AI w Sprzedaży: 300 Lookalike'ów Schnaithmanna

Case Study · 7. Oktober 2026 · Leon J. Hermann

AI w sprzedaży w branży maszyn specjalnych: Przeczytaj, jak Schnaithmann za pomocą Amplifa znajduje 300 podobnych firm tygodniowo i podwaja liczbę prezentacji w ciągu 6 miesięcy.

Tego ranka w Remshalden, przed Fellbacher Straße 49, unosi się zapach mokrego asfaltu, a w środku na stole konferencyjnym leżą próbki profili i modułów transferowych. Martin, kierownik sprzedaży technicznej w Schnaithmann, przysuwa do siebie wydruk z klastrami klientów i mówi: „Wiemy dość dokładnie, kto do nas pasuje. Po prostu nie znajdujemy ich wystarczająco dużo, zanim inni nas wyprzedzą.” Na papierze widnieją nazwy z branży motoryzacyjnej, obróbki metali i produkcji elektroniki; obok kolumny na czas cyklu, proces montażu, sygnały lokalizacji. I właśnie w tym miejscu AI w sprzedaży staje się interesująca – nie jako ładny temat demonstracyjny, ale jako operacyjna maszyna do generowania 300 nowych kont lookalike tygodniowo.

AI w sprzedaży: Dlaczego Schnaithmann musiał teraz skalować

Schnaithmann Maschinenbau GmbH to producent maszyn specjalnych i specjalista w dziedzinie automatyzacji z Remshalden koło Stuttgartu. Firma opracowuje systemy montażowe, systemy transferowe, systemy testujące i niestandardowe linie automatyzacji. Nie jest to sprzedaż katalogowa. Nie jest to produkt, który kupuje się trzema kliknięciami. Kiedy Schnaithmann sprzedaje, zespół sprzedaje ulepszenie produkcji: mniej pracy ręcznej, stabilniejszy czas cyklu, lepsze połączenia, mniej odpadów, a czasem po prostu możliwość przemysłowego montażu nowego produktu.

Brzmi to jak sprzedaż, która automatycznie ma pełne kalendarze. Nie do końca. Dobra praca inżynierska generuje popyt, ale nie generuje niezawodnej widoczności dokładnie w momencie, gdy zakład planuje nową linię. A w budowie maszyn specjalnych czas jest brutalny. Trzy miesiące za wcześnie oznacza: miła rozmowa, brak budżetu. Trzy miesiące za późno oznacza: specyfikacja napisana, dostawca wybrany, dział zakupów sortuje już tylko ceny.

Widzę ten wzorzec w wielu średnich firmach przemysłowych. Zarząd uważa, że problemem jest zbyt mała marka. Dział sprzedaży uważa, że problemem jest zbyt mało czasu. Marketing uważa, że problemem jest zbyt mało treści. Moje doświadczenie pokazuje, że często jest to bardziej banalne i trudniejsze: brakuje 200 dokładnie spriorytetyzowanych kont docelowych miesięcznie, które strukturalnie przypominają najlepszych klientów i właśnie wykazują wiarygodny sygnał zakupu.

W Schnaithmann sytuacja wyjściowa miała coś typowego. Było know-how techniczne. Były referencje. Było portfolio modułowych systemów transferowych, systemów montażowych i testujących, inżynierii i integracji systemów. Publicznie widoczny jest również EasyGo, przeglądarkowe narzędzie do planowania linii transferowych, montażowych i automatyzacyjnych, które zostało opisane w artykule technicznym w październiku 2026 roku. Tyle że z tego wszystkiego nie powstaje jeszcze przewidywalny silnik pozyskiwania nowych klientów.

Kto w 2026 roku w budowie maszyn specjalnych nadal stawia na czystą strategię inbound, ten za pięć lat nie będzie miał już pipeline'u. To jest moje zdanie i nie jest ono szczególnie dyplomatyczne. Liczba naprawdę pasujących klientów jest zbyt mała, okna inwestycyjne są zbyt krótkie, a centra zakupowe są zbyt rozdrobnione. Jeśli kierownik zakładu w Heilbronn, kierownik inżynierii przemysłowej w Linzu i zespół zakupowy w Wolfsburgu mają jednocześnie wpływ, pobranie pliku PDF ze strony internetowej nie wystarczy.

Kontekst: Automatyzacja rośnie, ale nie równomiernie

Rynek dostarcza jednocześnie wiatr w plecy i wiatr w twarz. Według komunikatu Hannover Messe dotyczącego statystyk robotyki IFR, Niemcy zainstalowały w 2025 roku około 24 800 nowych robotów przemysłowych. Tym samym Niemcy pozostały największym rynkiem robotyki w Europie i zajęły piąte miejsce na świecie. Jednocześnie instalacje były o osiem procent niższe niż w roku poprzednim. To nie jest drobnostka. Dla kierowników sprzedaży oznacza to: zapotrzebowanie na automatyzację pozostaje duże, ale decyzje inwestycyjne stają się bardziej selektywne.

W marcu 2025 roku rozmawiałem z Andreą, Head of Sales w dostawcy automatyki z Bielefeld. Powiedziała: „Mamy więcej rozmów o automatyzacji niż wcześniej, ale mniej klientów, którzy po prostu akceptują.” To trafia w sedno. W wielu zakładach liczy się. Niedobór personelu, OEE, różnorodność wariantów, identyfikowalność, koszty energii. Producent maszyn specjalnych musi wcześniej włączyć się w te kalkulacje, a nie dopiero wtedy, gdy dział zakupów wyśle arkusz Excela z pięcioma dostawcami.

