11 AI promptů pro cold emaily, které nasazujeme reálným SDR klientům (aniž by zněly jako AI)

11 AI promptů pro cold e-maily, které nasazujeme reálným SDR klientům (a nezní jako AI)

Většina seznamů „nejlepší AI prompty pro cold e-maily" je psaná pro použití typu „zkopíruj do ChatGPT.com". Těchto jedenáct AI promptů pro cold e-maily je přesně těch, které skutečně spouštíme v našich AI SDR buildech – nejsou to šablony opsané z cizího blogu. Každý obsahuje model, teplotu, systémový prompt, uživatelský prompt, ukázkový výstup a poznámku k míře odpovědí. Připravené ke zkopírování, připravené pro automatizaci.

Klíčové body:

• Anatomie promptu ze 7 částí: Role -> ICP -> Bolest -> Hodnota -> Tón -> Délka -> CTA.
• Nejlepší volba modelů: Claude Sonnet 4.5 (přirozený hlas), GPT-5 (strukturovaný výstup), Gemini 2.5 Pro (levné follow-upy).
• AI cold e-mail je legální podle amerického CAN-SPAM i evropského GDPR na základě oprávněného zájmu, s povinnými sděleními.
• Nejsilnější páka na doručitelnost je RFC 8058 odhlášení jedním kliknutím (Gmail + Yahoo vyžadují od roku 2024).

Co je AI prompt pro cold e-mail?

AI prompt pro cold e-mail je strukturovaná sada instrukcí, kterou předáte velkému jazykovému modelu – ChatGPT, Claude nebo Gemini – aby vygeneroval personalizovaný odchozí e-mail. Nejsilnější prompty mají sedm složek: role, ICP, bolestivý bod, hodnotová nabídka, tón, délka a CTA. Když to uděláte správně, zní to, jako by to napsal lidský SDR.

Vyplatí se tu udělat jedno rozlišení. Prompty typu „zkopíruj do ChatGPT.com" (ty z galerií šablon od vendorů) fungují dobře, když posíláte pět e-mailů denně ručně. „Prompty, které běží uvnitř automatizací" – napojené do n8n, Make, Zapier nebo přímo přes API – jsou jiná liga. Potřebují explicitní systémové prompty, označení modelu a teploty a strukturovaný výstup, pokud mají přežít kontakt s produkcí. Těch jedenáct níže je ten druhý typ.

Anatomie cold e-mail promptu ze 7 částí (proč většina promptů selhává)

Cold e-mail prompt má sedm pohyblivých částí. Pokažte kteroukoli z nich a e-mail zní buď genericky, nebo roboticky. Těch sedm částí je: 1) role, kterou AI hraje, 2) definice ICP, 3) pojmenovaný bolestivý bod, 4) hodnotová nabídka, 5) kalibrace tónu, 6) limit délky, 7) výzva k akci. Vynechte kteroukoli a model doplní mezeru svým nejgeneričtějším nastavením.

Diagram výše ukazuje tok dat – každá část živí další a CTA je jediná, která by se měla měnit podle příjemce. Všechno ostatní žije v opakovaně použitelném systémovém promptu. Jde o aplikovaný vzor kontextového inženýrství: říkáte modelu, jaký kontext držet napříč každou generací, a pak necháte signály pro jednotlivé příjemce přepsat pouze poslední proměnnou.

Chybu v pořadí hodnota-vs-bolest jsme odchytili ve třech různých buildech, než jsme tuto anatomii standardizovali. Bolest musí přijít před hodnotou – model potřebuje pojmenovat ránu, než ví, jaký lék doporučit.

Každou složku cold e-mail promptu, kterou nespecifikujete, si model vymyslí – a vymyslí ji tím nejgeneričtějším hlasem, jaký zná.

11 AI promptů pro cold e-maily, které nasazujeme

Těchto jedenáct promptů pokrývá celou SDR sekvenci: první studený kontakt, opener s bolestivým bodem, opener s rychlou otázkou, tři follow-upy (3denní, 7denní, 14denní), rezervace dema, reaktivace, generátor předmětů, upsell a žádost o doporučení. Každý je označený modelem a teplotou, které používáme v produkci. Tip: uložte tyto systémové prompty jako opakovaně použitelné systémové prompty ve formě agent skills, aby byly dostupné napříč relacemi a váš tým nemusel kopírovat a doufat.

Tip pro few-shot než začnete: u jakéhokoli promptu, kde nejvíc záleží na hlasu (openery a žádost o doporučení), vložte dva tři vaše nejlepší historické cold e-maily do systémového promptu pod hlavičku „Referenční příklady, napodob tento hlas:". Model zachytí rytmus, frekvenci zkratek a délku vět mnohem lépe z příkladů než ze seznamů přídavných jmen.

