Kiedyś, kiedyś, w 2003 roku, zacząłem jarać się CRMami, bo (jak mówiłem kiedyś w jakimś wywiadzie) CRM to jedyny obszar IT, w którym miękkie rzeczy (relacje, emocje, zaufanie) zderzają się z technologią. I nie da rady ani sama technologia, ani same miękkie rzeczy. Wszystkie twarde i miękkie muszą połączyć się w to, żeby osiągnąć oczekiwane wyniki: sprzedaż, retencję, marżę. CRM to punkt, w którym ludzkie interakcje i często emocje stają się danymi, a dane wracają do biznesu jako decyzje, przychody, churn i marża. A to wszystko jeszcze w technologii ❤️.

Dlatego jakoś nigdy nie kręciły mnie ERPy – są zbyt sztywne, zbyt regulowane i zbyt niefajne z punktu widzenia moich zainteresowań. ERP to świat binarny: faktura jest zapłacona lub nie, stan magazynu jest poprawny albo trzeba zrobić korektę, dostawca zdąży, albo nie, a produkcja może stanąć, albo nie i IoT ze statystyką to przewidzą.

Co to ma do Agentic AI przyszłości?

W ERP i wielu innych systemach IT agenty AI mają nie popełniać błędów w liczbach i dowieźć twardo zdefiniowane rezultaty – i tyle. I tak to jest mega trudne i jesteśmy wciąż daleko, ale to tyle. Więcej IF THIS THEN THAT niż magii, reasoning i… emocji.

W CRM jest zupełnie inaczej: tu liczy się, czy klient wróci, a nie tylko, czy zapłacił. To jest przestrzeń, w której racjonalny agent AI musi zrozumieć nie tylko „co się stało”, ale też „jak klient się z tym czuje” i potencjalnie przewidzieć „co zrobi”.

Dzięki obietnicy dawanej przez konkretne cechy racjonalnych agentów (bardzo daleko nam do nich), CRM może być najlepszym laboratorium dla Agentic AI ever.

Dlaczego? Bo CRM to jedno z nielicznych środowisk biznesowych, które spełnia wszystkie warunki potrzebne do sensownego wykorzystania agentów AI:

  • sekwencyjne dane interakcji
  • jasno zdefiniowany kontekst decyzyjny
  • mierzalne konsekwencje każdej decyzji
  • naturalna obecność człowieka w pętli decyzyjnej

CRM jako baza danych emocji

W obsłudze Klienta, sprzedaży i marketingu od lat wiadomo, że emocje klienta są najsilniejszym predyktorem lojalności i rekomendacji. Nie sama jakość produktu, nie cena, ale to, jak klient przeżywa interakcję z firmą. Badania Emotion AI pokazują, że analizowanie tonu głosu, języka i kontekstu pozwalają w rezultacie firmom personalizować interakcje w czasie rzeczywistym i przewidywać zachowania klientów lepiej niż klasyczne modele oparte tylko na danych transakcyjnych.

To oznacza, że system może nie tylko stwierdzić, że „sprawa została rozwiązana”, ale też, że została rozwiązana frustrująco albo zaskakująco dobrze i w oparciu o to zmienić dalszą strategię. W praktyce Emotion AI w Customer eXperience daje wyniki, które trudno zignorować: firmy raportują wzrost satysfakcji o kilkanaście / kilkadziesiąt procent, wyższą retencję i większe konwersje, gdy zaczynają reagować na emocje klienta, a nie tylko na jego zgłoszenia.

CRM staje się wtedy nie tylko bazą danych, ale bazą danych emocji.

Póki co i tak żaden agent nie zrobi wiele z taką bazą danych emocji, ale to trochę bardziej esej o przyszłości niż o realnych możliwościach agentów teraz. Dzisiejsze „agentic AI” w CRM to często (i jeszcze długo) na razie średnio orkiestrowany, albo w ogóle niepołączony LLM, który często nie umie nawet wypełnić pola, albo poprawnie klasyfikować sprawy samodzielnie – z różnych przyczyn (w tym jakości danych!!!).

A prawdziwa przyszłość zaczyna się tam, gdzie agent wreszcie:

  • rozpozna narastającą frustrację klienta w tonie i słowach, zanim klient napisze pierwsze „chciałbym złożyć skargę”
  • dobierze inny styl komunikacji do kogoś, kto jest nieufny, a inny do kogoś, kto szuka inspiracji
  • nauczy się z tego, jak reaguje klient: które strategie deeskalacji działają, a które tylko pogarszają sytuację

Psychologia i kognitywistyka od lat opisują, jak ważna jest adaptacja emocjonalna, a ludzie, którzy dostosowują swoją komunikację do aktualnego stanu emocjonalnego użytkownika, są bardziej skuteczni, budują większe zaufanie i zaangażowanie. I tu pojawia się pytanie – mógłby to robić Agent? W CRM łatwo sobie wyobrazić tysiące zastosowań – od treści dla leadów, account managementu, obsługi reklamacji aż po windykację.

