Jak jeden człowiek prowadzi marketing siedmiu firm z zespołem agentów AI?

📅 7 października 2026 ⏱️ 13 min czytania

Michał Winciorek

Performance Marketing Strategist · LinkedIn ↗

Na początku 2026 roku zacząłem budować system, w którym pracę działu marketingu dzielą między siebie agenci AI, każdy z własnym zakresem i pod nadzorem człowieka. Miałem wtedy 4 klientów obsługi. Mam 7 i pracuję tyle samo godzin. Ten wpis otwiera serię „System od środka”: pokazuję w niej, jak ta praca jest zorganizowana, gdzie ma bezpieczniki i co z tego wynika dla działu marketingu w średniej firmie.

Skąd pomysł na podział pracy zamiast jednego czatu?

Jeden czat do wszystkiego ma dwie wady, które wychodzą w pierwszych tygodniach pracy. Model za każdym razem zaczyna od zera, więc przed każdym zadaniem trzeba mu od nowa tłumaczyć firmę, klienta i zasady. Do tego miesza rejestry: analiza kampanii, mail do klienta i szkic raportu lądują w tej samej rozmowie, a styl jednego przecieka do drugiego.

Rozwiązanie wziąłem z organizacji zwykłej firmy. Dział marketingu ma ludzi z zakresem obowiązków, a przy dobrym kierowniku także z jasnym podziałem, kto czego nie rusza. W moim systemie każda funkcja ma swój zakres i listę rzeczy, których nie robi. Ta druga lista okazała się najważniejsza (i powstawała najpóźniej, zwykle po pierwszej wpadce).

Technicznie całość stoi na Claude Code, czyli agencie AI pracującym na plikach na moim komputerze. Narzędziom i kosztom poświęcam szósty wpis serii.

Jak wygląda mapa zespołu?

Na górze siedzi strategia, pod nią wspólna pamięć firmy, którą czyta każda funkcja. Linie z boku pokazują, dla kogo funkcja pracuje: planowanie, kampanie i analityka głównie dla klientów obsługi, sprzedaż tylko dla mojej firmy, a wyszukiwarka, treści, marketing i pisanie moim głosem dla obu stron. Na dole jest człowiek, przez którego przechodzi wszystko, co opuszcza system.

Strategia i decyzje obejmują cały portfel: podział czasu (70 procent na obsługę klientów, 30 procent na budowę własnej firmy), decyzje dotyczące całości i marżę. Planowanie układa dzień i koordynuje pozostałe funkcje, samo niczego na kontach nie rusza. Kampanie reklamowe, analityka i wyszukiwarka pracują na danych: ustawiają i optymalizują kampanie, pilnują pomiaru i dostępów, szukają fraz i luk w treściach.

Marketing, treści i pisanie moim głosem pracują dla klientów i dla mojej firmy, sprzedaż i oferty tylko dla mojej. Maile do klientów obsługi też powstają moim głosem (a ja je czytam przed wysyłką, o czym niżej). Obok działa ponad 30 automatów, które ze mną w ogóle nie rozmawiają. Budzą się według harmonogramu, sprawdzają jedną rzecz i zostawiają alarm, gdy coś jest nie tak.

Dlaczego każda funkcja ma listę rzeczy, których nie robi?

Agent AI chętnie pomaga. Zapytany o poprawkę nagłówka w reklamie potrafi zaproponować nową strategię kanałów, a poproszony o wycenę wdrożenia pisze gotową ofertę z cennikiem. Każda z tych odpowiedzi osobno bywa sensowna. Razem dają system, w którym nikt nie wie, kto podjął decyzję.

Granice są więc spisane w jednej macierzy: strategię kampanii ustala marketing, a ustawia i optymalizuje ją funkcja kampanii reklamowych. Wyszukiwarka wybiera frazy i przygotowuje brief, a funkcja treści rozwija go w konspekt. Analityka szacuje zakres techniczny i roboczogodziny, a ofertę składa i wycenia sprzedaż. Gdy pytanie trafia w niewłaściwe miejsce, agent odsyła je dalej jednym zdaniem.

Lista „czego nie robi” działa jak opis stanowiska w dobrze prowadzonym dziale. Ułatwia delegowanie, bo wiadomo, do kogo iść z danym pytaniem. Ułatwia też kontrolę: gdy agent od kampanii proponuje zmianę strategii kanałów, to sygnał, że wyszedł poza zakres, i propozycja wraca do strategii marketingu.

Co system pamięta o firmie?

