← Modulok
Szakmai modulSales és értékesítés

AI a salesben

Ez a modul azt mutatja meg, hogyan épül be az AI a sales valódi napi működésébe: account researchbe, outreachbe, meeting prepbe, call recapbe, CRM-fegyelembe és follow-upba. A fókusz nem az autonóm outbound, hanem a pipeline súrlódásának csökkentése.

Pozicionálás

Az alapozó után itt már nem az a kérdés, hogy mi az AI, hanem az, hogy a sales stack mely pontjára érdemes rátenni, milyen kimenetet várhatsz tőle, és hol kell bent maradnia az emberi review-nak. Ezért ez a modul nem toolbemutató, hanem működési modell.

A salesben az AI ma már nem külön játékszer. A fő platformok saját réteget építenek rá: a HubSpot prospecting és CRM assistance irányba megy, a Salesforce Einstein összefoglalókat és emailtámogatást ad, a Gong a revenue intelligence réteget viszi tovább, a Zoom AI Companion pedig a meeting utáni adminterhet fogja meg. A jó megközelítés ezért az, hogy nem egy csodamodellt keresel, hanem a saját pipeline-odhoz választasz AI-réteget.

Vezetői összefoglaló

A salesben az AI első értéke a gyorsabb synthesis: account research, discovery prep, follow-up draft, call summary és CRM note. A második értéke a connected context: amikor nem egy üres chatablakból dolgozik, hanem CRM-ből, meeting transcriptből, emailből és dokumentumokból építkezik. A harmadik szint a workflow: amikor a megbeszélésből automatikusan lesz summary, next step és CRM-javaslat.

A helyes sorrend ezért többnyire így néz ki: először chat és project mód, utána connectorök és platformba épített AI, csak később workflow és automation. Az agentic execution salesben hasznos lehet kutatásra vagy háttéradminra, de ritkán ez a belépőszint. A legjobb pilotok szűkek, review-olhatók és üzletileg mérhetők.

Kiknek szól?

Ez a modul elsősorban SDR-eknek, account executive-eknek, sales managereknek, RevOps szereplőknek és tanácsadóknak való. Akkor a leghasznosabb, ha a salesedben sok a kontextusváltás, sok meeting fut párhuzamosan, és a follow-up vagy a CRM-fegyelem rendszeresen megcsúszik.

SDRAccount executiveSales managerRevOpsB2B szolgáltató cégAgency sales

Helyes mentális modell

A salesben az AI nem closerként hasznos, hanem context compressor, draft engine és workflow support rétegként. Az értéke ott keletkezik, ahol ugyanazokat az információs és adminisztratív lépéseket újra és újra el kell végezni, miközben a kapcsolatépítés és a döntés továbbra is emberi munka marad.

Rossz mental model

„Az AI majd automatizálja az outboundot, és nélkülem is végigviszi a sales folyamatot.” Ez általában generikus outreachhez, rossz qualificationhöz és CRM-zajhoz vezet.

Helyes mental model

„Az AI gyorsabban összerakja a kontextust, draftolja a kommunikációt és strukturálja a következő lépéseket, de a bizalmi és üzleti ítélet az embernél marad.”

A salesben az AI akkor jó, ha nem romlik a hitelesség, nem lesz sablonosabb az outreach, és a rep valóban gyorsabban jut jobb beszélgetéshez. A draft, a javasolt tény és a rendszerbe visszaírt adat három külön dolog.

Miért számít a gyakorlatban?

A legtöbb sales csapatnál nem a hívás közben, hanem a hívások közötti résekben folyik el az idő: kutatás, kontextuskeresés, meeting prep, admin, follow-up és CRM-frissítés. Ezek mind olyan pontok, ahol az AI nem helyettesít, hanem lerövidíti az átfutási időt.

Ez üzletileg azért fontos, mert a gyorsabb follow-up, a jobb prep és a tisztább CRM közvetlenül hat a pipeline minőségére. Ha napi 45–60 perc admin és context switching lefaragható, abból már jobb discovery, több minőségi outreach vagy gyorsabb deal progression lesz. Itt dől el, hogy az AI dísz vagy valódi revenue eszköz.

