Przejdź do treści
MJ Marketing

Wstępna kwalifikacja zapytań z AI: decyduje człowiek

Jak zbudować workflow, który wstępnie kwalifikuje zapytania z pomocą AI, a decyzję zostawia człowiekowi: kryteria, kroki, źródła błędów i testy.

Mijo Jurisic

Konsultant Google Ads

5 min czytania
Rysunek tuszem: lejek, do którego wpadają koperty, pod nim trzy przegródki z ptaszkami i znakami zapytania na papierze milimetrowym

W skrócie

Automatyczna wstępna kwalifikacja sortuje zapytania, zanim przeczyta je człowiek: workflow przyjmuje zapytanie, sprawdza je według stałych kryteriów Twojej firmy, pozwala modelowi językowemu zaproponować ocenę z uzasadnieniem i przedstawia wynik do decyzji. Z mojej praktyki najważniejsza zasada brzmi: AI proponuje, człowiek decyduje. Nikt nie jest odrzucany automatycznie i nikt nie dostaje automatycznie wiążącej oferty. Przed startem spisz kryteria, przetestuj workflow na starych zapytaniach i sprawdź, jakie dane osobowe przekazujesz zewnętrznemu narzędziu.

Jeśli korzystasz z Google Ads, poleceń lub formularzy kontaktowych, znasz ten problem: zapytania przychodzą, ale nie wszystkie pasują. Niektóre są skierowane do niewłaściwej firmy, inne dotyczą zbyt małych zleceń, jeszcze inne pochodzą spoza Twojego obszaru działania. Czytanie każdego z osobna kosztuje czas, a przy płatnych zapytaniach nie chcesz, by te dobre czekały bez odpowiedzi.

Pomóc może automatyczna wstępna kwalifikacja. W tym artykule pokazuję schemat, który wykorzystuje AI jako asystenta, a decyzję zostawia człowiekowi. To rozwinięcie jednego z procesów, które opisałem w artykule Automatyzacja AI w MŚP: 4 procesy, które się opłacają, pod kątem zapytań z reklam.

Zasada: AI proponuje, człowiek decyduje

Workflow nie podejmuje decyzji o ludziach. Przygotowuje: czyta zapytanie, porównuje je z Twoimi kryteriami, proponuje klasyfikację z uzasadnieniem i przedstawia ją Tobie. Widzisz na pierwszy rzut oka, dlaczego ocena wypadła tak, a nie inaczej, i możesz się z nią nie zgodzić.

Powody są dwa. Po pierwsze, modele językowe popełniają błędy, które brzmią wiarygodnie. Po drugie, niesłusznie odrzucone zapytanie to strata, którą łatwo przeoczyć.

Krok 1: Spisz kryteria

Zanim cokolwiek zbudujesz, spisz, co dla Ciebie oznacza pasujące zapytanie. Typowe kryteria:

  • Usługa: czy osoba pyta o coś, co oferujesz?
  • Region: czy miejscowość leży w Twoim obszarze działania?
  • Termin: czy oczekiwany termin jest realistyczny?
  • Rodzaj zlecenia: prywatne, firmowe, odsprzedaż?
  • Kompletność: czy brakuje informacji, bez których nie przygotujesz oferty?

Zapisz te kryteria pełnymi zdaniami, tak jak wyjaśnia się je nowemu pracownikowi. Dokładnie ten tekst staje się później instrukcją dla modelu.

Krok 2: Zbuduj przebieg

Prosty przebieg, który konfiguruję w tej formie:

  1. Wejście: formularz, e-mail lub czat uruchamia workflow. Platforma taka jak Make łączy systemy.
  2. Ujednolicenie: dane trafiają do stałego schematu (imię i nazwisko, sprawa, miejscowość, termin, tekst dowolny).
  3. Kontrola reguł: proste rzeczy workflow sprawdza bez AI, na przykład czy brakuje pól obowiązkowych albo czy miejscowość jest na liście. To, co da się załatwić jasną regułą, nie wymaga modelu językowego.
  4. Ocena przez model: model, taki jak Claude, ChatGPT lub Gemini, dostaje zapytanie oraz Twoje kryteria i zwraca klasyfikację (na przykład „pasuje”, „niejasne”, „raczej nie pasuje”) z krótkim uzasadnieniem i otwartymi pytaniami.
  5. Zapis: wynik trafia do zestawienia lub Twojego CRM, posortowany według oceny.
  6. Człowiek decyduje: Ty lub ktoś z zespołu czyta, potwierdza lub poprawia i odpowiada.

