Kto straci pracę, a kto zyska przewagę

Nie będę owijał w bawełnę. Wiele osób w sprzedaży straci pracę w najbliższych 2–3 latach. Dotyczy to przede wszystkim call center, infolinii sprzedażowych i zespołów oferujących proste usługi biznesowe – nawet te skierowane do firm. Zaawansowane systemy AI są już dziś w stanie prowadzić rozmowy sprzedażowe, dosprzedawać produkty i obsługiwać standardowe obiekcje.

Ale jest granica, której algorytmy nie przekroczą przez wiele lat – a może nigdy.

Złożone projekty B2B, długie cykle decyzyjne, rozmowy z zarządem – to teren, gdzie AI pozostaje narzędziem, nie zamiennikiem człowieka. Kiedy rozmawiasz z CEO firmy 100-osobowej o strategicznej partnerstwie wartym setki tysięcy złotych rocznie, liczy się nie tylko wartość rozwiązania, ale również to, kim jesteś, co zrobiłeś, jak budujesz relację i czy drugiej stronie po prostu z Tobą "gra".

Prowadzę projekty Pre-sales od lat. Z częścią klientów znam się 10 lat, z innymi kilka, z kolejnymi buduję relacje od miesięcy. Niektóre z tych znajomości narodziły się w pandemii – poznaliśmy się wirtualnie, spotkaliśmy może raz, dwa razy, a dzisiaj jesteśmy w stałym, przyjaźnieńskim kontakcie. W rezultacie, znamy swoje rodziny, hobby, rozmawiamy o wakacjach, modyfikacjach samochodów, kolekcjach, zwierzętach. To nie jest networking – to prawdziwe relacje. Dlatego żaden algorytm tego nie odtworzy.

Czym naprawdę jest Pre-sales (i dlaczego AI tego nie zastąpi)

Pre-sales w złożonych projektach B2B nie polega na „przekonywaniu" czy „obierakowaniu". To budowanie wzajemnego zaufania biznesowego, opartego na szczerości, doświadczeniu i autentyczności.

W mojej pracy Pre-sales wygląda tak:

  • rozmowy z decydentami na poziomie C-level i zarządu;
  • wspólne odkrywanie potrzeb – nie prezentowanie gotowych slajdów, tylko zadawanie pytań i słuchanie;
  • długofalowe relacje – czasami pierwsze wyniki przychodzą po roku, dwóch;
  • szczerość co do ograniczeń – jeśli coś nie zadziała, mówię to wprost;
  • osobiste zaangażowanie – klienci wiedzą, że nie jestem algorytmem; jestem Maćkiem, który ma rodzinę, pasje, wartości.

Tego nie da się zautomatyzować, ponieważ decyzje strategiczne w B2B podejmują ludzie, którzy chcą wiedzieć, z kim mają do czynienia. Co więcej, chcą ufać nie tylko procesom i danym, ale konkretnej osobie, która patrzy im w oczy (nawet wirtualnie) i mówi: „Dowieziemy to. Nie dlatego, że algorytm tak obiecuje, ale dlatego że ja za to odpowiadam".

Gdzie AI w Pre-Sales naprawdę pomaga

Nie żyjmy w iluzji – AI w Pre-Sales rewolucjonizuje naszą pracę i to się nie cofnie. Ale robi to w obszarach operacyjnych, nie relacyjnych.

Weryfikacja i budowanie bazy leadów

Nie jestem w stanie ogarnąć wszystkich kontaktów, które znam – a tym bardziej tych, których nie znam. Algorytmy w czasie rzeczywistym:

  • monitorują zmiany w firmach (nowe finansowanie, wejście na nowy rynek, zmiana kadry);
  • identyfikują sygnały zakupowe (np. ogłoszenia o rekrutacji na stanowiska, które wskazują na rozwój);
  • segmentują bazę według aktywności i potencjału.

W efekcie, to oszczędza mi 60–70% czasu, który wcześniej szedł na research. Zamiast googolować, sprawdzam podsumowanie przygotowane przez AI i decyduję, czy warto zadzwonić.