1. První studený e-mail (generické ICP)

Cíl: První e-mail prospectovi odpovídajícímu ICP bez jakéhokoli signálu. Žádná funding událost, žádná změna pozice, žádné teplé představení. Čistý cold. Model + teplota: Claude Sonnet 4.5 @ 0,5 – přirozený hlas bez afektovanosti „marketingového ředitele", kterou měl Sonnet 4. Kdy použít: Hromadné odesílání na začátku funnelu, seznam 50–500 prospectů bez enrichementu nad rámec pozice a firmy.

Systémový prompt (uložte jednou, používejte navždy):

You are an SDR at {{your_company}}. Voice: direct, conversational, one contraction per paragraph minimum.
ICP: {{icp_description}}.
Their pain: {{primary_pain}}.
Your value: {{one_line_value_prop}}.
Rules: 80-word body cap. Three sentences in opener. End with a question. No "I hope this email finds you well", no "I wanted to reach out".

Uživatelský prompt (vložte s vyplněnými proměnnými):

Write a cold email to {{first_name}}, {{role}} at {{company}}.
Subject line: 4 words max, lowercase except proper nouns.
Open with a one-line observation that's true for ~80% of {{company_size}} {{industry}} companies.
Body: name the pain, name our fix in one line, ask for 15 minutes.

Ukázkový výstup:

Předmět: rychlá otázka k uzávěrce

Ahoj Sarah, ve většině 80členných SaaS finančních týmů pořád běží měsíční uzávěrka v Tabulkách a někdo kvůli tomu tráví čtyři pozdní večery v práci.

My zkracujeme uzávěrku z 9 dní na 3 tím, že nahrazujeme předávání tabulek jedním sdíleným pohledem na ledger. Žádný nový ERP, žádná migrace.

Stojí to za 15minutový hovor příští úterý nebo čtvrtek?

Poznámka k míře odpovědí: V našich nasazeních tento prompt dosahuje průměrně 1,8–3,4% míry odpovědí na čistém seznamu obohaceném přes Apollo. U klienta posílajícího ~800 cold e-mailů týdně výměna prvního kontaktního promptu za Claude Sonnet 4.5 zvedla míru odpovědí z 1,4 % na 3,1 % – stejný seznam, stejná nabídka, jen méně robotický hlas.

2. Opener s bolestivým bodem (na základě signálu)

Cíl: Odkázat na konkrétní veřejný signál – nedávný funding, nástup executive, přidání do tech stacku – a získat tím otevření. Model + teplota: Claude Opus 4.7 @ 0,4 – nejlepší following instrukcí, když potřebujete, aby signál zapadl přirozeně a nezněl jako stalker. Kdy použít: Když máte signálová data z Apollo, Clay, Crunchbase nebo BuiltWith.

Systémový prompt:

You are an SDR writing signal-based cold outreach. Voice: direct, observation-first, never sycophantic.
The signal you reference must be specific and dated. Never say "congrats on the round" — assume they're sick of it.
Body cap: 70 words. End with a question, not a statement.

Uživatelský prompt:

Write a cold email to {{first_name}}, {{role}} at {{company}}.
Signal: {{signal_type}} — {{signal_detail}} (e.g., "raised $40M Series C, Oct 2026").
Connect the signal to the pain {{pain}} in one sentence.
Pitch {{value_prop}} in one sentence. Ask for 15 minutes.

Ukázkový výstup:

Předmět: finance ops po series c

Ahoj Marcusi, viděl jsem těch 40M $ v říjnu. Obvykle dalších 90 dní v téhle fázi znamená nápor na nábor a finance ops se topí v rekonciliacích cap-table.

Jsme ta ledger vrstva, kterou si CFO fintechů Series B–D přidávají, než najmou controllera. 15minutový hovor příští týden?

Poznámka k míře odpovědí: 4–8% míra odpovědí, když je signál čerstvý (do 30 dní). Klesá na 1–2 %, když je signál starší než 60 dní.

3. Opener s rychlou otázkou (nízký tlak)

Cíl: Odzbrojit obranu „tohle je prodejní pitch" tím, že jako první položíte skutečnou otázku. Nízký tlak, vysoká zvědavost. Model + teplota: Claude Sonnet 4.5 @ 0,6 – mírné zvýšení pro konverzační rozmanitost. Kdy použít: Když je vaše ICP přee-mailované (CFO, CTO, VP Eng v rychle rostoucích startupech).

Systémový prompt:

You are an SDR writing a quick-question cold email. The email asks one real question that's genuinely useful to the recipient — not "do you have 15 minutes". 40-word body cap. No pitch on first email.

Uživatelský prompt:

Write a 40-word cold email to {{first_name}} at {{company}}.
One question that someone in {{role}} at {{company_size}} {{industry}} would actually want to know about {{topic}}.
Sign off with your name. No CTA other than the question.

