B06 / Ekspercka rola handlowca
Jak zbudować eksperckość branżową handlowca
System 5Z, biblioteka przypadków i 90-dniowy plan przejścia od informacji do odpowiedzialnej rekomendacji

Jarosław Jaśkowiakautor metodyki Nowoczesna Sprzedaż B2B
~29 min czytania · przegląd 2026-06-21Trzech handlowców przygotowuje się do rozmowy z tym samym zakładem produkcyjnym.
Pierwszy zna produkt niemal bezbłędnie. Potrafi z pamięci podać parametry, konfiguracje, przewagi technologiczne, terminy serwisowe i wyniki referencyjnych wdrożeń. Kiedy klient mówi o spadku wydajności, handlowiec szybko przechodzi do funkcji urządzenia. Wie, co może sprzedać, ale nie potrafi wyjaśnić, dlaczego problem występuje, jakie inne mechanizmy mogą dawać podobny objaw ani który pomiar powinien poprzedzić rekomendację.
Drugi pracuje w branży od piętnastu lat. Rozpoznał już wiele podobnych sytuacji i często mówi, że „widział to dziesiątki razy”. Jego doświadczenie brzmi przekonująco, lecz nie jest zapisane, porównywane ani aktualizowane. Nie wiadomo, które przypadki pamięta dlatego, że były typowe, a które dlatego, że były spektakularne. Nie analizuje systematycznie błędnych diagnoz, przegranych ani procesów zakończonych brakiem decyzji. Z czasem jego doświadczenie zamienia się w zbiór reguł odpornych na kontrdowody.
Trzeci handlowiec nie udaje, że zna odpowiedź. Rozpoznaje kilka możliwych wzorców, wskazuje różnice między nimi i zaznacza, które informacje są faktami, a które hipotezami. Przywołuje porównywalny przypadek, ale od razu pokazuje kontrprzypadek, w którym podobny symptom miał inną przyczynę. Proponuje pomiar, który może rozdzielić hipotezy. Wie również, w którym momencie powinien włączyć eksperta technicznego i jaki materiał przekazać mu przed rozmową.
Pierwszy handlowiec posiada informacje. Drugi posiada staż. Trzeci posiada system pracy z wiedzą.
Eksperckość branżowa nie polega na tym, że handlowiec wie wszystko. Polega na tym, że potrafi rozpoznać znaczący sygnał, zbudować sprawdzalną interpretację, wskazać granice wiedzy i sformułować rekomendację proporcjonalną do dowodów.

W nowoczesnej sprzedaży B2B sama znajomość oferty nie wystarcza, ponieważ klient często potrafi pozyskać podstawowe informacje bez udziału sprzedawcy. Wartość człowieka rośnie wtedy, gdy rozmowa pomaga zweryfikować założenie, zrozumieć mechanizm, porównać kompromisy albo ograniczyć ryzyko decyzji. Współczesny kupujący B2B nie potrzebuje kolejnego dystrybutora informacji. Potrzebuje rozmówcy, który rozumie, co z informacji wynika w jego kontekście.
Ten artykuł pokazuje, jak zbudować taką zdolność bez tworzenia persony wszechwiedzącego eksperta. Wprowadza System Eksperckości 5Z, matrycę rozpoznanie–interpretacja–rekomendacja, bibliotekę przypadków i kontrprzypadków, protokół współpracy z ekspertem dziedzinowym, zasady używania AI oraz plan rozwoju 30/60/90 dni.
W skrócie
Najważniejsze w 60 sekund
- Eksperckość jest strukturą wiedzy, nie wolumenem informacji. Użyteczna wiedza pozwala rozpoznać konfigurację sygnałów, połączyć ją z mechanizmem, sprawdzić warunki i zaprojektować kolejny test.
- Produkt, kategoria, branża i konkretny klient są odrębnymi domenami. Znajomość produktu nie dowodzi rozumienia alternatywnych technologii, procesu klienta ani jego lokalnych ograniczeń.
- Staż nie gwarantuje jakości osądu. Doświadczenie rozwija ekspertyzę wtedy, gdy środowisko zawiera prawidłowości, rezultat można obserwować, a reguły są aktualizowane po informacji zwrotnej.
- Intuicja jest lokalna. Może być wartościowa w stabilnej domenie z powtarzalną informacją zwrotną, a zawodna w środowisku zmiennym, politycznym lub słabo mierzalnym.1
- Studium przypadku nie jest regułą. Każdy przypadek wymaga opisania warunków transferu, różnic strukturalnych i danych, które mogłyby podważyć analogię.
- Kontrprzypadek jest obowiązkowym elementem biblioteki wiedzy. Pokazuje, kiedy podobny objaw, segment albo profil firmy prowadzi do innej diagnozy.
- System 5Z tworzy profil, nie średnią. Obejmuje Zasady branży, Zadania operacyjne, Zaburzenia i wzorce problemów, Zmiany i decyzje oraz Zapis doświadczenia.
- Włączenie eksperta dziedzinowego jest kompetencją. Dojrzały handlowiec wie, kiedy eskalować, jak przygotować kontekst i jak przełożyć osąd specjalisty na decyzję klienta.
- AI wymaga źródeł, porównania i przeglądu człowieka. Płynny tekst, cytowanie dokumentów i RAG nie gwarantują poprawności ani aktualności.23
- 90 dni nie tworzy eksperta. Pozwala zbudować system uczenia, pierwszą bibliotekę przypadków, mapę źródeł, rytm aktualizacji i dowody, że wiedza przechodzi do działania.
Rozłożone na 21 sekcji
Dlaczego sama znajomość produktu nie wystarcza
Produkt odpowiada na pytania:
- co rozwiązanie robi;
- jakie ma parametry;
- jak można je skonfigurować;
- ile kosztuje;
- jakie posiada integracje;
- jakie ma ograniczenia;
- kiedy może zostać dostarczone.
To wiedza potrzebna. Bez niej handlowiec nie potrafi udzielić poprawnej odpowiedzi, sprawdzić zgodności ani uniknąć obietnicy, której organizacja nie zrealizuje.
Problem zaczyna się wtedy, gdy wiedza produktowa zostaje przedstawiona jako pełna ekspertyza dotycząca sytuacji klienta.
Klient może powiedzieć: „potrzebujemy większej maszyny”, „CRM nie działa”, „mamy za mało leadów”, „musimy zautomatyzować proces” albo „kanały chłodzące są niedrożne”. Każde z tych zdań może być:
- poprawną diagnozą;
- opisem symptomu;
- wnioskiem wynikającym z dostępnego rozwiązania;
- sposobem uzasadnienia budżetu;
- stanowiskiem jednej roli;
- próbą przeniesienia odpowiedzialności;
- hipotezą wymagającą testu.
Handlowiec znający wyłącznie własny produkt może szybko dopasować funkcję do deklarowanej potrzeby. Nie musi jednak rozpoznać, czy potrzeba została dobrze zdefiniowana. W modelu prezentowania rozwiązania może to wystarczyć przy zakupie standardowym, powtarzalnym i niskiego ryzyka. W modelu prowadzenia decyzji potrzebna jest dodatkowa zdolność: rozumienie kategorii, branży, procesu i warunków wykonania. To właśnie na poziomie kompetencji jednostki rozwija różnicę opisaną w porównaniu legacy sales i modern sales.
