Agenci AI w sprzedaży: case Claude i lekcje dla dużych firm

#BLOG

Skalowanie sprzedaży z Claude

Skalowanie sprzedaży nie polega na dokładaniu kolejnych handlowców do każdego nowego segmentu. Polega na budowaniu systemu, w którym AI przejmuje powtarzalną robotę — research kont, drafty odpowiedzi, follow-upy, aktualizacje CRM — a zespół skupia się na rozmowach, które realnie wymagają człowieka. Anthropic pokazuje to na własnym przykładzie: jeden BDR obsługuje ponad 100 kont jednocześnie, bo Claude Cowork robi za niego większość pracy operacyjnej.

Anthropic pokazuje, jak budować automatyzacje na skalę

Wiele firm myśli, że AI w sprzedaży to szybsze pisanie maili. Anthropic — firma stojąca za Claude — pokazała niedawno coś znacznie ważniejszego: jak zespół business development używa AI jako operacyjnego partnera, który czyta inbox, CRM, kalendarz, transkrypcje rozmów i dane użycia, a potem podpowiada kolejne działania. To nie jest historia o ładniejszych e-mailach. To historia o tym, jak rozproszone dane zamienia się w system pracy działający niemal w trybie always-on. I ma dla dużych firm w Polsce konkretny morał: przewaga nie leży w jednym prompcie, ale w architekturze automatyzacji.

Co opisał Anthropic: od 5 godzin dziennie do always-on partnera

John Albert, business development representative w Anthropic, opisał na blogu Claude, jak jego zespół prowadzi inbound i outbound na dużą skalę. Wcześniej spędzał około 5 godzin dziennie na ręcznym odpowiadaniu na zainteresowanie potencjalnych klientów — często powtarzając te same odpowiedzi na podobne pytania. Dziś duża część tej pracy jest skonfigurowana jako skills i scheduled tasks w Claude Cowork. John obsługuje ponad 100 kont jednocześnie, a Claude pełni rolę „always-on business development partnera”.

Kluczowy szczegół: wszystkie wiadomości przygotowane przez Claude są sprawdzane, edytowane i wysyłane przez człowieka. AI nie wysyła niczego samodzielnie. To nie jest automat bez kontroli — to asystent, który odciąża z powtarzalnej roboty i pilnuje jakości.

Inbound: AI jako filtr i draft-maker

Podstawą konfiguracji inbound jest baza wiedzy sprzedażowej — dokument z najczęściej zadawanymi pytaniami i najlepszymi odpowiedziami. Claude pomógł go utworzyć, stale weryfikuje, czy jest aktualny, i oznacza informacje, które mogą być nieświeże.

Najbardziej rozbudowany workflow to skill uruchamiany co godzinę. Skanuje skrzynkę odbiorczą, znajduje wątki wymagające odpowiedzi i przygotowuje wersje robocze. Składa się z cienkiego promptu systemowego, bazy wiedzy jako kontekstu oraz profilu stylu pisania konkretnego przedstawiciela. Ten profil tworzy voice skill — analizuje dokumenty, wiadomości i e-maile przedstawiciela, a potem generuje drafty, które brzmią jak on, a nie jak bot.

Dwa lżejsze skille obsługują sytuacje, w których proces zwykle przecieka. Pierwszy obserwuje Gmail i Google Calendar i powiadamia, gdy potencjalny klient nie pojawia się na spotkaniu albo nagle przestaje odpowiadać — „prospect going dark”. Drugi skanuje nowe leady z CRM i przygotowuje spersonalizowany pierwszy kontakt, uruchamiając się zgodnie z harmonogramem w ciągu dnia. Dzięki temu leady nie zostają bez odpowiedzi albo przynajmniej szybciej trafiają do obsługi.

Masz pomysł i chcesz go przetestować w praktyce?

Przygotujemy dla Ciebie fragment działającego systemu, abyś mógł przed podjęciem pełnego wdrożenia wyeliminować wszystkie ryzyka.

Przetestuj pomysł

0 PLN, do 14 dni

Tworzymy działającą wersję Twojego pomysłu, żebyś mógł przetestować go w praktyce – bez kosztów i zobowiązań na start.

Nie ryzykuj

Zamiast analiz i założeń – testujesz swój pomysł na działającym rozwiązaniu i widzisz, czy ma sens biznesowy.

