AI w sprzedaży: narzędzia, koszty i pułapki budżetowe

Vertriebsstrategie · 14. August 2026 · Nimrod Ben Efraim

AI w sprzedaży może budować pipeline lub spalać budżety. Porównaj Claude, Copilot, Cursor i Amplifa przed wdrożeniem.

Na LinkedIn ciągle słyszy się, że AI w sprzedaży zawodzi głównie dlatego, że średnie firmy są zbyt wolne, zbyt sceptyczne, zbyt niemieckie. To nieprawda. Większym zagrożeniem nie jest sceptycyzm, ale źle zarządzany entuzjazm. Według Fortune, Uber wydał cały swój budżet na narzędzia do kodowania AI na rok 2026 w ciągu zaledwie kilku miesięcy, po tym jak pracownicy zostali zachęceni do korzystania z Anthropic Claude Code, a wewnętrzne rankingi miały pośrednio nagradzać zużycie tokenów. Słynna kwota 3,4 miliarda dolarów przekroczenia budżetu? Nie jest to czysto udokumentowane. Ale prawdziwy problem jest poważniejszy – AI może skalować nie tylko produktywność, ale także koszty zużycia.

Piszę to nie jako komentator techniczny, ale z mojej pracy w Amplifa. Widzę budżety. Widzę widełki płacowe dla ról sprzedażowych w regionie DACH. Widzę dyrektorów zarządzających, którzy zatwierdzają 110 000 do 145 000 euro OTE dla Senior Account Executive w Monachium, ale w przypadku narzędzia AI bez limitów użytkowania nagle udają, że miesięczny rachunek w wysokości 28 000 euro to prawo natury. No cóż, prawie. Prawem natury jest tylko to, że ludzie optymalizują to, za co są nagradzani. Jeśli gamifikujesz użycie tokenów, dostajesz użycie tokenów.

To porównanie jest konieczne, ponieważ większość porównań narzędzi udaje, że chodzi o funkcje. Nie chodzi. Dla dyrektorów sprzedaży i dyrektorów zarządzających chodzi o model operacyjny, kontrolę kosztów, dane, adopcję i pytanie, czy narzędzie faktycznie generuje pipeline, czy tylko aktywność. Jeden dodatkowy e-mail to nie pipeline. Jedno dodatkowe spotkanie również nie jest automatycznie. Czysto zakwalifikowane spotkanie z kierownikiem produkcji w Kärcher, Festo czy Phoenix Contact – to już bardziej.

Historia Ubera jest dobrym znakiem ostrzegawczym, nawet jeśli pochodzi ze świata inżynierii. Według Fortune i The Information, CTO Ubera, Praveen Neppalli Naga, powiedział, że po wczesnym wyczerpaniu budżetu na AI „wrócili do deski kreślarskiej”. Kilka raportów wspomina później o limicie 1500 USD na pracownika miesięcznie na narzędzia takie jak Claude Code i Cursor. Dla wielu organizacji sprzedażowych brzmi to absurdalnie wysoko. Dopóki nie przeliczy się tego na 120 pracowników sprzedaży i RevOps – 180 000 dolarów miesięcznie, zanim zostanie podpisany choćby jeden dodatkowy euro ARR.

Porównanie AI w sprzedaży – według kosztów, a nie demonstracji

Lubię demonstracje. Naprawdę. Moment, w którym narzędzie buduje użyteczną hipotezę konta na podstawie danych z CRM, strony internetowej i trzech starych e-maili, ma coś w sobie. W pokoju na chwilę zapada cisza, ktoś na wpół zamyka laptopa, a CRO myśli, że właśnie zaoszczędził trzy etaty. Zapach świeżo wydrukowanego papieru warsztatowego też nie pomaga, bo wszyscy kiwają głowami.

Ale demo to nie struktura kosztów. Demo pokazuje najlepszą ścieżkę. Wdrożenie pokazuje średnią. A średnia w sprzedaży jest brutalna, ponieważ zespoły sprzedażowe nie używają narzędzi tak jak deweloperzy. Deweloperzy często głęboko siedzą w kilku zadaniach. Sprzedaż używa AI skokowo – research, sekwencja, podsumowanie rozmowy, notatka w CRM, follow-up, obsługa obiekcji, projekt oferty, wiadomość na LinkedIn. Krótko. Potem znowu nic. Potem 40 promptów w piątek, bo jest QBR.

