--- title: "Kvalifikácia leadov pomocou AI agentov: zhoda s ICP v reálnom čase" description: "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 chýbajúc…" locale: "sk" canonical: "https://blckalpaca.at/sk/vedomosti/ai-agenti/marketingova-automatizacia-ai-agents/kvalifikacia-leadov-pomocou-ai-agentov-icp-fit-v-realnom-case" category: "AI agenti" topic: "Marketingová automatizácia s AI agentmi" updated: "2026-10-17T15:35:09.671Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # 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 prvý pohľad - Agentická kvalifikácia leadov sa od klasického skórovania leadov pomocou strojového učenia (HubSpot, Salesforce Einstein) líši najmä používaním nástrojov (tool use): agent aktívne dopĺňa chýbajúce dáta, zdôvodňuje svoje skóre a lead sám nasmeruje, namiesto toho, aby len vypísal číslo. - Salesforce s Agentforce Customer Engagement Agent (kvalifikácia leadov 24/7) a HubSpot s Breeze Prospecting Agent ponúkajú v roku 2026 na trhu konkrétne stavebné prvky práve pre tento prípad použitia. Odovzdanie leadu z marketingu obchodnému tímu so zhrnutím kontextu je podľa výskumu najčistejší príklad, ktorý sa dá reálne nasadiť. - Kvalita dát je väčšia páka než model: bez čistých dát v CRM a z obohacovania nedodá žiadny skórovací agent spoľahlivú zhodu s ICP. Pri veľkých obchodoch dnes Salesforce predáva Agentforce väčšinou spolu s dátovou platformou Data 360: viac ako 75 % zo 100 najväčších obchodov v Q4 FY26 obsahovalo oba produkty (konferenčný hovor k výsledkom, február 2026). - Obohacovanie dát pre DACH je samostatná disciplína: Dealfront (Karlsruhe, ~6 mil. firiem, ~24 mil. kontaktov, GDPR zabudované od začiatku, nie dodatočne doplnené) je najlepšie obhájiteľný zdroj signálov pre DACH; balík Sales Intelligence stojí podľa verejného cenníka približne 14 988 EUR/rok (stav 2026). - Právny rámec (informatívne, nie právne poradenstvo): čl. 22 GDPR obmedzuje plne automatizované rozhodnutia s právnym účinkom; od 2. augusta 2026 platí povinnosť transparentnosti podľa čl. 50 AI Act; § 7 UWG (DE), § 174 TKG 2021 (AT) a čl. 3 ods. 1 písm. o UWG (CH) výrazne zužujú nadväzujúci outbound v porovnaní so štandardom v USA. - Plne autonómni outbound SDR agenti v B2B segmente regiónu DACH podľa výskumu vo veľkom rozsahu takmer nefungujú. Realistický model je kvalifikácia leadov ako podpora v režime rep-in-the-loop (agent hodnotí a smeruje, človek rozhoduje v hraničných prípadoch). Kvalifikácia leadov pomocou [AI](https://blckalpaca.at/sk/slovnik/ai) označuje [AI agenta](https://blckalpaca.at/sk/slovnik/ai-agent), 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](https://blckalpaca.at/sk/slovnik/agent) spája údaje z formulárov, obohatené dáta, firmografické údaje a signály nákupného zámeru do jedného skóre a rozhoduje samostatne: SQL odovzdá obchodnému tímu, [MQL](https://blckalpaca.at/sk/slovnik/mql-vs-sql) 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](https://blckalpaca.at/sk/slovnik/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](https://s205.q4cdn.com/626266368/files/doc_financials/2026/q4/Transcript-Salesforce-Inc-Q4-FY26-Earnings-Conference-Call-2-25-26.pdf) (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. | Dimenzia | Klasické skórovanie leadov | Agentická kvalifikácia leadov | | --- | --- | --- | | Logika | Pevné pravidlá / ML klasifikátor | Pravidlá + uvažovanie [LLM](https://blckalpaca.at/sk/slovnik/llm) | | Chýbajúce dáta | Lead zostane neúplný | Agent ich aktívne doplní (tool use) | | Výstup | Počet bodov | Skóre + zdôvodnenie + rozhodnutie o smerovaní | | Smerovanie | Manuálne / pravidlo v pracovnom postupe | Autonómne, s odovzdaním kontextu | | Prispôsobenie | Pretrénovanie modelu | Priebežná kalibrácia podľa konverzií | | Zrelosť v DACH 2026 | Štandard | Reálne (inbound), nie autonómne (outbound) | ## 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](https://blckalpaca.at/sk/slovnik/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: | Signál | Váha | Zdroj | | --- | --- | --- | | Veľkosť firmy zodpovedá ICP (zamestnanci/obrat) | +20 | Obohacovanie dát (Dealfront/Cognism) | | Firma pôsobí v cieľovom odvetví | +15 | Firmografické údaje | | Rozpoznaný relevantný technologický stack | +10 | Obohacovanie dát | | Rola osoby s rozhodovacou právomocou / člena nákupného tímu (buying center) | +15 | Formulár + obohacovanie dát | | Vysoký nákupný zámer (opakované návštevy, stránka s