Központi workflow-gerinc

A sales munkája nem lineáris, hanem ciklikus: leadből account lesz, accountból beszélgetés, a beszélgetésből follow-up, majd újabb adat, újabb review és újabb döntés. Emiatt a jó AI-rétegnek nem egyetlen szöveget kell megírnia, hanem a pipeline több pontját kell támogatnia.

Az alábbi gerincet érdemes úgy olvasni, mint egy működési térképet: mit csinálsz, mivel érdemes csinálni, hogyan illeszd a napi munkába, és hol kell megállnia az automatizmusnak.

1

Account research

A saleses kutatás klasszikusan szétszórt munka: weboldal, LinkedIn, sajtó, CRM és régi emailek között ugrálsz. Az AI itt nem a végső képet adja meg, hanem gyorsabban összerántja a kontextust.

Mit? A kijelölt account vagy target cég gyors összerakása: piac, méret, fókusz, nyilvános jelek, lehetséges pain pointok.

Mivel? ChatGPT Projects•Claude Projects•HubSpot AI

Hogyan? Töltsd be a CRM-note-okat, a cégoldalt, néhány sajtóhivatkozást és a korábbi touchpointokat, majd kérj 8–10 soros account briefet, 2–3 discovery hipotézissel és ellenőrizhető állításokkal.

Mire való

Azért kell, hogy a rep ne 20 percet töltsön nyers kereséssel minden egyes account előtt.

Input

CRM előzmény, cégoldal, LinkedIn, sajtó, korábbi meeting note vagy email thread.

AI szerepe

Összefoglalja, strukturálja és kérdésformára fordítja a kutatási anyagot.

Emberi feladat

Ellenőrzi a tényeket, kiszűri a zajt, és eldönti, mi releváns valóban a dealhez.

Tipikus output

Rövid account brief, 2–3 lehetséges outreach angle, discovery kérdéslista.

Tipikus hibamód

Túl magabiztos summary, kitalált céginformáció vagy túl általános pain point lista.

2

Outreach és személyre szabás

Az AI a blank page problémát oldja meg, nem a kapcsolatépítést. Az outreach értéke attól függ, hogy a draft mennyire valódi kontextusból indul, és mennyit teszel hozzá emberként.

Mit? Első outreach draft vagy follow-up nyitás olyan szinten, hogy abból gyorsan kész, küldhető verzió legyen.

Mivel? ChatGPT Projects•Claude Projects•HubSpot AI

Hogyan? Adj pontos personát, releváns account-összefoglalót, tiltott állításokat és rövid terjedelmi keretet. Ne 'személyes emailt' kérj, hanem konkrét megszólítást, egy hipotézist és egy tiszta következő lépést.

Mire való

Gyorsabban indulj el, és kevesebb generikus levelet küldj ki.

Input

Account brief, persona, offer context, korábbi kapcsolat vagy trigger event.

AI szerepe

Draftol, variációkat ad és rövidíti az iteráció első körét.

Emberi feladat

Finomítja a hangot, kihúzza a túlzó vagy sablonos részeket, és vállalja a végső szöveget.

Tipikus output

4–6 mondatos email vagy LinkedIn draft, plusz 2–3 alternatív opening angle.

Tipikus hibamód

Fake personalization: úgy tűnik, mintha személyre szabott lenne, de valójában közhelyes és könnyen felismerhetően sablonos.

3

Meeting prep

A meeting prep akkor ad nagy leverage-et, ha nem kell fejben összerakni a teljes account-történetet. Itt a connected context különösen sokat számít.

Mit? Call előtti prep brief: mi történt eddig, mit kell megtudni, milyen kifogás jöhet, mi legyen a kívánt next step.

Mivel? HubSpot AI•Salesforce Einstein•ChatGPT Projects•Claude Projects

Hogyan? A meeting előtti 10 percben kérj rövid briefet: confirmed facts, open questions, likely objections, recommended close. Tartsd 8–10 sorban, hogy tényleg használható maradjon.

Mire való

Csökkenjen a meeting előtti kapkodás, és jobb kérdésekkel menj be.