W marcu 2025 roku Andrea, Head of Sales w dostawcy maszyn w Bielefeld, powiedziała mi: „Nie mamy problemu z AI. Mamy problem z kontrolą.” Miała rację. Jej zespół testował trzy narzędzia równolegle, dwa z nich bez wyraźnego limitu użytkowania. Po sześciu tygodniach 71 procent wykorzystania AI przypadało na siedmiu zaawansowanych użytkowników. Pipeline nie był o 71 procent lepszy. CFO uznał to za mało poetyckie.

Dlatego oceniam kandydatów według kryteriów, które naprawdę liczą się dla zarządu sprzedaży:

• Model kosztów – abonament, token, kredyt, cena pakietu lub forma mieszana. Kto ponosi ryzyko zużycia?
• Kontrola użytkowania – limity, alerty, prawa ról, wybór modelu, panel administracyjny.
• Bliskość sprzedaży – Czy narzędzie potrafi odwzorować ICP, Buying Committee, etapy pipeline, logikę CRM i realia sprzedaży w regionie DACH?
• Integracja danych – CRM, e-mail, kalendarz, sygnały ze strony internetowej, bazy danych firm, transkrypcje rozmów.
• Jakość wyników – Nie „brzmi dobrze”, ale wskaźnik odpowiedzi, wskaźnik spotkań, konwersja i wskaźnik błędów.
• Adopcja w zespole – Czy używa go tylko nerd z RevOps, czy także AE w Stuttgarcie, który od 14 lat sprzedaje obrabiarki?
• Zarządzanie i zgodność – RODO, przechowywanie danych w UE, model ról, ścieżka audytu, koncepcja usuwania danych.

Kandydat 1 – Anthropic Claude i Claude Code

Claude jest silny. Mówię to bez zgrzytania zębami. Anthropic zbudował modele Claude Sonnet i Claude Opus, które dobrze przetwarzają długie konteksty, czysto strukturyzują teksty i w przypadku bardziej złożonych zadań badawczych lub analitycznych wydają się mniej płaskie niż wiele alternatyw. W sprzedaży Claude może pomóc w pisaniu planów kont, kondensowaniu przygotowań do rozmów, sprawdzaniu logiki ofert lub przekształcaniu starych notatek z CRM w użyteczną strategię. W Trumpf, DMG Mori czy Schaeffler nie lekceważyłbym takich umiejętności jako gadżetów.

Siła jest jednocześnie zagrożeniem. Claude jest horyzontalny. Narzędzie samo nie wie, czy prompt jest ekonomicznie sensowny. Jeśli zespół wrzuca 80 000 znaków historii CRM do modelu premium, aby napisać e-mail follow-up do kierownika utrzymania ruchu, to nie jest to „AI first”. To jest mgła kosztów. Przypadek Ubera pokazuje dokładnie ten wzorzec – adopcja była, według Fortune i The Information, silnie forsowana, wykorzystanie narzędzi opartych na frontier-AI miało wzrosnąć czterokrotnie od stycznia do momentu raportu, a dopiero potem pojawiły się twarde limity.

Dla liderów sprzedaży oznacza to: Claude jest dobry do zadań wymagających myślenia, ale słaby jako niekontrolowany automat codzienny. Udostępniłbym go w zespołach sprzedaży korporacyjnej dla określonych ról – RevOps, Sales Enablement, strategiczni AE, Bid Management. Nie ślepo dla każdego SDR-a, który generuje 400 wariantów tego samego zimnego e-maila. „To u nas nie działa”, powiedział mi niedawno Markus, CSO dostawcy automatyki z Norymbergi. „Nasi ludzie piszą wtedy więcej. Ale nie bardziej trafnie.” To jest właśnie sedno sprawy.

Kandydat 2 – Microsoft Copilot for Sales

Microsoft Copilot for Sales to kandydat, którego wielu dyrektorów zarządzających sprawdza najpierw, ponieważ Microsoft i tak jest już w firmie. Outlook, Teams, Dynamics, SharePoint, czasem jeszcze Salesforce jako CRM obok – to codzienność w regionie DACH. W Webasto, Brose czy Phoenix Contact takie środowiska Microsoftu nie są wyjątkiem, ale normą. Zaleta jest oczywista: mniej problemów z zakupami, znane struktury administracyjne, znajomy interfejs.