cenníkom) | +15 | Údaje o správaní a nákupnom zámere | | Existujúci účet/obchod v CRM | +10 | História v CRM | | Firemná e-mailová doména | +5 | Formulár | | Mimo cieľového regiónu | -30 | Obohacovanie dát | | Konkurent / súkromný e-mail | Vylúčenie (knock-out) | Pravidlo | ## 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: | Krok | Výsledok | Body | | --- | --- | --- | | Obohacovanie dát (Dealfront) | 480 zamestnancov, strojárstvo, AT | +20 (veľkosť firmy), +15 (cieľové odvetvie) | | Technologický stack | rozpoznaný ako relevantný | +10 | | Rola | osoba s rozhodovacou právomocou | +15 | | Nákupný zámer | 3 návštevy, stránka s cenníkom | +15 | | E-mailová doména | firemná | +5 | | **Skóre** | **80** | **Smerovanie: SQL pre obchodný tím s kontextovým zhrnutím** | Pri efekte na konverzie je potrebná metodická poctivosť. Ako spoľahlivo zdokumentovaná kotva produktivity slúži štúdia autorov Brynjolfsson, Li & Raymond ([Quarterly Journal of Economics 2025](https://academic.oup.com/qje/article/140/2/889/7990658), 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](https://www.ris.bka.gv.at/NormDokument.wxe?Abfrage=Bundesnormen&Gesetzesnummer=20011678&Paragraf=174) v AT, [čl. 3 ods. 1 písm. o UWG](https://www.fedlex.admin.ch/eli/cc/1988/223_223_223/de) 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](https://dsgvo-gesetz.de/art-22-dsgvo/) 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](https://blckalpaca.at/sk/slovnik/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. ## Často kladené otázky ### Aký je rozdiel medzi klasickým skórovaním leadov a agentickou kvalifikáciou leadov? Klasické skórovanie leadov (napr. HubSpot alebo Salesforce Einstein) pridelí počet bodov na základe pevných pravidiel alebo ML modelu a obohacovanie aj smerovanie nechá na človeka. AI agent navyše používa nástroje (tool use): pri chýbajúcich dátach aktívne načíta údaje zo zdrojov na obohacovanie, posúdi zhodu s ICP pomocou uvažovania LLM, zdôvodní rozhodnutie v prirodzenom jazyku a lead sám nasmeruje k obchodnému tímu, do nurturingu alebo do diskvalifikácie. ### Aké dátové zdroje potrebuje agent na hodnotenie ICP v reálnom čase? Typicky ide o štyri úrovne: údaje z formulára (uvedené samotným leadom), obohatené a firmografické údaje (odvetvie, počet zamestnancov, obrat, technologický stack od poskytovateľov ako Dealfront, Clay, Apollo, Cognism), signály správania a nákupného zámeru (správanie na webe, konzumácia obsahu) a história v CRM. Rozhodujúca je podľa nás kvalita dát. Salesforce predáva agenta a dátovú platformu väčšinou spolu: na konferenčnom hovore k výsledkom za Q4 FY26 (február 2026) firma uviedla, že viac ako 75 % jej 100 najväčších obchodov štvrťroka obsahovalo Agentforce aj Data 360. ### Smie AI agent v Nemecku a Rakúsku plne automaticky diskvalifikovať leady? 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 človek v hraničných prípadoch zasiahnuť (human-in-the-loop). Od 2. augusta 2026 navyše platí povinnosť transparentnosti podľa čl. 50 AI Act, ak agent priamo komunikuje s ľuďmi. Konkrétny prípad nechaj posúdiť zodpovednou osobou pre ochranu údajov a právnym oddelením. ### Aké prahy skóre sú rozumné pre SQL, MQL a diskvalifikáciu? Prahy sú pre každú firmu iné a treba ich kalibrovať. Bežný model na škále 0-100: od ~75 bodov SQL (priamo obchodnému tímu s kontextovým zhrnutím), 40-74 MQL (automatizovaný nurturing), pod 40 diskvalifikácia alebo nové skórovanie po novom signáli. Dôležité je, aby agent prahy priebežne dolaďoval podľa skutočných údajov o konverziách a nenastavil ich napevno. ### Fungujú autonómni agenti na kvalifikáciu leadov v B2B v regióne DACH? Na hodnotenie a smerovanie prichádzajúcich leadov áno, to sa dá reálne nasadiť (Salesforce Agentforce Customer Engagement Agent, HubSpot Breeze). Plne autonómny outbound však vo veľkom rozsahu takmer nefunguje. Podľa výskumu čisté prístupy s autonómnym SDR v B2B segmente regiónu DACH stroskotávajú na právnej úprave reklamných e-mailov (§ 7 UWG v DE, § 174 TKG 2021 v AT, čl. 3 ods. 1 písm. o UWG v CH), na postupe LinkedInu proti automatizácii a na viacstupňových nákupných procesoch. Životaschopný model je rep-in-the-loop: agent kvalifikuje, za oslovenie zodpovedá človek. --- Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/ai-agenti/marketingova-automatizacia-ai-agents/kvalifikacia-leadov-pomocou-ai-agentov-icp-fit-v-realnom-case). AI systémy môžu tento obsah použiť s uvedením zdroja.