Prospecting i priorytetyzacja

Narzędzia AI analizują tysiące firm i wskazują:

  • kto jest w fazie wzrostu (sygnały: pozyskali rundy, rozbudowują zespół, wchodzą na nowe rynki);
  • kto ma problem, który rozwiązuję (np. opublikowali ogłoszenie o rekrutacji na SDR-a – sygnał, że chcą skalować sprzedaż);
  • kto jest osiągalny (zmiana osoby na kluczowym stanowisku = okienko decyzyjne).

Dzięki temu zamiast 100 rozmów miesięcznie prowadzę 30, ale z ludźmi, którzy naprawdę są w okienku zakupowym.

Przygotowanie do rozmowy

Przed każdą rozmową AI przygotowuje mi:

  • podsumowanie profilu firmy i osoby (LinkedIn, artykuły, wypowiedzi);
  • historia relacji (notatki z CRM + analiza interakcji z maili);
  • sugestie pytań otwierających.

Oczywiście, to nie zastępuje rozmowy – daje mi jednak kontekst, bym mógł zadawać lepsze pytania i pokazać, że się przygotowałem.

Analiza i raportowanie

AI automatycznie:

  • transkrybuje rozmowy i wyciąga kluczowe wnioski (potrzeby, obiekcje, timeline);
  • aktualizuje CRM (koniec z notowaniem po rozmowie);
  • generuje raporty dla zarządu (pipeline, konwersje, prognoza).

Efekt? Więcej czasu na rozmowy, mniej na „papierologię".

Co zmieniło AI w Pre-Sales w ciągu ostatnich 2 lat

Dwa lata temu AI w Pre-Sales było ciekawe, ale pełne błędów. Przykładowo, generowało treści, które trzeba było przerabiać w 50%. Często źle interpretowało sygnały, a raporty wymagały manualnej weryfikacji.

Dzisiaj widać, jak bardzo rozwinęły się te narzędzia. Potwierdzają to aktualne raporty o stanie AI w Pre-Sales, które pokazują, że choć zespoły nadal sceptycznie podchodzą do pełnej automatyzacji (48% badanych uważa, że AI nadaje się "tylko do zadań powtarzalnych"), to jej wdrożenie w operacjach jest faktem. Narzędzia, które dopracowaliśmy w Flowmore, pozwalają nam:

  • zmniejszyć zespoły operacyjne o 30–40%, przekierowując ludzi na zadania wymagające kreatywności i relacji;
  • podwoić liczbę jakościowych rozmów na jednego Pre-salesowca;
  • poprawić jakość leadów przekazywanych do sprzedaży (mniej śmieciowych kontaktów, więcej MQL/SQL).

Za 2–3 lata? Spodziewam się, że AI przejmie 80% operatywki. Ale ostatnie 20% – rozmowy z C-level, budowanie zaufania, negocjacje strategiczne – pozostanie domeną ludzi. Bez wątpienia, to właśnie będzie przewaga konkurencyjna najlepszych Pre-salesowców.

AI w Pre-Sales a kompetencje przyszłości

Jeśli dziś bazujesz przede wszystkim na „ciętym języku" i umiejętności „zamknięcia", mam dla Ciebie złą wiadomość – AI to zrobi lepiej. Ale jeśli budujesz relacje, myślisz strategicznie i rozumiesz biznes klienta, Twoja wartość wzrośnie.

Kompetencje, które AI nie zastąpi:

  • empatia i inteligencja emocjonalna – rozpoznawanie, co naprawdę niepokoi decydenta, nawet jeśli tego nie mówi wprost;
  • myślenie strategiczne – widzenie, jak Twoje rozwiązanie wpływa na P&L i strategię klienta;
  • budowanie długofalowych relacji – lojalność, spójność, dotrzymywanie obietnic;
  • storytelling i kontekst – nie prezentowanie slajdów, ale opowiadanie historii, które rezonują;
  • umiejętność pracy z AI w Pre-Sales – korzystanie z narzędzi, by być 3x szybszym i skuteczniejszym.

Kompetencje, które stracą na wartości:

  • zimny prospecting (AI + automatyzacja);
  • przygotowywanie raportów i notatek (AI + CRM);
  • standardowe discovery call (chatboty + AI voice).

Jak wdrożyć AI w Pre-Sales, nie tracąc duszy procesu

Jeśli prowadzisz zespół Pre-sales lub sprzedaży i zastanawiasz się, jak wykorzystać AI w Pre-Sales, oto moja rekomendacja oparta na praktyce:

1. Zacznij od operatywki, nie relacji

  • Zautomatyzuj research, segmentację, raportowanie.
  • Zostaw ludziom rozmowy, negocjacje, budowanie zaufania.