Badania nad skutecznością sprzedawców od dawna wskazują, że różnice nie sprowadzają się do ilości posiadanych faktów. Znaczenie ma sposób organizowania wiedzy o typach klientów, sytuacjach, strategiach i zależnościach między sygnałami.456 Struktura pozwala dostrzec, które informacje są istotne, jakie pytanie rozdziela hipotezy i kiedy standardowy skrypt przestaje pasować.
Wiedza produktowa mówi, co można sprzedać. Eksperckość branżowa pomaga rozstrzygnąć, czy, kiedy i pod jakimi warunkami rozwiązanie ma sens.

Cztery domeny wiedzy handlowca
Pierwszym krokiem w rozwoju eksperckości jest rozdzielenie czterech domen. Łączenie ich w jedną kategorię „wiedzy sprzedażowej” utrudnia diagnozę luk.
D1 — wiedza o produkcie
Obejmuje funkcje, parametry, konfiguracje, integracje, warunki użycia, ograniczenia, serwis i zgodność.
Pytanie kontrolne:
Co rozwiązanie robi, czego nie robi i pod jakimi warunkami?
D2 — wiedza o kategorii rozwiązania
Obejmuje alternatywne technologie, metody, architektury, kompromisy, koszty przejścia, kompatybilność i granice zastosowania.
Pytanie kontrolne:
Jakie różne mechanizmy mogą rozwiązać ten typ problemu i czym różnią się ich konsekwencje?
Handlowiec może znać własny system CRM, ale nie rozumieć, kiedy problem da się rozwiązać konfiguracją obecnego narzędzia, zmianą procesu, integracją albo zmianą sposobu zarządzania. Może znać własną maszynę, ale nie rozumieć alternatywnej technologii, która w określonym zastosowaniu jest bezpieczniejsza albo tańsza.
D3 — wiedza o branży
Obejmuje ekonomikę, procesy, role, regulacje, KPI, presje, ryzyka, cykliczność, typowe decyzje i wzorce wdrożeniowe.
Pytanie kontrolne:
Jak zwykle działa ten kontekst i jakie hipotezy warto sprawdzić?
Słowo „zwykle” jest ważne. Wiedza branżowa nie daje dostępu do prawdy o konkretnej firmie. Zwiększa jakość hipotez, które należy zweryfikować.
D4 — wiedza o konkretnym kliencie
Obejmuje lokalne dane, realny proces, historię, interesariuszy, politykę, priorytety, ograniczenia, gotowość do wykonania i akceptowalne ryzyko.
Pytanie kontrolne:
Co wiemy o tej organizacji, a co nadal jest hipotezą?
Wiedza o branży bez D4 zwiększa ryzyko projekcji. Handlowiec rozpoznaje znany wzorzec i zakłada, że klient jest kolejnym egzemplarzem typowego przypadku. Dlatego wiedza branżowa powinna zasilać strategiczną empatię, a nie ją zastępować.
Właściwa sekwencja wygląda następująco:
D1: produkt
+ D2: kategoria
+ D3: branża
→ hipoteza
→ D4: dane konkretnego klienta
→ walidacja
→ interpretacja
→ rekomendacja, test albo eskalacja
Każda domena może być rozwinięta na innym poziomie. Handlowiec może działać bardzo dobrze w jednym segmencie i pozostawać początkujący w innym. Nie jest to sprzeczność. Ekspertyza jest lokalna.
Wiedza działa przez struktury
Ekspert nie musi pamiętać każdej informacji. Potrzebuje struktur, które pomagają szybko:
- rozpoznać znaczący układ sygnałów;
- odróżnić dane istotne od szumu;
- połączyć symptom z możliwym mechanizmem;
- przywołać właściwy przypadek;
- zauważyć różnicę unieważniającą analogię;
- wybrać pytanie, test albo osobę, która zmniejszy niepewność.
Klasyczne badania nad różnicami ekspert–nowicjusz pokazywały, że eksperci kodują konfiguracje w bardziej znaczące „fragmenty” lub wzorce, zamiast przetwarzać każdy element osobno.78 Nie należy mechanicznie przenosić wyników badań szachowych do sprzedaży, ale zasada jest użyteczna: sprawność wynika nie tylko z większej pamięci, lecz z organizacji informacji wokół znaczenia i mechanizmu.
W sprzedaży strukturą wiedzy może być:
- mapa ekonomiki branży;
- mapa procesu operacyjnego;
- drzewo symptom–mechanizm–test;
- biblioteka problemów i kontrprzypadków;
- mapa typowych decyzji;
- rejestr warunków transferu;
- Mapa Ekspertów Dziedzinowych;
- słownik KPI;
- rejestr źródeł i dat ważności.
To struktury pozwalają „pracować mądrzej”, czyli adaptować zachowanie na podstawie rozpoznania sytuacji, a nie wyłącznie intuicji interpersonalnej.91011 Wcześniejsza, dobrze uporządkowana wiedza zwiększa również zdolność rozpoznawania, przyswajania i stosowania nowych informacji — mechanizm opisywany w literaturze jako absorptive capacity.12
Adaptive selling nie powinien być rozumiany jako zdolność powiedzenia każdemu klientowi tego, co chce usłyszeć. Adaptacja wymaga modelu sytuacji. Bez niego zmiana tonu, argumentów i kolejności slajdów może być sprawna, ale przypadkowa.
Doświadczenie, praktyka i informacja zwrotna
Staż jest miarą ekspozycji na sytuacje. Nie jest automatycznie miarą jakości uczenia.
Dwie osoby mogą pracować w branży przez dziesięć lat. Pierwsza przeanalizowała setki przypadków, porównywała hipotezy z wynikami, śledziła wdrożenia i zmieniała reguły po błędach. Druga dziesięć razy powtórzyła ten sam rok: używa tych samych założeń, pamięta głównie sukcesy i nie otrzymuje informacji o wyniku klienta.
Koncepcja deliberate practice podkreśla znaczenie celowego ćwiczenia, natychmiastowej informacji zwrotnej, zadań dopasowanych do poziomu i koncentracji na konkretnych lukach.13 Nie należy jednak obiecywać, że sama liczba godzin albo jeden uniwersalny reżim praktyki wyjaśnia mistrzostwo. Metaanalizy pokazują, że udział deliberate practice w wynikach różni się między domenami, a wynik zależy również od cech zadania, środowiska i innych czynników.1
W sprzedaży informacja zwrotna jest szczególnie trudna, ponieważ:
- wygrana może wynikać z ceny, relacji, marki, presji czasu albo słabości konkurenta;
- przegrana może być prawidłową dyskwalifikacją;
- dobra rekomendacja może zostać odrzucona;
- zła rekomendacja może doprowadzić do podpisania umowy;
- rezultat wdrożenia ujawnia się późno;
- część danych pozostaje niewidoczna;
- wiele procesów kończy się brakiem decyzji.
Dlatego wynik sprzedaży nie jest pełną informacją zwrotną o jakości ekspertyzy.
Intuicja rozwija się wiarygodnie wtedy, gdy środowisko zawiera wystarczająco stabilne prawidłowości, a osoba otrzymuje szybką i jednoznaczną informację zwrotną.1 W sprzedaży część domen spełnia te warunki lepiej niż inne. Rozpoznawanie standardowej niezgodności technicznej może dawać szybki sygnał. Przewidywanie politycznego zachowania wieloosobowego komitetu zakupowego jest znacznie mniej regularne.