Ukázkový výstup:

Předmět: měsíční uzávěrka v series c

Marcusi, rychlá otázka. V 80 lidech – nechali jste uzávěrku v tabulkách, nebo přešli na ledger, než jste najali controllera? Ptám se, protože odpovědi, které slýcháme, jsou půl na půl a to proč je zajímavé.

– Sarah

Poznámka k míře odpovědí: 3–6% míra odpovědí při prvním odeslání. Nejsilnější signál v celé sekvenci – odpovědi jsou konverzační, ne transakční, což znamená teplé konverzace dál v procesu.

4. Follow-up č. 1 (3denní připomínka s hodnotou)

Cíl: Tři dny po prvním odeslání přidat kus hodnoty (benchmark, jednořádkovou case study, teardown) a znovu požádat. Model + teplota: GPT-5 @ 0,5 – nejlepší na strukturovaný tok „tady je věc, tady je žádost". Kdy použít: Vždy. Tři follow-upy porazí jeden zhruba 3× mírou odpovědí (studie kadencí Lemlist 2025).

Systémový prompt:

You are an SDR writing follow-up no. 1, three days after the cold email. Add value, don't repeat the pitch. 60-word body cap. Open with a one-line value drop, then re-ask the original CTA.

Uživatelský prompt:

Write a 3-day follow-up to {{first_name}}. Reference {{previous_subject_line}}.
Value drop: {{one_line_benchmark_or_insight}}.
Re-ask: 15-minute call next week.

Ukázkový výstup:

Předmět: re: rychlá otázka k uzávěrce

Sarah, vracím se k tomu. Minulý týden jsem sdílela teardown toho, jak 80členný finanční tým Ramp zkrátil uzávěrku na 4 dny pomocí podobného vzoru. Ráda ho pošlu, pokud by se hodil.

Pořád platí 15 minut příští úterý nebo čtvrtek?

Poznámka k míře odpovědí: 2–4% míra odpovědí na samotný follow-up, což zvedá míru odpovědí celé sekvence na ~5–9 %.

5. Follow-up č. 2 (7denní, case study)

Cíl: Sedm dní po prvním odeslání dodat konkrétní důkaz – anonymizovaný výsledek klienta nebo pojmenovanou veřejnou case study. Model + teplota: Claude Sonnet 4.5 @ 0,4 – přísnější following instrukcí pro formát case study. Kdy použít: Když máte věrohodnou case study odpovídající ICP. Pokud nemáte, přeskočte.

Systémový prompt:

You are an SDR writing follow-up no. 2. Lead with a one-line case study or outcome. 70-word body cap. Re-ask CTA in one sentence at the end.

Uživatelský prompt:

Write a 7-day follow-up to {{first_name}}.
Case study: {{client_name_or_anonymized}} — {{outcome_in_one_line_with_metric}}.
Make the parallel to {{prospect_company}} explicit. Re-ask 15-minute call.

Ukázkový výstup:

Předmět: re: rychlá otázka k uzávěrce

Sarah, ještě jednou, pak přestanu. Fintech Series C vaší velikosti (Atomic, 42M $ ARR) s námi zkrátil uzávěrku z 11 dní na 4 za šest týdnů. Stejné nastavení finance ops, jaké máte vy – soudím podle vyhledávání na LinkedInu.

15 minut příští týden? Úterý nebo čtvrtek vyhovují.

Poznámka k míře odpovědí: 2–3% míra odpovědí, s vyšší mírou konverze na schůzku než č. 4, protože case study filtruje prospecty v ICP.

6. Follow-up č. 3 (14denní, rozlučkový)

Cíl: Odchod se svolením. Řekne jim, že uzavíráte vlákno, a dá jim nenáročnou možnost odpovědět „teď ne". Model + teplota: Claude Sonnet 4.5 @ 0,6 – lehká vřelost, nulová pasivní agrese. Kdy použít: Poslední dotek v kadenci. Vždy poslat.

Systémový prompt:

You are an SDR writing a break-up email. 50-word body cap. No passive-aggression, no "guess this isn't a priority". Offer a 2-second reply path: yes/no/later.

Uživatelský prompt:

Write a 14-day break-up email to {{first_name}}. Reference the previous thread.
Offer three reply options: "yes, ping next quarter", "no, never", "circle back in six months".
End with one line of goodwill.

Ukázkový výstup:

Předmět: uzavírám vlákno

Sarah, uzavírám tohle vlákno. Tři možnosti, pokud se hodí:

1. „ozvi se v Q3"
2. „ne, díky"
3. „pošli mi ten teardown stejně"

Jakákoli z nich funguje. Tak či tak, doufám, že se uzávěrka zkrátí.

