AI pro obchodníky ve výrobní firmě: případová studie

Případová studie: jak jsem zavedl AI do B2B obchodního týmu

Pět dní jsem školil výrobní firmu z Ostravy. Gabionové koše, ploty, oplocovací systémy, základové prvky pro stavebnictví. Solidní B2B firma s obchodním týmem, který fungoval přesně tak, jak fungoval 15 let: sešity, sdílené tabulky, poznámky v mobilu. Kompetentní lidé. Zbytečně zahlcení administrativou.

Během pěti dnů jsem s týmem pracoval na praktickém nasazení AI přímo do firemních procesů. Výsledek? Desítky ušetřených hodin měsíčně, rychlejší nabídky zákazníkům a obchodní zástupkyně s 35 lety praxe, která mi na konci řekla, že poprvé za léta chodí klidně spát. To je vedlejší efekt, který management systematicky podceňuje. Ale začněme od začátku.

Školení jsem vedl v rámci programu podporovaného EU. Pro firmu to mělo jednu praktickou implikaci: za školení nic neplatila a dostala refundaci za dobu, kdy se zaměstnanci učili místo práce. Management se nemusel rozhodovat mezi produktivitou a vzděláváním. EU projekt to vyřešil za ně.

Školení jsem rozdělil do dnů s několikadenními odstupy. Tým nové postupy v mezidobí reálně zkoušel v praxi, pak jsme se sešli znovu a stavěli na tom, co fungovalo a co ne. Spirálový přístup je zásadně účinnější než pětidenní intenziv, po kterém si za týden nikdo nic nepamatuje.

Nevedl jsem obecný přehled AI nástrojů pro každého. Školení jsem přizpůsobil konkrétní firmě, konkrétním rolím a konkrétním problémům.

Co obchodní tým skutečně brzdilo

Obchodníci spolupracují s projektanty a architekty, kteří dodávají výkresovou dokumentaci ke stavbám. Dostanou PDF, někdy formát metr na metr, hustě popsaný technickými specifikacemi. V tom dokumentu je přesně napsáno, co a v jakém množství se má dodat: trubky, dráty, tyčky, ohyby, koše.

Před školením bylo potřeba dokument vytisknout, projít ručně, počítat, odečítat, propočítávat váhu a sestavit nabídku. Hodina na poptávku, někdy víc. Poptávek: desítky týdně. Čtyři obchodní zástupci, každý deset hodin týdně jen na přepis dat z jednoho formátu do druhého. Žádná přidaná hodnota, jen mechanický převod informací.

Use case 1: AI asistent, který čte výkresy místo obchodníka

Prvním výstupem, který jsem s týmem připravil, byl specializovaný AI asistent v ChatGPT. Obchodní zástupce vezme PDF od projektanta, nahraje ho do asistenta a za jednotky sekund dostane strukturovaný přehled: které komponenty, v jakém množství a s jakými rozměry.

Asistent přitom nefunguje jen jako čtečka. Je nastavený tak, aby optimalizoval spotřebu materiálu. Pokud výkres požaduje dráty délky tři metry a standardní tyč má devět metrů, agent automaticky navrhne ideální rozdělení bez odpadu. Pokud jsou potřeba segmenty čtyři metry, přepočítá, že je výhodnější použít osmimetrový základ.

Jde o jednoduchou logistickou optimalizaci, která dřív závisela výhradně na zkušenosti a pozornosti konkrétního člověka. Zpracování místo dvou hodin trvá jednotky minut. Odhadovaná úspora na osobu je přibližně 20 hodin měsíčně. Rychlejší nabídka pak znamená vyšší pravděpodobnost uzavření zakázky, protože rychlost reakce v B2B obchodě hraje roli.

Use case 2: Zákazník vidí, co kupuje, dřív než podepíše

Firma prodává ploty a oplocovací systémy, ale vizualizace zákazníkovi se do té doby odehrávala výhradně z katalogu. Stejně jako u většiny konkurence.