Dojrzały handlowiec nie odrzuca intuicji. Traktuje ją jako hipotezę o różnej wiarygodności.
System Eksperckości 5Z
System 5Z porządkuje pięć rodzajów zasobów, które handlowiec powinien budować i aktualizować, aby przechodzić od rozpoznania przez interpretację do odpowiedzialnej rekomendacji.
- Z1 — Zasady branży;
- Z2 — Zadania operacyjne;
- Z3 — Zaburzenia i wzorce problemów;
- Z4 — Zmiany i decyzje;
- Z5 — Zapis doświadczenia.
5Z nie tworzy jednej średniej. Silna wiedza o ekonomice branży nie kompensuje nieznajomości realnego procesu. Duża biblioteka przypadków nie kompensuje braku kontrprzypadków. Rozpoznanie typowych problemów nie daje prawa do rekomendacji bez wiedzy o kryteriach i zdolności wykonania klienta.
Z1 — Zasady branży
Pytanie kanoniczne:
Jak działa branża i co przesuwa wynik ekonomiczny?
Z1 obejmuje model przychodu, główne koszty, marże, cykliczność, regulacje, łańcuch wartości, KPI, ryzyka, jednostki ekonomiczne i typowe priorytety inwestycyjne.
Minimalnym artefaktem jest Mapa Ekonomiki Branży. Powinna pokazywać:
- skąd firmy w segmencie czerpią przychód;
- które koszty są najbardziej wrażliwe;
- jakie miary odzwierciedlają wynik;
- gdzie powstaje wartość;
- jakie regulacje i presje zmieniają decyzje;
- które inwestycje są typowe;
- z jakich źródeł pochodzą dane;
- kiedy informacje wymagają aktualizacji.
Mapa nie jest uzasadnieniem biznesowym konkretnego klienta. Średnia branżowa nie może zostać przedstawiona jako fakt lokalny.
Z2 — Zadania operacyjne
Pytanie kanoniczne:
Jak wykonywana jest praca i gdzie powstaje wynik albo strata?
Z2 obejmuje procesy, role, decyzje, przekazania, dane, systemy, wąskie gardła, wyjątki oraz różnicę między procedurą formalną i realną praktyką.
Minimalnym artefaktem jest Mapa Procesu Operacyjnego:
wejście
→ etapy pracy
→ role i decyzje
→ dane i systemy
→ przekazania
→ wyjątki
→ wynik
Handlowiec nie musi projektować pełnej transformacji operacyjnej. Powinien jednak rozumieć, gdzie jego rozwiązanie dotyka procesu, kto poniesie koszt zmiany i jakie warunki wykonania mogą zablokować rezultat.
Z3 — Zaburzenia i wzorce problemów
Pytanie kanoniczne:
Jakie wzorce powtarzają się i kiedy podobieństwo jest pozorne?
Z3 obejmuje symptomy, mechanizmy, alternatywne przyczyny, konsekwencje, fałszywe korelacje, błędne diagnozy, sygnały ostrzegawcze, pomiary rozstrzygające i moment eskalacji.
Podstawowym artefaktem jest Karta Wzorca Problemu, która zawiera:
- nazwę wzorca;
- typowe symptomy;
- proponowany mechanizm;
- mechanizmy alternatywne;
- warunki występowania;
- warunki pozornego podobieństwa;
- pytania rozróżniające;
- test lub pomiar;
- dowody;
- kontrprzypadki;
- sygnał włączenia eksperta.

Z4 — Zmiany i decyzje
Pytanie kanoniczne:
Jakie decyzje podejmuje klient i według czego można je porównać?
Z4 obejmuje typowe opcje, kryteria, kompromisy, ryzyka wdrożenia, sekwencje zmiany, odwracalność, zdolność wykonania, pilotaż, mniejszy zakres, odroczenie i status quo.
Wiedza o problemie nie wystarcza do rekomendacji. Trzeba jeszcze rozumieć, jakie opcje istnieją i jakie konsekwencje niosą. W tym miejscu B06 łączy się z Kartą Rekomendacji 8R.
Z5 — Zapis doświadczenia
Pytanie kanoniczne:
Jak przekształcić rozproszone doświadczenie w zasób, który można sprawdzić i ponownie zastosować?
Z5 obejmuje zapisy przypadków, wygrane, przegrane i brak decyzji, rezultaty wdrożeń, błędne rekomendacje, kontrprzypadki, informacje zwrotne klienta, obserwacje eksperta dziedzinowego, źródła, daty ważności i wycofywanie przestarzałych reguł.
Doświadczenie niezapisane pozostaje zależne od pamięci i dostępności konkretnej osoby. Organizacje uczą się wtedy, gdy potrafią tworzyć, przechowywać, odnajdywać i przenosić wiedzę pomiędzy ludźmi oraz sytuacjami.141516
Trzy poziomy zastosowania: rozpoznanie, interpretacja, rekomendacja
Każdy zasób 5Z może działać na trzech poziomach.
R1 — Rozpoznanie
Handlowiec potrafi:
- zauważyć sygnał;
- nazwać możliwy wzorzec;
- wskazać podstawowe źródło;
- zadać pytanie rozróżniające;
- oznaczyć niewiadomą;
- rozpoznać granicę kompetencji.
Rozpoznanie nie daje jeszcze prawa do diagnozy.
R2 — Interpretacja
Handlowiec potrafi:
- połączyć kilka sygnałów;
- odróżnić symptom od mechanizmu;
- zbudować hipotezę i kontrhipotezę;
- porównać przypadki;
- wskazać warunki transferu;
- zaprojektować test;
- skalibrować język pewności.
R3 — Rekomendacja
Handlowiec potrafi:
- połączyć wzorzec z kryteriami klienta;
- pokazać realne opcje;
- ujawnić kompromisy;
- zająć stanowisko;
- wskazać dowody i ryzyka;
- powiedzieć, co zmieni rekomendację;
- zaprojektować ruch weryfikacyjny;
- eskalować przy przekroczeniu domeny.
Poziomy nie są rangami człowieka. Ta sama osoba może działać na R3 w jednym typie problemu, na R2 w innym, na R1 w nowym segmencie i poza domeną w zadaniu wymagającym formalnego eksperta.
Właściwy poziom zależy również od rodzaju zakupu. Przy prostym, rutynowym zamówieniu rozpoznanie i poprawna informacja mogą tworzyć całą potrzebną wartość. Pełna rekomendacja nie jest obowiązkowym „najwyższym poziomem” każdej rozmowy.
Mapa ekonomiki i mapa procesu: dwa wejścia do wiedzy branżowej
Eksperckość branżowa często pozostaje abstrakcyjna, ponieważ program rozwojowy zaczyna się od listy raportów, podcastów i książek. Materiały są konsumowane, ale nie wiadomo, gdzie umieścić nową informację.
Dwie mapy tworzą podstawową strukturę.
Mapa Ekonomiki Branży
Powinna odpowiedzieć:
- co jest jednostką wyniku;
- co generuje przychód;
- jakie koszty są zmienne i stałe;
- gdzie powstają straty;
- które KPI są wiodące, a które wynikowe;
- jakie presje rynkowe i regulacyjne wpływają na decyzje;
- jakie inwestycje konkurują o budżet;
- jak cykliczność zmienia priorytety.