Poznámka k míře odpovědí: 5–12% míra odpovědí – v rozporu s intuicí nejvyšší v celé sekvenci. Rozlučka je nejjednodušší „ne", které se posílá, a spousta těch „ne" se přemění na „vlastně počkej, řekni mi víc".

7. Žádost o rezervaci dema (kalendářové CTA)

Cíl: Poslat po teplé odpovědi. Tlačí na konkrétní odkaz na kalendář, odstraňuje tření. Model + teplota: GPT-5 @ 0,3 – nejnižší teplota, chceme strukturu, ne kreativitu. Kdy použít: Po pozitivní odpovědi na kterékoli z č. 1–6.

Systémový prompt:

You are an SDR booking a demo after a warm reply. 50-word body cap. Confirm the next step in one sentence, drop two specific time options + a calendar link.

Uživatelský prompt:

Write a demo-booking reply to {{first_name}}. Confirm {{their_question_or_interest}}.
Offer two times: {{time_1}} and {{time_2}}.
Calendar link: {{cal_link}}.

Ukázkový výstup:

Sarah, skvělé, ráda projdu ten teardown uzávěrky.

Dva termíny, které fungují: úterý 10:30 ET nebo čtvrtek 14:00 ET. Nebo si vyberte jakýkoli slot tady: cal.com/sarah-co/demo

Tak či tak pošlu prezentaci 24 hodin předem.

Poznámka k míře odpovědí: 35–55% míra rezervací, když je odesláno do 4 hodin od teplé odpovědi. Klesá na 10–15 % po 24 hodinách.

8. Reaktivace (30denní tichá odpověď)

Cíl: Probudit vlákno, které po rozlučce ztichlo. Nový úhel, nová hodnota, žádné výčitky. Model + teplota: Claude Sonnet 4.5 @ 0,5 – přirozený hlas pro tón „hej, dlouho jsme se neozvali". Kdy použít: 30 dní po rozlučce. Jednou. Pokud opět ticho, archivovat.

Systémový prompt:

You are an SDR re-engaging a prospect who went silent. Acknowledge the gap in one line, drop new value (recent news in their space, product update, or benchmark), re-ask. 60-word body cap.

Uživatelský prompt:

Write a 30-day re-engagement to {{first_name}}.
New angle: {{new_signal_or_product_update}}.
Re-ask: 15-minute call OR specific resource if they're not ready.

Ukázkový výstup:

Předmět: po 30 dnech, nová věc

Sarah, dlouho jsme se neozvali. Tento měsíc jsme nasadili synchronizaci s NetSuite jedním kliknutím, což by podle mě mohlo vyřešit tu integrační obavu, kterou jste zmiňovala.

Chcete 5minutové Loom video? Nebo 15minutový hovor, pokud to chcete vidět živě. Obojí funguje.

Poznámka k míře odpovědí: 3–5% míra odpovědí na samotnou reaktivaci.

9. Generátor předmětů (5 variant)

Cíl: Vrátit 5 předmětů pro A/B testování. Vyšší teplota pro rozmanitost; vyberete nejlepší dva. Model + teplota: Claude Sonnet 4.5 @ 0,8 – záměrně vysoká pro variaci napříč vzory. Kdy použít: Před každým odesláním kampaně. Otestujte dva z pěti, nechte vítěze.

Systémový prompt:

You generate cold email subject lines. Return exactly 5 options, one per line, no numbering, no quotes.
Rules: 4 words max each, lowercase except proper nouns, no "quick question", no "following up", no emojis.
Mix the patterns: 1 curiosity-gap, 1 question, 1 named tool/company reference, 1 number-based, 1 plain-English fragment.

Uživatelský prompt:

Generate 5 subject lines for a cold email to {{role}} at {{company}} about {{topic}}.
Recipient context: {{one_relevant_detail}}.

Ukázkový výstup:

uzávěrka v series c jak se netsuite láme v 80 lidech z 11 dní na 4 ledger před controllerem měsíční uzávěrka trpí

Poznámka k míře odpovědí: Předměty řídí míru otevření, která brání všemu ostatnímu. Testováno napříč 50+ kampaněmi – vzor tří slov s mezerou zvědavosti vyhrává ~45 % A/B testů; vzor otázky vyhrává ~25 %; odkaz na pojmenovaný nástroj vyhrává ~20 %.

10. Upsell stávajícímu zákazníkovi

Cíl: Nabídnout dodatečný produkt nebo rozšíření licencí stávajícímu zákazníkovi. Jiný hlas – teplý, konkrétní, žádná falešná urgence. Model + teplota: Claude Opus 4.7 @ 0,4 – nejlepší v rozlišení hlasu pro stávajícího zákazníka od hlasu pro cizího člověka. Kdy použít: Spuštěno signály z používání (dosažen limit licencí, dosažen stupeň využití, nová funkce relevantní pro jejich workflow).