Barometr Przemysłu Maszynowego PwC w kontekście badań opisał dalszą presję kosztową i negatywną prognozę sprzedaży dla branży, podczas gdy wykorzystanie mocy produkcyjnych wzrosło do 85,4 procent. Ta kombinacja jest nieprzyjemna: pełne wykorzystanie mocy, ale niepewne przychody. W takim środowisku zasoby sprzedażowe nie są po prostu podwajane. Inżynier sprzedaży ma obsługiwać istniejących klientów, kalkulować oferty, omawiać wykonalność, przygotowywać targi i rozwijać nowe konta. Jasne. A przy okazji jeszcze dbać o CRM (nikt nie lubi tego zdania).

W Schnaithmann pytanie brzmiało zatem nie: Czy AI może zastąpić ludzi? To pytanie w technicznej sprzedaży B2B jest zazwyczaj błędne. Lepsze pytanie brzmiało: Jakiej pracy doświadczony inżynier sprzedaży nie musi już wykonywać samodzielnie, aby mógł poświęcić więcej czasu na rozmowy, w których jego doświadczenie naprawdę się liczy?

Szczegółowa analiza Część 1: Stary problem sprzedaży

Nie za mało leadów – za mało odpowiednich momentów

Stary proces w Schnaithmann nie był zepsuty. To ważne. Wiele studiów przypadku udaje, że wcześniej panował chaos, a potem nastał wielki porządek. No cóż, prawie. W rzeczywistości dobre średnie firmy zazwyczaj mają działające rutyny sprzedażowe: targi, rekomendacje, istniejący klienci, przetargi, kontakty z poprzednich projektów, sporadyczne ręczne wyszukiwanie. Problemem nie jest nieudolność. Problemem jest skalowanie.

Odpowiednie konto dla Schnaithmann to nie byle jaka firma przemysłowa z 200 pracownikami. Musi mieć procesy montażowe lub transferowe, odczuwać presję wariantów lub czasu cyklu, posiadać zdolność inwestycyjną i umieć obsługiwać niestandardowe systemy. Przetwórca tworzyw sztucznych z ręcznym montażem podzespołów może pasować. Producent elektroniki z rosnącymi wymaganiami testowymi również. Dostawca motoryzacyjny z nową generacją produktów być może szczególnie. Producent kontraktowy bez własnego montażu seryjnego raczej nie.

Przed współpracą z Amplifa duża część tego wyszukiwania odbywała się ręcznie. LinkedIn. Listy wystawców targowych. Google. Katalogi branżowe. Wskazówki z rozmów. Następnie wyszukiwanie osób kontaktowych: kierownictwo produkcji, inżynieria przemysłowa, technika automatyzacji, kierownictwo zakładu, czasem dział zakupów. Następnie personalizacja. Następnie follow-up. Następnie od nowa. Kto poważnie podchodzi do tego w budowie maszyn specjalnych, spala godziny, zanim w ogóle pojawi się kwalifikowana rozmowa w kalendarzu.

Martin z Remshalden sformułował to na początku projektu sucho: „Nasi najlepsi ludzie w pięć minut rozpoznają, czy rozmowa ma sens. Ale czasem potrzebują pięciu godzin, żeby uzyskać wystarczająco dużo właściwych rozmów.” To jest luka. I ta luka jest droga, ponieważ kwalifikowana pierwsza rozmowa w budowie maszyn specjalnych nie jest warta 500 euro. Jeśli z tego powstaje projekt, często mówimy o wartościach zamówień sześciocyfrowych lub siedmiocyfrowych. Nie każda rozmowa stanie się projektem. Oczywiście, że nie. Ale każdy przegapiony odpowiedni moment kosztuje.

Dlaczego lookalike'i w przemyśle maszynowym działają inaczej

Logika lookalike'ów w B2B jest często źle rozumiana. Wielu uważa, że oznacza to: podobna branża, podobny rozmiar, podobny kraj. To nie wystarczy w Schnaithmann. Dwie firmy mogą być dostawcami motoryzacyjnymi z 800 pracownikami; jedna zajmuje się obróbką skrawaniem, druga montuje złożone podzespoły mechatroniczne w dużej różnorodności. Tylko jedna z nich jest interesująca dla rozwiązania montażowego i automatyzacyjnego.

Dlatego nie tylko porównywaliśmy dane firm, ale szukaliśmy bliskości procesowej. Jakie terminy produktowe się pojawiają? Czy są wskazówki dotyczące montażu, techniki testowania, połączeń liniowych, techniki baterii, podzespołów z tworzyw sztucznych, komponentów metalowych, modułów elektronicznych? Czy są ogłoszenia o pracę dla techników automatyki, programistów PLC lub inżynierów przemysłowych? Czy zakład jest rozbudowywany? Czy są wzmianki prasowe o nowych liniach produktów? Które lokalizacje to produkcja, a które tylko sprzedaż? Brzmi to szczegółowo. I tak jest. Właśnie w tym tkwi różnica między spamem z bazy danych a użytecznym pipeline'em.

Przykład: Firma z okolic Norymbergi opublikowała w kwietniu 2026 roku kilka ogłoszeń o pracę dla konserwacji, techniki automatyzacji i planowania produkcji. Na stronie internetowej pojawiły się nowe warianty produktu elektromechanicznego. Na klasycznej liście branżowej konto byłoby jednym z wielu. W modelu Schnaithmann otrzymało priorytet, ponieważ zbiegło się kilka sygnałów: montaż seryjny, rozbudowa techniczna, potencjalny wzrost wariantów. Pierwszy kontakt nie wyszedł z hasłem „Jesteśmy liderem w automatyzacji”, ale z odniesieniem do uruchomienia produkcji i zdolności montażowych.