Mapa Procesu Operacyjnego
Powinna odpowiedzieć:
- jak rzeczywiście wykonywana jest praca;
- gdzie podejmowane są decyzje;
- jakie dane są potrzebne;
- gdzie odpowiedzialność przechodzi między rolami;
- gdzie powstają opóźnienia, błędy i konflikty;
- jakie wyjątki obchodzą formalny proces;
- kto będzie używał rozwiązania;
- kto ponosi ryzyko wdrożenia.
Ekonomika bez procesu prowadzi do używania wielkich liczb bez rozumienia mechanizmu. Proces bez ekonomiki prowadzi do optymalizacji lokalnego zadania bez oceny jego znaczenia biznesowego.
B06 nie zastępuje pełnego business acumen ani modelowania wartości. Buduje minimalną orientację potrzebną do rozumienia, dlaczego określone problemy i decyzje są ważne.
Przypadki i kontrprzypadki
Studia przypadków są atrakcyjne, ponieważ oferują konkretną historię. Mogą jednak uczyć źle.
Handlowiec zapamiętuje:
Firma podobna do klienta zastosowała rozwiązanie X i osiągnęła wynik Y.
Nie zapisuje natomiast:
- co naprawdę czyniło firmy podobnymi;
- jakie warunki różniły przypadki;
- jakie inne działania wykonano równocześnie;
- jaka była linia bazowa;
- jak mierzono wynik;
- co nie zadziałało;
- czy rezultat utrzymał się po czasie.
Case-based reasoning opisuje rozwiązywanie nowego problemu przez odwołanie do wcześniejszych przypadków, ich adaptację i aktualizację pamięci po wyniku.17 Wartość nie leży w samym odnalezieniu podobnej historii. Leży w poprawnym indeksowaniu przypadku i rozpoznaniu, które cechy są strukturalne.
Badania nad transferem analogicznym pokazują, że ludzie często nie przenoszą głębokiej zasady pomiędzy problemami, gdy podobieństwo powierzchowne jest słabe. Mogą też ulec mylącemu podobieństwu powierzchownemu.18
Dlatego każdy przypadek powinien mieć kontrprzypadek.
Kontrprzypadek odpowiada:
- co wyglądało podobnie;
- jaka różnica strukturalna została pominięta;
- czego oczekiwano według starej reguły;
- co wydarzyło się rzeczywiście;
- jak należy zaktualizować regułę;
- kiedy rekomendacja powinna być inna.
Biblioteka zawierająca wyłącznie sukcesy działa jak materiał marketingowy. Biblioteka ucząca zawiera również:
- błędne diagnozy;
- przegrane;
- brak decyzji;
- nieudane wdrożenia;
- przypadki, w których własne rozwiązanie nie było właściwe;
- reguły wycofane po nowych danych.
Karta Zapisu Przypadku i pamięć organizacji
Aby przypadki mogły być użyte, potrzebują wspólnego formatu.
Karta Zapisu Przypadku powinna zawierać co najmniej:
- decyzję klienta;
- kontekst;
- role;
- symptom;
- hipotezę i alternatywną hipotezę;
- dane;
- rekomendację;
- wynik sprzedaży;
- wynik klienta;
- rezultat wdrożenia;
- warunki transferu;
- kontrprzypadek;
- aktualizację reguły;
- źródła;
- właściciela i termin przeglądu.
Ważne jest rozdzielenie trzech wyników:
- wynik sprzedaży — podpisano, przegrano, odroczono;
- wynik decyzji — czy klient wybrał właściwy kierunek;
- wynik wdrożenia — czy rozwiązanie przyniosło zakładany rezultat.
Organizacja może wygrać sprzedaż i nauczyć się złej reguły. Może przegrać szansę, mimo że diagnoza i rekomendacja były poprawne. Może również wygrać właściwie, ale nie osiągnąć rezultatu przez błąd wykonania.
Pamięć organizacyjna nie jest folderem pełnym dokumentów. Obejmuje sposób pozyskania, przechowywania i odtworzenia wiedzy wtedy, gdy jest potrzebna.14 Jeżeli przypadków nie da się znaleźć według problemu, mechanizmu, warunku i decyzji, repozytorium pozostaje archiwum, nie narzędziem pracy.
Wygrana, przegrana i brak decyzji uczą różnych rzeczy
Przegląd powinien dotyczyć jednej konkretnej szansy albo decyzji, nie ogólnej oceny osoby.
Przegląd wygranej
Należy sprawdzić:
- czy diagnoza była trafna;
- czy rekomendowany zakres był proporcjonalny;
- czy klient osiągnął rezultat;
- które elementy były zależne od przypadku;
- czy sukces wynikał z ekspertyzy, czy z innych czynników.
Przegląd przegranej
Należy sprawdzić:
- czy problem miał wystarczający priorytet;
- czy konkurent lepiej spełniał kryteria;
- czy zabrakło dowodu;
- czy rekomendacja była błędna;
- czy przegrana była właściwą dyskwalifikacją.
Przegląd braku decyzji
Brak decyzji nie jest „brakiem danych”. Może ujawniać:
- brak zgody na problem;
- brak pilności;
- brak zdolności wdrożenia;
- niewłaściwego sponsora;
- racjonalność status quo;
- przeciążenie organizacji;
- osobiste ryzyko interesariusza;
- brak ruchu zmniejszającego niepewność.
Debrief może poprawiać wykonanie, zwłaszcza gdy prowadzi do konkretnej refleksji i korekty.19 Sama informacja zwrotna nie jest jednak automatycznie korzystna. Może pogarszać wynik, gdy koncentruje uwagę na obronie własnego wizerunku, ogólnej ocenie osoby albo niejasnym komunikacie zamiast na zadaniu i regule.20
Każdy przegląd powinien zakończyć się:
- regułą do utrzymania;
- regułą do korekty;
- nowym kontrprzypadkiem;
- zadaniem do sprawdzenia;
- właścicielem;
- terminem aktualizacji Z5.
Współpraca z ekspertem dziedzinowym jest częścią eksperckości
Handlowiec nie powinien zastępować konstruktora, technologa, prawnika, analityka bezpieczeństwa, konsultanta podatkowego ani eksperta wdrożeniowego.
Powinien wiedzieć:
- gdzie kończy się jego domena;
- jaki rodzaj ryzyka wymaga formalnego osądu;
- kto posiada potrzebną wiedzę;
- jak przygotować eksperta dziedzinowego;
- jak przełożyć odpowiedź na kontekst decyzji klienta;
- jak zapisać wynik, aby organizacja nie zaczynała od zera przy kolejnym przypadku.
Eskalacja jest obowiązkowa, gdy:
- decyzja wymaga formalnych uprawnień;
- ryzyko błędu jest wysokie;
- źródła są sprzeczne;
- analogia jest odległa;
- klient oczekuje gwarancji;
- problem dotyczy bezpieczeństwa, zgodności lub ciągłości działania;
- handlowiec nie potrafi wskazać mechanizmu;
- język musiałby być silniejszy niż dostępna podstawa.
Handlowiec nie powinien przekazywać do eksperta dziedzinowego wyłącznie komunikatu: „klient ma techniczne pytanie”. Minimalny pakiet obejmuje decyzję, kontekst, dane, hipotezy, niewiadome, ryzyko, opcje i termin.
Zespoły mogą działać skuteczniej, gdy członkowie wiedzą nie tylko „co”, ale również „kto wie co” i jak dotrzeć do właściwej osoby.2122 Mapa Ekspertów Dziedzinowych jest więc częścią systemu wiedzy, a nie książką telefoniczną.
