystać z AI w czterech obszarach biznesowych, według McKinseya w Niemczech średnio 4,3 w porównaniu do 3,5 globalnie, a mimo to nie wiedzieć, czy zysk operacyjny rośnie. To tak, jakby postawić nową maszynę DMG-Mori w hali i po roku nie wiedzieć, czy koszty jednostkowe, odrzuty lub czas dostawy się poprawiły. Żaden dyrektor nie zaakceptowałby tego. W przypadku oprogramowania nagle staje się to romantyczne.

Liczba Qonto jest szczególnie wymowna. Średnie miesięczne wydatki na AI wynoszą 34,46 euro. Za to nie da się przebudować procesu sprzedaży. Za to dostaje się kilka pojedynczych licencji, rezerwację karty kredytowej i dobre samopoczucie, że nie jest się całkowicie w tyle. Zapach transformacji? Raczej zapach świeżo wydrukowanego rachunku za narzędzia z księgowości.

Nie chcę, aby te dane platformy były ważniejsze, niż są. Qonto nie widzi całego niemieckiego krajobrazu biznesowego. McKinsey przeprowadził w Niemczech ankietę wśród 93 osób, w ramach globalnego badania 1719 menedżerów i specjalistów z 97 krajów. Salesforce i Alibaba mają własne interesy rynkowe. Pomijam to. Ale jeśli kilka niedokładnych okien wskazuje w tym samym kierunku, powinno się przynajmniej wyjrzeć.

Nie boimy się AI. Boimy się, że ktoś podłączy agenta do złego systemu danych podstawowych, a potem wszyscy będą udawać, że błąd był zaskakujący.

— Matthias, COO dostawcy maszyn, Stuttgart

Matthias ma rację. Znam firmy, w których błędna propozycja części zamiennej nie tylko wywołuje żenujący e-mail, ale także przestój u klienta. Znam organizacje sprzedaży, w których zautomatyzowana propozycja rabatu natychmiast niszczy marżę, ponieważ historyczne transakcje nigdy nie były oczyszczane z efektów specjalnych. W Festo, Schaeffler czy Siemens rozmawia się o AI z innymi mechanizmami zabezpieczającymi niż w 70-osobowej firmie, która utrzymuje swoje szablony ofert w Wordzie i na dyskach sieciowych. Właśnie dlatego ogólna opowieść o śpiochach jest zbyt ogólnikowa.

Ale co, jeśli czekanie jest faktycznie mądre?

Najsilniejszy kontrargument przeciwko mojej surowości brzmi – AI nie jest celem samym w sobie. I szczerze? Zgadzam się. Jeśli dyrektor w kwietniu 2026 roku musi wybierać między cenami energii, finansowaniem, brakiem wykwalifikowanych pracowników, ubezpieczeniem cyberbezpieczeństwa a aktualizacją ERP, to pilot AI w sprzedaży może nie być priorytetem numer jeden. Może nawet nie priorytetem numer pięć. Rodzinna firma zajmująca się obróbką metali w Tuttlingen nie stanie się lepsza, śledząc każdy trend szybciej niż płacą jej własni klienci.

Ostrożność w kontekście przemysłowym jest często racjonalna. Błędne zatwierdzenie jakości kosztuje więcej niż zły post w mediach społecznościowych. Błędna wskazówka serwisowa może zatrzymać instalację. Nieprawidłowa informacja o kontroli eksportu może spowodować problemy, które nie znikną w ładnym panelu SaaS. A agent AI, który tworzy zamówienia w SAP S/4HANA, wymaga innej kontroli niż asystent tekstowy do newsletterów. Kto jest tutaj powolny, nie jest automatycznie zacofany. Czasami jest po prostu dojrzały.

Tylko z dojrzałej ostrożności nie może powstać wygodna sztywność. To jest cienka granica. Kiedy dyrektor mówi – „Czekamy, aż narzędzia będą bardziej dojrzałe”, pytam – jakie dane przygotowujecie do tego czasu? Jakie trzy procesy chcecie najpierw zmierzyć? Kto w sprzedaży ma hipotezy? Cisza. Wtedy to nie jest czekanie. Wtedy to jest delegowanie na przyszłość.