To jest operacyjne. Nie magiczne. I jest mierzalne.

Nie chcieliśmy maszyny, która udaje, że potrafi sprzedawać maszyny specjalne. Chcieliśmy systemu, który co tydzień otwiera nam właściwe drzwi. Dyskusję techniczną prowadzą wtedy nadal nasi ludzie.

— Martin K., Kierownik Sprzedaży Technicznej w Schnaithmann Maschinenbau, Remshalden

AI w sprzedaży oznacza tutaj: maszyna badawcza przed inżynierem

Termin AI-SDR lubię tylko częściowo. Brzmi jak cyfrowy młodszy handlowiec, który pisze kilka e-maili. W Schnaithmann byłoby to zbyt małe myślenie. Rdzeniem nie była automatyzacja e-maili. Rdzeniem była maszyna do wyszukiwania i priorytetyzacji, która co tydzień znajduje, ocenia nowe firmy docelowe, przyporządkowuje osoby kontaktowe i inicjuje przepływy pracy związane z nawiązywaniem kontaktu.

Z naszych wdrożeń wiemy: w średnich przedsiębiorstwach przemysłowych projekty AI-SDR rzadko zawodzą z powodu tworzenia tekstów. Zawodzą z powodu niejasnych ICP. W ośmiu na dziesięć projektów, które widzieliśmy w ciągu ostatnich 12 miesięcy w przemyśle maszynowym i automatyzacji, początkowa lista kont była zbyt szeroka. Gdy tylko zgrupujemy najlepszych 20 do 50 klientów według wzorców procesowych, a nie etykiet branżowych, pozytywne wskaźniki odpowiedzi zazwyczaj wzrastają o 35 do 70 procent w porównaniu z pierwszą surową segmentacją. Nie dlatego, że AI nagle staje się mądrzejsza. Ale dlatego, że dane wejściowe są w końcu prawdziwe.

W Schnaithmann rozpoczęliśmy zatem od analizy istniejących klientów. Którzy klienci byli ekonomicznie dobrzy? Które projekty pasowały technicznie? Gdzie nakład pracy sprzedażowej był odpowiedni? Które branże były prestiżowe, ale trudne do zamknięcia? Te pytania czasem bolą. Znana nazwa OEM na slajdzie referencyjnym nie jest automatycznie dobrym ICP. Średniej wielkości producent komponentów z trzema zakładami i pilnym problemem linii produkcyjnej może być ekonomicznie bardziej atrakcyjny.

Następnie zbudowaliśmy klastry lookalike. Nie jeden. Kilka. Montaż związany z motoryzacją. Elektronika i elektromechanika. Podzespoły metalowe i plastikowe. Ogólny przemysł maszynowy z montażem seryjnym. Firmy z wskaźnikami nowych linii produkcyjnych. Firmy, które publikowały ogłoszenia o pracę w automatyzacji lub inżynierii przemysłowej. Firmy z publicznie widocznymi sygnałami inwestycyjnymi lub lokalizacyjnymi. Wynikiem nie była piękna prezentacja strategii, ale cotygodniowy strumień kont.

Jakie przepływy pracy Amplifa konkretnie wdrożyła

W Schnaithmann połączyliśmy cztery moduły operacyjne. Po pierwsze: Account Discovery. System wyszukuje firmy, które są podobne do istniejących klientów docelowych i posiadają zdefiniowane sygnały. Po drugie: Contact Mapping. Dla każdego konta identyfikowane są istotne role, a nie tylko jedna osoba. Po trzecie: Sekwencjonowanie. Kontakty otrzymują wielostopniowe wiadomości, dostosowane do kontekstu konta. Po czwarte: Przekazanie i pętla uczenia się. Gdy tylko pojawi się zainteresowanie, odpowiedni moment lub wskaźnik projektu, proces jest przekazywany do działu sprzedaży wraz z podsumowaniem.

Ważne: Nie zbudowaliśmy w pełni automatycznej fantazyjnej kwalifikacji. AI może rozpoznać, że firma prawdopodobnie potrzebuje montażu. Nie może jednak ostatecznie ocenić, czy system o określonym czasie cyklu, strategii testowania i połączeniach jest sensowny. Tę granicę trzeba wyznaczyć. Kto jej nie wyznacza, produkuje złe spotkania i niszczy zaufanie.

Same wiadomości były celowo rzeczowe. Bez marketingowej mgły. Jeśli konto wykazywało oznaki nowej zdolności produkcyjnej, wstęp odnosił się do uruchomienia, planowania linii lub stopnia automatyzacji. Jeśli widoczne były ogłoszenia o pracę dla PLC lub inżynierii przemysłowej, chodziło o skalowanie produkcji i wąskie gardła w realizacji. Jeśli na pierwszym planie były warianty produktów, mówiliśmy o elastycznym montażu i przezbrojeniu. Wiadomość do kierownika produkcji musi brzmieć inaczej niż do działu zakupów. Banalne? Tak. Mimo to ciągle popełnia się błędy.