Dla organizacji sprzedażowych Copilot jest silny w podsumowaniach spotkań, projektach e-maili, aktualizacjach CRM i wewnętrznym wyszukiwaniu wiedzy. To oszczędza czas. Godzina tygodniowo na AE nie brzmi seksownie, ale przy 80 AE to 80 godzin. Jeśli w pełni obciążony AE we Frankfurcie z 125 000 euro OTE generuje około 60 do 75 euro kosztów pracodawcy na godzinę pracy, szybko staje się to prawdziwym rachunkiem. Nie genialne. Ale solidne.

Słabość: Copilot nie zmieni słabego procesu sprzedaży w silny. Jeśli CRM jest pełen obowiązkowych pól, których nikt nie traktuje poważnie, otrzymasz zautomatyzowaną poezję obowiązkowych pól. Jeśli ICP i segmentacja są niejasne, Copilot napisze uprzejme e-maile do niewłaściwych kont. A jeśli sprzedaż i marketing od miesięcy kłócą się, czy lead z listy targowej z Hanoweru jest naprawdę MQL, Copilot nie rozwiąże konfliktu. On go tylko ładniej udokumentuje.

Kandydat 3 – Cursor

Cursor właściwie nie należy do klasycznego porównania narzędzi sprzedażowych. Nie do końca. Należy do niego, ponieważ wiele firm nie dzieli wydatków na AI według działów, ale księguje je pod jedną dużą etykietą – „Inicjatywa AI 2026”. Cursor to edytor kodu AI, silny dla deweloperów, prototypów, narzędzi wewnętrznych i automatyzacji. Cursor staje się istotny dla sprzedaży, gdy RevOps buduje własne skrypty, potoki danych, pomocników CRM lub małe aplikacje. Lider RevOps w Kolonii może w dwa dni zbudować logikę routingu leadów, za którą wcześniej zewnętrzny usługodawca chciał 12 000 euro. To jest realne.

Ale Cursor to nie jest system operacyjny sprzedaży. Kto wierzy, że narzędzie do kodowania AI naprawi wydajność SDR-a, myli narzędzie z procesem. W przypadku limitu Ubera wynoszącego rzekomo 1500 USD na pracownika miesięcznie, Cursor pojawia się w kilku raportach obok Claude Code. To nie oznacza, że Cursor jest zły. Oznacza to, że narzędzia agentowe o wysokim zużyciu muszą być kontrolowane w dużych organizacjach. Ton w takich projektach często cichnie – najpierw entuzjazm, potem rachunek, potem dział zakupów z założonymi rękami.

Kandydat 4 – Amplifa

Tak, pracuję w Amplifa. Dlatego piszę tę sekcję ostrożnie, ale jasno. Amplifa nie jest lepszym chatbotem. Budujemy AI dla procesów sprzedażowych, a nie dla romantyzmu promptów. Oznacza to: generowanie leadów, badanie kont, przetwarzanie sygnałów, przygotowanie do outreachu, priorytetyzacja i czyste przekazywanie do zespołów sprzedażowych. Jeśli producent maszyn z Badenii-Wirtembergii ma 4800 docelowych kont w regionie DACH, pytanie nie brzmi, czy AI potrafi napisać miły e-mail. Pytanie brzmi, które 200 kont jest teraz na tapecie, dlaczego, z jakim wejściem i dla którego sprzedawcy.

Co konkretnie widzimy w Amplifa: W ciągu ostatnich 12 miesięcy u klientów B2B z branży maszynowej, automatyki i usług technicznych od 58 do 73 procent użytecznych sygnałów zakupowych znajdowało się poza CRM – zmiany na stronie internetowej, ogłoszenia o pracę, nowe zakłady, wystąpienia na targach, premiery produktów, bliskość przetargów, aktywność decydentów na LinkedIn. W projekcie z 31 użytkownikami sprzedaży w maju 2025 roku tylko 19 procent priorytetowych kont pochodziło z istniejących list „gorących leadów”. Reszta była wcześniej niewidoczna lub znajdowała się jako cienie danych w Excelu.

