Potrzeba klienta i wartość: gdzie AI pomaga, a gdzie nie

Po tej lekcji odróżnisz potrzebę jawną od ukrytej, opiszesz wartość oferty w języku klienta i będziesz wiedzieć, w których krokach AI pomaga Ci zrozumieć klienta, a w których musisz go po prostu zapytać.

W całym kursie towarzyszy Ci jeden przykład: fikcyjna firma Lubrega sp. z o.o. z Lublina, która produkuje i montuje regały magazynowe. Handlowczyni Ola Wiśniewska obsługuje klientów z Lubelszczyzny i Podkarpacia: hurtownie, firmy logistyczne i zakłady produkcyjne. Ola korzysta z asystenta AI, ale decyzje i rozmowy z klientami prowadzi sama.

Potrzeba jawna i potrzeba ukryta

Klient rzadko kupuje regał dlatego, że lubi regały. Kupuje, bo coś w jego firmie nie działa albo za chwilę przestanie działać. W sprzedaży rozróżnia się dwa poziomy potrzeby.

Potrzeba jawna to to, co klient mówi wprost: „potrzebujemy 40 nowych regałów paletowych”. Potrzeba ukryta to powód, dla którego tego chce: magazyn hurtowni spożywczej pęka w szwach przed sezonem, palety stoją w alejkach, a wózki widłowe muszą je objeżdżać. Kierownik magazynu boi się kontroli BHP i reklamacji od sklepów, którym towar przyjeżdża za późno.

Ta różnica ma praktyczne skutki. Jeśli rozmawiasz tylko o potrzebie jawnej, konkurujesz ceną za sztukę regału. Jeśli rozumiesz potrzebę ukrytą, możesz zaproponować inny układ magazynu, montaż poza godzinami pracy albo przegląd istniejących regałów. Wtedy klient porównuje rozwiązania, a nie tylko cenniki.

Potrzebę ukrytą poznajesz pytaniami: „Co się stanie, jeśli nic nie zmienicie przed sezonem?”, „Kto w firmie najbardziej odczuwa ten problem?”, „Po czym poznacie, że zmiana się udała?”. Tych odpowiedzi nie zna żadne narzędzie AI. Zna je tylko klient.

Wartość to nie cena

Cena to liczba na ofercie. Wartość to ocena klienta, ile zyska w stosunku do tego, co zapłaci i ile wysiłku włoży we wdrożenie. Gdy klient mówi „za drogo”, często znaczy to: „nie widzę, co dostaję w zamian”.

Wartość opisujesz w jednej z czterech kategorii: oszczędność czasu, oszczędność pieniędzy, mniejsze ryzyko albo większy przychód. Ważne, żeby liczby pochodziły od klienta albo z Twojego rachunku, a nie z ogólników. Ola nie pisze „nasi klienci oszczędzają 30%”, bo nie ma takich danych. Pisze za to rachunek na danych hurtowni:

• magazyn mieści dziś 600 miejsc paletowych, a nowy układ z regałami wysokiego składowania daje 840 miejsc, czyli 240 więcej;
• hurtownia wynajmuje w sezonie dodatkową powierzchnię na zewnątrz za 9 000 zł miesięcznie przez 4 miesiące, razem 36 000 zł rocznie;
• jeśli dodatkowe miejsca wystarczą na sezon, ten koszt znika.

To jest wartość, którą klient sam może sprawdzić. Każdą liczbę w takim rachunku potwierdzasz z klientem, zanim trafi do oferty.

Liczby z fikcyjnego przykładu Lubregi.

Gdzie AI pomaga zrozumieć klienta

Asystent AI (np. ChatGPT, Microsoft Copilot, Gemini lub Claude, stan na październik 2026) dobrze sprawdza się w trzech zadaniach przed rozmową:

1. Hipotezy o potrzebach branży. Prosisz o listę typowych problemów hurtowni spożywczych przed sezonem. Dostajesz punkty do sprawdzenia, a nie fakty o konkretnym kliencie.
2. Pytania do rozmowy. AI zamienia Twoje hipotezy na pytania otwarte, które pomagają klientowi opowiedzieć o sytuacji.
3. Język wartości. Po rozmowie AI pomaga przepisać listę funkcji na korzyści i wartości, na podstawie notatek, które sama zrobiłaś.

AI nie zastąpi rozmowy z klientem. Modele językowe potrafią z dużą pewnością podawać nieprawdziwe informacje. Amerykański instytut NIST w profilu ryzyk generatywnej AI nazywa to konfabulacją: wytwarzaniem pewnie brzmiących, ale błędnych treści. Dlatego wszystko, co AI napisze o firmie klienta, traktujesz jako przypuszczenie do sprawdzenia.

Decyzję o tym, co jest potrzebą klienta, podejmuje rozmowa, nie narzędzie.

Przykładowe polecenie dla asystenta

Ola przed spotkaniem w hurtowni pisze do asystenta:

„Jestem handlowcem firmy produkującej regały magazynowe. Za tydzień rozmawiam z kierownikiem magazynu hurtowni spożywczej z Lubelszczyzny, która zatrudnia około 60 osób. Wypisz 6 możliwych problemów takiej hurtowni przed sezonem świątecznym. Do każdego dodaj jedno pytanie otwarte, którym mogę sprawdzić, czy ten problem u nich występuje. Nie podawaj statystyk.”

Polecenie mówi, kim jest Ola, z kim rozmawia, czego oczekuje i czego ma nie robić. Prośba „nie podawaj statystyk” chroni przed liczbami, których nie da się sprawdzić. Odpowiedź Ola czyta krytycznie: wykreśla pytania zamknięte i takie, które sugerują odpowiedź.

Najważniejsze w 3 punktach

1. Potrzeba jawna to to, co klient mówi, ukryta to powód, który poznajesz pytaniami w rozmowie.
2. Wartość opisujesz liczbami klienta albo własnym rachunkiem, nigdy ogólną statystyką bez źródła.
3. AI daje hipotezy i pomaga w języku, ale fakty o kliencie potwierdza dopiero rozmowa.

Źródła

• NIST AI 600-1, „Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile”, lipiec 2024 (definicja konfabulacji): https://doi.org/10.6028/NIST.AI.600-1
• OpenAI, „Prompt engineering”, przewodnik w dokumentacji, stan na październik 2026: https://developers.openai.com/api/docs/guides/prompt-engineering