Systémový prompt:

You are a CSM-leaning AE writing to an existing customer. Voice: familiar, specific, never salesy. 70-word body cap.
Reference their actual usage. Offer the new thing as helpful, not as a quota grab.

Uživatelský prompt:

Write an upsell email to {{first_name}} at {{company}}.
Their current usage: {{usage_summary}}.
New thing to offer: {{feature_or_seat}}.
Trigger: {{usage_signal}}.

Ukázkový výstup:

Předmět: dosáhli jste limitu licencí

Marcusi, váš tým minulý týden dosáhl 19/20 licencí. Dvě možnosti, než narazíte na strop:

1. Přidat 5 licencí za stejnou cenu za licenci.
2. Přejít na týmový plán (o X $ méně za licenci při 25+).

Chceš, abych poslal propočet?

Poznámka k míře odpovědí: 15–25% míra odpovědí u upsellů spuštěných využitím. Signál je to, co odvádí práci; prompt jen nesmí překážet.

11. Žádost o doporučení (po schůzce)

Cíl: Po úspěšné schůzce nebo implementaci požádat o teplé představení jedné konkrétní osobě. Model + teplota: Claude Sonnet 4.5 @ 0,5 – přirozený hlas, přátelský, ale konkrétní. Kdy použít: 30 dní po skvělé schůzce nebo 60 dní do úspěšné implementace.

Systémový prompt:

You are an AE asking a happy customer or prospect for one specific warm intro. 60-word body cap.
Name the person you want introduced to. Make it easy to forward.

Uživatelský prompt:

Write a referral-ask email to {{first_name}}.
Context: {{recent_positive_interaction}}.
Ask: warm intro to {{specific_person}} at {{their_company_or_network}}.
Offer to draft the forwardable email.

Ukázkový výstup:

Předmět: jedna prosba

Sarah, vzhledem k tomu, jak se práce na uzávěrce daří, jedna prosba: existuje šance, že bys mě představila Marcusovi Chenovi v Atomic? Myslím, že stejné nastavení by pomohlo jeho týmu.

Ráda připravím text k přeposlání, aby to pro tebe bylo na jedno kliknutí.

Poznámka k míře odpovědí: 40–60% míra odpovědí, když je načasování správné (nedávný úspěch, skutečný vztah). Řádek „ráda připravím text k přeposlání" je to, co to zajišťuje – tření zabíjí doporučení.

Spouštíme stejných jedenáct promptů napříč každým AI SDR buildem. Proměnné v promptu se mění, model ne.

Napojte své prompty do n8n, Make nebo Zapier (reálný příklad kódu)

Pro spuštění promptů ve velkém je napojte do automatizace. n8n je nejflexibilnější (self-hostovatelné, 0 $ pokud si ho provozujete sami), Zapier nejjednodušší (placené). Nasměrujte prompt do uzlu OpenAI nebo Anthropic a pak výstup přesměrujte do odesílatele – Instantly, Smartlead nebo Lemlist.

Každý náš AI SDR build běží na této smyčce. Tady je konfigurace HTTP uzlu v n8n pro volání Anthropic – vložte ji do jakéhokoli uzlu HTTP Request a máte programovatelný Claude prompt ve svém workflow:

{
  "method": "POST",
  "url": "https://api.anthropic.com/v1/messages",
  "headers": {
    "x-api-key": "{{$credentials.anthropicApiKey}}",
    "anthropic-version": "2023-06-01",
    "content-type": "application/json"
  },
  "body": {
    "model": "claude-sonnet-4-5",
    "max_tokens": 400,
    "temperature": 0.5,
    "system": "You are an SDR at a B2B SaaS company. Voice: direct, conversational, one contraction per paragraph minimum. Body cap: 80 words.",
    "messages": [
      {"role": "user", "content": "{{ $json.prompt_with_variables }}"}
    ]
  }
}

Smyčka se uzavírá takto: nový řádek dorazí do vašeho Sheetu nebo CRM, n8n ho zachytí, proměnné (first_name, company, signal_detail) se sloučí do uživatelského promptu, Claude vrátí text e-mailu, další uzel ho předá do Instantly nebo Smartlead a finální uzel zapíše odpověď (nebo její absenci) zpět do zdrojového řádku. Napsali jsme kompletní architekturu n8n SDR za 50 $/měsíc používající přesně tyto prompty – kód, credentials, plánování i parsování odpovědí, vše zahrnuto.

Prompt není produkt, smyčka je produkt. Prompt je jeden řádek YAML ve 200řádkovém workflow.

Jak napsat prompt pro předmět cold e-mailu?