Nasza siła nie polega więc na rozwiązywaniu każdego dowolnego zadania. To jest celowe. Wolę system, który niezawodnie działa w określonym korytarzu sprzedaży, niż otwarty model, który ma odpowiedź na każdy problem i generuje nowe koszty za każdą odpowiedź. Słabość? Oczywiście. Kto chce wolnej, horyzontalnej maszyny do myślenia do warsztatów strategicznych, tekstów produktów czy kodu, ten dodatkowo bierze Claude, ChatGPT lub Copilot. Amplifa to nie scyzoryk. Raczej wózek narzędziowy z etykietami.

Duże porównanie – AI w sprzedaży według kosztów operacyjnych

Poniższa tabela celowo nie jest posortowana według „najfajniejszych funkcji”. Widziałem zbyt wiele list funkcji, które dobrze wyglądają w zakupach, a w codziennej sprzedaży umierają po ośmiu tygodniach. W hali produkcyjnej nadal pachnie olejem, raport CRM nadal jest czerwony, a dyrektor sprzedaży zastanawia się, dlaczego 26 osób ma licencję, ale tylko cztery z niej korzystają.

Porównanie cen – AI w sprzedaży nie może być lotem w ciemno

Ceny się zmieniają. Rabaty również. Umowy korporacyjne tym bardziej. Dlatego ceny katalogowe to tylko początek. Mimo to dyrektor zarządzający potrzebuje orientacyjnej kwoty, zanim rozpocznie się pierwsze wdrożenie. W zespole sprzedażowym liczącym 60 osób różnica między 30 euro a 300 euro na użytkownika miesięcznie nie jest akademicka. To 19 440 euro kontra 194 400 euro rocznie – bez wdrożenia, pracy z danymi i czasu wewnętrznego.

Największym błędem kosztowym w sprzedaży nie jest cena narzędzia. To błędne porównanie. Wielu liczy koszty narzędzi do zera. To nonsens. Trzeba je liczyć w stosunku do etatów SDR, zewnętrznych agencji, utraconych kont, złych danych i czasu menedżerów. Według raportu płac Stepstone 2025, wiele ról sprzedażowych B2B w Niemczech, w zależności od doświadczenia, regionu i branży, znacznie przekracza pięciocyfrowe kwoty; profile seniorskie w Monachium, Stuttgarcie czy Frankfurcie szybko osiągają sześciocyfrowe pakiety całkowite z częścią zmienną. Jeśli system AI zastępuje dwóch dodatkowych SDR-ów, jest tani. Jeśli tylko zatrudnia 60 osób, jest drogi.

Produkt Amplifa Generowanie leadów wspomagane AI, priorytetyzacja kont i automatyzacja sprzedaży dla zespołów B2B z jasną logiką pipeline.

Co przypadek Ubera oznacza dla dyrektorów zarządzających?

Twarda lekcja z Ubera nie brzmi „AI jest za droga”. To byłoby wygodne, ale błędne. Lekcja brzmi: jeśli nagradzasz adopcję i odkładasz kontrolę kosztów, otrzymasz rachunek, którego nikt już politycznie nie chce posiadać. Według Fortune, w Uberze świadomie forsowano użycie Claude Code i podobnych narzędzi. Wewnętrzne rankingi miały uwidaczniać użycie. Później pojawiły się limity. Najpierw ogień, potem ochrona przeciwpożarowa.

Uważam to za najniebezpieczniejszy błąd we wdrożeniu AI w 2026 roku. Nie ochrona danych. Nie jakość modelu. Nie szkolenia z promptów. Ale złe zachęty. Jeśli SDR dostaje brawa za napisanie 900 e-maili za pomocą AI, napisze 900 e-maili. Jeśli AE dostaje pochwały za przygotowanie każdego spotkania z pięciostronicową analizą AI, nawet jeśli transakcja ma tylko 18 000 euro ACV, to dokładnie to zrobi. Ludzie nie są irracjonalni. Reagują tylko na złe systemy.

Najpierw mierzyliśmy, ile AI jest używane. Nie, co z tego wynika. To był nasz błąd myślowy.