Input

CRM rekord, korábbi emailek, transcript, pricing vagy proposal note.

AI szerepe

Sűríti a kontextust és discovery kérdéseket javasol.

Emberi feladat

Kiválasztja, melyik kérdés és zárás illik az adott helyzethez.

Tipikus output

Meeting brief, discovery kérdéssor, kockázatlista, javasolt next step.

Tipikus hibamód

Túl hosszú briefing, rossz CRM-adat újracsomagolása, vagy rossz priorizálás.

4

Call summary és next steps

Ez az egyik legjobb ROI-jú AI use case salesben. A transcriptből gyorsan lesz áttekinthető döntés- és actionlista, de a summary sosem lehet automatikusan egyenlő az igazsággal.

Mit? Meeting vagy discovery call után összefoglaló, action item és follow-up draft készítése.

Mivel? Gong•Zoom AI Companion•Fireflies.ai•Salesforce Einstein

Hogyan? Használj transcriptet vagy meeting summary eszközt, abból készíts külön belső recapet, ügyfélnek szánt follow-up draftot és CRM-javaslatot. A három outputot ne mosd össze.

Mire való

A meeting után azonnal legyen használható kimenet, ne csússzon el a follow-up.

Input

Call transcript, meeting note, korábbi next step vagy opportunity state.

AI szerepe

Összefoglal, kivonatolja a döntéseket és draftolja a follow-upot.

Emberi feladat

Ellenőrzi a commitmenteket, a feladatok tulajdonosát és a hangnemet.

Tipikus output

Belső recap, következő lépések listája, ügyfél follow-up draft, CRM note javaslat.

Tipikus hibamód

Speaker drift, félrehallott vállalás, vagy nem explicit állítás factként kezelése.

5

CRM hygiene és pipeline review

A CRM-fegyelem nem látványos, de itt dől el, hogy a sales AI csak gyorsabb káoszt termel-e, vagy tényleg jobb láthatóságot ad. Ez már közelebb van a strukturált adat- és workflow-réteghez.

Mit? Hiányzó mezők, stale dealek, pontatlan next stepek és pipeline-kockázatok feltárása.

Mivel? HubSpot AI•Salesforce Einstein•Make•n8n

Hogyan? Heti review logikával kérj listát a hiányos close date-ről, next stepről, owner nélküli feladatról és a 14 napja nem mozduló dealekről. Az AI javasoljon, de ne írjon vissza automatikusan kritikus mezőt.

Mire való

Javuljon a pipeline láthatósága és a manager review minősége.

Input

CRM export vagy strukturált opportunity adatok.

AI szerepe

Mintázatot keres, listáz és strukturált javaslatot ad.

Emberi feladat

Validálja az adatot és eldönti, mi mehet vissza a system of recordba.

Tipikus output

Stale deal lista, hiányzó mezők listája, pipeline risk summary.

Tipikus hibamód

CRM noise: minden félmondatot frissítésként kezel, és zajt ír vissza a rendszerbe.

6

Proposal és follow-up rendszer

A proposal és a follow-up a salesben tipikus csúszási pont. Az AI itt akkor jó, ha nem végleges ígéretet gyárt, hanem első vázlatot és következetes szekvenciát ad.

Mit? Ajánlatvázlat, scope summary és follow-up szekvencia előkészítése.

Mivel? ChatGPT Projects•Claude Projects•HubSpot AI•Zapier

Hogyan? A discovery note, pricing policy és meglévő sablonok alapján kérj ajánlatvázlatot és 3–4 follow-up variánst külön helyzetekre: nem válaszolt, további kérdés jött, belső review alatt van, elakadt a döntés.

Mire való

Rövidebb ajánlatadási ciklus és kevesebb kihagyott follow-up.

Input

Meeting recap, pricing note, scope, belső ajánlatsablon, stakeholder lista.

AI szerepe

Struktúrát ad, draftol és következetessé teszi az utánkövetést.

Emberi feladat

Átnézi az árat, az ígéreteket, a kivételeket és a végső taktikai hangnemet.

Tipikus output

Ajánlatvázlat, kísérő email, follow-up sorozat első verziója.