Po rozmowie z ekspertem powinien powstać artefakt: krótka notatka, warunki brzegowe, źródło, reguła eskalacji, kontrprzypadek i właściciel aktualizacji.
AI może przyspieszać syntezę, ale nie przejmuje odpowiedzialności
AI może pomóc:
- przeszukiwać rozproszone źródła;
- porządkować notatki;
- porównywać definicje;
- przygotowywać pytania do eksperta dziedzinowego;
- klasyfikować przypadki;
- tworzyć pierwszą wersję mapy;
- wskazywać luki i sprzeczności;
- generować scenariusze testowe.
Nie oznacza to, że model staje się właścicielem wiedzy albo rekomendacji.
NIST podkreśla potrzebę zarządzania ryzykiem generatywnej AI, w tym pomiaru, dokumentowania, nadzoru i oceny wiarygodności zastosowań.2 Systemy LLM mogą generować płynne odpowiedzi mimo braku wystarczającej podstawy. Płynność języka jest właściwością formy, nie dowodem kompetencji.
RAG zwiększa dostęp modelu do zewnętrznej wiedzy i może poprawiać jakość odpowiedzi w zadaniach wymagających faktów.23 Nie usuwa jednak automatycznie konfabulacji, błędnej interpretacji, nieaktualnych źródeł ani fałszywych cytowań. Badania narzędzi wykorzystujących RAG w domenach wysokiej odpowiedzialności nadal wykazują istotny poziom błędów.3
Dodatkowym ryzykiem jest prompt injection: źródłowy dokument może zawierać instrukcję próbującą wpłynąć na działanie modelu lub narzędzi. OWASP i brytyjskie NCSC traktują to jako odrębny problem bezpieczeństwa, którego nie należy sprowadzać do prostego filtrowania tekstu.2425
Dlatego stosujemy Protokół AI 6PŹ:
- Pytanie — jakie zadanie, domena i decyzja są analizowane;
- Pochodzenie — skąd pochodzi każda istotna informacja;
- Podstawa — czy źródło rzeczywiście wspiera twierdzenie;
- Porównanie — jakie źródło lub kontrźródło zmienia obraz;
- Przegląd człowieka — kto kompetentny zatwierdza wynik;
- Źródło i ślad aktualizacji — gdzie zapisano wersję, datę, prompt, materiały i decyzje redakcyjne.
Zasada operacyjna:
Brak źródła oznacza status roboczy, nie wiedzę gotową do użycia wobec klienta.
AI nie powinno tworzyć nieistniejących studiów przypadków, automatycznie rekomendować działań wysokiego ryzyka, przetwarzać danych poufnych bez uprawnienia ani zastępować eksperta dziedzinowego.
Test Transferu RIR
Czytanie raportów i udział w szkoleniach nie dowodzą, że wiedza daje się zastosować.
Test RIR sprawdza trzy odrębne zdolności:
- R — Rozpoznaj;
- I — Interpretuj;
- R — Rekomenduj albo rozpoznaj brak prawa do rekomendacji.
Sekwencja testu:
rozpoznaj sygnał
→ nazwij możliwy wzorzec
→ wskaż alternatywną hipotezę
→ wyjaśnij mechanizm
→ wskaż warunki transferu
→ nazwij brakujące dane
→ zaprojektuj test
→ skalibruj język
→ rekomenduj / testuj / eskaluj / nie rekomenduj
Dobry scenariusz zawiera:
- minimum dwie możliwe przyczyny;
- niepełne dane;
- jedną informację mylącą;
- lokalną cechę klienta;
- decyzję;
- możliwość włączenia eksperta dziedzinowego;
- nowe dane ujawniane po pierwszej odpowiedzi.
Nie ocenia się jedną średnią. Oddzielnie należy ocenić:
- trafność rozpoznania;
- jakość hipotez;
- rozumienie mechanizmu;
- kontrolę analogii;
- dobór testu;
- kalibrację języka;
- jakość decyzji o eskalacji;
- strukturę rekomendacji.
Test powinien dopuszczać wynik: „nie mam jeszcze podstawy do rekomendacji”. To może być najlepsza odpowiedź.
Plan rozwoju 30/60/90 dni
Plan powinien dotyczyć jednej branży, podbranży, kategorii problemu albo powtarzalnej decyzji. Cel „lepiej znać biznes” jest zbyt szeroki.
Dni 1–30: struktura
Cele:
- rozdzielić D1–D4;
- zbudować bazową mapę 5Z;
- przygotować Mapę Ekonomiki Branży;
- przygotować Mapę Procesu;
- zidentyfikować role i decyzje;
- utworzyć rejestr źródeł;
- przeprowadzić rozmowy z ekspertami dziedzinowymi;
- stworzyć pierwsze zapisy przypadków;
- wykonać bazowy Test RIR.
Minimalny rezultat:
- jedna mapa 5Z;
- jedna mapa ekonomiki;
- jedna mapa procesu;
- 10–15 zweryfikowanych źródeł;
- trzy rozmowy z ekspertami dziedzinowymi;
- pięć zapisów przypadków;
- lista niewiadomych;
- profil bazowy bez średniej.
Dni 31–60: wzorce
Cele:
- zbudować bibliotekę problemów;
- rozdzielić symptomy i mechanizmy;
- stworzyć kontrprzypadki;
- wykonać przegląd wygranej, przegranej i braku decyzji;
- obserwować rozmowy lub wdrożenia;
- testować analogie;
- wykonać RIR na poziomie interpretacji.
Minimalny rezultat:
- 5–8 Kart Wzorca;
- minimum trzy kontrprzypadki;
- trzy przeglądy decyzji;
- lista warunków transferu;
- lista sygnałów włączenia eksperta;
- pięć hipotez z testami.
Dni 61–90: zastosowanie
Cele:
- zastosować wzorce w scenariuszach;
- formułować warunkowe rekomendacje;
- używać modelu 8R;
- prowadzić teach-back;
- zbierać informację zwrotną od ekspertów dziedzinowych i klientów;
- korygować reguły;
- wykonać końcowy RIR;
- zbudować plan kwartalny.
Minimalny rezultat:
- pięć scenariuszy testowych;
- trzy rekomendacje warunkowe;
- trzy przeglądy z ekspertami dziedzinowymi;
- dwa zastosowania w realnych rozmowach;
- jedna reguła odrzucona albo wycofana;
- jedna Notatka Rekomendacyjna;
- plan kolejnych 90 dni.

Tygodniowy rytm
Praktyczny rytm może obejmować:
- 60–90 minut pracy ze źródłami;
- 30 minut aktualizacji mapy 5Z;
- jedną rozmowę z praktykiem albo ekspertem dziedzinowym;
- jedną analizę przypadku;
- jeden test scenariuszowy;
- jeden teach-back;
- 15 minut rejestru niewiadomych;
- aktualizację źródeł i terminów przeglądu.
Teach-back nie jest prezentacją. Handlowiec bez slajdów wyjaśnia mechanizm, warunki, kontrprzypadek, test, rekomendację i granicę kompetencji. Osoba dokonująca przeglądu ocenia logikę, nie płynność retoryczną.
Rezultatem 90 dni nie jest tytuł eksperta. Jest nim system pracy i pierwsze dowody transferu.
Rytm aktualizacji ekspertyzy
Ekspertyza starzeje się. Zmieniają się regulacje, technologie, modele biznesowe, dostępność danych, ceny, zachowania kupujących i warunki wdrożenia.