— Thomas, dyrektor zarządzający dostawcy SaaS z Hamburga

W zespołach sprzedażowych efekt jest jeszcze bardziej widoczny niż w zespołach inżynieryjnych, ponieważ aktywność jest tradycyjnie zbyt wysoko oceniana. Rozmowy. E-maile. Kontakty na LinkedIn. Aktualizacje CRM. Widziałem karty wyników, w których młodszy SDR z 140 złymi aktywnościami dziennie wyglądał lepiej niż doświadczona sprzedawczyni, która czysto otworzyła trzy istotne Buying Committees. AI wzmacnia takie błędne zarządzanie. Sprawia, że aktywność jest tańsza. Nie automatycznie cenniejsza.

FAQ – Czy AI w sprzedaży jest za droga?

Nie. Złe wykorzystanie AI jest za drogie. Dobre wykorzystanie AI jest często tańsze niż dodatkowe etaty, zwłaszcza w regionie DACH, gdzie dobrzy specjaliści sprzedaży są rzadcy i drodzy. Kluczowe pytanie nie brzmi, czy narzędzie kosztuje 30, 100 czy 500 euro na użytkownika. Pytanie brzmi, czy obniża koszty na kwalifikowane spotkanie, zwiększa pokrycie pipeline lub odzyskuje czas sprzedaży z zadań administracyjnych.

Przykład z życia codziennego: Jeśli dział sprzedaży maszyn ma 3000 docelowych kont i aktywnie obsługuje tylko 400 z nich kwartalnie, prawdziwym marnotrawstwem nie jest licencja AI. To 2600 kont, których nikt systematycznie nie obserwuje. Jeśli wśród nich jest 80 firm, które właśnie budują nowe zakłady, rozszerzają linie produkcyjne lub zatrudniają nowe role zakupowe, to pieniądze leżą na stole. Cicho. Bez szumu na desce rozdzielczej.

Osobista rekomendacja – nie wygrywa najsprytniejsze narzędzie

Gdybym miał dać rekomendację dyrektorowi zarządzającemu w lipcu 2026 roku, byłaby ona niewygodnie prosta: Nie kupuj najpierw najsilniejszego modelu. Kup najpierw najczystszy model operacyjny. Narzędzie, które rozwiązuje 80 procent zadania z jasnymi ograniczeniami, bije otwarte cudo, którego nikt nie będzie w stanie budżetować po trzech miesiącach. Brzmi to nudno. I takie jest. Dobre zarządzanie sprzedażą nie pachnie hajsem, ale Excelem, dyscypliną CRM i jasnymi odpowiedzialnościami.

Dla średniej wielkości zespołu sprzedaży B2B zazwyczaj zacząłbym tak: Copilot do obciążenia dokumentacyjnego, Claude dla kilku zaawansowanych użytkowników z jasnymi limitami, Amplifa do generowania leadów i priorytetyzacji kont, Cursor tylko dla RevOps lub wewnętrznych twórców narzędzi. Nie wszystko naraz. Nie wszędzie. I proszę, żadnych rankingów tokenów. Kto świętuje zużycie, dostaje zużycie. Kto świętuje jakość pipeline, dostaje przynajmniej szansę na lepszy pipeline.

Audyt Sprzedaży Amplifa Sprawdź, gdzie Twoja sprzedaż traci pipeline – konta docelowe, dane, procesy, wykorzystanie AI i logika kosztów w ustrukturyzowanym audycie.

Pomoc w podejmowaniu decyzji – trzy pytania przed wdrożeniem

1. Jaki konkretny wskaźnik sprzedaży ma się zmienić? Jeśli odpowiedź brzmi „produktywność”, jest zbyt miękka. Lepiej: koszt na kwalifikowane spotkanie, wskaźnik odpowiedzi w segmencie A, wskaźnik aktualizacji CRM, pipeline na konto docelowe.
2. Kto może używać drogich modeli i do czego? Premium AI do strategicznej analizy kont może mieć sens. Premium AI do każdego standardowego e-maila to jak montowanie łożyska Schaeffler młotkiem.
3. Co się dzieje, gdy miesięczny budżet zostanie wykorzystany w 70 procentach? Bez alertu, limitu i osoby odpowiedzialnej to nie jest wdrożenie, ale eksperyment z kartą firmową.