Tipikus hibamód

Túl korai automatizálás: pricing vagy implementációs vállalás review nélkül kimegy.

Döntési táblák

Feladat → AI-réteg

FeladatRétegHasználati logika
Gyors account-kép összerakásaResearch + project layerA legjobb belépő use case, ha sok idő megy el szétszórt kutatásra.
Outreach első draftChat / project layerJó blank page ellen, de csak rövid, kontrollált draftnál működik jól.
Meeting prepConnected context layerAkkor erős, ha a CRM, a korábbi emailek és a meeting history együtt látszik.
Call summary + next stepsMeeting AI + workflow layerMagas ROI, mert közvetlenül a follow-up és az adminidő csökken.
CRM hygieneStructured data / workflow layerAhol már pipeline minőség és manager visibility a fő gond.
Proposal supportProject + template layerElső draftnak kiváló, végleges ajánlatnak nem.

Tool-választási döntési tábla

HelyzetEszköztípusMivelHogyan használd
Egyéni rep gyors kutatása és email draftjaProject-alapú chatChatGPT Projects•Claude ProjectsAkkor válaszd, ha gyors draft kell és nincs még mély rendszerintegráció.
CRM-közeli sales assistancePlatformba épített AIHubSpot AI•Salesforce EinsteinAkkor erős, ha a sales már eleve ezekben a platformokban él.
Meeting utáni recap és action itemMeeting intelligenceGong•Zoom AI Companion•Fireflies.aiOtt jó, ahol sok call van és a follow-up rendszeresen csúszik.
Triggerelt follow-up és belső taskolásWorkflow builderMake•Zapier•n8nCsak akkor, ha már van jóváhagyható output és világos handoff.

Lean / Standard / Advanced stack

A sales AI érettsége nem attól függ, hány toolod van, hanem attól, hogy mennyire tiszta a workflow és mennyire megbízható a rendszerbe visszakerülő adat. A Lean stack gyors nyeréseket ad, a Standard már valódi connected contextet, az Advanced pedig kontrollált skálázást.

SzintKinekMivelHasználat
LeanEgyéni rep, kis csapat, kevés rendszerChatGPT Projects•Claude ProjectsAccount research, meeting prep és follow-up draft emberi review-val, külön automation nélkül.
StandardRendezettebb sales csapat, működő CRMHubSpot AI•Salesforce Einstein•Zoom AI CompanionConnected prep, recap és CRM-javaslat. Itt jelenik meg az első valódi minőségi ugrás.
AdvancedRevOps-vezérelt, skálázódó szervezetGong•Make•n8nWorkflow, approval, reporting és adatminőség együtt. Agent vagy teljes automation csak szűk use case-ben.

Human vs AI döntési tábla

FeladatAI szerepeEmberi szerepHatár
Account researchÖsszerántja és sűríti a nyilvános és belső kontextust.Kiválasztja a valóban releváns angle-t.Minden fontos tényt és számot forrásból vissza kell nézni.
OutreachDraftol és variál.Dönt a hangnemről, timingról és vállalható megszólításról.Végleges customer-facing szöveg ne menjen ki review nélkül.
Meeting recapÖsszefoglalja a transcriptet és listázza a next stepeket.Ellenőrzi a commitmenteket és a felelősöket.A summary nem egyenlő a teljes igazsággal.
CRM frissítésJavaslatot készít mezőkre és note-okra.Validál és ír vissza a system of recordba.Kritikus mezőt ne írjon vissza automatikusan.
ProposalElső struktúrát és kísérőszöveget ad.Vállalja az árat, a scope-ot és a végső ígéretet.Árképzés és vállalás maradjon emberi felelősség.

Gyakorlati use case-ek

A use case-eket úgy érdemes olvasni, mint kis bevezethető sales workflow-kat. Mindegyik konkrét outputra fut ki, és mindegyiknél látni fogod, hogy az AI hol gyorsít, mivel érdemes dolgozni, és hol kell megállnia az automatizmusnak.

Mid-market target előkészítés

Egy SDR vagy AE kijelölt 20 accountot a hétre, de nincs idő minden cégről kézzel összerakni a képet. A cél nem mély audit, hanem gyors prioritás és jobb első kontakt.

