Kvalifikácia leadov pomocou AI agentov: zhoda s ICP v reálnom čase

Kvalifikácia leadov pomocou AI označuje AI agenta, ktorý prichádzajúce a odchádzajúce leady v reálnom čase hodnotí podľa ideálneho profilu zákazníka (Ideal Customer Profile, ICP), dopĺňa o chýbajúce údaje a smeruje ďalej. Agent spája údaje z formulárov, obohatené dáta, firmografické údaje a signály nákupného zámeru do jedného skóre a rozhoduje samostatne: SQL odovzdá obchodnému tímu, MQL presunie do nurturingu alebo lead diskvalifikuje. Na rozdiel od klasického skórovania leadov si chýbajúce údaje aktívne zaobstará a svoje hodnotenie zrozumiteľne zdôvodní.

Tri najdôležitejšie body na úvod:

• Zhoda s ICP v reálnom čase namiesto dávkového skóre: Agent hodnotí každý lead hneď pri príchode, nie až v nočnom skórovacom behu, a sám pritom doplní, čo vo formulári chýba.
• Smerovanie je súčasťou úlohy: SQL → obchodný tím (s odovzdaním kontextu), MQL → nurturing, slabá zhoda → diskvalifikácia. Agent rozhoduje, za hraničné prípady zodpovedá človek.
• Dáta porážajú model: Bez čistého základu v CRM a v obohatených dátach dodá aj najlepší agent nespoľahlivé skóre. Salesforce vo veľkých zmluvách predáva Agentforce väčšinou spolu s Data 360: podľa konferenčného hovoru k výsledkom za Q4 FY26 (február 2026) obsahovalo viac ako 75 % zo 100 najväčších obchodov štvrťroka oba produkty.

Klasické skórovanie leadov vs. agentická kvalifikácia

Skórovanie leadov pomocou strojového učenia (ML) je v B2B tímoch v regióne DACH dávno štandardom: HubSpot a Salesforce Einstein ho ponúkajú priamo v základnej výbave. Klasický model pridelí počet bodov na základe pevných pravidiel alebo natrénovaného klasifikátora a lead potom posunie ďalej. Doplnenie chýbajúcich polí, interpretácia skóre a samotné smerovanie zostávajú manuálnymi alebo poloautomatickými krokmi.

Agentický prístup to rozširuje o používanie nástrojov (tool use) a uvažovanie (reasoning). Konkrétne to znamená: keď príde lead s neúplným formulárom, agent sám načíta údaje zo zdrojov na obohacovanie dát, porovná firmografické údaje s ICP, zváži signály nákupného zámeru a sformuluje zdôvodnené rozhodnutie v prirodzenom jazyku vrátane krátkeho zhrnutia pre obchodný tím. Salesforce má na to v roku 2026 na trhu konkrétny stavebný prvok Agentforce Customer Engagement Agent (kvalifikácia leadov 24/7), HubSpot zasa Breeze Prospecting Agent. Odovzdanie leadu z marketingu obchodnému tímu so zhrnutím kontextu platí podľa výskumu za najčistejší reálne nasaditeľný príklad fungujúceho pracovného postupu s agentom.

Dátové zdroje: z čoho vzniká zhoda s ICP

Spoľahlivé skóre čerpá zo štyroch úrovní. Viac zdrojov veľa nepomôže, keď sú dáta zlé. Podľa výskumu je kvalita dát väčšia páka než model.

• Vyplnený formulár (údaje od samotného leadu): e-mailová doména, rola, prípad použitia, naznačený rozpočet. Rýchle, ale neúplné a manipulovateľné.
• Obohacovanie dát / firmografické údaje: odvetvie, počet zamestnancov, obrat, sídlo, technologický stack. Poskytovateľmi sú Clay a Apollo (medzinárodne) a pre DACH obzvlášť relevantný Dealfront (Karlsruhe, vznikol fúziou Echobot a Leadfeeder v roku 2022: ~6 mil. firiem, ~24 mil. kontaktných záznamov, GDPR zabudované od začiatku, nie dodatočne doplnené) a Cognism. Balík Sales Intelligence od Dealfrontu stojí podľa verejného cenníka približne 14 988 EUR/rok pri typickom nasadení v strednej firme (stav 2026).
• Signály zámeru a správania: správanie na webe, opakované návštevy, konzumácia obsahu, reakcia na kampane.
• História v CRM: predchádzajúce kontaktné body, otvorené obchody na účte, doterajšie dôvody diskvalifikácie.

To, že poskytovatelia z DACH majú GDPR zabudované od začiatku, je pri nákupe skutočné kritérium: americké nástroje dostali súlad s predpismi dodatočne, Dealfront bol na ňom postavený.