Outbound: research kont jako nocna praca agenta

John pracuje z ponad 100 kontami jednocześnie. To możliwe dzięki skillowi uruchamianemu jako scheduled task w nocy. Claude łączy się z Salesforce, Apollo, Common Room, Gong i data warehouse zespołu, zbiera dane o każdym koncie, przeprowadza pogłębiony research i waliduje wyniki względem wytycznych outboundowych oraz kryteriów ICP. Rano John otwiera Claude Cowork i dla każdego konta otrzymuje brief, score i outbound play.

Tu pojawia się coś, co wyróżnia dojrzałe podejście od amatorskiego: feedback loop. Każdy BDR może przekazać Claude informację zwrotną o wynikach. Feedback wraca do skilla i wpływa na jego dalsze działanie. Skill przechowuje mały plik pamięci i ledger, żeby nie powtarzać wykonanych działań i nie dublować pracy. Im więcej kontekstu i narzędzi otrzymuje Claude, tym więcej pracy można za jego pomocą wykonać.

Operacje sprzedażowe: CRM, no-show, discovery calls

Najciekawsze jest to, że AI nie działa obok procesu. Ono wchodzi dokładnie tam, gdzie proces zwykle przecieka.

Zespół używa skilla, który czyta wewnętrzne wytyczne dotyczące etapów opportunity i porównuje je z tym, co faktycznie dzieje się w Gmail i Gong. Jeżeli zespół odbył spotkanie z klientem i rozmowy przeszły do pytań o cenę, Claude proponuje aktualizację etapu w Salesforce — z dowodami uzasadniającymi propozycję i czeka na zatwierdzenie. Jeżeli przedstawiciel odrzuca propozycję, system zapisuje powód, żeby nie powtórzyć tego samego błędu.

Discovery calls są kolejnym elementem. Skill ocenia transkrypcje z Gong, porównuje je z discovery call playbookiem i tworzy scorecard: trzy rzeczy wykonane dobrze, trzy obszary do poprawy, wynik pass/fail i jedna rzecz o największej dźwigni do przećwiczenia następnym razem.

Wniosek: to nie prompt, tylko architektura pracy

Case Anthropic pokazuje, że przewaga nie wynika z jednego promptu. Wynika z połączenia danych, integracji, bazy wiedzy, harmonogramów, pamięci, feedback loopu, zatwierdzania przez człowieka i governance. I właśnie w tym miejscu zaczyna się rola firm takich jak 3Qcode. Nie chodzi o to, żeby „podpiąć AI do maila”. Chodzi o zaprojektowanie bezpiecznego systemu automatyzacji, który rozumie proces, ma dostęp do właściwych danych i wie, kiedy ma tylko podpowiedzieć, a kiedy czekać na decyzję człowieka.

Co firmy mogą skopiować z Anthropic

Z case’u Anthropic można wyciągnąć pięć lekcji, które pasują do każdej dużej organizacji:

Zbuduj bazę wiedzy przed workflowami. Zbierz pytania, na które regularnie odpowiadasz, i najlepsze odpowiedzi. Nie musisz robić tego ręcznie — AI może zbudować pierwszą wersję na podstawie dokumentacji i kanałów zespołowych.
Nie automatyzuj wysyłki bez kontroli. Claude generuje drafty, ale zespół nadal czyta, edytuje i wysyła. To zasada, której trzymają się też w 3Qcode: AI to ultraszybki wykonawca, ale to senior architekci projektują ramy, w których działa stabilnie i bezpiecznie.
Podłącz AI do realnych źródeł danych. Bez integracji z CRM, kalendarzem, Gong czy data warehouse Claude byłby tylko drogim czatem. Dopiero połączenie danych robi z niego operacyjnego partnera.
Zapisuj feedback i ucz workflow. Gdy przedstawiciel odrzuca hook albo poprawia draft, poleć Claude zapisanie powodu. Cel: uniknięcie powtórzenia tego samego błędu.
Buduj automatyzacje jako wspólne skille, nie prywatne sztuczki. Segmenty i booki różnią się między przedstawicielami. Współdzielone skille powinny być wystarczająco ogólne, żeby obsłużyć cały zespół, a nie tylko rutynę jednej osoby.