Szczegółowa analiza Część 2: Co przemawia przeciwko automatyzacji w sprzedaży

Istnieje uzasadnione stanowisko przeciwne. Zwłaszcza w budowie maszyn specjalnych wielu dyrektorów generalnych mówi: „Nasi klienci nie kupują z powodu e-maila.” Racja. Nikt nie podpisuje umowy na system montażowy, ponieważ pierwsza wiadomość była ładnie spersonalizowana. Ale to jest fałszywy argument. E-mail nie ma sprzedawać. Ma umożliwić rozmowę z właściwą osobą we właściwym czasie. Sprzedawać musi potem człowiek.

Dyrektor ds. sprzedaży z Norymbergi, Stefan, powiedział mi w czerwcu 2026 roku na imprezie obok stoiska targowego Festo: „To u nas nie działa. Nasze projekty pochodzą z relacji.” Sprzeciwiłem mu się. Nie dlatego, że relacje są nieważne. Ale dlatego, że relacje muszą gdzieś się zacząć. Jeśli firma planuje nowy zakład, a Ty nie masz kontaktu z centrum zakupowym, Twoja relacja jest warta dokładnie zero. Wtedy potrzebujesz wejścia.

Drugą obawą jest jakość. Również uzasadniona. Zła automatyzacja skaluje złe podejście. Kto wysyła 10 000 generycznych wiadomości, może zyskać kilka spotkań i przy okazji stracić reputację. Dlatego logika Schnaithmann była ograniczona, segmentowana i oparta na informacjach zwrotnych. 300 lookalike'ów tygodniowo nie oznacza 300 nieudolnych e-maili dziennie. Oznacza to: 300 potencjalnie pasujących firm jest znajdowanych, sprawdzanych, priorytetyzowanych i przekazywanych do odpowiednich przepływów pracy. Część jest natychmiast kontaktowana. Część jest parkowana. Część jest odrzucana.

Szczerze? Nie wiem, czy każda średnia organizacja sprzedażowa ma taką dyscyplinę. Wielu chce liczb, a nie procesu. Słyszą „300 lookalike'ów” i myślą o wolumenie. Ja myślę o filtrach. Filtr to wartość.

Porównanie branżowe: Dlaczego Schnaithmann to nie Trumpf

Niechętnie porównuję średnie przedsiębiorstwa produkujące maszyny specjalne z koncernami takimi jak Trumpf, Schaeffler, Phoenix Contact czy Kärcher. Te firmy mają inny zasięg marki, inne ilości danych, inne wewnętrzne zespoły. Kierownik sprzedaży w firmie zatrudniającej 300 lub 800 osób nie może po prostu stworzyć centralnego działu operacji przychodowych. Ma może dwóch handlowców technicznych do pozyskiwania nowych klientów, CRM, planowanie targów i marketing, który jednocześnie zajmuje się stroną internetową, broszurami i employer brandingiem.

W dużych firmach przemysłowych wyzwaniem jest często orkiestracja: wiele regionów, wiele linii produktów, wiele źródeł danych. W Schnaithmann wyzwanie było bardziej skoncentrowane, a przez to trudniejsze: regularnie znajdować wystarczającą liczbę firm, dla których niestandardowe rozwiązania montażowe i automatyzacyjne są wiarygodne. Nie kiedyś. Teraz lub w ciągu najbliższych miesięcy.

Firma taka jak DMG Mori sprzedaje maszyny z silną logiką produktu, usługami i międzynarodową widocznością. Integrator systemów, taki jak Schnaithmann, sprzedaje zdolność do realizacji projektów i zrozumienie procesów. To zmienia sprzedaż. W przypadku standardowego produktu klient często sam może sformułować zapotrzebowanie. W budowie maszyn specjalnych dostawca musi rozpoznać zapotrzebowanie, zanim klient umieści je w przetargu. To jest mniej wygodne. Ale to także szansa, ponieważ wczesne rozmowy dotyczą bardziej projektowania rozwiązań niż ceny.

W maju 2026 roku widziałem podobną dynamikę w firmie automatyzacyjnej w Ulm. Julia, kierownik sprzedaży, pokazała mi listę 1400 firm z bazy danych. Na pierwszy rzut oka dużo. Po filtrze procesowym, sprawdzeniu lokalizacji i mapowaniu ról pozostało 180 dobrych kont. Jej pierwsza reakcja: „To mało.” Moja odpowiedź: „Nie. To w końcu uczciwe.”

Praktyczny przykład: Od 300 lookalike'ów do prawdziwych rozmów

Rytm operacyjny w Schnaithmann był wystarczająco prosty, aby go utrzymać. Co tydzień napływały nowe konta. System oceniał podobieństwo do istniejących klientów docelowych, szukał sygnałów i przyporządkowywał kontakty. Dział sprzedaży nie otrzymywał po prostu surowej listy danych, ale spriorytetyzowane konta z uzasadnieniem: dlaczego ta firma pasuje, jaka rola jest istotna, jaki sygnał wyjaśnia powód rozmowy?

Typowe konto mogło wyglądać tak: średniej wielkości producent podzespołów elektromechanicznych w Badenii-Wirtembergii, kilka zakładów produkcyjnych, nowe ogłoszenia o pracę dla techniki automatyzacji, publicznie opisana rozbudowa linii produktów, wskazówki dotyczące montażu i testowania. Z tego nie powstała generyczna wiadomość. Pierwszy punkt styku odnosił się do pytania, jak zintegrować nowe warianty z istniejącymi procesami montażowymi. Drugi punkt styku pokazywał inną perspektywę: kwestie testowania i połączeń. Trzeci pytał o właściwą osobę kontaktową, jeśli adresat nie był odpowiedzialny.