Během školení jsem tým naučil pracovat s generátory obrázků: vzít fotografii prázdného pozemku, kde bude plot stát, a vygenerovat realistickou vizualizaci výsledku se správným typem oplocení, zvolenou barvou a firemním brandingem, zasazenou do reálného prostředí zákazníka.

Tohle není design. Je to obchodní nástroj. Obchodní zástupce, který přijde na schůzku s konkrétním vizuálním návrhem přizpůsobeným danému pozemku, vstupuje do rozhovoru v zásadně jiné pozici než ten, který přiveze katalog.

Use case 3: Firemní maskot jako obsahový motor

Firma má svého maskota: svařovaného panáčka složeného z drátů, trubek a kovových komponentů. Originálního, zapamatovatelného a autentického. Fyzicky existoval, digitálně ne.

Během školení jsem tým naučil pracovat s maskotem digitálně: animovat ho ve stylu Pixar, tvořit z něj krátká reels a obsah pro sociální sítě. Výsledkem je firma, která má zásobu obsahového materiálu bez dohadování s marketingovou agenturou, bez externího grafika a bez čekání na schválení.

Use case 4: Znalostní asistent jako interní expert na dosah ruky

Každý člen obchodního týmu byl specialistou na trochu jinou oblast. Znalosti byly fragmentované a problém nastával pokaždé, když přišel zákazník s dotazem mimo oblast konkrétního zástupce nebo když na prodejně odpovídal člověk bez odborné průpravy.

Společně jsme připravili AI asistenta nastaveného jako firemní znalostní báze. Ví vše o produktech, kategoriích, specifikacích a typických použitích. Kdokoli v týmu se ho může zeptat a dostane věcnou odpověď. Každý obchodník tak funguje jako expert na celý sortiment, ne jen na svůj segment.

V dalším kroku firma plánuje nasadit podobného agenta přímo na web jako zákaznickou podporu schopnou radit návštěvníkům v reálném čase.

Use case 5: Time management, který vzal lidem stres z hlavy

Před školením byl tým organizačně roztříštěný. Jeden vedl záznamy v Google Kalendáři, druhý v Excelu, třetí v papírovém diáři. Úkoly žily na různých místech, termíny se ztrácely a kontexty se nepřenášely.

Během školení jsem každému obchodnímu zástupci pomohl vytvořit vlastního time management asistenta v ChatGPT, přizpůsobeného jeho slabým místům, stylu práce a typickým situacím. Čtyři zástupci, čtyři trochu jiné asistenty. Každý reflektuje konkrétního člověka.

Asistenti jsou propojení s firemním mobilem a firemním účtem v ChatGPT. Každé ráno přijde každému zástupci souhrn: co má dnes na programu, co je rozdělané na 50 %, kde se blíží deadline a co hrozí prošvihnout. A protože jde o firemní licenci se sdílenými projekty, asistenti dokážou propojit obchodní případy různých zástupců. Pokud má zakázka jednoho zástupce vazbu na zákazníka druhého, oba se to dozvědí.

Jeden z obchodních zástupců mi řekl, že poprvé za léta chodí klidně spát. AI si pamatuje za něj. Management tento efekt zpravidla podceňuje: lepší spánek obchodníků znamená lepší výkon.

Příběh, který mě zahřál u srdce

Na začátku prvního dne seděla u stolu obchodní zástupkyně, která je ve firmě přes 35 let. Zkušená, spolehlivá, respektovaná a hluboce skeptická. Řekla mi rovnou, že vztah a důvěra jsou základ obchodu a to žádná AI nenahradí.

Po pěti dnech se stala jednou z nejpečlivějších uživatelek nástrojů, které jsme zavedli. Přistupuje k nim s rozvahou a se svým obchodním instinktem. AI používá jako podporu pro věci, které vztah neumí: paměť, rychlost a kalkulaci.

Co se chystá dál

Obchodní tým byl z výsledků natolik nadšený, že firma objednala dalších pět dnů školení za stejných podmínek. Tentokrát budeme pracovat na dvou frontách.