Předměty potřebují samostatný prompt s vyšší teplotou (0,7–0,8) pro rozmanitost. Požádejte model o 5 variant, pak A/B testujte 2. Nejlépe fungující vzory v roce 2026: tříslovné mezery zvědavosti, otázka jako předmět a pojmenované odkazy na nástrojový stack příjemce.

Kompletní prompt pro předměty je č. 9 výše. Vzory, které skutečně vyhrávají A/B testy napříč 50+ kampaněmi, které jsme odeslali:

• Mezera zvědavosti (3 slova) – „uzávěrka trpí", „problém s ledgerem"
• Otázka – „uzávěrka v series c?"
• Pojmenovaný nástroj/firma – „jak se netsuite láme v 80 lidech", „uzávěrka rampu"
• Číselný – „z 11 dní na 4", „uzávěrka za 40M $"
• Hovorový fragment – „měsíční uzávěrka trpí"

Míra otevření se pohybuje mezi 28 % a 51 % v závislosti na kvalitě seznamu, zahřátí odesílací domény a souladu předmětu s preview textem. Generické vzory („rychlá otázka", „navazuji") zaostávají v každém testu, který jsme spustili. Vyřaďte je.

Systémový prompt vs. uživatelský prompt: vzor opakovaného použití, který ušetří 80 % tokenů

Systémový prompt nastavuje identitu AI a běží jednou za relaci. Uživatelský prompt je samotná žádost, odesílaná s každým e-mailem. Uložte systémový prompt jako opakovaně použitelný artefakt a snížíte náklady na tokeny zhruba o 80 % díky prompt caching, s čistšími výstupy, protože model nemusí při každém volání znovu číst své instrukce.

Jakmile jsme začali cachovat systémové prompty v produkci, náš měsíční účet u Anthropic klesl zhruba o 80 % bez jakékoli změny kvality. Stejné výstupy, ~0,20 $ za 1 000 generací místo 1,00 $. Prompt caching snižuje náklady na běh stejného systémového promptu o 80 %+ – úspora se projeví okamžitě, jakmile stejný systémový prompt poprvé narazí na cache.

Systémový prompt napište jednou. Uživatelský prompt pište denně. To je celý vzor opakovaného použití.

Kde získat personalizační data? (zdroje signálů, které nestojí za nic)

Proměnné ve vašich promptech – {{recent_funding}}, {{tech_stack}}, {{job_change}} – pocházejí od poskytovatelů signálových dat. Apollo a Clay obohacují kontakty. Crunchbase sleduje funding. BuiltWith odhaluje tech stacky. RB2B identifikuje anonymní návštěvníky webu. LinkedIn Sales Navigator zachycuje změny pozic.

Ke každému zdroji signálů párujeme záložní řešení – například Apollo řeší firmografický enrichment, ale pro vysoce hodnotné účty přidáváme ruční vyhledání na LinkedInu. AI řeší objem, člověk řeší přesnost.

Je AI cold e-mail legální? CAN-SPAM, GDPR a pravidlo odhlášení jedním kliknutím

AI generovaný cold e-mail je legální v USA podle CAN-SPAM (musíte uvést fyzickou adresu, funkční odkaz pro odhlášení a přesné informace o odesílateli) a v EU podle GDPR na základě oprávněného zájmu. Gmail a Yahoo vyžadují hlavičky RFC 8058 pro odhlášení jedním kliknutím od února 2024.

Dva klienti se nás ptali, zda AI generovaný cold e-mail nepřekračuje hranice CAN-SPAM. Odpověď je ne – zákon je o transparentnosti a upřímnosti, ne o autorství.

CAN-SPAM (USA) – co AI mění (a co ne)

Příručka FTC pro soulad s CAN-SPAM je definitivní seznam. AI generovaný obsah nemění jediné pravidlo: stále potřebujete fyzickou poštovní adresu v každém e-mailu, funkční mechanismus odhlášení respektovaný do 10 pracovních dní, přesná pole „Od" a „Odpovědět na", žádné klamavé předměty a jasnou identifikaci, když je zpráva komerční. AI nic z toho neztěžuje. Jen vám umožňuje napsat víc e-mailů, které pravidla dodržují.

GDPR (EU) – oprávněný zájem, ne souhlas

B2B cold outreach v EU je obecně legální podle čl. 6 odst. 1 písm. f) GDPR – oprávněný zájem, za předpokladu, že dokážete doložit test vyvážení (váš zájem na nabídce vs. přiměřené očekávání soukromí příjemce). Evropský sbor pro ochranu údajů zveřejňuje pracovní pokyny. AI generování nemění právní základ. Co ho mění: rozesílání na osobní Gmail adresy, scrapování LinkedInu v rozporu s podmínkami nebo kontaktování spotřebitelských rolí. Držte se outreachu v obchodním kontextu, dokumentujte svůj test vyvážení a nabídněte snadné odhlášení.