Co widzę w praktyce

Co konkretnie widzimy w Amplifa: W ciągu ostatnich 12 miesięcy zaobserwowaliśmy u klientów B2B z branży maszynowej, usług technicznych i oprogramowania przemysłowego, że projekty AI w sprzedaży stają się wiarygodne dopiero wtedy, gdy są powiązane z wydarzeniem komercyjnym – nowym rynkiem, kurczącym się pipeline inbound, obsługą potargową, aktywacją dealerów lub reaktywacją utraconych kont docelowych. W 17 analizowanych konfiguracjach Go-to-Market największa dźwignia nie leżała w lepszych tekstach, ale w połączeniu węższego ICP, wykrywania wyzwalaczy i konsekwentnego follow-up przez 6 do 10 tygodni. Zespoły, które chciały tylko „więcej spersonalizowanych e-maili”, rzadko uzyskiwały więcej niż 10 do 18 procent lepszych wskaźników odpowiedzi. Zespoły, które na nowo uporządkowały konta docelowe, timing i logikę ofert, w kilku przypadkach podwoiły liczbę kwalifikowanych pierwszych spotkań – bez nowego pracownika sprzedaży.

To brzmi mniej seksownie niż „autonomiczny agent”. Ale to są pieniądze. Markus, dyrektor zarządzający dostawcy usług automatyzacji z Augsburga, powiedział mi w czerwcu 2026 roku – „Myślałem, że AI napisze nam lepsze pierwsze kontakty. Ostatecznie pokazała nam, że od lat priorytetyzujemy niewłaściwe firmy”. Jego zespół wcześniej pracował na listach branżowych, czysto, pilnie, po niemiecku. Po zaostrzeniu ICP, konta docelowe były oceniane pod kątem parku maszynowego, sygnałów ekspansji, otwartych ról serwisowych, zgłoszeń inwestycyjnych i kompatybilności technicznej. Wynik po dziewięciu miesiącach – trzykrotnie więcej spotkań z odpowiednimi klientami, ta sama liczba pracowników, mniej dyskusji o jakości leadów między marketingiem a sprzedażą.

Nie chodzi o to, że Amplifa naciska magiczne przyciski. Takich nie ma. Chodzi o to, że AI w sprzedaży działa, gdy zostanie zastosowana do brudnego, konkretnego pytania sprzedażowego. Jakie firmy wyglądają jak nasi najlepsi klienci, zanim kupią? Którzy istniejący klienci mają sygnały ekspansji, ale nie mają aktywnego planu konta? Które utracone okazje były problemami z timingiem, a nie prawdziwymi odmowami? Którzy dealerzy generują sprzedaż, ale nie zwracają danych rynkowych? Takie pytania pachną pracą. Eksportem CRM, spotkaniem sprzedażowym, tablicą, na której ktoś suchym markerem pisze „Dlaczego wygrywamy?”.

Amplifa ICP Playbook Praktyczny playbook do definiowania klientów docelowych nie na podstawie intuicji, ale logiki rynkowej, wyzwalaczy i przychodów.

Nie linkuję ICP Playbook, bo PDF uratuje świat. Nie uratuje. Linkuję go, bo większość debat o AI w sprzedaży bez czystego ICP kończy się jak targi bez listy follow-up – drogo, głośno, później żenująco. Kto nie wie, kogo chce pozyskać, automatyzuje tylko własną nieprecyzyjność.

Agenci AI to moment, w którym robi się poważnie

Badanie YouGov dla Alibaba.com i bevh z 2026 roku wykazało, że prawie dwie trzecie niemieckich MŚP używa generatywnej AI przynajmniej sporadycznie. Jednak autonomicznie działających agentów AI używało tylko 24 procent; w firmach zatrudniających co najmniej dziesięciu pracowników było to około 45 procent, regularnie 21 procent. To jest przełom. Chatbot pisze. Agent działa. Pomiędzy nimi leży przepaść praw, danych, odpowiedzialności, projektowania procesów i zaufania.

W sprzedaży ta przepaść jest często niedoceniana. Agent, który tylko podsumowuje teksty stron internetowych, jest nieszkodliwy. Agent, który ocenia konta docelowe, wypełnia pola CRM, uruchamia sekwencje, priorytetyzuje osoby kontaktowe lub przygotowuje projekty ofert, zmienia podział pracy. Kto zatwierdza? Kto sprawdza? Kto ponosi odpowiedzialność, jeśli duży klient zostanie skontaktowany dwukrotnie, ponieważ logika duplikatów jest fatalna? Kto zatrzyma agenta, jeśli wskaźnik odpowiedzi jest wysoki, ale tylko w przypadku kont, które nigdy nie kupią?

