Agent AI w CRM B2B: kwalifikacja leadów w 4 krokach (i jak zbudować go w n8n bez pisania kodu)

Większość firm, które przychodzą do nas z hasłem "chcemy agenta AI w CRM", tak naprawdę chce jednej konkretnej rzeczy: żeby handlowiec nie tracił 20 minut na przeglądanie każdego nowego leada z formularza, tylko dostawał gotową ocenę i wiedział, od czego zacząć rozmowę. To nie jest zadanie na "wdrożenie AI" w sensie ogólnym, tylko na dobrze poskładany proces: formularz, webhook, model oceniający, aktualizacja w CRM i decyzja, co dalej. Poniżej opisujemy dokładnie ten scenariusz, tak jak go budujemy w praktyce, z ograniczeniami, które trzeba znać zanim ktoś zacznie klikać w n8n.

Zanim zbudujesz agenta, sprawdź czy masz dane do kwalifikacji

Najczęstszy błąd, jaki widzimy: ktoś chce, żeby agent "ocenił jakość leada", ale formularz na stronie ma trzy pola: imię, e-mail, wiadomość. Z takich danych model nie wyciągnie sensownej kwalifikacji, bo nie ma czego ocenić poza tonem wiadomości. Zanim w ogóle zaczniemy rozmawiać o promptach i automatyzacji w n8n, patrzymy na dwie rzeczy: jakie pola zbiera formularz (budżet, wielkość firmy, branża, termin decyzji) i co CRM już wie o tym kontakcie z poprzednich interakcji, jeśli to nie jest pierwszy kontakt.

Jeśli formularz jest ubogi, pierwszym krokiem nie jest agent, tylko rozbudowanie formularza o 2-3 pytania kwalifikujące albo dogranie danych firmowych po domenie e-mail (np. przez wzbogacanie danych z KRS czy GUS przy leadach B2B z Polski). Dopiero mając realny materiał, agent ma na czym pracować. To jest różnica między "agentem AI", który brzmi dobrze w rozmowie sprzedażowej, a takim, który faktycznie odciąża handlowca.

Scenariusz, który wdrażamy najczęściej: od formularza do notatki dla handlowca

Opisujemy tu konkretny flow, nie teorię. Klient wypełnia formularz na stronie (albo pisze na czacie, albo odpowiada na maila z kampanii), dane trafiają webhookiem do n8n, tam scenariusz sprawdza historię kontaktu w CRM, model ocenia lead według ustalonych kryteriów, a wynik wraca do CRM jako notatka i tag, plus, w zależności od oceny, albo idzie automatyczny follow-up, albo trafia zadanie do handlowca.

Co ocenia agent i na jakiej podstawie

Agent nie zgaduje "na oko". Pracuje na konkretnym zestawie sygnałów: treść wiadomości z formularza (czy pada konkretny problem, budżet, termin), dane firmowe (wielkość, branża, czy pasuje do profilu klienta), historia w CRM (czy to pierwszy kontakt, czy ktoś już rozmawiał z tą firmą pół roku temu i sprawa ucichła) oraz źródło leada (z reklamy, z polecenia, z webinaru: te grupy zwykle mają różną jakość i to widać w danych po kilku miesiącach). Z tego powstaje ocena, np. w skali gorący / ciepły / zimny, razem z krótkim uzasadnieniem w jednym-dwóch zdaniach, bo sama etykieta bez kontekstu niewiele daje handlowcowi.

Kiedy agent wysyła follow-up automatycznie

Automatyczny follow-up ma sens tam, gdzie ryzyko błędu jest niskie, a próg wejścia w rozmowę wysoki: lead ciepły, ale niepełny (np. brakuje informacji o skali firmy), albo lead, który sam nie odpowiedział na pierwszy kontakt handlowca w ciągu 3-4 dni. Agent wysyła wtedy krótką, spersonalizowaną wiadomość nawiązującą do tego, co lead napisał w formularzu, nie generyczny szablon "czy nadal jest Pan zainteresowany". To jest ten sam mechanizm, który opisujemy szerzej przy automatyzacji obsługi klienta: chodzi o utrzymanie kontaktu bez angażowania człowieka tam, gdzie odpowiedź jest w dużej mierze przewidywalna.

