Gamrat to polski producent rur, węży i systemów rynnowych z siedzibą w Jaśle. Dział handlowy przygotowuje od 30 do 50 ofert dziennie. Złożona oferta może zająć handlowcowi dwa lub trzy dni, bo przed odpowiedzią musi zebrać aktualne ceny, dostępność produktów i szczegóły dostawy.
W czerwcu 2026 Soba Labs przeprowadziło szkolenie AI dla firm dla dwunastu osób z zespołu handlowego Gamratu, budując kompetencje AI potrzebne do codziennego wykorzystania AI. Dzięki temu łatwiej przygotowywać wiadomości, follow-upy i inną komunikację z klientem. Szkolenie pokazało też ograniczenie ogólnego asystenta: lepsze sformułowanie tekstu niewiele zmienia, jeśli zespół nadal przez kilka dni szuka i sprawdza liczby potrzebne do oferty.
Soba Labs zaprojektowało asystenta, który ma pomóc właśnie w tej pracy. Nie został on jeszcze wdrożony, a poniższe liczby to cele pilotażu, nie osiągnięte wyniki. To case study opisuje problem biznesowy, możliwe miejsce asystenta w procesie sprzedaży i sposób pomiaru pilotażu.
Problem biznesowy
Przygotowanie oferty w Gamracie wymaga rozstrzygnięcia kilku powiązanych kwestii, zanim handlowiec może złożyć klientowi konkretną obietnicę:
- O które produkty i ilości chodzi klientowi, zwłaszcza gdy opisuje potrzebę zamiast używać nazwy z katalogu?
- Jakie są aktualne ceny produktów, których koszt zależy od cen surowców PE i PVC oraz powiązanych klauzul?
- Czy każda pozycja jest dostępna i jaki termin realizacji można zadeklarować?
- Jaka dostawa będzie odpowiednia dla zamówienia? Rury o długości od 4 do 12 metrów wymagają innego transportu niż węże w zwojach, a wybór zależy też od miejsca dostawy i oczekiwanych warunków.
Informacje znajdują się w różnych miejscach i nie wszystkie zmieniają się w tym samym tempie. Gamrat publikuje cenniki rynien i węży, a aktualne ceny rur podaje na zapytanie. Handlowiec musi zinterpretować maila, sprawdzić potrzebne dane, wyjaśnić braki i połączyć wszystko w jedną spójną ofertę. Przy złożonym zapytaniu większość z dwóch lub trzech dni zajmuje przygotowanie, a nie samo napisanie odpowiedzi.
Opóźnienie odczuwają obie strony. Ofertowanie to jedno z miejsc, w których AI w produkcji zwraca się najszybciej, co opisujemy w artykule AI in manufacturing: automate the work nobody wants. Klient czeka na jasną cenę i termin dostawy. Tymczasem osoby najlepiej znające produkty Gamratu szukają danych i powtarzają sprawdzenia zamiast doradzać klientom, wracać do rozmów czy rozwijać szanse sprzedażowe. Według McKinsey zespoły sprzedaży B2B, które automatyzują taką pracę zaplecza, notują wzrost efektywności o 10 do 15 procent i spędzają więcej czasu z klientami. Jeśli liczba okaże się błędna, zespół musi też poświęcić czas na poprawienie oferty i wyjaśnienie zmiany.
Od szkolenia AI do praktycznego rozwiązania
Czerwcowe szkolenie pomogło zespołowi szybciej pisać z pomocą AI. Nie dało jednak ogólnemu asystentowi dostępu do aktualnego cennika, stanów magazynowych ani zasad dostawy. Bez zatwierdzonych informacji firmowych asystent może przygotować przekonującą odpowiedź, która mimo to zawiera błędną cenę lub dostępność. To halucynacja, którą profil ryzyka generatywnej AI NIST nazywa konfabulacją: pewnie podaną, ale fałszywą treścią. W ofercie pewnie brzmiący domysł tworzy więcej pracy i ryzyka, niż usuwa.
Dlatego proponowany agent AI skupia się na przygotowaniu oferty. Odczytywałby mail klienta, pomagał dopasować zapytanie do produktów Gamratu i zbierał potrzebne dane do pierwszego projektu, pobierane w chwili zapytania, tak jak retrieval-augmented generation opiera odpowiedź na zatwierdzonych źródłach. Przy każdej cenie wskazywałby źródło, a informacje, których nie może potwierdzić, oznaczałby do sprawdzenia. Niejasne dopasowanie produktu lub brak danych o dostępności trafiałyby do handlowca zamiast być uzupełniane szacunkiem. Pozwolenie modelowi na przyznanie, że czegoś nie wie, i wymaganie źródła dla każdej informacji to pierwsze techniki z przewodnika Anthropic o ograniczaniu halucynacji.
Projekt trafiałby do handlowca do sprawdzenia w używanym już przez zespół środowisku Microsoft 365. To, czy ten krok powstanie w Copilot Studio, czy jako własny agent, zależy od tego, jak głęboko musi sięgać do systemów Gamratu. Handlowiec mógłby poprawić szczegóły, poprosić o wyjaśnienie albo zaakceptować ofertę przed wysłaniem. Chodzi o odciążenie zespołu z powtarzalnego zbierania danych, przy jednoczesnym pozostawieniu oceny handlowej i relacji z klientem osobie odpowiedzialnej za sprzedaż. Taki krok human-in-the-loop rozstrzyga też, kto odpowiada, gdy agent AI się pomyli, zanim wyjdzie pierwsza oferta.