Wynik według briefingu studium przypadku: Schnaithmann podwoił liczbę prezentacji w ciągu sześciu miesięcy. Celowo piszę „prezentacje”, a nie „przychody”, ponieważ w budowie maszyn specjalnych cykle sprzedaży są dłuższe. Kto w styczniu wygeneruje kwalifikowane spotkanie, niekoniecznie ma zamówienie w lutym. Ale ma miejsce w procesie decyzyjnym. I to miejsce decyduje później o specyfikacji, warsztacie koncepcyjnym i szansie na ofertę.

Rachunek ekonomiczny jest jednak jasny. Jeśli kwalifikowana prezentacja lub pierwsza rozmowa prowadzi do konkretnego projektu tylko w niewielkim procencie, maszyna może się opłacić. Przyjmijmy konserwatywnie: dziesięć dodatkowych kwalifikowanych rozmów miesięcznie, z tego dwie poważne szanse, z tego jedno zamówienie na kwartał. Przy typowych rozmiarach projektów w budowie maszyn specjalnych jedno dodatkowe zamówienie często wystarcza, aby wielokrotnie opłacić projekt automatyzacji sprzedaży. Dokładną marżę zna tylko firma. Logikę zna każdy dyrektor generalny.

Amplifa ICP Playbook Playbook pokazuje, jak średnie przedsiębiorstwa definiują swój Ideal Customer Profile nie na podstawie etykiet branżowych, ale na podstawie prawdopodobieństwa zakupu, bliskości procesu i sygnałów.

Prawdziwa praca: Uściślanie ICP zamiast automatyzacji poczty

Gdybym miał wyciągnąć jedną rzecz z wdrożenia Schnaithmann, to tę: większość wartości dodanej powstaje przed pierwszą wiadomością. Na warsztatach niektóre pytania wydawały się niemal nieprzyjemnie praktyczne. Których klientów chcielibyśmy ponownie pozyskać? Których nie? Które projekty były technicznie interesujące, ale komercyjnie słabe? Które branże brzmią dobrze, ale dają mało? Które sygnały naprawdę wskazują na potrzebę automatyzacji, a które tylko tak wyglądają?

Tej pracy nie można delegować do AI. Wymaga ona obecności działu sprzedaży, zarządu, a czasem inżynierii przy stole. W Schnaithmann było to ważne, ponieważ rozwiązanie nie jest tylko kwestią sprzedaży. Błędnie spriorytetyzowany pipeline obciąża później konstrukcję, projektowanie i ofertowanie. Kto oferuje każdemu w miarę pasującemu kontu skomplikowaną dyskusję koncepcyjną, ten tylko przenosi wąskie gardło ze sprzedaży na inżynierię.

Dlatego zdefiniowaliśmy kryteria przekazania. Nie każda pozytywna odpowiedź od razu staje się prezentacją. Niektóre odpowiedzi pokazują tylko ciekawość. Niektóre pokazują potrzebę informacji. Niektóre pokazują, że czas będzie interesujący za dwanaście miesięcy. Dział sprzedaży potrzebuje kategorii: kwalifikuj teraz, pielęgnuj później, złe dopasowanie, potencjał partnera, związek z istniejącym klientem. Brzmi sucho. Jest to higiena przychodów.

Pamiętam dyskusję z Thomasem, dyrektorem zarządzającym producenta maszyn z Augsburga, we wrześniu 2025 roku. Powiedział: „Potrzebujemy więcej leadów.” Po 30 minutach okazało się, że jego zespół nie śledził dokładnie 70 otwartych zapytań, ponieważ nikt nie mógł zdecydować, które z nich były dobre. Więcej leadów pogorszyłoby jego problem. W Schnaithmann od początku chodziło o kwalifikowalne zapotrzebowanie, a nie o pełną skrzynkę odbiorczą.

FAQ: Czy AI w sprzedaży zastąpi technicznego sprzedawcę?

Nie. Przynajmniej nie w Schnaithmann i nie w poważnych projektach maszyn specjalnych. AI w sprzedaży zastępuje wyszukiwanie, priorytetyzację, powtarzalne nawiązywanie kontaktu i dyscyplinę follow-up. Nie zastępuje rozmowy o czasie cyklu, układzie, technice chwytaków, koncepcji testowania, integracji PLC czy uruchomieniu. Kto twierdzi inaczej, albo nigdy nie sprzedał linii, albo chce sprzedać oprogramowanie, niezależnie od tego, czy pasuje.

Lepszy podział ról jest jasny: AI znajduje i sortuje. Człowiek kwalifikuje i sprzedaje. Inżynier sprzedaży wcześniej zasiada do stołu, ale nie z pustą głową. Widzi, dlaczego konto zostało wybrane, jakie sygnały są dostępne, z kim nawiązano kontakt i jaka była reakcja. Rozmowa nie zaczyna się od zera.

Perspektywa ROI: Co zmienia się w ciągu sześciu miesięcy

Wielu dyrektorów generalnych pyta najpierw o koszty. Zrozumiałe. Ja pytam z powrotem: Ile kosztuje pusty miesiąc w pipeline'ie nowych klientów? Ile kosztuje, gdy inżynier sprzedaży poświęca osiem godzin tygodniowo na wyszukiwanie, ale generuje tylko dwie dobre rozmowy? Ile kosztuje, gdy odpowiednie konto zostaje odkryte dopiero po tym, jak specyfikacja została napisana u konkurencji?