Tego, czego agent nie robi sam: nie negocjuje warunków, nie podaje cen indywidualnych, nie próbuje "domykać" leada, który wprost napisał, że porównuje oferty i wróci za miesiąc. W takich przypadkach lepiej ustawić przypomnienie z dłuższym opóźnieniem niż zalewać kontakt wiadomościami, bo to psuje relację szybciej niż brak follow-upu.

Kiedy agent przekazuje sprawę handlowcowi i co zawiera notatka

Lead gorący albo taki, gdzie w treści pojawia się coś nietypowego (reklamacja, pytanie o warunki umowy, duży budżet, pilny termin) trafia od razu do handlowca, bez etapu automatycznego follow-upu. Notatka, którą agent zostawia w CRM, ma konkretną strukturę: co lead napisał, jaka jest jego prawdopodobna motywacja, jakie dane firmowe udało się dociągnąć, i jedno zdanie sugestii, od czego zacząć rozmowę. To nie jest "podsumowanie AI" wrzucone na koniec karty kontaktu, tylko pole, które handlowiec czyta jako pierwsze, zanim w ogóle otworzy historię maili. W naszych wdrożeniach to właśnie ten element najbardziej skraca czas reakcji, bo handlowiec nie zaczyna od zera.

Pipedrive, HubSpot czy Livespace: różnice, które mają znaczenie przy budowie agenta

Zanim ktoś zacznie projektować scenariusz w n8n, trzeba sprawdzić, co dany CRM faktycznie udostępnia. To nie jest formalność, tylko realny czynnik decyzyjny, bo różnice w API i webhookach wpływają na to, jak szybko agent zareaguje i ile automatyzacja będzie kosztować w praktyce, nie tylko w abonamencie.

Livespace, popularny w polskich firmach B2B ze względu na prostotę i wsparcie w języku polskim, też ma REST API i pozwala na integracje z n8n, ale ekosystem gotowych rozwiązań jest mniejszy niż przy Pipedrive czy HubSpot, więc trzeba liczyć się z tym, że część mapowania pól i logiki trzeba zbudować ręcznie, a nie skopiować z gotowego przykładu. To nie jest wada dyskwalifikująca, tylko coś, co wydłuża wdrożenie o dodatkowe dni, jeśli firma nie ma wcześniej doświadczenia z tym narzędziem.

Zanim podejmiemy decyzję o architekturze, zawsze sprawdzamy trzy rzeczy dla konkretnego klienta: czy plan, na którym firma jest, w ogóle ma dostęp do API i webhooków (bo w tańszych planach bywa to okrojone), jakie są limity liczby requestów na minutę i dzień, oraz czy CRM wspiera webhooki wychodzące (push), czy trzeba pytać go cyklicznie (pooling), co przy dużym wolumenie leadów generuje niepotrzebny ruch i opóźnienia.

n8n jako warstwa łącząca CRM i model AI

Wybieramy n8n do tego typu scenariuszy z jednego powodu: pozwala połączyć webhook z CRM, wywołanie modelu językowego i zapis wyniku z powrotem, bez pisania osobnej aplikacji i bez utrzymywania serwera pod klucz. Scenariusz w praktyce wygląda tak: trigger webhookowy odbiera nowego leada, node HTTP request albo dedykowany node CRM pobiera historię kontaktu, node AI (np. wywołanie modelu z odpowiednim promptem systemowym opisującym kryteria oceny) zwraca ocenę i uzasadnienie w ustalonym formacie (najlepiej jako JSON, żeby dało się to dalej programowo rozgałęzić), a kolejne node'y decydują: zapisz notatkę, zaktualizuj etap w lejku, wyślij follow-up albo utwórz zadanie dla handlowca.