Widzę tutaj dwa typy średnich przedsiębiorstw. Jedne kupują agentów tak, jak kiedyś narzędzia do newsletterów. Wdrożenie, szkolenie, gotowe. Drugie budują małą architekturę kontroli – jasne przypadki użycia, sandbox, koncepcja uprawnień, KPI, ręczne zatwierdzanie, dziennik audytu, wyłącznik awaryjny. Zgadnij, kto po sześciu miesiącach jest nadal zrelaksowany. U jednego klienta z branży dużych hurtowni technicznych serwerownia w starym budynku administracyjnym nadal pachniała ciepłym kurzem, ale zarządzanie agentami było czystsze niż w niektórych firmach programistycznych w Berlinie-Mitte.

1. Wybierz proces, który dotyczy przychodów lub marży – nie najwygodniejszy przypadek demonstracyjny. Przykładami są priorytetyzacja klientów docelowych, reaktywacja, przygotowanie ofert lub zarządzanie dealerami.
2. Zdefiniuj twardy wskaźnik przed pilotem – kwalifikowane spotkania, wskaźnik ofert, czas realizacji, dokładność prognoz lub marża kontrybucyjna na konto.
3. Oddziel asystę od autonomii – propozycja tekstu to nie to samo, co aktualizacja CRM lub uruchomiona sekwencja.
4. Zbuduj grupę kontrolną – w przeciwnym razie będziesz świętować sezonowość, efekty potargowe lub szczęście jako sukces AI.
5. Ustal kryteria zatrzymania – jeśli po ośmiu tygodniach nie ma sygnału, nie kontynuuje się majsterkowania, ale podejmuje decyzję.
6. Dokumentuj krzywe uczenia się – jakie dane brakuje, które pola są śmieciami, które zatwierdzenia blokują, który krok nie powinien być automatyzowany.

Dlaczego czyste strategie inbound stają się niebezpieczne z AI w sprzedaży

Teraz będzie niewygodnie dla wielu dyrektorów, którzy w ostatnich latach spoczęli na laurach inboundu. Kto w 2026 roku nadal stawia na czystą strategię inbound, za pięć lat nie będzie miał pipeline'u. Tak, wiem, to brzmi przesadnie. Ale spójrz na rynki B2B z długimi cyklami, produktami technicznymi i kurczącymi się wolumenami wyszukiwania. Jeśli wszyscy produkują treści, wszyscy organizują webinary, wszyscy ukrywają whitepapery za formularzami i wszyscy skalują teksty tymi samymi narzędziami AI, widoczność jest taniej produkowana i drożej zdobywana.

U producenta techniki testowej z Nadrenii Północnej-Westfalii organiczny napływ leadów w pierwszej połowie 2026 roku był nadal stabilny. Na papierze. W pipeline'ie wyglądało to inaczej. Więcej studentów, więcej konkurentów, więcej niejasnych zapytań doradczych, mniej projektów bliskich zakupu. Sprzedaż słyszała w biurze krótkie ping z CRM i po dwóch tygodniach wiedziała już, które leady pochłoną czas. AI w sprzedaży nie pomogła tam w tworzeniu jeszcze większej ilości treści. Pomogła połączyć istniejące dane z informacjami o rynku docelowym i proaktywnie kontaktować się z kontami, zanim te aktywnie szukały.

To jest przełom rynkowy, o którym zbyt mało się mówi. AI sprawia, że treści są tanie. Tym samym treści jako element wyróżniający stają się słabsze. AI sprawia, że badania są skalowalne. Tym samym outbound staje się ponownie bardziej precyzyjny, jeśli nie jest traktowany jako spam. AI sprawia, że dane CRM są bardziej analizowalne. Tym samym leniwe wymówki w prognozach stają się bardziej widoczne. Kto ignoruje tę zmianę, nie przesypia AI. Przesypia nową ekonomię sprzedaży.

Amplifa Pipeline Audit Sprawdzamy, gdzie powstaje pipeline, gdzie przecieka i jakie dźwignie AI w sprzedaży mogą faktycznie stać się mierzalne.

Niemieckie średnie przedsiębiorstwa nie są powolne. Często są nieprecyzyjne.