Co tydzień
- aktualizacja źródeł;
- jedna nowa niewiadoma;
- jeden przypadek;
- jeden teach-back;
- jedna korekta mapy.
Co miesiąc
- przegląd wzorców i kontrprzypadków;
- przegląd dat ważności;
- rozmowa z ekspertem dziedzinowym;
- aktualizacja Mapy Procesu albo Ekonomiki;
- analiza jednej wygranej, przegranej lub braku decyzji.
Co kwartał
- pełny Test RIR;
- wycofanie nieaktualnych reguł;
- przegląd Mapy Ekspertów Dziedzinowych;
- ocena luk w 5Z × 3;
- wybór kolejnej jednostki rozwoju.
Co rok
- przegląd źródeł podstawowych;
- aktualizacja regulacji i struktury rynku;
- ocena, które przypadki utraciły porównywalność;
- redefinicja segmentów i problemów;
- przegląd odpowiedzialności za repozytorium.

Repozytorium powinno dopuszczać trzy statusy reguły:
- aktywna;
- do walidacji;
- wycofana.
Wycofanie reguły jest dowodem uczenia, nie porażką autorytetu.
Przykład przemysłowy: czyszczenie kanałów chłodzących form
Dostawca oferuje urządzenia do diagnostyki i czyszczenia kanałów chłodzących form wtryskowych. Klient zgłasza wydłużony czas cyklu, różnice przepływu, niestabilną temperaturę i problemy jakościowe.
Handlowiec produktowy może założyć:
Kanały są zabrudzone, więc należy je wyczyścić.
System 5Z wymusza inną pracę.
Z1 — zasady branży
Handlowiec rozumie wpływ chłodzenia na czas cyklu, znaczenie OEE, koszt odrzutów, koszt przestoju, ryzyko jakościowe i koszt nowej formy. Nie przypisuje jednak klientowi konkretnej straty bez jego danych.
Z2 — zadania operacyjne
Mapuje sposób utrzymania form, przepływ informacji między produkcją, technologią i narzędziownią, sposób pomiaru przepływu, historię medium, częstotliwość konserwacji i dostępność formy.
Z3 — zaburzenia
Rozważa kilka hipotez:
- osad;
- zapowietrzenie;
- błędne podłączenie;
- ograniczenie średnicy;
- sprzęgła ograniczające przepływ;
- problem termostatu;
- niewłaściwe parametry procesu;
- wada konstrukcji chłodzenia.
Wydłużony cykl nie dowodzi osadu.
Z4 — zmiany i decyzje
Opcje obejmują diagnostykę, czyszczenie, naprawę, zmianę osprzętu, modernizację chłodzenia, zmianę parametrów, nową formę albo odroczenie.
Z5 — zapis doświadczenia
Zapis przypadku przechowuje przepływ przed i po, wynik testu szczelności, czas czyszczenia, zmianę czasu cyklu, warunki formy i wynik po kilku tygodniach.
RIR
Rozpoznanie: symptom może wskazywać na problem chłodzenia, ale nie dowodzi zabrudzenia.
Interpretacja: różnica przepływu i historia wody zwiększają prawdopodobieństwo ograniczenia, lecz potrzebny jest pomiar.
Rekomendacja: najpierw diagnostyka; czyszczenie przy potwierdzonym ograniczeniu; eskalacja do technologa albo konstruktora przy podejrzeniu wady projektu.
Kontrprzypadek: przepływ po czyszczeniu wzrósł o 40%, lecz czas cyklu nie spadł, ponieważ ograniczeniem był inny element procesu.
Aktualizacja reguły:
wzrost przepływu
nie gwarantuje
spadku czasu cyklu
Ten kontrprzypadek chroni przed użyciem prawdziwego wyniku technicznego jako automatycznej obietnicy biznesowej.
Przykład SaaS: niska adopcja CRM
Klient posiada kilka zespołów sprzedaży. Zgłasza niską adopcję, słabe prognozowanie, rozbieżne pipeline’y i pracę w arkuszach. Dostawca nowego CRM może uznać, że problemem jest narzędzie.
Z1 — zasady branży
Handlowiec rozumie model subskrypcyjny, koszty integracji, utrzymania, migracji, lock-in dostawcy i znaczenie jakości prognozy.
Z2 — zadania operacyjne
Mapuje proces sprzedaży, definicje etapów, przekazania marketing–sprzedaż–customer success, rytm prognozy, pola CRM, zachowania managerów i realny sposób pracy poza systemem.
Z3 — zaburzenia
Hipotezy obejmują:
- ograniczenia narzędzia;
- zły projekt procesu;
- nadmiar pól;
- brak wartości dla handlowca;
- niespójne kryteria etapów;
- brak przeglądu managerskiego;
- słabą jakość danych;
- brak integracji;
- system premiowy nagradzający ukrywanie informacji.
Z4 — zmiany i decyzje
Opcje to konfiguracja obecnego CRM, przeprojektowanie procesu, integracja, zmiana narzędzia, pilotaż, ograniczenie zakresu albo odroczenie do czasu uporządkowania danych.
Z5 — zapis doświadczenia
Zapis przypadku przechowuje linię bazową adopcji, liczbę pól, czas aktualizacji, zachowania managerów, efekt pilotażu, przyczynę braku decyzji i rezultat po wdrożeniu.
RIR
Rozpoznanie: niska adopcja nie dowodzi, że CRM jest niewłaściwy.
Interpretacja: jeżeli etapy nie mają dowodu po stronie kupującego, a managerowie pracują poza systemem, problem może być procesowy i zarządczy.
Rekomendacja: najpierw pilotaż standardu procesu i danych w jednym zespole; decyzja o migracji dopiero po sprawdzeniu, czy ograniczenie rzeczywiście leży w narzędziu.
Kontrprzypadek: w innej firmie podobny problem wynikał z ograniczeń architektury i braku możliwości integracji. Przeprojektowanie procesu bez zmiany systemu zwiększyło obciążenie zespołu.
Właśnie dlatego studium przypadku wymaga warunków transferu.
Antywzorce rozwoju eksperckości
Encyklopedysta
Gromadzi fakty, raporty i definicje, ale nie potrafi połączyć ich z mechanizmem, pytaniem ani decyzją.
Produktowy ekspert absolutny
Traktuje znajomość własnego rozwiązania jako prawo do diagnozowania całego procesu klienta.
Weteran bez informacji zwrotnej
Opiera się na stażu i pamięci, nie śledzi wyników wdrożeń i nie aktualizuje reguł.
Łowca studiów przypadków
Przywołuje sukcesy bez linii bazowej, warunków, kontrprzypadków i informacji o równoległych zmianach.
Zależny od eksperta dziedzinowego
Przekazuje każde pytanie ekspertowi, nie buduje własnych struktur i nie potrafi wyjaśnić odpowiedzi klientowi.
Udający eksperta dziedzinowego
Przekracza domenę, aby zachować wizerunek osoby kompetentnej.
AI jako wyrocznia
Używa płynnego tekstu jako dowodu, nie sprawdza źródeł, wersji ani ograniczeń.
Biblioteka bez użycia
Tworzy repozytorium dokumentów, których nie da się odnaleźć według problemu, mechanizmu i decyzji.
Certyfikat zamiast transferu
Program kończy się quizem definicji i odznaką, ale nie testuje rozpoznania, interpretacji ani rekomendacji.
