Skip to content
wojciech.io
Wszystkie spostrzeżenia
AI Systems Claude CodeGTMAIClient WorkMCP

Jak używam Claude Code w GTM u klientów

Nie tylko outbound: jak Claude Code prowadzi mi content ops, higienę CRM i research w projektach klientowskich. I co klient widzi z zewnątrz.

Wojciech Łuszczyński

Wojciech Łuszczyński

GTM Architect & Growth Operator · Insights · 25 maja 2026

TL;DR · Najważniejsze wnioski

  • Claude Code robi w każdym projekcie trzy rzeczy: outboundowy research, content operations i higienę danych w CRM.
  • Compounding jest realny. Piąty run u tego samego klienta jest mierzalnie lepszy niż pierwszy.
  • Klient widzi szybsze dostarczanie i lepsze drafty. Stosu agentów nie widzi. I o to właśnie chodzi.

Większość osób, które słyszały o Claude Code, traktuje go jak asystenta do kodu. To najmniejsza część tego, co robi u mnie w projektach klientowskich.

Wbiłem go w trzy miejsca każdego GTM-engagementu: outboundowy research, content operations, dane w CRM. Wyszedł z tego model dostarczania, którego dwa lata temu nie dało się złożyć. I do którego nie potrafię już wrócić.

To nie chodzi o zastąpienie myślenia. Chodzi o wycięcie tarcia między myśleniem a wysłaniem.


Trzy zadania, które wykonuje

Zadanie 1 Research + outbound intelligence

50 kont: z surowego CSV do ocenionych firm z gotowymi sekwencjami w mniej niż godzinę. Kontekst w CLAUDE.md kumuluje się z każdym runem.

Zadanie 2 Content operations

Audyt ujawnia luki. Drafty opierają się na researchu, nie na szablonach. Iteracja trwa godziny, nie tygodnie.

Zadanie 3 Operacje na danych CRM

Spójna klasyfikacja ICP na skalę, flagowanie duplikatów i braków, weryfikowalny reasoning zanim cokolwiek dotknie CRM.

Korzystam z serwisu Claude Code do obsługi trzech różnych rodzajów zadań, z których każde ma własną konfigurację i logikę działania.

Zadanie 1: Badania i gromadzenie informacji zewnętrznych

Szczegółowo opisałem struktura agenta GTM. W skrócie: plik Claude Code, cztery narzędzia MCP, instrukcja operatora CLAUDE.md oraz pięć nazwanych umiejętności obsługują proces wzbogacania danych i tworzenia szkiców (pipeline). Lista 50 kont przechodzi od surowego pliku CSV do ocenionych kont wraz z gotowymi sekwencjami w mniej niż godzinę.

Kwestia, której tam nie poruszyłem: efekt kumulacji.

Po trzech miesiącach pracy nad projektem plik CLAUDE.md zawiera bogaty zbiór specyficznych dla klienta sygnałów dotyczących ICP, wzorców sprzeciwu oraz wniosków dotyczących sekwencji. Piąta iteracja jest wyraźnie lepsza od pierwszej. Takiego efektu nie da się osiągnąć w systemach Clay ani Apollo. Systemy te przetwarzają dane wiersz po wierszu. Nie gromadzą one kontekstu operatora.

Zadanie 2: Content operations

Każdy projekt GTM zahacza o content: stronę, case studies, pozycjonowanie na LinkedIn, nurturing mailowy. Dystans od “musimy zaktualizować stronę” do “strona zaktualizowana” to zwykle tygodnie stakeholderowych rund i wymiany drafów.

Z Claude Code ten proces się zwija:

  1. Faza audytu: /audit analizuje aktualną witrynę, zestaw konkurencji oraz brief z serwisu ICP. Zwraca uporządkowaną analizę luk wraz z konkretnymi zaleceniami dla poszczególnych sekcji.
  2. Faza tworzenia szkicu: /draft [sekcja]: nie na podstawie szablonu, ale wyników audytu. Każdy szkic opiera się na tym, co ujawnił audyt, a nie na założeniach autora.
  3. Iteracja: Edytuję szkic. System odnotowuje, co zmieniłem i dlaczego. Kolejny szkic jest już bliższy właściwej odpowiedzi.

Output nie jest idealny od razu. Ale punkt startowy opiera się na researchu, a cykl iteracji to godziny, nie tygodnie.

Zadanie 3: Operacje na danych w CRM

To jest najbardziej niedoceniany przykład zastosowania.

Większość systemów CRM dla sektora B2B, z którymi mam do czynienia, boryka się z tymi samymi problemami: zduplikowane firmy, kontakty bez przypisanych firm, transakcje utknięte na niewłaściwym etapie oraz pola niestandardowe, których nikt nie wypełnił. Ręczne uporządkowanie tych danych zajmuje analitykowi całe tygodnie, a mimo to wyniki są niespójne, ponieważ ludzie stosują te same zasady w różny sposób w wierszu 12 i w wierszu 412.