Powolność nie jest moim głównym zarzutem. Nieprecyzyjność już tak. Spotykam średnie przedsiębiorstwa, które w porównaniu do korporacji podejmują decyzje zaskakująco szybko. Dyrektor, dwóch kierowników działów, piątkowe spotkanie, poniedziałkowe wdrożenie. Bez komitetu sterującego z 19 osobami i trzema logo konsultingowymi na slajdzie. Ale te same firmy mogą przez lata pozostawać nieprecyzyjne, jeśli chodzi o klientów docelowych, powody utraty, logikę marż i segmentację. W tym tkwi sprzeczność.

Trumpf, Kärcher, Brose, Webasto, Schaeffler – te nazwy oznaczają substancję przemysłową, a nie zabawę. Wiele Hidden Champions jest zbudowanych podobnie, tylko mniejszych i cichszych. Właśnie te firmy mają przewagę, której często nie mają start-upy – rzeczywiste dane procesowe, prawdziwe relacje z klientami, głęboką wiedzę dziedzinową, bazę instalacyjną, historię serwisową. Jeśli połączą tę substancję z AI, nie powstanie szum na LinkedIn. Powstanie przewaga, którą trudno skopiować.

Ale jeśli czekają, aż SAP, Microsoft, Salesforce lub Siemens dostarczą im idealny przycisk, oddają inteligencję procesową na zewnątrz. Wtedy wartość nie leży już w ich własnym systemie sprzedaży, ale w logice platformy dostawcy. Nie jestem romantykiem suwerenności. Codziennie używam amerykańskiego oprogramowania. Ale uważam za naiwne, gdy firmy ślepo wrzucają swoje dane klientów, zasady decyzyjne i logikę sprzedaży do obcych systemów, a potem wierzą, że mają kontrolę, bo umowa jest po niemiecku.

Co musi się teraz wydarzyć

Średnie przedsiębiorstwa nie muszą rozumieć każdego modelu podstawowego. Nie muszą. Dyrektor producenta narzędzi w Villingen-Schwenningen nie musi umieć wyjaśnić, dlaczego Transformer używa uwagi. Musi jednak wiedzieć, które pięć procesów decyduje o marży i wzroście. I musi wymagać, aby piloty AI były mierzone na podstawie tych procesów, a nie liczby wygenerowanych tekstów.

Mój konkretny apel do dyrektorów i kierowników sprzedaży jest prosty, ale nie wygodny – róbcie mniej projektów AI, a bardziej precyzyjne. Jeden pilot do priorytetyzacji klientów docelowych. Jeden do przyspieszenia ofert. Jeden do reaktywacji kont. Nie dwanaście eksperymentów we mgle. Nie wdrożenie Copilota jako substytut strategii. Nie agent, który automatyzuje błędy operacyjne, bo nikt wcześniej nie dotknął procesu.

1. Zapisz do końca listopada 2026 roku dziesięć najważniejszych procesów przychodowych – od źródła leada do wpływu płatności, nie tylko lejek marketingowy.
2. Zaznacz trzy procesy o wysokiej powtarzalności i wysokiej świadomości kosztów błędów – tam AI opłaca się bardziej niż w przypadku tematów prestiżowych.
3. Dla każdego procesu ustal tezę ekonomiczną – na przykład 20 procent krótszy czas oferty lub 15 procent więcej kwalifikowanych spotkań w segmencie.
4. Sprawdź dostęp do danych i jakość danych – CRM, ERP, serwis, strona internetowa, kontakty targowe, raporty dealerów.
5. Zacznij od asysty, zanim pozwolisz na autonomię – szczególnie w przypadku cen, ofert, zgodności i komunikacji z klientami.
6. Porównaj z grupą kontrolną – w przeciwnym razie uwierzysz własnemu slajdowi.
7. Skaluj tylko wtedy, gdy widoczny jest rzeczywisty zysk procesowy – same wskaźniki odpowiedzi nie są modelem biznesowym.

Amplifa AI Sales Sprint Skoncentrowany sprint dla zespołów B2B, które chcą nie tylko testować AI w sprzedaży, ale także dostosować ją do pipeline'u, ICP i mierzalnych procesów sprzedaży.

FAQ – czy średnie przedsiębiorstwa naprawdę przesypiają AI?

Czy AI w sprzedaży jest już obowiązkiem dla średnich przedsiębiorstw?