Mit? Gyors research summary és discovery hipotézis a target accountokhoz.

Mivel? ChatGPT Projects•Claude Projects•HubSpot AI

Hogyan? Egy projektben vagy platformon összehúzod a céges alapadatot, a CRM előzményt és 2–3 nyilvános forrást, majd rövid account briefet kérsz belőlük.

Lépésről lépésre

  1. 1Válassz ki 10–20 target accountot a heti listából.
  2. 2Tölts be cégenként weboldalt, CRM előzményt és legfeljebb néhány nyilvános forrást.
  3. 3Kérj account briefet: confirmed facts, open questions, 2 discovery angle.
  4. 4Emberként húzd ki a zajt és állíts fel prioritást.
  5. 5A kiválasztott cégekhez készíts rövid outreach nyitásokat.

Tipikus output: Prioritási lista, account brief és rövid outreach angle minden kiválasztott targethez.

Mire figyelj: Ne tekintsd a webes összefoglalót kész buying signalnak; a relevancia megítélése továbbra is emberi munka.

Meeting után 15 percen belüli follow-up

A sales csapat egyik tipikus vesztesége, hogy a meeting után órák vagy napok telnek el follow-up nélkül. Itt a cél a gyors reakció, nem a teljes automatizálás.

Mit? Transcriptből összefoglaló, next steps és follow-up email draft.

Mivel? Gong•Zoom AI Companion•Fireflies.ai•Salesforce Einstein

Hogyan? A meeting summary eszközből készítesz külön belső recapet és ügyfélnek szánt draftot, majd rövid review után küldöd ki a follow-upot.

Lépésről lépésre

  1. 1A meeting végén legyen transcript vagy AI note bekapcsolva.
  2. 2Kérj belőle rövid belső összefoglalót döntésekkel és action itemekkel.
  3. 3Külön kérj ügyfélnek szánt follow-up draftot maximum 140–180 szóban.
  4. 4Ellenőrizd a vállalásokat, dátumokat és a hangnemet.
  5. 5A jóváhagyott részekből frissíts CRM note-ot vagy next stepet.

Tipikus output: Belső recap, küldhető follow-up email és tiszta next step lista.

Mire figyelj: A transcript minősége és a speaker attribution sokat számít; a summary sose menjen vakon ki.

Heti pipeline risk digest sales managernek

A manager nem újabb dashboardot akar, hanem röviden látni, hol állnak meg a dealek, melyik rekord hiányos és hol kell beavatkozni.

Mit? Stale deal, hiányzó mező és kockázati minta kiszűrése heti digestben.

Mivel? HubSpot AI•Salesforce Einstein•Make

Hogyan? Strukturált CRM exportból vagy platformból lekéred a kritikus mezőket, és az AI-val rövid kockázati digestet készítesz review-ra.

Lépésről lépésre

  1. 1Heti egyszer kérj listát a 14 napja nem mozduló, hiányos vagy bizonytalan opportunity rekordokról.
  2. 2Az AI csoportosítsa őket: nincs next step, hiányos close date, nincs stakeholder, vagy bizonytalan stage.
  3. 3Készüljön 1 oldalas manager digest prioritási sorrenddel.
  4. 4Manager review után menjen vissza a tiszta teendőlista a csapatnak.
  5. 5Csak validált mezőfrissítés kerüljön vissza a CRM-be.

Tipikus output: Heti pipeline risk digest és rendezett hygiene teendőlista.

Mire figyelj: Ha a kiinduló CRM rossz, az AI csak gyorsabban csomagolja át ugyanazt a zajt.

Korlátok és hibamódok

A sales AI legnagyobb kockázata nem az, hogy néha furcsán fogalmaz, hanem az, hogy túl könnyű valódi pipeline-adatnak vagy valódi személyre szabásnak hinni azt, ami valójában csak első draft vagy bizonytalan következtetés. Ezért itt a hibamódok közvetlenül üzleti kárt tudnak okozni.

Generikusság skálázása

Ha a rossz outreachből csinálsz többet, attól még nem lesz jobb. Az AI-nak a relevanciát kell növelnie, nem a sablonosságot.