Szkic odpowiedzi też może przygotować model. Nie jest wysyłany automatycznie.

Krok 3: Zaplanuj przypadki błędów

Co się stanie, gdy coś pójdzie nie tak? Zaplanuj te przypadki świadomie:

  • Model nie odpowiada w oczekiwanym formacie. Wtedy workflow odkłada zapytanie nieprzetworzone do zestawienia, zamiast je wyrzucać.
  • Zapytanie jest puste, brakuje załącznika albo tekst jest w innym języku. To kategoria „niejasne” i sprawa dla człowieka.
  • Wystąpiła awaria. Wszystkie zapytania muszą nadal docierać do Ciebie także bez automatyzacji. Automatyzacja to dodatkowa warstwa, nigdy jedyna droga.

Krok 4: Przetestuj na starych zapytaniach

Weź próbkę prawdziwych, starszych zapytań, przepuść je przez workflow i porównaj ocenę modelu ze swoją. Zwróć szczególną uwagę na:

  • przypadki graniczne, które także Tobie sprawiłyby trudność przy ocenie
  • zapytania z małą ilością tekstu
  • nietypowo sformułowane lub potoczne teksty
  • zapytania, które brzmią dobrze, ale nie pasują

Jeśli model regularnie się myli, przyczyną jest zwykle niejasno sformułowane kryterium. Doprecyzuj opis i przetestuj ponownie. Po starcie obserwuj workflow uważnie przez kilka tygodni i czytaj wyrywkowo także zapytania oznaczone jako „raczej nie pasuje”.

Ochrona danych: krótko i szczerze

Zapytania zwykle zawierają dane osobowe. Zanim przekażesz je zewnętrznemu narzędziu, ustal, jakie dane dokąd płyną, czy przetwarzanie jest uregulowane umową i czy uwzględnia to Twoja polityka prywatności. To ogólna orientacja, a nie porada prawna. Jeśli masz wątpliwości, zasięgnij fachowej porady, zanim workflow zacznie działać.

Jak to się łączy z reklamą

Wstępna kwalifikacja nie zastępuje pracy nad kontem. Jeśli stale przychodzi dużo niepasujących zapytań, przyczyna leży często wcześniej: w hasłach, tekstach reklam lub na landing page. Jak mierzyć i poprawiać jakość zapytań z Google Ads, opisuję w artykule Google Ads daje słabe leady? Jak mierzyć jakość leadów.

Jeśli chcesz to zlecić

To, jak realizuję takie procesy dla małych firm, opisuję na stronie Automatyzacja AI. Jeśli najpierw chcesz sprawdzić, czy przy Twojej liczbie zapytań wstępna kwalifikacja się opłaca, pomoże Ci konsulting AI.

Stan na: listopad 2026

Najczęściej zadawane pytania

To pierwsza ocena, czy zapytanie pasuje do Twojej oferty: usługa, region, termin, rodzaj zlecenia. Oszczędza czas, bo nie musisz czytać i oceniać każdego zapytania od zera. Decyzję i tak powinien podjąć człowiek.

Udostępnij:

Mijo Jurisic

Konsultant Google Ads i założyciel MJ Marketing. 5+ lat praktyki: od samouczenia po doradztwo dla bezpośrednich klientów Google Ads na zlecenie Google. W całej karierze 500+ obsłużonych kont Google Ads i 22 mln € zarządzanego budżetu mediowego.

Powiązane Artykuły