Claude Code z HubSpot MCP robi to inaczej:

  • Odczytuje rekordy kontaktów i firm w partiach
  • Stosuje kryteria punktacji ICP żeby spójnej klasyfikacji i segmentacji na dużą skalę
  • Wskazuje duplikaty i brakujące dane na podstawie wzorców, a nie poprzez sprawdzanie każdego wiersza z osobna
  • Generuje pakiety aktualizacyjne do weryfikacji przez użytkownika, zanim jakiekolwiek dane trafią do systemu CRM

Nie dzieje się to jednym kliknięciem. Nadal musisz to sprawdzić i zatwierdzić. Logika klasyfikacji jest jednak spójna i przed zatwierdzeniem możesz zapoznać się z uzasadnieniem: „niska ocena w kategorii ICP, ponieważ liczba pracowników wynosi poniżej 50, a brakuje sygnałów wskazujących na stosowanie technologii korporacyjnych”.


Model współpracy, jaki to pozwala

Tradycyjny projekt GTM

Minimum 6 tygodni

Z agent stackiem

Szybsza dostawa

Co się zmieniło: narzut researchu i opóźnienie pisania, nie warstwa oceny

Wcześniej: Projekt GTM to scope deliverables, przydzielanie researchu, briefy dla copywriterów, review drafów, budowanie sekwencji, porządkowanie CRM w tle. Minimum sześć tygodni, z ciągłą koordynacją.

Teraz: Scope’uję wokół outputów operatora: wzbogacona lista kont, zsekwencjonowany outbound, dopasowany copy na stronę, czysty CRM. Dowożę szybciej i z mniejszą zależnością od zewnętrznych zasobów.

Nie znaczy to, że pracuję sam. Klienci nadal są w loopie: definicja ICP, ton sekwencji, akceptacja contentu. Ocena jest moja i ich. Zniknął narzut researchu i latency pisania.


Co widzą klienci, a czego nie

Klienci zyskują szybszą realizację i lepszej jakości pierwsze wersje projektów. Sekwencje oparte na konkretnych sygnałach dotyczących danego konta, a nie na ogólnej personalizacji. Model CRM, który odzwierciedla podejście ICP, a nie dotychczasowy chaos.

Nie widzą stosu agentów. To zamierzone.

Wynik mówi sam za siebie. Narzędzie to tylko szczegół implementacyjny. Klient nie musi rozumieć działania serwerów MCP. Potrzebuje sekwencji, które rezerwują połączenia. Na tym polega umowa.


Co odróżnia dobry run od świetnego

Trzy rzeczy decydują o różnicy między przeciętnym outputem a takim, który faktycznie idzie do klienta.

Głębia kontekstu. Plik CLAUDE.md stanowi punkt zaczepienia. Skromny opis zadania daje skromne wyniki. Natomiast szczegółowy kontekst operatora: obejmujący sygnały z serwisu ICP, wzorce sprzeciwów oraz notatki z kont gromadzone przez miesiące: pozwala uzyskać wyniki, których nowa osoba w zespole nie byłaby w stanie odtworzyć. To właśnie początkowa inwestycja w konfigurację sprawia, że każde kolejne uruchomienie przynosi efekt kumulacyjny, a nie tylko przyspiesza działanie.

Gęstość zadania. Im bogatszy materiał źródłowy, tym wyraźniejszy wynik. Dobrze udokumentowany CRM daje lepszą segmentację. Szczegółowy ICP daje lepsze sekwencje. Agent wzmacnia jakość; nie tworzy jej od podstaw.

W centrum uwagi pozostaje osąd operatora. Logika punktacji, strategia sekwencji i decyzje dotyczące pozycjonowania wychodzą ode mnie. Claude Code zajmuje się analizą i przygotowuje projekty. Decyzje biznesowe należą do operatora i właśnie dlatego to działa. Nie chcesz, by to agent podejmował decyzje dotyczące pozycjonowania. Chcesz, by realizował te, które już podjąłeś: szybciej i spójniej niż jakikolwiek zespół.


Jeśli prowadzisz projekty GTM i wąskim gardłem jest research, pisanie albo porządek w CRM, a nie sama strategia: to warto wziąć na poważnie.

Umów rozmowę, jeśli chcesz pogadać o tym, jak to wpiąć w twoją infrastrukturę.

O autorze

Wojciech Łuszczyński

Wojciech Łuszczyński

Architekt GTM i operator wzrostu budujący natywne dla AI systemy przychodów dla B2B SaaS i firm technologicznych. Łączę pozycjonowanie, SEO, treści, płatne pozyskiwanie, CRM, automatyzację, analitykę i przepływy pracy AI w praktyczną infrastrukturę wzrostu.

Newsletter

Najpierw zdobądź następny.

Kiedy opublikuję nowy artykuł na temat systemów AI, architektury GTM lub modeli operacyjnych wzrostu, dowiesz się o tym jako pierwszy.

Subskrybuj