RFC 8058 – odhlášení jedním kliknutím, pravidlo doručitelnosti, které všichni dělají špatně

RFC 8058 definuje hlavičku List-Unsubscribe-Post: List-Unsubscribe=One-Click, kterou Gmail a Yahoo vynucují od února 2024. Uživatel klikne jednou; váš server zpracuje odhlášení bez další potvrzovací stránky. Většina nástrojů pro cold e-mail (Instantly, Smartlead, Lemlist) to řeší automaticky – ověřte, že ten váš ano. Vynechte to a reputace vaší domény na Gmailu rychle klesne. Jakmile klesne, trvá týdny, než se obnoví.

AI nemění zákon. Zákon vždycky byl „říkej pravdu, identifikuj se a nech je odejít". AI vám jen umožňuje to říct rychleji.

Jak zajistit, aby AI cold e-maily nezněly jako AI?

Nejrychlejší způsob, jak zajistit, aby AI cold e-maily zněly lidsky, je dvouprůchodové workflow: generujte jedním modelem, přepište druhým s nižší teplotou. Odstraňte tyto AI prozrazující fráze: „I hope this email finds you well", „I wanted to reach out", nadužívání pomlček, „use", „synergy", „moreover".

Na problém s pomlčkami jsme narazili tvrdě poté, co prospect odpověděl klientovi na první odeslání doslova: „Napsal to ChatGPT?" Řešením je humanizační průchod. Slovník zakázaných frází:

• „I hope this email finds you well"
• „I wanted to reach out"
• „Just wanted to" (cokoli, co takto začíná)
• „Let me know if this resonates"
• „Touching base"
• „Use" (jako sloveso)
• „Synergy"
• „Moreover" / „Furthermore"
• „Today's [cokoli]"
• Pomlčky kdekoli, kde by je mohla nahradit tečka

Tady je systémový prompt pro přepis, který spouštíme jako druhý průchod na každý vygenerovaný e-mail:

You are a human SDR editor. Rewrite the email below to sound like a 32-year-old American salesperson wrote it in 90 seconds. Rules:
- No em-dashes. Use periods.
- No "I hope this email finds you well", "I wanted to reach out", "just wanted to", "leverage", "synergy", "moreover".
- Subject line: 4 words max, lowercase except proper nouns.
- Body: 80 words max. Three sentences max in opening paragraph.
- One contraction per paragraph minimum.
- End with a question, not a statement.
Return only the rewritten email.

Spusťte s Claude Sonnet 4.5 při teplotě 0,3. Dvouprůchod přidá asi 0,001 $ na e-mail a zhruba zdvojnásobí míru, s jakou projde testem „napsal to člověk?".

Řešením na e-maily znějící jako AI není lepší prompt. Je to druhý průchod s přísnějšími pravidly a lidským hlasem na mysli.

Jak přimět prompt vrátit JSON pro automatizaci?

Pro automatizaci požádejte AI, aby vrátila JSON s pojmenovanými poli: subject, body, follow_up_1, follow_up_2. OpenAI i Anthropic nativně podporují strukturovaný výstup v roce 2026 – nastavte response_format: json_schema (OpenAI) nebo použijte schéma tool-use u Claude (Anthropic).

Samotný prompt je krátký. Nejdřív schéma, pak instrukce:

Return a JSON object with this exact schema:
{
  "subject": "string, max 50 chars",
  "body": "string, max 80 words",
  "follow_up_1": "string, max 60 words, references the original",
  "follow_up_2": "string, max 50 words, break-up tone"
}
Only return valid JSON. No prose, no markdown.

Recipient: {{first_name}} at {{company}}, role {{role}}.
Pain: {{pain}}. Value prop: {{value_prop}}.

Pro produkční spolehlivost použijte knihovny pro strukturovaný výstup pro produkční spolehlivost – Instructor, Outlines nebo nativní strukturovaný výstup vendoru porazí přístup „prompt a doufej" pokaždé. Knihovna řeší opakování, validaci schématu a obnovení částečného výstupu, takže vaše automatizace nespadne, když model občas vrátí chybný JSON.

JSON výstup je nevzhledné řešení příčiny č. 1, proč se AI automatizace cold e-mailů kazí: parsování volného textu do polí.

Jaká je realistická míra odpovědí u AI cold e-mailů?

Realistické míry odpovědí cold e-mailů v roce 2026: 1–3 % pro generický ICP outreach, 4–8 % pro personalizované e-maily na základě signálů, 10–15 % pro účty, kam lze získat teplé představení. AI prompty tyto stropy nelámou; umožňují vám je dosáhnout rychleji s menšími týmy.