2. Testuj narzędzia w pilotażu (60–90 dni)

  • Wybierz jedno narzędzie (np. do weryfikacji leadów albo transkrypcji rozmów).
  • Zmierz: czas zaoszczędzony, jakość leadów, konwersje.
  • Iteruj – dopasuj workflow, wyeliminuj błędy.

3. Szkolenie zespołu to klucz

  • AI to nie czarna magia – ludzie muszą rozumieć, jak z niej korzystać.
  • Zaplanuj warsztaty: „jak zadawać pytania AI", „jak weryfikować dane", „jak łączyć insight AI z intuicją".

4. Zachowaj humanizm

  • Nigdy nie udawaj, że rozmawiają z człowiekiem, jeśli to bot.
  • W kluczowych momentach (negocjacje, strategiczne rozmowy) stawiaj na ludzi.
  • Używaj AI, by człowiek miał więcej czasu na bycie człowiekiem.

5. Mierz wpływ na biznes, nie „liczbę wygenerowanych treści"

  • Kluczowe wskaźniki to: CAC (koszt pozyskania klienta), LTV (wartość klienta), velocity (szybkość zamykania deali), jakość MQL/SQL.
  • Jednocześnie unikaj metryki próżności („AI wygenerowało 500 emaili!"). Liczy się, ile z nich doprowadziło do rozmowy.

FAQ: AI w Pre-Sales – najczęstsze pytania

Czy AI zastąpi Pre-salesowców w B2B?

Nie w najbliższych 10 latach – przynajmniej w segmencie złożonych projektów i relacji z C-level. AI w Pre-Sales przejmie zadania operacyjne (research, raportowanie), ale relacyjne i strategiczne pozostaną domeną ludzi.

Jakie narzędzia AI w Pre-Sales warto wdrożyć w pierwszej kolejności?

Zacznij od weryfikacji bazy leadów (np. narzędzia typu Apollo, Clay) i transkrypcji rozmów (Otter, Fireflies). Ponieważ to niski próg wejścia, a efekty widać w 30–60 dni.

Jak mierzyć ROI z wdrożenia AI w Pre-Sales?

Śledź: czas zaoszczędzony na operatywce (h/tydzień), wzrost liczby jakościowych rozmów (MQL/SQL), spadek CAC, wzrost konwersji z leadu na klienta. Unikaj mierzenia „liczby wygenerowanych treści".

Czy klienci akceptują, że część procesu obsługuje AI?

Tak – pod warunkiem transparentności. Jeśli informujesz, że bot przeskanował dane / przygotował raport, to OK. Jeśli udajesz, że to człowiek – tracisz zaufanie na zawsze.

Jakie kompetencje rozwijać, by nie stracić pracy przez AI?

Przede wszystkim empatia, myślenie strategiczne, storytelling, zdolność budowania relacji, umiejętność pracy z AI (prompt engineering, weryfikacja danych). Krótko mówiąc, wszystko, czego AI nie odtworzy w najbliższych latach.

Podsumowanie: narzędzia wygrywają, ale ludzie pozostają w centrum

AI w Pre-Sales to dziś najbardziej obiecujący obszar automatyzacji w B2B. Ale nie dajmy się zwariować – narzędzia pomagają, nie zastępują.

Z mojego doświadczenia: AI pozwala mi mieć 2–3x lepsze wyniki przy tej samej lub mniejszej liczbie godzin pracy. Ale to dlatego, że więcej czasu poświęcam na rozmowy, pytania, słuchanie i budowanie zaufania – rzeczy, które algorytm może wspierać, ale nigdy nie zastąpi.

Jeśli prowadzisz zespół sprzedaży lub Pre-sales, masz dziś wybór:

  1. Ignorować AI i zostać w tyle (nie polecam).
  2. Rzucić się w automatyzację bez strategii i stracić „duszę" relacji (jeszcze gorzej).
  3. Wykorzystać AI do operatywki, by ludzie mogli robić to, w czym są najlepsi: rozmawiać, budować zaufanie, dostarczać wartość.

Ja wybrałem trzecią drogę. Dzięki temu śpię spokojnie.