Obowiązek to złe słowo. Obowiązek nauki pasuje lepiej. Żadne średnie przedsiębiorstwo nie musi jutro wprowadzać autonomicznego agenta do komunikacji z klientami. Ale każda firma z wymagającą wyjaśnienia sprzedażą B2B powinna w 2026 roku wiedzieć, gdzie AI zmienia procesy badawcze, segmentację, follow-up, prognozowanie lub oferty. Kto w ogóle się nie uczy, później zapłaci pośpiechem.

Dlaczego ChatGPT nie wystarcza w sprzedaży?

ChatGPT może dostarczać teksty, analizy i strukturę. To pomaga. Ale sukces w sprzedaży nie wynika tylko z tekstu. Wynika z logiki kont docelowych, timingu, jakości danych, czystego CRM, odpowiednich ofert i dyscypliny w follow-up. Dobry prompt nie wyleczy złego dopasowania do rynku. Kierownik sprzedaży z Hanoweru powiedział mi w sierpniu 2026 roku – „Nasze e-maile były lepsze, ale nasz pipeline nie”. Właśnie tam kończy się euforia narzędziowa.

Czy agenci AI są zbyt ryzykowni dla inżynierii mechanicznej i przemysłu?

Są ryzykowni, jeśli są wprowadzani bez koncepcji uprawnień, procesu zatwierdzania i logiki pomiaru. Są użyteczni, jeśli zaczynają się jasno ograniczone – na przykład w badaniach, wyszukiwaniu dokumentów, podsumowaniach kont lub przygotowaniu ofert. W przypadku błędnych parametrów CNC, zatwierdzeń jakości, informacji eksportowych lub decyzji cenowych potrzebna jest kontrola człowieka. Kropka.

Jak mierzyć ROI AI w sprzedaży?

Nie na podstawie godzin użytkowania. Nie na podstawie liczby wygenerowanych e-maili. Zacząłbym od czterech wskaźników – kwalifikowanych pierwszych spotkań na segment docelowy, wskaźnika ofert, cyklu sprzedaży i marży kontrybucyjnej na pozyskane konto. W zależności od biznesu dochodzi dokładność prognoz, wskaźnik reaktywacji lub czas realizacji oferty. Ważna jest linia bazowa przed pilotem. Bez linii bazowej każda poprawa staje się opowieścią.

Prowokacyjna teza pozostaje – ale inaczej

„Niemieckie średnie przedsiębiorstwa przesypiają AI – i to jest w porządku” jest dla mnie zbyt wygodne. To zdanie trafia w sedno, ale nie w diagnozę. Średnie przedsiębiorstwa nie przesypiają demo. Często przesypiają przełożenie na mierzalną korzyść procesową. I tak, czasami jest w porządku nie być pierwszym. Kto nie ma czystych danych, odpowiedzialności za proces i uzasadnienia biznesowego, nie powinien po prostu zaczynać, tylko dlatego, że dostawca w Monachium wynajął scenę i pisze „Agentic AI” na ścianie LED.

Ale czekanie staje się błędem, gdy dzieje się bez przygotowania. Jeśli 51,2 procent testuje lub używa, a 31 procent nie ma jeszcze planu, nie powstaje spokojny rynek. Powstaje luka w nauce. Niektóre firmy budują właśnie wiedzę procesową. Inne zbierają loginy do narzędzi. Jeszcze inne nic nie robią i nazywają to zarządzaniem ryzykiem. Różnica nie będzie widoczna od razu. Ujawnia się później, gdy konkurent szybciej pisze oferty, bardziej precyzyjnie zarządza dealerami, systematycznie odzyskuje utracone konta i zna swoich najlepszych klientów docelowych, zanim ci wypełnią formularz.

Nie wierzę w AI jako obietnicę zbawienia. Wierzę w pracę sprzedażową z lepszymi narzędziami. To jest mniej głośne, ale trudniejsze. Dyrektorzy, którzy mnie imponują, nie pytają „Jakiej AI potrzebujemy?”. Pytają – „Gdzie tracimy pieniądze, choć powinniśmy o tym wiedzieć?”. Potem robi się ciekawie.

Być może to jest prawdziwa prowokacja na rok 2026 – nie średnie przedsiębiorstwa przesypiają AI. Ale wielu dostawców AI przesypia średnie przedsiębiorstwa, ponieważ sprzedają dema tam, gdzie potrzebna jest odpowiedzialność za proces. A w niektórych salach konferencyjnych czuć to szybciej, niż widać na slajdzie.