Dla Schnaithmann logika ROI nie była ograniczona do jednego kanału. Amplifa działała na kilku płaszczyznach: więcej pasujących kont, więcej istotnych osób kontaktowych, bardziej spójny follow-up, lepsze przekazanie do działu sprzedaży, więcej sygnałów uczenia się z rynku. Widocznym wskaźnikiem było podwojenie liczby prezentacji w ciągu sześciu miesięcy. Mniej widocznym wskaźnikiem było odciążenie czasu sprzedaży. Właśnie to odciążenie wielu niedocenia.

Czego inne średnie przedsiębiorstwa mogą się nauczyć od Schnaithmann

Historia Schnaithmann nie jest ekscytująca dlatego, że kolejna firma używa AI. Robi to już wiele firm. Ekscytujące jest to, że zastosowanie rozpoczęło się w miejscu, które w średnich przedsiębiorstwach jest często zaniedbywane: przed CRM, przed ofertą, przed targami. Przy pytaniu: Kogo właściwie chcemy systematycznie poznawać?

Trzy wnioski wyróżniają się dla mnie. Po pierwsze: Dobre pozyskiwanie nowych klientów w budowie maszyn specjalnych zaczyna się od wykluczenia. Jeśli każdy dostawca motoryzacyjny jest klientem docelowym, żaden nie jest priorytetowy. Po drugie: Centra zakupowe muszą być traktowane jako system. Pojedyncza wiadomość do działu zakupów to nie sprzedaż. Po trzecie: Liczy się szybkość. Nie gorączkowo, ale rytmicznie. 300 lookalike'ów tygodniowo tworzy rytm, którym można sterować.

Poszedłbym nawet dalej: Wiele firm maszynowych nie ma problemu z leadami, mają problem z operacjami na kontach. Wiedzą mniej więcej, dokąd zmierzają, ale nie przekładają tej wiedzy na cotygodniowe rutyny. Kto jest nowy na rynku docelowym? Jaki sygnał jest istotny? Kto został skontaktowany? Kto zareagował? Czego się z tego uczymy? Te pytania nie brzmią seksownie. Budują pipeline.

1. Zdefiniuj swój ICP na podstawie prawdziwych klientów docelowych, a nie branż docelowych. Weź 20 do 50 dochodowych, technicznie pasujących projektów i szukaj wzorców w procesach, lokalizacjach, rolach i wyzwalaczach.
2. Wprowadź kryteria negatywne. Firmy bez montażu seryjnego, bez zdolności inwestycyjnej lub bez odpowiedniej bliskości procesowej powinny być wcześnie wykluczone, nawet jeśli branża i rozmiar wyglądają dobrze.
3. Szukaj sygnałów zakupu przed danymi kontaktowymi. Ogłoszenia o pracę, rozbudowy zakładów, nowe programy produktów, terminy automatyzacji i lokalizacje produkcyjne są cenniejsze niż długa lista nieznanych adresów e-mail.
4. Pracuj z wieloma rolami na konto. Kierownictwo produkcji, inżynieria przemysłowa, technika automatyzacji, kierownictwo zakładu i dział zakupów widzą różne ryzyka. Twoje podejście musi to odzwierciedlać.
5. Oddziel zainteresowanie od kwalifikacji. Odpowiedź to jeszcze nie szansa. Określ, kiedy dział sprzedaży technicznej przejmuje i jakie informacje są mu do tego potrzebne.
6. Mierz jakość prezentacji, a nie tylko ilość spotkań. Pytaj o związek z projektem, termin, rolę w centrum zakupowym, następny krok i oczekiwaną głębokość techniczną.
7. Konsekwentnie przekazuj informacje zwrotne. Każde odrzucenie, każda dobra odpowiedź i każde słabe spotkanie poprawia ICP, jeśli ktoś poważnie podchodzi do procesu uczenia się.

Produkt Amplifa Amplifa automatyzuje odkrywanie kont, wyszukiwanie lookalike'ów, mapowanie kontaktów i spersonalizowane przepływy pracy nawiązywania kontaktu dla zespołów sprzedaży B2B w średnich przedsiębiorstwach.

Dlaczego 300 lookalike'ów tygodniowo to nie cała prawda

Liczba jest chwytliwa. Oczywiście. 300 lookalike'ów tygodniowo brzmi jak tempo. Ale byłbym ostrożny, aby nie tworzyć z tego fałszywej historii sukcesu. Liczba jest wartościowa tylko wtedy, gdy konta są wystarczająco dobre, aby nie zaśmiecać działu sprzedaży technicznej. Schnaithmann nie skorzystał z surowego wolumenu, ale z kontrolowanego wolumenu.

Widzę u niektórych firm odruch natychmiastowego dążenia do większych liczb: 1000 kont tygodniowo, 20 000 kontaktów kwartalnie, pięć krajów jednocześnie. To zazwyczaj nonsens. Zwłaszcza w budowie maszyn specjalnych transakcje powstają z zaufania i fachowego dopasowania. Kto zaśmieca rynek złymi wiadomościami, kupuje sobie krótkoterminową aktywność i długoterminową ignorancję.

W Schnaithmann proces pozostał więc blisko sprzedaży. AI dostarczała sugestie i sekwencje. Człowiek udzielał informacji zwrotnych. Jeśli segment przynosił słabe odpowiedzi, był dostosowywany. Jeśli określony typ sygnału generował dobre spotkania, otrzymywał większą wagę. Jeśli rola często odpowiadała, ale rzadko miała wewnętrzny wpływ, sekwencja była zmieniana. To nie jest autopilot. Raczej czysto prowadzona maszynownia.

