Netrénujte „napiš přesvědčivý e-mail“ bez zdrojů

Izolované zadání pro prodejní text může vyrobit hladký, ale nepodložený výstup. Praktické školení má obchodníka provést celým řetězcem: co víme, co jen předpokládáme, na co se musíme zeptat, co smíme zapsat a kdo finální obsah schvaluje.

Následující cvičení používají jediný modelový případ. Všechny názvy, události, částky a výroky jsou záměrně syntetické. Nejde o klienta CIAD, skutečnou firmu ani skutečný audit.

Zdrojový balíček S-17

Výhradně fiktivní podklady pro výuku: Organizace „Modelový podnik S-17“ zajišťuje servis opakovaně použitelných přepravních obalů. Ve veřejném modelovém profilu uvádí dvě provozovny a plán sjednotit evidenci požadavků. Ve fiktivní tiskové zprávě stojí, že v příštím čtvrtletí otevře třetí výdejní místo. Poznámka obchodníka tvrdí, že firma „určitě hledá nový CRM“, ale neuvádí zdroj. Modelová nabídka CIAD popisuje školení práce se zdroji; neobsahuje závazek dodat či integrovat CRM.

K balíčku přidejte čtyři očíslované dokumenty: profil, tiskovou zprávu, poznámku a rozsah nabídky. Každé cvičení smí vycházet jen z nich. Účastník nesmí dohledávat skutečnou společnost stejného či podobného názvu.

Simulace 1: rešeršní karta před kontaktem

Zadání: Připravte nejvýše jednu stránku podkladu pro první rozhovor. Každou položku vložte do právě jedné skupiny.

Doložený faktHypotéza k ověřeníChybějící údaj
Tvrzení, číslo dokumentu a přesné místo opory.Co by mohlo být relevantní, ale zdroj to nepotvrzuje; formulujte jako otázku.Co potřebujeme vědět, ale balíček to neobsahuje.

Minimální výstup: dva doložené fakty, jedna hypotéza a dvě chybějící informace. Věta „firma hledá nový CRM“ nesmí být ve faktech. Lze ji převést na otázku: „Jak dnes evidujete požadavky mezi provozovnami a co chcete na postupu změnit?“

Podmínka zastavení: nástroj doplní osobu, kontakt, finanční údaj nebo událost, která v balíčku není. Účastník výstup nepoužije a chybu zaznamená.

Simulace 2: příprava otázek k jednání

Z rešeršní karty vytvořte nejvýše šest otázek ve třech vrstvách:

  1. současný postup: co se děje od přijetí požadavku po jeho uzavření;
  2. dopad a hranice: kde vzniká čekání, přepracování nebo rozdílná interpretace;
  3. rozhodnutí: co by se muselo změnit a kdo změnu schvaluje.

Ke každé otázce doplňte „proč se ptáme“ a odkaz na fakt či označenou hypotézu. Zakázané jsou otázky předstírající znalost situace, například „Kolik vám nový CRM ušetří?“, když podklady nepotvrzují ani jeho výběr.

Pozorovatelný důkaz: obchodník dokáže vysvětlit, která otázka ověřuje hypotézu a která pouze sbírá kontext. Počet otázek sám kvalitu nedokládá.

Simulace 3: následný e-mail bez vymyšleného závazku

Lektor přidá syntetické poznámky z modelového jednání:

S-17 chce nejdřív sjednotit popis požadavku. Rozhodnutí o technologii nepadlo. Vedoucí provozu má do pátku dodat dva anonymní příklady formulářů. Obě strany si mají potvrdit, zda budou příklady vhodné pro cvičení.

Účastník připraví e-mail se čtyřmi částmi:

  • potvrzený cíl;
  • dohodnuté kroky a vlastníci;
  • otevřené otázky;
  • věta, co zatím dohodnuto nebylo.

AI nesmí doplnit termín, osobu, rozsah služby ani závazek, který v poznámce není. Styl může upravit člověk, ale faktická kostra se kontroluje proti podkladu.