Affective computing i Agentic CRM

I tu cała na biała wchodzi teoria z lat 90′ minionego wieku, która była do tej pory raczej nieosiągalna, teoretyczna i wręcz kosmiczna – affective computing i teza Rosalindy Picard, że komputery nie muszą „czuć tak jak człowiek”, żeby skutecznie operować na emocjach.

Affective computing nie dotyczy symulowania ludzkiej świadomości i emocji, tylko modelowania stanów emocjonalnych jako sygnałów, które wpływają na decyzje systemu. Emocja przestaje być doświadczeniem wewnętrznym, a staje się funkcją sterującą. I jako taka może być dobrym celem i funkcją sterującą dla agenta AI.

Tak jak nienawidzę ogólnych banałów o empatii w sprzedaży i przywództwie, tak empatia w CRM jest bardziej konkretna, szczególnie jak nałożymy ją w ramy affective computingu – w systemach CRM empatia nie oznacza „miłej odpowiedzi”. Oznacza trafne dopasowanie strategii działania do aktualnego stanu relacji i emocji. Emocji zdefiniowanej matematycznie:

E(c)=f(Sc,Hi,Rp)E(c)=f(Sc,Hi,Rp)

gdzie:

E(c) = estymowana emocja klienta
Sc = sentyment bieżący (z analizy tekstu lub mowy)
Hi = historia interakcji (z CRM)
Rp = ryzyko percepcyjne (kontekst biznesowy)

I w ten sposób emocje stają się nie etykietką, a staję się elementem procesu obliczeniowego. W nowszych pracach nad affective computing emocje często zapisuje się nie jako „flagi”, ale jako wektory lub funkcje: np. stan emocjonalny to punkt albo trajektoria w przestrzeni (valence, arousal, dominance), zmieniająca się w czasie, w reakcji na zdarzenia. Emocja jest wtedy czymś, co można obliczać, aktualizować i włączać do decyzji.

A to idealna rzecz dla agenta i agentic AI!

Dlaczego teraz?

Przez lata affective computing był mocno „sensoryczny”: rozpoznawanie emocji z twarzy, głosu, sygnałów fizjologicznych. To dawało fajne dema, ale brakowało dwóch kluczowych elementów:

  • mocnego reasoningu nad kontekstem (co ta emocja znaczy w tej relacji, w tej historii klienta?)
  • łatwej integracji z systemami biznesowymi (CRM, workflow, polityki firmy)

Modele rozpoznawały „gniew” czy „smutek”, ale nie decydowały: co teraz zrobić, biorąc pod uwagę CLV, historię interakcji, ryzyko churnu, politykę rabatową itd. To jest dokładnie miejsce, w którym wchodzą współczesne agenty oparte na LLM.

Emocjonalny stan klienta (np. w przestrzeni valence | arousal) może być jednym z wejść do funkcji decyzyjnej agenta, tak samo ważnym jak kwota dealu czy scoring leada. W praktyce oznacza to, że inne akcje trzeba podjąć w sytuacji „wysoka wartość / wysoka frustracja” niż dla „niska wartość + neutralny nastrój”. LLM z reasoningiem może ocenić: „jeśli teraz odpowiem twardo na regulamin, prawdopodobieństwo eskalacji rośnie; jeśli pójdę w kierunku uznania emocji + częściowej rekompensaty => ryzyko spada„. To jest wersja technologiczna tego, co Picard nazywa „używaniem emocji” do lepszego podejmowania decyzji.

Jak to dodać do Agentic CRM?

Dobry agent AI przyszłości w CRM może połączyć te kilka kroków:

Krok 1: Percepcja emocji

  • wykorzystuje modele affective computing (tekst, głos, ewentualnie w przyszłości biosygnały), żeby zrzucić surowe sygnały do struktury: np. valence = -0,7, arousal = +0,8 plus „gniew + frustracja”
  • korzysta z teorii Ekman / Plutchik / dimensional models, które Picard i inni opisują jako fundamenty reprezentacji emocji

Krok 2: Ocena poznawcza (appraisal) i rozumowanie (reasoning)

  • LLM bierze tę informację i robi to, co do tej pory robili tylko ludzie: ocenia sytuację. W duchu teorii oceny poznawczej i ich zastosowań w affective computing agent porównuje:
    • co klient chciał osiągnąć
    • co się właśnie wydarzyło
    • jak duża jest rozbieżność
    • kto jest sprawcą
    • jakie są opcje naprawcze
  • to jest dokładnie miejsce na chain-of-thought / reasoning: agent nie tylko „widzi” emocję, ale rozumie dlaczego i jakie to ma skutki dla relacji.

Krok 3: Decyzja i działanie

  • na tej podstawie agent wybiera strategię:
    • przeprosić / eskalować / dać rekompensatę / zmienić ton na bardziej rzeczowy lub bardziej empatyczny – i robi to w sposób spójny z polityką firmy i danymi CRM (status klienta, historia, segment)

I nagle, w 2026, teorii Picard nie trzeba tłumaczyć jako akademickiej ciekawostki. Może wyjść z szaf i stać się konkretną warstwą w architekturze agenta CRM, który „widzi” emocje, rozumie ich znaczeni i używa ich do lepszego planowania.

Aż się podjarałem :).