Jedna skala eksperta
Uśrednia wiedzę o produkcie, branży, kliencie, kalibrację i rekomendację w jeden wynik. Traci informację o lokalnych lukach i ryzykach.
Jak sprawdzić, czy ekspertyza jest użyteczna
Nie pytaj wyłącznie:
Ile materiałów przeczytał handlowiec?
Sprawdź, czy potrafi:
- rozdzielić produkt, kategorię, branżę i klienta;
- rozpoznać sygnał bez ogłaszania diagnozy;
- zbudować minimum dwie hipotezy;
- wyjaśnić mechanizm;
- wskazać kontrprzypadek;
- nazwać brakujące dane;
- zaprojektować test;
- skalibrować język;
- wskazać moment włączenia eksperta;
- sformułować warunkową rekomendację albo powiedzieć „nie rekomenduję jeszcze”.
To łączy rozwój B06 z przewagą ekspercką bez dominowania, wiarygodnością ekspercką i etycznym wpływem.
Eksperckość nie daje prawa do decydowania za klienta. Zwiększa obowiązek ujawnienia podstawy, ograniczeń, alternatyw i warunków zmiany stanowiska. Taki standard rozwija definicję sprzedaży konsultacyjnej: wiedza ma poprawiać jakość decyzji klienta, a nie wyłącznie skuteczność przekonywania.
Następny krok
Zbuduj 90-dniowy plan rozwoju ekspertyzy dla jednego segmentu, jednego typu problemu albo jednej powtarzalnej decyzji klienta. Nie zaczynaj od listy książek. Zacznij od mapy 5Z, bazowego Testu RIR, źródeł, przypadków i osób, które posiadają wiedzę potrzebną do weryfikacji.
Otwórz Plan Rozwoju Eksperckości Handlowca — 90 dni
Następnie sprawdź w materiale Przewaga ekspercka w sprzedaży: jak prowadzić klienta bez dominowania, jak używać zbudowanej wiedzy w rozmowie, zachowując granice pewności i sprawczość klienta.
FAQ
Najczęstsze pytania
Czym różni się wiedza produktowa od branżowej?
Wiedza produktowa opisuje funkcje, parametry, ograniczenia i warunki użycia rozwiązania. Wiedza branżowa obejmuje ekonomikę, procesy, role, KPI, ryzyka, regulacje i typowe decyzje. Pierwsza pomaga odpowiedzieć, co rozwiązanie robi. Druga pomaga zbudować hipotezę, kiedy i dlaczego może mieć znaczenie.
Czy handlowiec powinien być ekspertem technicznym?
Nie musi zastępować eksperta dziedzinowego ani posiadać formalnych uprawnień specjalisty. Powinien rozumieć mechanizmy na poziomie potrzebnym do rozpoznania problemu, postawienia hipotezy, przygotowania eksperta i przełożenia jego osądu na decyzję klienta.
Ile czasu potrzeba, aby zbudować eksperckość?
Nie istnieje uniwersalny termin. Zależy od złożoności domeny, wcześniejszej wiedzy, jakości źródeł, dostępu do przypadków i informacji zwrotnej. Plan 90 dni buduje system pracy i pierwsze dowody zastosowania, nie pełną ekspertyzę.
Czy 90 dni wystarczy, aby zostać ekspertem?
Nie. Wystarczy natomiast, aby zbudować mapę 5Z, bibliotekę źródeł, pierwsze zapisy przypadków, kontrprzypadki, Mapę Ekspertów Dziedzinowych, rytm przeglądów i przeprowadzić testy RIR.
Jak uczyć się ze studiami przypadków?
Należy zapisywać nie tylko sukces, lecz także kontekst, linię bazową, mechanizm, alternatywne hipotezy, wynik wdrożenia, warunki transferu i kontrprzypadek. Studium przypadku bez tych elementów może służyć jako ilustracja, ale jest słabą podstawą rekomendacji.
Jak odróżnić wzorzec od powierzchownej analogii?
Należy porównać cechy strukturalne: mechanizm, proces, skalę, dane, zdolność wykonania i kryteria decyzji. Podobna branża, wielkość firmy albo symptom nie wystarczają.
Jak analizować wygrane, przegrane i brak decyzji?
Oddziel wynik sprzedaży od jakości diagnozy i rezultatu klienta. Przegląd powinien kończyć się regułą do utrzymania lub korekty, kontrprzypadkiem, właścicielem i terminem aktualizacji.
Kiedy włączyć eksperta dziedzinowego?
Gdy decyzja wymaga formalnej kompetencji, ryzyko błędu jest wysokie, analogia jest odległa, brakuje danych, źródła są sprzeczne albo rekomendacja dotyczy bezpieczeństwa, zgodności lub ciągłości działania.
Jak używać AI do nauki branży?
AI może wspierać wyszukiwanie, syntezę, klasyfikację i przygotowanie scenariuszy. Każde istotne twierdzenie powinno posiadać źródło, zostać porównane z innym materiałem i przejść przegląd kompetentnego człowieka.
Czy RAG eliminuje halucynacje?
Nie. RAG może dostarczać modelowi materiały źródłowe i poprawiać odpowiedzi, ale nie gwarantuje poprawnej interpretacji, aktualności, cytowania ani wnioskowania. Odpowiedź nadal wymaga weryfikacji.
Jak sprawdzić, czy wiedza daje się zastosować?
Należy użyć scenariusza zawierającego niepełne dane, konkurencyjne hipotezy, informację mylącą i decyzję. Test RIR sprawdza rozpoznanie, interpretację i rekomendację albo właściwą decyzję o eskalacji.
Jak często aktualizować wiedzę branżową?
Źródła i przypadki warto aktualizować co tydzień, wzorce i mapy co miesiąc, profil 5Z × 3 co kwartał, a cały rdzeń domeny co najmniej raz w roku lub po istotnej zmianie regulacyjnej, technologicznej albo rynkowej.
TOOL-B06 / od lektury do pracy
Osobna strona karty →Plan Rozwoju Eksperckości Handlowca — 90 dni
Siedem pytań o to, jak ktoś ma dojść od znajomości produktu do rekomendacji, którą da się obronić.
Trzy miesiące czytania materiałów uczą mówić o rozwiązaniu, a nie rozpoznawać sytuację klienta. Siedem pytań układa naukę wokół waszych własnych przypadków: co ma umieć rozpoznać, po czym poznacie, że umie, i skąd wezmą się przykłady.
Arkusz — 7 pytań
01 · Kogo i w czym rozwijacie
Jaka rola, jaki segment?
02 · Co ma umieć rozpoznać
Jakie sytuacje u klienta ma umieć nazwać?
03 · Co ma umieć rozstrzygnąć
Kiedy to jest ten problem, a kiedy zupełnie inny?
04 · Skąd przykłady
Które wasze przypadki opiszecie tak, żeby dało się z nich uczyć?
05 · Kiedy ma wołać o pomoc
Po czym pozna, że sprawa przerasta jego wiedzę?
06 · Po czym poznacie postęp
Co ma być widać w rozmowie za trzy miesiące?
07 · Decyzja
Startujecie, zawężacie zakres, najpierw opisujecie przypadki czy zmieniacie plan?