Każda sesja z modelem zaczyna się od pustej pamięci, co dokumentacja Claude Code opisuje wprost w rozdziale o tym, jak narzędzie pamięta projekt. Ciągłość daje więc wspólna pamięć firmy, którą każda funkcja czyta na starcie rozmowy. Jest w niej:

• kim jestem i dla kogo pracuję,
• co sprzedaję i za ile, żeby wyceny nie rozjeżdżały się między rozmowami,
• jakie mam cele i gdzie jestem w ich realizacji,
• co zdecydowałem, kiedy i dlaczego, żeby system nie proponował drugi raz czegoś, co już odrzuciłem,
• czego się nauczyłem na wpadkach.

Obok działa pamięć trwała, w której zapisują się moje korekty i ustalenia techniczne. Ma blisko 170 wpisów, z czego około 100 to korekty i wskazówki. Moje poprawki w szkicach też tam trafiają, więc kolejne teksty pisane moim głosem wymagają ich coraz mniej. Jak z uwagi rzuconej w rozmowie powstaje reguła, a z reguły mechanizm, opiszę w czwartym wpisie serii.

Jedna zasada dotyczy tego, czego w pamięci nie ma. Dane osobowe klientów nie wchodzą do rozmów z modelem. Kampanie, wyniki i konfiguracje tak, listy klientów końcowych i ich dane kontaktowe nie. Więcej o tym, skąd się biorą obawy firm przed wpuszczeniem danych do AI i które z nich mają podstawy, pisałem w tekście o strachu przed danymi w AI.

W dziale marketingu taka wiedza zwykle istnieje jako dokument onboardingowy, który nowa osoba czyta raz, w pierwszym tygodniu. Tutaj agenci czytają ją na początku każdej rozmowy, więc zmiana persony albo oferty działa od następnego zadania.

Po czym poznać, że jakość wzrosła?

Przepustowość łatwo policzyć. Miałem 4 klientów obsługi, mam 7, a czas pracy się nie zmienił. Sama przepustowość mówi niewiele, jeśli każdy klient dostaje przez nią mniej uwagi.

Jakość pokazuję więc na problemach, które system wyłapuje tego samego dnia albo zanim pójdą pieniądze. Trzy klasy ryzyka poniżej są znane każdemu, kto prowadzi kampanie dłużej niż rok. Łączy je jedno: panel reklamowy nie pokazuje ich jako błędu.

Nieopłacone saldo to najbardziej zdradliwy z tych przypadków. Emisja staje, a panel pokazuje komunikat o braku wydatku, tylko trzeba do niego zajrzeć. Jeśli kampania stanie w poniedziałek, a przegląd konta masz zaplanowany na czwartek, jesteś kilka dni w plecy. Powiadomienia z samych platform łatwo przy tym giną w gąszczu maili. U mnie automat zbiera wszystkie sygnały z kont w jeden poranny przegląd, w jednej wiadomości, na komputerze i na telefonie, z podpowiedzią, od czego zacząć diagnozę.

Podmieniony plik produktowy jest groźny z innego powodu. Merchant Center pobiera plik według harmonogramu, najczęściej raz na dobę, więc zła wersja zostaje w katalogu do następnego pobrania. Strażnik rozróżnia dwie sytuacje. Gdy plik jest wadliwy, alarmuje i celowo nie wymusza pobrania, żeby nie wprowadzić błędu szybciej. Gdy plik jest poprawny, a katalog się rozjechał, wymusza pobranie. Szerzej o tym, jak feed potrafi po cichu położyć kampanię, pisałem w tekście o feedzie produktowym jako cichym zabójcy kampanii.

Zmiany spoza zespołu to temat dla każdego, kto przejmował konto po agencji albo dzieli je z innym dostawcą. Dokumentacja Google Ads API mówi wprost, że zakres dat przy odczycie zdarzeń zmian musi mieścić się w ostatnich 30 dniach. Kto chce mieć dowód z dłuższego okresu, musi go sam archiwizować. Więcej sygnałów, które wyprzedzają spadek wyników, zebrałem w tekście o sygnałach ostrzegawczych kampanii.

Jak wygląda zwykły dzień pracy z systemem?

Dzień zaczyna się od tego, co automaty znalazły przez noc. Każdy alarm zostawia ślad czytany na starcie pierwszej sesji i trafia też na telefon, przez aplikację Przypomnienia. Potem kolejne kroki wyglądają podobnie niezależnie od klienta.

Spora część tej pracy dzieje się, kiedy śpię albo zajmuję się czymś innym, i często inaczej się nie da: plik produktowy pobiera się w nocy, faktura przychodzi o drugiej, konto przestaje wydawać w sobotę. Automaty działają wtedy według spisanych reguł. Sprawdzają dokładnie to, co mają sprawdzić, niczego nie ruszają na własną rękę i nie biegają samopas. Rano czeka na mnie wynik.