Simulace 4: strukturované předání do CRM

Z e-mailu a poznámek vytvořte záznam v této struktuře:

PolePovolený obsah
Ověřená potřebapouze to, co modelové poznámky výslovně potvrzují
Současný postupstručný popis nebo „nezjištěno“
Další krokčinnost, vlastník role a termín jen pokud byl uveden
Otevřená otázkainformace, kterou je nutné potvrdit
Zdrojčíslo modelového dokumentu či poznámky
Omezeníco nebylo dohodnuto a co se nesmí vyvozovat

V reálném procesu musí organizace určit, která pole jsou nezbytná, kdo k nim smí přistupovat a jak dlouho se uchovávají. Cvičení nepoužívá jména, kontakty, záznam hovoru ani skutečné údaje zákazníků.

Jedna kontrolní mřížka pro všechny čtyři simulace

Každý anonymní či syntetický vzorek označte u každého kritéria jako „vrátit“, „opravit“ nebo „splněno“. Jde o pracovní mřížku CIAD, nikoli validovaný test dovedností. Číselný součet zbytečně svádí k pořadí zaměstnanců a není pro rozhodnutí o cvičení potřeba. Souhrn má ukázat, kterou část postupu je nutné upravit, nikoli kdo je „lepší obchodník“.

KritériumVrátitOpravitSplněno v cvičení
Doložitelnosttvrzení bez dohledatelné oporyčást tvrzení má zdroj, vazba je nejasnákaždé faktické tvrzení odkazuje na správný modelový podklad
Nevymyšlené údajepřibyla osoba, částka, událost či závazekdomněnka je přítomná, ale označená nejednoznačněfakt, hypotéza a neznámá jsou zřetelně oddělené
Relevancevýstup neřeší zadaný obchodní krokčást je obecná nebo nadbytečnávýstup přímo podporuje popsaný krok a roli
Další krokchybí nebo je vydáván za dohodnutýkrok existuje bez vlastníka či podmínkykrok odpovídá podkladu a má vlastníka nebo označenou neznámou
Datová pravidlapoužit nepovolený vstup nebo službapravidlo není doloženovzorek používá pouze syntetická data a odpovídá zadanému pravidlu

Položka „vrátit“ znamená přepracovat daný vzorek bez ohledu na ostatní kritéria. Reportujte například „7 z 10 vzorků správně oddělilo hypotézu“, ne jména ani žebříček lidí. U malého týmu nezveřejňujte členění, z něhož lze výsledek snadno přiřadit konkrétní osobě.

Hranice HR, ochrany osobních údajů a profilování

Výchozí režim tohoto cvičení nepoužívá jména, pracovní e-maily, přihlašovací identifikátory ani exporty CRM. Výstupy mají dostat náhodné identifikátory a organizace nemá vytvářet ani uchovávat mapu spojující tyto identifikátory s konkrétním zaměstnancem, pokud to skutečně nepotřebuje; vedoucí má dostávat pouze procesní souhrn za dostatečně velkou skupinu. Takto navržený výsledek se nemá používat pro odměnu, kázeň, povýšení, výběr lidí ani jiný individuální pracovněprávní účel. Samotný návrh náhodných identifikátorů ale sám o sobě není zárukou anonymity ani potvrzením, že k profilování nedochází; to musí organizace posoudit podle skutečné implementace.

Pokud lze výsledek spojit s člověkem, může jít o osobní údaj. GDPR definuje profilování jako automatizované zpracování osobních údajů používané mimo jiné k hodnocení pracovního výkonu; ne každé ruční posouzení je profilování a článek 22 se týká užší situace rozhodnutí založeného výhradně na automatizovaném zpracování s právním nebo obdobně významným účinkem. To ale není důvod individuální data sbírat. Organizace, která je skutečně potřebuje, musí ještě před sběrem s HR, právníkem a pověřencem určit konkrétní účel, právní základ, transparentní informování, přístup, uchování, bezpečnost a případné místní pracovněprávní požadavky. Tento pracovní list takové posouzení nenahrazuje.

Nejčastější chyby, které má lektor aktivně vyvolat

  • sebejistý údaj bez zdroje;
  • záměna hypotézy za „poznatek“;
  • sloučení dvou rozdílných provozoven do jednoho tvrzení;
  • následný e-mail s termínem, který nikdo nepotvrdil;
  • záznam, který skrývá nejistotu místo slova „nezjištěno“;
  • pokus vložit do cvičení skutečný e-mail, kontakt nebo export CRM;
  • představa, že obchodní označení účtu je samo o sobě schválením všech vstupů.