Kiedy sięgnąć
- nowa osoba dostała dostęp do dysku i to jest cały plan rozwoju;
- ktoś swobodnie mówi o produkcie i milknie przy pytaniu o sytuację klienta;
- wiedza siedzi w dwóch osobach i nigdzie poza nimi;
- ta sama pomyłka wraca u kolejnych osób;
- nie wiadomo, kiedy ktoś jest gotowy prowadzić rozmowę sam.
Co z tego wychodzi
- Plan składa się z materiałów do przeczytania
- Dopiszcie przypadki. Wróć do pytania 4 — wiedza o produkcie nie zamienia się sama w rozpoznawanie sytuacji klienta.
- Nikt nie opisał waszych własnych przypadków
- To jest wąskie gardło całego planu — nie brak szkolenia i nie brak chęci po stronie uczącego się.
- Nie wiadomo, kiedy wołać eksperta
- Dopiszcie to w pytaniu 5. Brak tej granicy kosztuje najwięcej i ujawnia się najszybciej — u klienta.
- Postęp mierzycie testem wiedzy
- Zmieńcie na rozmowę albo nagranie. Pytanie 6 dotyczy zachowania, a nie pamięci.
- Ta sama pomyłka wraca u kolejnych osób
- To nie jest luka jednej osoby, tylko brakujący przypadek w waszej bibliotece.
Ten arkusz wypełnia się raz, na papierze albo w pliku. Praca ciągła należy do aplikacji B2B Sales Ops — tam temat przechodzi z czytania w pracę: aplikacja prowadzi przez pola, kontekst i zapisuje wynik jako artefakt.
Poznaj B2B Sales Ops →Przypisy i źródła
Footnotes
-
Macnamara, B. N., Hambrick, D. Z., & Oswald, F. L. (2014). Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-analysis. Psychological Science, 25(8), 1608–1618. https://doi.org/10.1177/0956797614535810; oraz Kahneman, D., & Klein, G. (2009). Conditions for Intuitive Expertise: A Failure to Disagree. American Psychologist, 64(6), 515–526. https://doi.org/10.1037/a0016755 ↩ ↩2 ↩3
-
National Institute of Standards and Technology. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). https://doi.org/10.6028/NIST.AI.600-1 ↩ ↩2
-
Magesh, V., et al. (2025). Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. Journal of Empirical Legal Studies / preprint version. https://dho.stanford.edu/wp-content/uploads/Legal_RAG_Hallucinations.pdf ↩ ↩2
-
Weitz, B. A., Sujan, H., & Sujan, M. (1986). Knowledge, Motivation, and Adaptive Behavior: A Framework for Improving Selling Effectiveness. Journal of Marketing, 50(4), 174–191. https://doi.org/10.1177/002224298605000404 ↩
-
Sujan, H., Sujan, M., & Bettman, J. R. (1988). Knowledge Structure Differences between More Effective and Less Effective Salespeople. Journal of Marketing Research, 25(1), 81–86. https://doi.org/10.1177/002224378802500108 ↩
-
Sharma, A., Levy, M., & Kumar, A. (2000). Knowledge Structures and Retail Sales Performance: An Empirical Examination. Journal of Retailing, 76(1), 53–69. https://doi.org/10.1016/S0022-4359(99)00023-8 ↩
-
Chase, W. G., & Simon, H. A. (1973). Perception in Chess. Cognitive Psychology, 4(1), 55–81. https://doi.org/10.1016/0010-0285(73)90004-2 ↩
-
Gobet, F., & Simon, H. A. (1998). Expert Chess Memory: Revisiting the Chunking Hypothesis. Memory, 6(3), 225–255. https://doi.org/10.1080/741942359 ↩
-
Spiro, R. L., & Weitz, B. A. (1990). Adaptive Selling: Conceptualization, Measurement, and Nomological Validity. Journal of Marketing Research, 27(1), 61–69. https://doi.org/10.1177/002224379002700106 ↩
-
Chaker, N. N., et al. (2025). The Past, Present, and Future of Adaptive Selling: Toward an Integrative Framework. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-025-01096-3 ↩
-
Sujan, H., Weitz, B. A., & Kumar, N. (1994). Learning Orientation, Working Smart, and Effective Selling. Journal of Marketing, 58(3), 39–52. https://doi.org/10.1177/002224299405800303 ↩
-
Cohen, W. M., & Levinthal, D. A. (1990). Absorptive Capacity: A New Perspective on Learning and Innovation. Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553 ↩
-
Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993). The Role of Deliberate Practice in the Acquisition of Expert Performance. Psychological Review, 100(3), 363–406. https://doi.org/10.1037/0033-295X.100.3.363 ↩
-
Walsh, J. P., & Ungson, G. R. (1991). Organizational Memory. Academy of Management Review, 16(1), 57–91. https://doi.org/10.5465/amr.1991.4278992 ↩ ↩2
-
Argote, L., McEvily, B., & Reagans, R. (2003). Managing Knowledge in Organizations: An Integrative Framework and Review of Emerging Themes. Management Science, 49(4), 571–582. https://doi.org/10.1287/mnsc.49.4.571.14424 ↩
-
Majchrzak, A., More, P. H. B., & Faraj, S. (2012). Transcending Knowledge Differences in Cross-Functional Teams. Organization Science, 23(4), 951–970. https://doi.org/10.1287/orsc.1110.0677 ↩
-
Aamodt, A., & Plaza, E. (1994). Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. AI Communications, 7(1), 39–59. https://doi.org/10.3233/AIC-1994-7104 ↩
-
Gick, M. L., & Holyoak, K. J. (1983). Schema Induction and Analogical Transfer. Cognitive Psychology, 15(1), 1–38. https://doi.org/10.1016/0010-0285(83)90002-6 ↩
-
Tannenbaum, S. I., & Cerasoli, C. P. (2013). Do Team and Individual Debriefs Enhance Performance? A Meta-analysis. Human Factors, 55(1), 231–245. https://doi.org/10.1177/0018720812448394 ↩
-
Kluger, A. N., & DeNisi, A. (1996). The Effects of Feedback Interventions on Performance: A Historical Review, a Meta-analysis, and a Preliminary Feedback Intervention Theory. Psychological Bulletin, 119(2), 254–284. https://doi.org/10.1037/0033-2909.119.2.254 ↩
-
Lewis, K. (2003). Measuring Transactive Memory Systems in the Field: Scale Development and Validation. Journal of Applied Psychology, 88(4), 587–604. https://doi.org/10.1037/0021-9010.88.4.587 ↩
-
Lewis, K., Lange, D., & Gillis, L. (2005). Transactive Memory Systems, Learning, and Learning Transfer. Organization Science, 16(6), 581–598. https://doi.org/10.1287/orsc.1050.0143 ↩
-
Lewis, P., et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems 33. https://arxiv.org/abs/2005.11401 ↩
-
OWASP GenAI Security Project. (2025). LLM01:2025 Prompt Injection. https://genai.owasp.org/llmrisk/llm01-prompt-injection/ ↩
-
UK National Cyber Security Centre. (2025). Prompt Injection Is Not SQL Injection (It May Be Worse). https://www.ncsc.gov.uk/blog-post/prompt-injection-is-not-sql-injection ↩
O metodyce
Ten artykuł jest częścią autorskiej metodyki Nowoczesna Sprzedaż B2B Jarosława Jaśkowiaka — systemu pracy ze sprzedażą B2B jako całością: decyzją klienta, wartością, rozmową, ryzykiem, kompetencjami i technologią. Poznaj autora albo wróć do obszaru B.