Moja jasna hierarchia dla organizacji sprzedażowych

Dla czystego efektu sprzedażowego stawiam Amplifa przed Copilotem, Claude i Cursorem. Tak, to jest stronnicze. Ale to także moja operacyjna perspektywa. Zespoły sprzedażowe nie potrzebują kolejnego pustego pola wprowadzania. Potrzebują priorytetowych kont, użytecznych sygnałów, lepszych przekazań i mniej przypadkowości w generowaniu leadów. Jeśli celem jest pipeline, narzędzie musi być bliżej zbudowane pod pipeline.

Dla osobistej pracy z wiedzą i złożonej analizy wygrywa Claude. Dla codziennego odciążenia związanego z Microsoftem wygrywa Copilot. Dla automatyzacji RevOps wygrywa Cursor. Dla przewidywalnej pracy z pipeline B2B wygrywa wyspecjalizowany system sprzedaży. Właśnie dlatego uważam ogólne rankingi „AI Sales Tool” za niebezpieczne. Często porównują konia, wózek widłowy, rower i tokarkę – a potem dziwią się, że dział zakupów wybiera najtańszego dostawcę.

Niedoceniane spojrzenie HR – AI nie tylko zastępuje pracę, ale zmienia logikę płac

Tutaj wchodzi moja perspektywa HR. Jeśli AI działa w sprzedaży, zmienia nie tylko budżety na narzędzia. Zmienia profile ról. Klasyczny SDR, który dzwoni po listach i uruchamia generyczne sekwencje, staje się mniej wartościowy. SDR, który potrafi czytać sygnały, formułować hipotezy i czysto priorytetyzować z AE, staje się bardziej wartościowy. To nie jest muzyka przyszłości. Widzę to w opisach stanowisk od końca 2024 roku.

CSO ze Stuttgartu powiedział mi trzy tygodnie temu: „Nie potrzebuję już dziesięciu juniorów, którzy spalają listy. Potrzebuję czterech osób, które wiedzą, dlaczego konto może teraz kupić.” Twarde. Ale zrozumiałe. Koszty rekrutacji dobrych specjalistów sprzedaży są wysokie, czas obsadzania stanowisk się wydłuża, a błędne zatrudnienia w sprzedaży są drogie, ponieważ kosztują pipeline, zanim zobaczy się je w rachunku zysków i strat. AI, która tylko skaluje złą pracę sprzedażową, zwiększa te koszty. AI, która wymusza dobrą priorytetyzację, obniża je.

Dlatego irytuje mnie naiwna narracja o etatach. „Oszczędzamy trzech SDR-ów.” Może. Może też nikogo nie oszczędzacie, ale zwiększacie wydajność swojego istniejącego zespołu. Albo zatrudniacie inne profile – mniej pracowników klawiatury, więcej czytelników rynku. Szczerze? Nie wiem tego dla każdej firmy. Ale wiem, że rok 2026 to nie jest dobry czas na planowanie ról sprzedażowych tak, jakby AI nie istniała.

Jak bym wdrożył AI w sprzedaży

Nie zacząłbym od narzędzia. Zacząłbym od rachunku strat. Gdzie tracimy pipeline? Za mało kont docelowych? Błędne segmenty? Złe dane? Zbyt wolne follow-up? Za dużo administracji? Zbyt niski wskaźnik odpowiedzi? Odpowiedź określa narzędzie. Nie na odwrót. W przypadku ukrytego mistrza w Ostwestfalii brzmi to mniej efektownie niż „Transformacja AI”, ale działa częściej.

1. Ustal konkretny przypadek użycia – na przykład priorytetyzacja 500 nowych kont docelowych w segmencie budowy maszyn specjalnych w regionie DACH, a nie „testowanie AI w sprzedaży”.
2. Zmierz punkt odniesienia – aktualny wskaźnik odpowiedzi, wskaźnik spotkań, koszt na spotkanie, czas obsługi konta, pipeline z outboundu.
3. Zdefiniuj ramy kosztów – budżet na użytkownika, na narzędzie i na przypadek użycia. W przypadku narzędzi opartych na tokenach dodatkowo limity modelu.
4. Podziel grupy użytkowników – RevOps, SDR, AE, Sales Leadership i Marketing potrzebują różnych uprawnień.
5. Mierz wyniki, a nie użycie – brak rankingów promptów, tokenów czy wygenerowanych e-maili. Rankingi dla kwalifikowanych rozmów, pipeline i jakości danych.
6. Po 30 dniach twardo tnij – co nie wnosi mierzalnego wkładu, traci budżet lub krąg użytkowników.
7. Po 90 dniach sprawdź profil roli – jakie zadania odpadają, jakie umiejętności stają się ważniejsze, jakie widełki płacowe się zmieniają?