Chyba v bezpečném syntetickém prostředí je užitečný výukový materiál. Chyba u skutečného zákazníka jím být nemá.

Co říkají zdroje a kde končí jejich opora

NIST AI 600-1 popisuje mimo jiné riziko konfabulace, datového soukromí, informační integrity a konfigurace člověk-AI. To podporuje zdrojový režim a lidskou kontrolu, ale dokument neříká, že právě tato čtveřice simulací zvýší obchodní výkon.

GDPR vyžaduje mimo jiné zákonnost, účelové omezení, minimalizaci údajů a zabezpečení odpovídající riziku. Konkrétní právní základ a role stran nelze určit z obecného článku. EDPB ve stanovisku 28/2024 zdůrazňuje, že anonymitu AI modelu i případné použití oprávněného zájmu je nutné posuzovat podle konkrétní situace; nelze je předpokládat z názvu služby.

Aktuální článek 4 ve znění nařízení (EU) 2026/1744 požaduje opatření podporující rozvoj AI gramotnosti s ohledem na technické znalosti, zkušenosti, vzdělání, školení, kontext použití a dotčené osoby či skupiny. Nevyžaduje garanci konkrétní úrovně jednotlivce a neurčuje právě tyto čtyři simulace. Rolová simulace je pracovní doporučení CIAD, nikoli právně předepsaný formát ani právní stanovisko.

Možnosti rolového programu popisujeme na stránce školení AI pro firmy. Pojmy, které má účastník znát před simulací, lze vybrat z přehledu odpovědí o AI; pro tvrzení o účinku používejte jen podklady s omezeními popsanými v sekci studií. Podobná role-specifická cvičení pro jiné týmy najdete na stránkách AI školení pro marketingový tým a AI školení pro provozní tým; dopad školení lze následně měřit podle jak měřit dopad AI školení. Chcete-li připravit podobný modelový případ pro vlastní obchodní proces, pošlete přes poptávkový formulář jen kroky, role a kontrolní body; bez klientských dokumentů, jmen a kontaktů.

Stav zdrojů a omezení

Čtyři externí zdroje byly zkontrolovány 5. 8. 2026. Právní, HR, DPO a bezpečnostní role musí potvrdit datovou hranici cvičení i souhrnné reportování, včetně toho, zda navržený režim náhodných identifikátorů v konkrétní implementaci skutečně brání zpětnému přiřazení k zaměstnanci. Článek neobsahuje reálná klientská či auditní data, nejmenuje schválený produkt a neslibuje zvýšení konverze, produktivity ani jiného obchodního výsledku.

Časté dotazy

Může obchodník vložit do AI nástroje poznámky z jednání?

Ne automaticky. Nejdřív musí být schválená konkrétní služba, účet, účel a kategorie údajů a musí platit interní pravidla pro oprávnění, zabezpečení a uchování. Pro školení použijte syntetické poznámky bez skutečných osob, kontaktů a klientských údajů.

Jak zabránit tomu, aby AI v rešerši vymyslela údaj o zákazníkovi?

Omezte vstup na přiložený zdrojový balíček a vyžadujte tři oddělené sloupce: doložený fakt s odkazem, hypotéza k ověření a chybějící údaj. Každé tvrzení bez opory se musí vrátit jako otázka, nikoli jako profil zákazníka.

Má se na školení měřit kvalita prodejního textu?

Lze hodnotit vzorek syntetických výstupů podle pracovních kritérií, ne podle dojmu. Výchozí výstup má být týmový nebo procesní souhrn: kolik vzorků splnilo doložitelnost, relevanci a datová pravidla. Bez samostatného měření nelze tvrdit, že cvičení zvýšilo konverzi nebo výkon.

Je firemní účet AI automaticky vhodný pro zákaznická data?

Není. Označení účtu samo nedokládá, jak konkrétní služba data zpracovává ani zda je daný účel, vstup a konfigurace schválená. Produkt a jeho aktuální podmínky musí organizace posoudit pro vlastní situaci.

ZDROJE A OVĚŘENÍ