Rzeczywistość techniczna: Budowa maszyn specjalnych nie sprzedaje funkcji

Publicznie opisane portfolio Schnaithmann obejmuje modułowe systemy transportowe i transferowe, systemy montażowe i testujące, zautomatyzowane linie produkcyjne, niestandardowe maszyny specjalne, rozwój układów, inżynierię i integrację systemów. To nie są izolowane funkcje. Klient nie kupuje „systemu transferowego”. Kupuje perspektywę, że części niezawodnie przechodzą od stacji do stacji, że testy są zintegrowane, że operatorzy są odciążeni, że warianty pozostają pod kontrolą.

Dlatego podejście działało tylko wtedy, gdy trafiało w język problemu produkcyjnego. Czas cyklu. Przepustowość. OEE. Odpady. Przezbrojenie. Identyfikowalność. Łatwość konserwacji. Integracja z istniejącymi liniami. Dyrektor generalny czyta inne rzeczy niż kierownik inżynierii przemysłowej. Kierownik zakładu pyta o ryzyko podczas uruchomienia. Dział zakupów pyta o porównywalność i koszty. Kierownik jakości chce wiedzieć, czy wymagania dotyczące testowania i dokumentacji są dokładnie spełnione.

Mówię to tak wyraźnie, ponieważ wiele systemów sprzedaży w B2B nadal myśli produktocentrycznie. „Oferujemy automatyzację montażu.” Pięknie. I co dalej? Dla kogo? W jakim procesie? Przy jakim wyzwalaczu? Z jakim ekonomicznym efektem? Projekt Schnaithmann pokazał, że AI w sprzedaży ma wpływ tylko wtedy, gdy jest połączona z kontekstem biznesowym. W przeciwnym razie automatyzuje się prospekty.

Jak EasyGo Schnaithmanna pasuje do tej historii

EasyGo jest publicznie opisane jako przeglądarkowe narzędzie do planowania linii transferowych, montażowych i automatyzacyjnych. Zintegrowany asystent systemów taśmowych wspiera w wyborze odpowiedniej techniki transportowej; systemy transferowe można odwzorować na podstawie standaryzowanych modułów. Dla mnie jest to interesujący element, ponieważ pokazuje, jak Schnaithmann myśli o wczesnym planowaniu systemów w sposób bardziej cyfrowy.

W sprzedaży ta wczesna faza jest decydująca. Jeśli klient rozmawia o układzie i systemie transferowym dopiero w końcowym porównaniu ofert, wiele pracy zostało już wykonane. Jeśli Schnaithmann wchodzi w fazę koncepcyjną wcześniej, zespół może nie tylko reagować, ale także współtworzyć. Właśnie tutaj wyszukiwanie lookalike'ów się opłaca: wprowadza potencjalnych klientów w rozmowy, zanim wszystko zostanie ustalone.

Nie oznacza to, że każda sekwencja nawiązywania kontaktu musi odwoływać się do EasyGo. Czasami byłoby to nawet za wcześnie. Ale kombinacja jest strategicznie czysta: cyfrowo wspierane planowanie z jednej strony, oparte na danych rozpoznawanie kont z drugiej. Oba redukują tarcie we wczesnej fazie projektu.

Jakie wskaźniki naprawdę chcę widzieć jako COO

Jestem uczulony na pulpity nawigacyjne, które mylą aktywność z postępem. Wysyłane wiadomości to nie osiągnięcie. Wskaźniki otwarć w B2B są i tak niestabilne z powodu ograniczeń śledzenia. Wskaźniki odpowiedzi są lepsze, ale też niewystarczające. Dla Schnaithmann cztery wskaźniki były ważniejsze: kwalifikowane prezentacje, odsetek pasujących kont, wskaźnik przekazania do działu sprzedaży technicznej i wskaźnik uczenia się z informacji zwrotnych.

Podwojenie liczby prezentacji w ciągu sześciu miesięcy jest widocznym dowodem. Ale radziłbym każdemu dyrektorowi generalnemu, aby spojrzał głębiej. Które segmenty generują najlepsze rozmowy? Które wyzwalacze prowadzą do prawdziwych projektów? Które role otwierają drzwi? Które wiadomości generują odpowiedzi, ale nie mają treści? Wysoki wskaźnik odpowiedzi od studentów, konsultantów lub niewłaściwych osób kontaktowych nikomu nie przynosi korzyści.

U innego klienta z branży automatyki w Badenii-Wirtembergii w lipcu 2026 roku zaobserwowaliśmy interesujący wzorzec: wiadomości do dyrektorów generalnych miały niższy wskaźnik odpowiedzi niż wiadomości do kierowników produkcji, ale częściej prowadziły do szybkich wewnętrznych przekierowań. Gdybyśmy optymalizowali tylko wskaźnik odpowiedzi, zablokowalibyśmy lepszą ścieżkę. Właśnie dlatego AI w sprzedaży potrzebuje operacyjnego sterowania, a nie tylko logiki kampanii.

Co może pójść źle – i dlaczego często jest to wina własna

Projekt AI-SDR może się nie powieść. Jasne. Najczęstsze przyczyny to nie cudowne błędy techniczne. Są one domowej roboty. ICP jest zdefiniowany politycznie, a nie ekonomicznie. Każdy dział chce mieć swoje konta. Nikt nie odważa się wykluczyć złych grup docelowych. Dział sprzedaży nie udziela informacji zwrotnych. CRM jest niejasny. Follow-up jest zautomatyzowany, ale przekazanie nie jest uregulowane. Wtedy powstaje system, który wygląda na zajęty, ale niewiele zmienia.