Na kroku 3 stoi cały system. Zgoda na akcję nie obejmuje treści: „napisz do klienta” oznacza „przygotuj szkic i pokaż”. Tę zasadę dopisałem po wiadomości, która wyszła od razu po podglądzie i zawierała punkt, którego nie chciałem wysyłać. Wysłanego maila nie da się cofnąć, więc od tej pory każda treść wychodząca czeka na przeczytanie.

Moja praca w ciągu dnia przesunęła się przez to w stronę nadzoru. Mniej klikam w panelach, więcej czytam podglądy, zatwierdzam albo odrzucam i dopisuję reguły, gdy coś poszło krzywo. Odzyskany czas idzie w planowanie, pracę koncepcyjną, benchmarki i podglądanie konkurencji. Mam wreszcie czas spojrzeć na konta z lotu ptaka. Tę zmianę roli marketera opisywałem szerzej w tekście o marketerze in-house jako nadzorcy systemów automatycznych. Bezpiecznikom przy dostępie agenta do budżetu reklamowego poświęcam cały następny wpis serii.

Co to zmienia w organizacji działu?

Podział na funkcje opisuje rodzaje pracy, które są w każdym dziale marketingu, niezależnie od tego, czy robi je jedna osoba, pięć, czy agencja. Agenci zmieniają to, kto wykonuje pracę w danej funkcji. W dziale pięcioosobowym część funkcji zostaje przy ludziach, część przejmują agenci, a przy części człowiek nadzoruje agenta.

Przykładowy podział (to moja propozycja, do dopasowania pod konkretny dział): dyrektor marketingu trzyma strategię i pozycjonowanie. Specjalista performance nadzoruje agenta od kampanii i zatwierdza jego zmiany. Osoba od analityki odpowiada za pomiar, integracje i dostępy, bo te sprawy muszą mieć jednego właściciela. Planowanie tygodnia i pilnowanie terminów agent może przejąć najwcześniej, bo to praca na listach i dokumentach.

Najczęstsza pułapka dotyczy kolejności. Agent dostaje dostępy szybciej, niż powstają zasady ich używania, a granice i bramki dopisuje się dopiero po pierwszej wpadce, co kosztuje więcej nerwów (wiem z autopsji). Zanim agent dostanie jakikolwiek dostęp, sprawdziłbym w dziale sześć rzeczy.

Przegląd tego, co agenci AI w marketingu realnie dowożą i ile kosztują, zrobiłem osobno w tekście o agentach AI w dziale marketingu w 2026. Tu zostaję przy organizacji pracy.

Zespół pięcioosobowy z takim podziałem może wziąć na siebie część pracy, którą wcześniej oddawał agencji albo planował obsadzić kolejnym etatem. Nadzór i decyzje zostają po stronie ludzi.

Najczęstsze pytania

Jakie funkcje w dziale marketingu mogą przejąć agenci AI?

U mnie agenci pracują w strategii, planowaniu, kampaniach reklamowych, analityce z integracjami, wyszukiwarce, marketingu, treściach, pisaniu moim głosem i sprzedaży, zawsze pod nadzorem człowieka. Zakres jest szeroki, bo obsługuję klientów i jednocześnie buduję własną firmę. W dziale pięcioosobowym część tych funkcji zostaje przy ludziach, a agent wspiera je researchem i szkicami. Każda funkcja potrzebuje zakresu, listy rzeczy, których nie robi, i człowieka, który odpowiada za wynik.

Czy agent AI może sam wprowadzać zmiany w kampaniach reklamowych?

W moim systemie każda zmiana na koncie reklamowym klienta przechodzi dwa kroki. Najpierw tryb próbny, który pokazuje nazwę kampanii oraz wartość przed zmianą i po niej. Potem jawna zgoda człowieka, osobno dla każdej zmiany. Bez tej zgody agent tylko rekomenduje. Ta sama zasada obowiązuje przy treściach: mail, raport i oferta wychodzą dopiero po przeczytaniu przez człowieka.

Czym jest pamięć firmy w systemie agentów AI?

To krótko spisana wiedza o firmie, którą agenci czytają na początku każdej rozmowy: dla kogo firma pracuje, co sprzedaje i za ile, jakie ma cele, co postanowiła i czego się nauczyła. Każda sesja z modelem zaczyna się od pustego kontekstu, więc bez takiej pamięci agent za każdym razem poznawałby firmę od nowa. W dziale marketingu ta wiedza zwykle już istnieje, rozproszona po dokumentach onboardingowych i głowach ludzi.

Co musi być gotowe w dziale, zanim agent AI dostanie dostęp do kont reklamowych?

Człowiek odpowiedzialny za każdą funkcję, spisane granice agenta i dwie bramki: zmiana na koncie dopiero po zgodzie człowieka, tekst na zewnątrz dopiero po przeczytaniu. Do tego alarm, który tego samego dnia powie, że konto przestało wydawać. Wybór narzędzia przychodzi dopiero potem.