CRM-zaj

A meetingből vagy emailből félreértett állítások gyorsan rendszeradatként kezdenek élni, ha nincs külön review a visszaírás előtt.

Túl korai automatizálás

Ha még a draft sem stabil, kifejezetten rossz ötlet a follow-upot vagy CRM-frissítést triggerelni teljesen automatán.

Over-agenting

Browser vagy computer-use agentet rátenni mindenre általában rosszabb, mint egy jó project, connector vagy workflow-réteg.

QC / verification / governance

Salesben a minőségbiztosítás nagyon egyszerű kérdésekre bontható: mi a forrás, mi a draft, mi kerül ügyfél elé, és mi kerül vissza a rendszerbe. Ha ez a négy nincs különválasztva, a csapat gyorsan elveszti a kontrollt.

Source discipline

Minden fontos állításhoz legyen visszakereshető forrás: CRM, transcript, email thread vagy nyilvános oldal. A kitalált vagy inferred elemek legyenek külön kezelve.

Customer-facing review

Minden ügyfélnek küldött szöveg menjen át gyors emberi review-n: hangnem, vállalás, specifikus szám vagy határidő.

CRM write boundary

A javaslat és a rendszerfrissítés külön lépés legyen. Kritikus mezőt ne írj vissza automatikusan review nélkül.

Pilot KPI-k

Mérd a follow-up laget, a prep időt, a CRM completeness arányt és a manager acceptance rate-et. Ezek mutatják meg, hogy tényleg javult-e a sales működés.

Decision framework

A jó sales AI döntés nem azt kérdezi, hogy melyik modell a legerősebb, hanem azt, hogy melyik workflow-ponton van ma a legnagyobb súrlódás, és ahhoz milyen réteg a legkevesebb kockázat mellett a leghasznosabb.

Plain chat elég

Ha az első fájdalompont a blank page, a follow-up késése vagy a prep lassúsága, kezdd project-alapú chatben.

Connectorök és platform-AI kellenek

Ha a gond a kontextuskeresés és a meeting/history szétszórtsága, a connected layer adja a legnagyobb minőségi ugrást.

Workflow builder kell

Ha ugyanaz a summary → next step → task → CRM suggestion lánc ismétlődik, itt van helye Make-nek, Zapiernek vagy n8n-nek.

Agent csak célzottan

Böngészős vagy több lépéses háttérkutatásra igen, customer-facing vagy kritikus rendszerírásra nem ez az alapbeállítás.

Build your own workflow

A sales AI bevezetésének legjobb útja a szűk pilot. Először azt kell megfogni, ami sokszor ismétlődik, könnyen review-olható és gyorsan mérhető. A salesben ez tipikusan a prep, a recap és a follow-up.

  1. 1Térképezd fel, hol folyik el ma a legtöbb idő: kutatás, prep, follow-up vagy CRM admin.
  2. 2Válassz 2–3 jól körülhatárolt use case-t, például meeting prep, follow-up draft, call summary.
  3. 3Definiáld a jó outputot: milyen legyen egy használható prep brief, egy küldhető follow-up vagy egy CRM-javaslat.
  4. 4Rögzítsd a truth source-ot: CRM, transcript, email thread vagy nyilvános webes forrás.
  5. 5Kezdd chatben vagy platform-AI-ban, és csak akkor menj tovább workflow-ra, ha a draft minősége már stabil.
  6. 6Mérj heti szinten: follow-up lag, prep idő, CRM completeness, manager acceptance.
  7. 7Csak ezután bővíts connectorrel, workflow builderrel vagy célzott agenttel.

Kapcsolódó oldalak

module
Vezetői időnyerés AI-jal

Manager és vezetői nézőpontból mutatja meg az executive brief, riport és meeting workflow-kat.

foundation
Automatizáció

A workflow builder logika és az approval-alapú automatizálás alapjai.

workflow
AI workflow

Megmutatja, hogyan épül fel egy ismételhető, review-zható AI munkafolyamat.

module
Produktivitás és workflow

Az általános irodai prompt, meeting és projekt-szintű súrlódáscsökkentés mélyítése.