Bezpieczne usprawnianie procesu
Weryfikacja jest również źródłem informacji o tym, co warto poprawić. Gdy handlowiec zmieni dopasowanie produktu, skoryguje ilość lub odrzuci założenie dotyczące dostawy, taka informacja może pokazać, w którym miejscu przygotowanie oferty wymaga uwagi. Z czasem zespół może rozpoznać powtarzające się braki w danych o produktach, cenach lub zasadach dostawy i zdecydować, czy poprawić sam proces, czy także asystenta.
Sama szybkość nie jest dobrą miarą sukcesu. Projekt, który powstaje wcześniej, ale wymaga wielu poprawek, tylko przenosi pracę w inne miejsce. Pilotaż powinien mierzyć, czy asystent skraca przygotowanie oferty bez pogorszenia jej dokładności i jakości. Warto uwzględnić czas sprawdzania i poprawiania projektu, a nie tylko czas jego wygenerowania. Na tym polega rzetelny pomiar ROI z AI: liczy się cały proces, a nie tylko krok wykonywany przez model.
Potencjalna wartość do sprawdzenia
Asystent nie został wdrożony, dlatego poniższe liczby są proponowanymi celami pilotażu, a nie osiągniętymi wynikami. Pilotaż powinien mierzyć cały czas od zapytania klienta do projektu oferty gotowego do sprawdzenia przez handlowca. Celem są maksymalnie dwie godziny dla kwalifikujących się zapytań, a większość prostszych spraw powinna zajmować godzinę lub mniej. Dziś złożona oferta zajmuje dwa lub trzy dni.
- Kompletny projekt w ciągu maksymalnie dwóch godzin dla kwalifikujących się zapytań, mierzony od otrzymania maila klienta do oferty gotowej do sprawdzenia przez handlowca. W większości prostszych spraw celem jest godzina lub mniej.
- 100% cen w projektach powiązanych z zatwierdzonym źródłem. Brakujące lub niejasne ceny powinny być oznaczane do sprawdzenia przez handlowca, a nie zgadywane.
- Co najmniej 98% poprawności przy pierwszym sprawdzeniu w zakresie produktu, ilości, ceny i szczegółów dostawy, przed wprowadzeniem poprawek przez handlowca.
- Mniej czasu na przygotowanie każdej oferty, mierzonego podczas zbierania informacji, sprawdzania cen i dostępności oraz wprowadzania poprawek.
- Bez wzrostu liczby możliwych do uniknięcia poprawek. Zespół powinien sprawdzać, jak często trzeba zmieniać projekt z powodu błędnego produktu, ilości, ceny lub założenia o dostawie.
Jeśli uda się osiągnąć cele dotyczące czasu i poprawności bez zwiększenia liczby możliwych do uniknięcia poprawek, klienci mogą otrzymywać kwalifikujące się oferty w ciągu godzin zamiast dni, a handlowcy odzyskają czas na rozmowy i dalszy kontakt z klientami. Pilotaż pokaże, ile czasu rzeczywiście można zaoszczędzić i które zapytania nadają się do takiego wsparcia. Przed przedstawieniem tych wartości jako osiągniętych wyników trzeba uzgodnić sposób pomiaru z Gamratem i porównać go z obecnym procesem.
Następny krok
Projekt można przenieść do pilotażu, gdy Gamrat zapewni dostęp do zatwierdzonych informacji o cenach, stanach i dostawach potrzebnych do przygotowania oferty. Taka gotowość danych jest pierwszym krokiem, tak jak u innego polskiego producenta w naszym case study Ryba Wooden Products. Firma korzysta z lokalnych serwerów, dlatego trzeba też dopasować asystenta do jej środowiska IT i połączyć go z używanym przez zespół procesem weryfikacji.
Pilotaż powinien rozpocząć się od określonej grupy kwalifikujących się zapytań i punktu odniesienia opartego na podobnych ofertach. NIST AI Risk Management Framework zaleca tę samą kolejność: najpierw opisać kontekst i zmierzyć ryzyko, a dopiero potem polegać na systemie w codziennej pracy. Handlowcy sprawdzaliby każdy projekt, a zespół notowałby czas przygotowania, pokrycie cen źródłami, poprawki i czas odpowiedzi. Dzięki temu Gamrat będzie mógł zdecydować, czy rozszerzyć rolę asystenta, zmienić proces, czy zakończyć próbę.
Wniosek biznesowy
Przygotowanie ofert zabiera handlowcom czas, gdy muszą zbierać i uzgadniać podobne informacje z kilku źródeł. AI może pomóc w pisaniu, ale większą szansą jest ułatwienie zebrania i sprawdzenia danych potrzebnych do oferty.
Przydatny asystent przygotuje pierwszy projekt na podstawie zatwierdzonych informacji, pokaże niepewne szczegóły i pozostawi ostateczną decyzję handlowcowi. Wartością nie jest automatyczne wysłanie oferty bez sprawdzenia. Jest nią szybsza i bardziej spójna droga od zapytania klienta do dobrze uzasadnionej decyzji osoby, która odpowiada za relację.
Przygotowujesz oferty z rozproszonych danych o cenach, stanach i dostawach? Zapraszamy do kontaktu lub do zapoznania się z naszymi pozostałymi case studies.
Słowami klienta
“Hands on, on our own tools and our own products. The sales team left with prompts they use daily, and we brought Soba Labs back to train the next departments.”
Jerzy Pachana, Board Member, Gamrat