První je práce s historií objednávek. Asistentka spravující účetní software začne připravovat sestavy pro každého zákazníka. Obchodní zástupci uvidí, kdo objednává méně než dřív, kdo přestal, kdo by mohl rozšířit sortiment. AI asistent pak pomůže tyto signály identifikovat systematicky a obchodník dostane podklad pro proaktivní oslovení, věrnostní nabídku nebo úpravu podmínek. CLV přestane být akademický pojem a stane se pracovním nástrojem.

Druhou frontou je digitální marketing. Firma platí agentuře za správu kampaní a zatím jí věřila na slovo, protože výsledkům nerozuměla. To se změní. Vytvoříme AI asistenta, který bude kampaně kontrolovat a klást nepříjemné otázky: proč kampaně nekonvertují, proč je cena za konverzi vysoká a proč jsou některé prodělečné.

V dalším kroku budeme ověřovat, které činnosti v kampaních může firma bezpečně a kontrolovatelně zvládat vlastními silami a kde má zůstat odborná kontrola. Půjde o práci se sériemi ideálních zákazníků, vlastními reklamními podklady a kontrolou zbytečné operativy. Cílem vedení je vybudovat systém, který snižuje závislost na externí agentuře, ale nepředstírá, že se rozhodování o kampaních může nechat běžet bez odpovědného člověka.

Co z toho plyne

Toto praktické školení znovu ukázalo, že AI není o nástrojích. Je o integraci do procesů. Fungovala postupná implementace, práce s reálnými daty a okamžité nasazení. Nefunguje teorie bez praxe, generické návody a izolované nástroje.

Čísla jsou jasná: desítky ušetřených hodin měsíčně, rychlejší nabídky, spokojenější zákazníci a méně stresu. Důležitější je ale změna myšlení firmy. Pokud obchodníci ve vaší firmě tráví hodiny administrativou místo obchodu, dává smysl se podívat, kde jim AI může uvolnit ruce.

Jak zavést AI do obchodního týmu, aby nezůstala jen u ukázky

Když jsem školení navrhoval, nezačal jsem seznamem nástrojů. Začal jsem opakovanou prací, která obchodníkům brala čas: čtením výkresů, přepisem položek a přípravou nabídek. To je dobrý první filtr i pro jinou firmu. Vyberte jeden úkol, který se opakuje, má jasný vstup a jehož výsledek umí zkušený člověk zkontrolovat.

Potom nový postup nechte několik dní běžet v reálné práci, ne jen ve školící místnosti. Teprve z toho poznáte, kde asistent skutečně šetří čas, kde potřebuje upřesnit zadání a které rozhodnutí má zůstat na člověku. Mezi jednotlivými dny školení jsem postupy upravoval podle toho, co tým opravdu použil.

Přínos se neměří počtem vytvořených promptů. V obchodním týmu dává smysl sledovat čas potřebný na přípravu nabídky, rychlost reakce na poptávku, počet ztracených termínů a kvalitu předaného podkladu. Člověk stále odpovídá za nabídku, obchodní vztah i konečné rozhodnutí.

Časté otázky k AI v B2B obchodě

• Kde začít se zaváděním AI do B2B obchodu?

  U práce, která je častá, administrativně náročná a má čitelné vstupy. V tomto případě to byla technická dokumentace a příprava nabídky, ne snaha zavést AI do celé firmy najednou. Začněte jedním konkrétním procesem, ne nástrojem pro všechny.

• Nahradí AI zkušeného obchodníka?

  Ne. Uvolní ruce pro práci, kterou vztah, úsudek a obchodní zkušenost nahradit neumí. Zkušený člověk zároveň zůstává kontrolou tam, kde se rozhoduje o nabídce a zákazníkovi. AI připravuje podklad; člověk nese obchodní odpovědnost.

• Jak poznat, že zavedení AI funguje?

  Nestačí, že tým umí nástroj otevřít. Musí být vidět konkrétní změna v procesu: rychlejší a lépe připravená nabídka, dostupnější znalost nebo méně zapomenutých úkolů. Přínos se pozná v práci týmu, ne v počtu promptů.

Podívejte se, jak jsou postavená AI školení pro firmy a B2B obchodní týmy.