Co dostawcy rozumieją przez AI growth team
Dostawcy używają tego określenia dla agentów AI, którzy przejmują pracę zespołu growth: czytają zdarzenia i wyniki, budują segmenty, przygotowują szkice ścieżek i wiadomości w nich, raportują, co się wydarzyło. Oferta często przychodzi w formie schematu organizacyjnego, z jednym agentem na każdą rolę (strateg, lifecycle marketer, analityk, copywriter), a czasem z agentem koordynującym, który rozdziela między nich zadania. Nie ma standardowej definicji, a produkty pod tą etykietą to zarówno czat z osobnym promptem dla każdej roli, jak i agenci, którzy mogą coś zmieniać wewnątrz platformy marketingowej. To samo określenie opisuje też zespoły growth w firmach AI; ta strona dotyczy drugiego znaczenia.
Ten kształt zapożyczono z ludzkich zespołów growth. Poradnik Andrew Chena o budowaniu takiego zespołu wymienia Growth PM-a, Growth Engineera, growth marketera, analityka i projektanta, i zaznacza, że skład może się zmieniać zależnie od problemu, który zespół rozwiązuje. Te ludzkie role omawiamy w artykule kto co robi w zespole growth, w dziale zadania growth i AI.
Przykład: jeden agent, jedna ścieżka powitalna
Weź jednego agenta, którego już używasz, np. Claude, Cursor albo Codex, połączonego przez MCP z platformą, z której wysyłasz, tak by mógł tam czytać dane i tworzyć segmenty, szablony i ścieżki. Poniższy przykład jest poglądowy: ścieżka powitalna dla nowych rejestracji, w pięciu krokach. Każdy krok zaczyna się od zwykłej prośby, a agent odpowiada, wywołując narzędzia, zamiast pisać instrukcje, które masz wykonać samodzielnie – to właśnie granica między agentem a chatbotem.
W tym przykładzie człowiek wyznacza każdy cel, czyta szkic przed uruchomieniem i wybiera, co ulepszyć; agent czyta, buduje, raportuje i przepisuje. Od początku do końca to jeden agent z jednym zestawem narzędzi. Na schemacie organizacyjnym te pięć kroków przechodziłoby przez kilka ról; tutaj nie ma żadnego przekazania. Zwróć też uwagę, czego ostatni krok nie zrobił: nie ruszył aktywnego e-maila, bo edycja e-maila, z którego korzysta aktywna ścieżka, może zmienić wysyłki, które już trwają.
Jeden agent czy zespół agentów?
Podział AI na agentów nazwanych od ról to jeden ze sposobów organizowania promptów i przekazywania zadań: każdy agent dostaje nazwę roli i wąski zakres, a warstwa koordynująca, zwykle nazywana orkiestracją agentów, rozdziela zadania i przekazuje kontekst od jednego agenta do następnego. Agenci nazwani od ról to uprawniony projekt; to nie oni sprawili, że przykład zadziałał.
O tym, że zadziałał, zdecydowały trzy rzeczy: narzędzia do tworzenia szablonów i szkicu ścieżki, dostęp do odczytu zdarzeń, profili i wyników oraz zatrzymanie, zanim cokolwiek dotarło do klientów. Nazwa roli nie dodaje ani narzędzia, ani danych; podział jednego agenta na kilku dodaje przekazania, którymi trzeba zarządzać. W swoim poradniku o budowaniu skutecznych agentów Anthropic opisuje agentów jako zazwyczaj po prostu LLM-y używające narzędzi w pętli, prowadzone informacją zwrotną z otoczenia, i dochodzi do wniosku, że narzędzia i ich dokumentacja wymagają jasnego, starannego projektu.
Ten sam poradnik zaleca szukanie możliwie najprostszego rozwiązania i dokładanie złożoności tylko wtedy, gdy jest potrzebna, i podaje, że wśród kilkudziesięciu zespołów, z którymi Anthropic pracował, najlepiej sprawdzały się wdrożenia oparte na prostych, składalnych wzorcach, a nie na złożonych frameworkach. Podział pracy może mieć sens z powodów inżynierskich, np. przy zadaniach wykonywanych równolegle albo kontekście zbyt dużym na jedną rozmowę. Nasze zdanie o pracy growth: zacznij od jednego dobrego agenta z właściwymi narzędziami i dodawaj agentów, gdy wymaga tego zadanie, a nie po to, by odwzorować schemat organizacyjny.