W Schnaithmann staraliśmy się unikać tych pułapek. Małe segmenty początkowe. Jasne sygnały. Ludzkie przekazanie. Regularne przeglądy. Brak ślepego wdrożenia krajowego. Brak „teraz wszystko obsługujemy”. Brzmi to ostrożnie. I tak jest. Ale ostrożność w konfiguracji prowadzi do szybszych wyników, ponieważ trzeba mniej naprawiać.

Największym zagrożeniem jest próżność. Zespół chce udowodnić, że jego rynek jest ogromny. Więc ICP jest szeroki. Wtedy spada trafność. Wtedy wiadomości stają się bardziej ogólne. Wtedy spada jakość spotkań. Wtedy dział sprzedaży mówi: „AI u nas nie działa.” Nie do końca. To Twoja segmentacja nie zadziałała.

Wpływ biznesowy: Więcej prezentacji to dopiero początek

Dlaczego podwojenie liczby prezentacji w budowie maszyn specjalnych jest istotne? Nie dlatego, że prezentacje same w sobie są przychodem. Ale dlatego, że tworzą opcje. Producent maszyn specjalnych żyje z wystarczająco wczesnych, wystarczająco pasujących szans projektowych. Jeśli pipeline jest cienki, każda oferta staje się polityczna. Goni się za złymi dopasowaniami, akceptuje się niekorzystne warunki, przeciąża się konstrukcję wątpliwymi koncepcjami i negocjuje z pozycji słabości.

Więcej kwalifikowanych rozmów zmienia postawę. Dział sprzedaży może wybierać. Zarząd może lepiej planować moce produkcyjne. Inżynieria otrzymuje mniej przypadkowych zapytań. Marketing uczy się, jakie tematy naprawdę przyciągają na rynku. Nawet dział zakupów po stronie klienta odczuwa różnicę, ponieważ rozmowy zaczynają się wcześniej, są bardziej fachowe i mniej skoncentrowane na cenie.

W Schnaithmann dźwignia operacyjna nie była zatem tylko generowaniem leadów. Było to zarządzanie pipeline'em. Kto regularnie identyfikuje 300 nowych kont lookalike, buduje monitor rynku. Widzi, które branże obecnie inwestują, które role reagują, które sygnały są wiarygodne. To jest cenniejsze dla zarządu i sprzedaży niż jednorazowa kampania.

Czy każdy producent maszyn specjalnych może to skopiować?

Tak i nie. Tak, ponieważ metoda jest przenośna: analizuj dobrych klientów, znajduj lookalike'ów, waż sygnały, kontaktuj się z centrum zakupowym, przekazuj informacje zwrotne. Nie, ponieważ konkretne wzorce różnią się w zależności od firmy. Dostawca techniki testowej szuka innych wyzwalaczy niż producent systemów montażowych. Integrator robotyki dla opakowań żywności potrzebuje innych sygnałów niż specjalista od systemów transferowych dla podzespołów metalowych.

To jest punkt, w którym samo standardowe oprogramowanie jest niewystarczające. Baza danych może dostarczyć firmy. Sekwencer może wysyłać e-maile. Ale pytanie, dlaczego konto jest teraz istotne, musi być złożone ze zrozumienia rynku i danych. W Schnaithmann było to połączenie wiedzy firmy i systematyki Amplifa.

Nie polecałbym żadnemu kierownikowi sprzedaży, aby jutro po prostu ustawił cel 300 lookalike'ów tygodniowo. Zacznij od 50 dobrych. Dokładnie je sprawdź. Czysto się z nimi skontaktuj. Ucz się. Następnie skaluj. Wolumen bez pętli uczenia się to tylko szum z raportowaniem.

Moja prognoza dla AI w sprzedaży w przemyśle maszynowym

W ciągu najbliższych 24 miesięcy ujawni się różnica między dwoma rodzajami organizacji sprzedażowych. Jedne wykorzystują AI do wysyłania większej liczby wiadomości. Drugie wykorzystują AI do dokładniejszego zrozumienia swojego rynku i wcześniejszego wchodzenia w istotne procesy zakupowe. Druga grupa wygra. Nie głośniej. Precyzyjniej.

Dla producentów maszyn specjalnych będzie to szczególnie widoczne. Rynek pozostaje wymagający. Zapotrzebowanie na robotykę i automatyzację istnieje, ale inwestycje są selektywne. Branża motoryzacyjna reorganizuje się. Elektronika, metal, tworzywa sztuczne i ogólny przemysł maszynowy inwestują różnie. Kto w tym środowisku szeroko rozrzuca, marnuje czas sprzedaży technicznej. Kto czyta sygnały, zyskuje na czasie.

Schnaithmann pokazuje, jak to może wyglądać: 300 lookalike'ów tygodniowo, jasna segmentacja, ludzkie przekazanie, podwojenie liczby prezentacji po sześciu miesiącach. Żadna magia. Raczej czysta praca operacyjna, tylko z lepszą dźwignią.

Pełna historia sukcesu Kompletne studium przypadku Schnaithmann z tłem dotyczącym wyszukiwania lookalike'ów, przepływów pracy AI-SDR i wyników sześciu miesięcy współpracy.

Kiedy zobaczyliśmy pierwsze analizy Schnaithmann, Martin na chwilę zatrzymał się przy liście nowych kont docelowych. Bez wielkich gestów. Tylko palec na nazwie firmy i zdanie: „Tego prawdopodobnie znaleźlibyśmy ręcznie dopiero na targach.” Właśnie o to chodzi.