Brzmi to surowo. I takie jest. Ale sprzedaż to nie plac zabaw dla nieskończonych projektów pilotażowych. Kiedy tłumaczę dyrektorowi zarządzającemu, że na dobrego Senior AE w Düsseldorfie musi szukać sześć miesięcy, zapłacić 25 procent prowizji pośrednictwa, a potem jeszcze potrzebuje czasu na wdrożenie, natychmiast rozumie koszty. W przypadku AI ten sam dyrektor zarządzający nagle mięknie. „Spróbujemy.” Nie. Próbowanie też kosztuje. Tylko rzadko jest to tak szczerze napisane w ogłoszeniu o pracę.

Kontrargument – być może Uber był po prostu szczególnym przypadkiem

Tak. Uber to szczególny przypadek. Ogromna organizacja inżynieryjna, wysoka presja na eksperymentowanie, inne efekty skali, inne budżety. Producent maszyn zatrudniający 900 pracowników w Badenii-Wirtembergii nie będzie miał tej samej krzywej tokenów. Również często udostępniane twierdzenie o 3,4 miliarda dolarów nie jest czysto udokumentowane w wymienionych źródłach. Kto sprzedaje je jako fakt, robi dokładnie to, co sprawia, że LinkedIn jest tak męczący – z sygnału powstaje nagłówek, z nagłówka mit.

Mimo to przypadek jest użyteczny. Nie jako dowód przeciwko AI. Jako dowód przeciwko naiwnym wdrożeniom. Raporty wspominają o spadających cenach tokenów i jednocześnie rosnącym całkowitym zużyciu. To jest pułapka ekonomiczna. Kiedy użycie staje się tańsze, ludzie używają więcej. Kiedy użycie staje się łatwiejsze, jeszcze więcej ludzi używa jeszcze więcej. Ostatecznie cena jednostkowa spada, ale rachunek rośnie. Każdy, kto kiedykolwiek widział koszty chmury po „małym” projekcie danych, zna ten dźwięk – suche klikanie w głowie CFO.

Czego nie chcę już słyszeć w 2026 roku

„Nasi ludzie powinni po prostu więcej robić z AI.” Nie. To nie jest strategia. To życzenie z umową licencyjną. Więcej AI nie jest lepsze. Lepsze wykorzystanie AI jest lepsze. Kto w 2026 roku nadal prowadzi czystą strategię inbound i jednocześnie wierzy, że chatbot uratuje pipeline, ten za pięć lat będzie miał problem. Rynki takie jak budowa maszyn, elektrotechnika, technika medyczna i oprogramowanie przemysłowe nie stają się łatwiejsze. Buying Committees stają się większe, budżety są bardziej rygorystycznie sprawdzane, a dostawcy dzięki AI brzmią wszyscy trochę podobnie.

Przewaga nie powstaje dzięki najpiękniejszemu tekstowi. Powstaje dzięki timingowi, trafności i czystemu przekazaniu. Kto rozpoznaje, że zakład jest rozbudowywany, zanim konkurencja to zauważy. Kto rozumie, że nowa rola Head-of-Operations u docelowego klienta może być sygnałem zakupu. Kto dostarcza AE nie tylko imię, ale powód do rozmowy. AI może to wspierać. Ale tylko wtedy, gdy system jest zbudowany pod tę pracę.

Historia Ubera prawdopodobnie będzie krążyć dalej jako bajka ostrzegawcza. Niektórzy powiedzą: AI spala miliardy. Inni: wszystko to tylko złe zarządzanie. Ja biorę trzeci punkt. Jeśli nagradzasz zużycie, dostajesz zużycie. Jeśli nagradzasz jakość pipeline, dość szybko zauważysz, które narzędzie tylko mówi – a które sprzedaje.