Co decyduje o tym, czy to działa
Gdy odrzucisz nazwy ról, zostają trzy pytania. Dotyczą jednego agenta lub kilku, na dowolnej platformie, i są tym ważniejsze, im mniejszy zespół, bo mniej osób pilnuje tego, co wychodzi do klientów.
| Kryterium | O co zapytać | Jak wygląda dobra odpowiedź |
|---|---|---|
| Co może zmieniać | Jakie działania agent może wykonać na platformie? | Konkretne obiekty, które tworzy lub edytuje, np. segment, szablon albo szkic ścieżki, a nie tekst, który ktoś musi jeszcze zamienić w segment lub ścieżkę. |
| Co może czytać | Co widzi, zanim przygotuje szkic? | Zdarzenia, profile, segmenty i wyniki z platformy, na której buduje, a nie pusty prompt. |
| Gdzie sprawdza człowiek | Co zatrzymuje się, zanim zobaczą to klienci, a co obowiązuje od razu? | Jasna granica: ścieżki pozostają szkicami do publikacji, publikacja wymaga wyraźnego kroku, a dostawca mówi, które edycje obowiązują od chwili zapisania. |
Zwróć uwagę, czego na tej liście nie ma: nazwy roli agenta. Agent nazwany strategiem, który nie widzi Twoich wyników, przygotowuje szkice na podstawie domysłów; agent bez nazwy, ale z właściwymi narzędziami i danymi, przygotowuje je na podstawie tego, co ludzie naprawdę zrobili. Pełniejszy test deklaracji dostawców znajdziesz w artykule czym jest agentic marketing.
Gdzie sprawdza człowiek
Z trzech pytań ostatnie jest najważniejsze. Utrwalonym wzorcem dla agentów marketingowych jest human-in-the-loop: agent proponuje, a o tym, co zostaje uruchomione, decyduje człowiek. W praktyce punkt kontrolny to nie jeden przełącznik, lecz trzy miejsca, a dostawca powinien umieć dokładnie powiedzieć, co dzieje się w każdym z nich.
Agenci najlepiej radzą sobie z określoną, powtarzalną pracą, gdy dane są w jednym miejscu, np. ze ścieżkami onboardingu i odzyskiwania klientów, budową segmentów i cotygodniowymi raportami. Niektóre decyzje zostają przy człowieku niezależnie od konfiguracji: która metryka liczy się w tym kwartale, jak brzmi marka, który zakład jest wart budżetu. Agent może przygotować opcje. Nasz poradnik o tym, czy AI może zastąpić Twój zespół marketingu, wyznacza tę samą granicę.
Rola fromHello
fromHello to oprogramowanie open source do automatyzacji marketingu: wiadomości uruchamiane przez to, co robią ludzie. Twoja własna AI pracuje w nim przez serwer MCP fromHello, który daje Claude, Claude Code, Cursor, Codex, Windsurf, VS Code lub dowolnemu klientowi MCP 59 narzędzi do odczytu analityki i profili oraz do tworzenia segmentów, ścieżek, szablonów, pól niestandardowych i mapowań zdarzeń. Pięć kroków z przykładu (pomysły, budowa, śledzenie, analiza i ulepszanie) działa w całości na tych narzędziach, a wywołania MCP nigdy nie są naliczane. Wbudowany asystent korzysta z tych samych narzędzi: opisz segment, ścieżkę lub szablon jednym zdaniem, a asystent go zbuduje, przy czym ścieżka trafia do Ciebie jako szkic.
Przejdźmy po kolei przez trzy punkty kontroli. Szkice: żadne narzędzie AI we fromHello nie wysyła wiadomości, a ścieżka zbudowana przez Twoją AI pozostaje szkicem, dopóki nie zostanie opublikowana; publikowanie, wstrzymywanie lub usuwanie przez agenta wymaga kroku potwierdzenia w Twoim kliencie AI, zgodnie z ustawieniami uprawnień tego klienta. Zapisane edycje: inne edycje, takie jak zmiany segmentu lub szablonu, obowiązują od chwili zapisania, więc mogą dotknąć ścieżki, która już działa. Moment wysyłki: personalizacja jest opcjonalna, włączana dla każdego kroku e-mail osobno (Light, Medium lub Deep), i przepisuje każdy e-mail pod odbiorcę na podstawie profilu, notatek i wcześniejszych e-maili, bez przeglądu poszczególnych wiadomości; jeśli AI zawiedzie, wysyłka domyślnie czeka. Wywołania narzędzi MCP są zapisywane w dzienniku audytu.
Dwie z tych odpowiedzi, o zapisanych edycjach i o momencie wysyłki, są mniej uporządkowane, niż przedstawiłaby je oferta sprzedażowa. To my napisaliśmy te punkty kontroli, więc oceniaj nasze odpowiedzi z tą świadomością. Aby porównać fromHello z narzędziem, które znasz, zobacz fromHello vs Customer.io albo fromHello vs HubSpot.