Logika skórovania: pravidlá plus uvažovanie LLM

V praxi sa osvedčuje hybridný model. Tvrdé vylučovacie kritériá (knock-out, napr. nesprávny región, konkurent, súkromná e-mailová adresa) bežia podľa pravidiel a deterministicky, pretože musia byť reprodukovateľné a auditovateľné. Mäkké hodnotenie závislé od kontextu (Zodpovedá opísaný prípad použitia ICP? Je nákupný signál skutočný?) preberá uvažovanie LLM.

Nasledujúca tabuľka váh ukazuje všeobecný B2B príklad na škále 0-100. Váhy sú pre každú firmu iné a treba ich kalibrovať:

Smerovanie a konkrétny príklad výpočtu

Na základe skóre agent rozhodne o smerovaní. Osvedčený model prahov:

• ≥ 75 bodov → SQL: priamo obchodnému tímu vrátane kontextového zhrnutia, ktoré pripraví agent (kto, prečo práve teraz, aký prípad použitia, aké otvorené body).
• 40-74 bodov → MQL: do automatizovaného nurturingu; nové skórovanie pri novom signáli.
• < 40 bodov → diskvalifikácia alebo opätovné vyhodnotenie, keď príde nový signál.

Príklad: Lead z rakúskeho strojárstva vyplní formulár. Odosielateľ je it-leiter@maschinenbau-gmbh.at, ako rola je vo formulári uvedené „vedenie IT“, ako prípad použitia „automatizácia procesov“. Agent spracuje lead v piatich krokoch:

Pri efekte na konverzie je potrebná metodická poctivosť. Ako spoľahlivo zdokumentovaná kotva produktivity slúži štúdia autorov Brynjolfsson, Li & Raymond (Quarterly Journal of Economics 2025, predtým NBER Working Paper 2023). V zákazníckej podpore s asistenciou AI stúpol počet vyriešených požiadaviek za hodinu v priemere o 15 %, pri menej skúsených a menej kvalifikovaných pracovníkoch približne o 30 %. Tieto hodnoty sú seriózna spodná hranica výpočtu business casu, nie strop, ktorý citujú poskytovatelia. V prenesení na kvalifikáciu to znamená: realistický efekt spočíva v rýchlejšej reakcii na horúce leady, vyššej čistote SQL (menej chybných odovzdaní obchodnému tímu) a odľahčenom SDR tíme, nie v paušálnych sľuboch typu „10ד.

Realita v DACH, hranice a právo

Na hodnotenie a smerovanie prichádzajúcich leadov sa agentická kvalifikácia dá reálne nasadiť. Plne autonómny outbound však vo veľkom rozsahu takmer nefunguje. Podľa výskumu čisté prístupy s autonómnym SDR (Artisan, 11x, AiSDR) v B2B segmente regiónu DACH stroskotávajú na troch faktoroch: na § 7 UWG (DE) a jeho náprotivkoch (§ 174 TKG 2021 v AT, čl. 3 ods. 1 písm. o UWG v CH), na prísnom postupe LinkedInu proti automatizácii a na viacstupňových nákupných procesoch, ktoré trvajú 6 až 18 mesiacov. Životaschopný model je rep-in-the-loop: agent kvalifikuje a určuje priority, za oslovenie zodpovedá človek.

Právny rámec (informatívne, nie právne poradenstvo): čl. 22 GDPR obmedzuje výlučne automatizované rozhodnutia s právnym alebo podobne závažným účinkom. Interné určovanie priorít SQL/MQL/diskvalifikácia je väčšinou bezproblémové, pokiaľ môže zasiahnuť človek. Od 2. augusta 2026 navyše platí povinnosť transparentnosti podľa čl. 50 AI Act, ak agent priamo komunikuje s ľuďmi.

Pre agentúry a B2B tímy

Marketingové agentúry môžu kvalifikáciu leadov ponúkať ako hmatateľný modul postavený na dátach: s jasným ICP workshopom, čistým nastavením obohacovania dát (cez Dealfront/Cognism, ktoré majú GDPR zabudované od začiatku) a kalibrovanými prahmi namiesto čiernej skrinky. Pre rozhodujúce osoby v B2B firmách v regióne DACH platí: začni smerovaním na strane inbound (najvyššia istota ROI, najnižšie riziko), investuj najprv do kvality dát, nechaj človeka v slučke a pre technologický stack obchodného tímu počítaj podľa referenčného plánu z výskumu realisticky so 6 až 9 mesiacmi do spoľahlivého ROI. Kto si najprv upraví dátový základ a logiku smerovania, vyťaží z každého skórovacieho agenta niekoľkonásobne viac.