Jedna rzecz, którą trzeba dopilnować od początku: model AI musi zwracać wynik w przewidywalnym formacie, bo inaczej cała logika warunkowa w n8n się sypie. To nie jest kwestia "dobrego promptu" jednorazowo napisanego, tylko czegoś, co trzeba przetestować na kilkudziesięciu realnych przykładach leadów, zanim scenariusz pójdzie na produkcję. W naszych wdrożeniach ten etap testowania zajmuje zwykle więcej czasu niż samo budowanie przepływu w n8n.

Ograniczenia, o których nie mówi się w case studies

Agent robi dobrą robotę przy odsiewaniu oczywistych przypadków, ale nie jest nieomylny i traktowanie go jako w pełni autonomicznego handlowca to prosta droga do zepsutych relacji z klientami. Kilka rzeczy, które warto mieć z tyłu głowy:

• Model może błędnie ocenić lead, jeśli treść formularza jest nietypowa, ironiczna albo napisana w sposób, który odbiega od wzorców, na których model "rozumie" kontekst. Dlatego dobrze jest zostawić handlowcowi możliwość ręcznego przeklasyfikowania leada, a nie ufać ocenie w 100%.
• Automatyczny follow-up, wysyłany bez nadzoru przez dłuższy czas, potrafi zacząć brzmieć powtarzalnie, jeśli nikt nie przegląda i nie odświeża treści co jakiś czas. Warto raz na kwartał przejrzeć próbkę wysłanych wiadomości.
• Limity API w CRM realnie ograniczają skalę. Przy kilkuset leadach dziennie i sprawdzaniu historii kontaktu dla każdego z nich, można wpaść w rate limiting, jeśli scenariusz nie ma zbudowanej kolejki i mechanizmu ponawiania zapytań.
• Dane osobowe w formularzach i notatkach przechodzą przez zewnętrzny model AI, więc trzeba mieć to ustawione zgodnie z RODO: umowa powierzenia z dostawcą modelu, jasność co do tego, gdzie i jak długo dane są przetwarzane.

Agent robi tu może 70-80% pracy wstępnej oceny, ale decyzję o tym, jak poprowadzić rozmowę z konkretnym, ważnym klientem, zawsze zostawiamy człowiekowi. To nie jest ograniczenie technologii, tylko świadomy wybór, bo błąd na etapie kwalifikacji kosztuje maksymalnie stracony czas, a błąd w rozmowie z klientem kosztuje relację.

Ile to kosztuje i ile realnie zajmuje wdrożenie

Koszt wdrożenia zależy głównie od trzech rzeczy: jak bogaty jest formularz i dane wejściowe (im więcej trzeba dociągać z zewnątrz, tym więcej integracji), jaki CRM firma już ma i jaki plan (bo część funkcji, jak wspomniane webhooki, bywa zablokowana w tańszych taryfach), oraz ile scenariuszy brzegowych trzeba obsłużyć (co się dzieje, gdy lead nie ma e-maila firmowego, gdy formularz jest wypełniony po angielsku, gdy to duplikat kontaktu). Sam szkielet: webhook, ocena AI, zapis w CRM, prosty follow-up, da się złożyć w n8n w kilka dni roboczych. Dopracowanie promptu na realnych danych, obsługa wyjątków i integracja z procesem handlowca to zwykle druga, dłuższa faza, którą traktujemy jako osobny etap projektu, a nie dodatek do pierwszego.

Jeśli firma dopiero zaczyna i nie ma pewności, czy jej CRM i formularz w ogóle nadają się do takiego scenariusza, sensowniej jest zacząć od krótkiego audytu procesu sprzedaży i danych, niż od razu zamawiać "agenta AI", bo to drugie bez pierwszego często kończy się przebudową połowy projektu w trakcie.