To jsou průměry. Míra odpovědí závisí na kvalitě seznamu, přesnosti signálů, vhodnosti nabídky a reputaci odesílací domény. AI nemění fyziku – skvělý prompt na špatný seznam stejně prohraje.

AI prompty nelámou strop míry odpovědí. Umožňují vám ho dosáhnout s jedním SDR místo pěti.

Kdy byste AI pro cold e-mail používat NEMĚLI?

Přeskočte AI cold e-mail pro: enterprise obchody nad 250K $ ACV (teplá představení vyhrávají), regulovaná odvětví (HIPAA, finanční poradenství, právo, compliance riziko příliš vysoké), executive outreach na C-suite ve Fortune 500 (příliš vysoký šum signálů) a account-based kampaně s méně než 20 pojmenovanými účty (ruční personalizace porazí AI při malém N).

AI cold e-mail je válka na objem. Pro outreach s vysokou důvěrou a nízkým N porazí 9minutový ručně zpracovaný e-mail stack z 11 promptů.

Jak Techsy přistupuje k AI cold e-mailu

Naše AI SDR praxe nasazuje stejný stack napříč každým buildem: jedenáct promptů výše, n8n workflow, které je orchestruje, Apollo nebo Clay pro signálový enrichment a Instantly nebo Smartlead pro odesílání. Typické nasazení běží 600–1 200 odchozích e-mailů týdně na jedno SDR místo, s mírou odpovědí v pásmu 3–7 % na seznamech obohacených signály.

Vzor, kterému věříme nejvíc: ke každému zdroji signálů (Apollo pro objem) přidejte ruční zálohu (vyhledání na LinkedInu pro top 10 % účtů podle ACV). AI řeší objem; člověk řeší přesnost. Nikdy jsme nenasadili plně autonomní AI SDR build, protože vrstva přesnosti je to, odkud skutečně přicházejí schůzky.

Pokud chcete, abychom tento stack provozovali za vás – stejných jedenáct promptů, stejná automatizace, stejný compliance přístup – nabízíme to jako managed service. Podívejte se, jak přistupujeme k AI SDR buildům pro kompletní metodologii, cenový model a jak vypadá typické 90denní nasazení.

Často kladené otázky

Jaký je nejlepší ChatGPT prompt pro cold e-mail?

Žádný jediný nejlepší neexistuje. Nejsilnější prompt je 7částová anatomie aplikovaná na vaše ICP: role, ICP, bolest, hodnota, tón, délka, CTA. Galerie šablon od vendorů vynechávají označení modelu a teploty, které my přikládáme, což znamená, že stejný prompt produkuje divoce odlišný výstup podle toho, do jakého modelu ho vložíte.

Může AI napsat cold e-maily, které nebudou označeny jako spam?

Ano, pokud řešíte doručitelnost odděleně od kvality promptu. Prompt určuje hlas. SPF, DKIM, DMARC, zahřátá odesílací doména a RFC 8058 odhlášení jedním kliknutím určují umístění ve schránce. AI nekazí ani jednu stranu; špatná infrastruktura ano. Většina hlášení „AI e-maily jsou označovány" vede zpět ke studené odesílací doméně, ne k AI samotné.

Jak promptovat AI pro personalizované cold e-maily ve velkém?

Použijte signálové proměnné v uživatelském promptu: {{recent_funding}}, {{tech_stack}}, {{job_change}}. Čerpejte z Apollo, Clay, Crunchbase, BuiltWith nebo RB2B. Systémový prompt zůstává fixní napříč všemi 800 odesláními. Uživatelský prompt je injektován proměnnými pro každého příjemce. Toto rozdělení je to, co umožňuje personalizaci skutečně škálovat.

Jaký je rozdíl mezi systémovým a uživatelským promptem pro cold e-maily?

Systémový prompt je identita AI – pravidla hlasu, limity délky, zakázané fráze. Nastaven jednou, použit napříč každým e-mailem, cacheovatelný pro úsporu tokenů. Uživatelský prompt je samotná žádost s vyplněnými proměnnými příjemce, odesílaná s každým e-mailem. Cachování systémového promptu snižuje náklady na tokeny zhruba o 80 % v produkčních nasazeních.

Jak dlouhý by měl být AI cold e-mail?

50–80 slov pro opener, 30–50 slov pro follow-upy. Největší chyba v délce je nechat AI výchozích 120+ slov. Explicitně omezte v promptu pomocí „Text: max 80 slov" a model spolehlivě poslechne. Delší e-maily nezískají víc odpovědí; jen trvá déle je smazat.

Je legální posílat AI generované cold e-maily podle CAN-SPAM a GDPR?

Ano. AI generovaný obsah nemění právní povinnosti. CAN-SPAM stále vyžaduje přesné informace o odesílateli, funkční odhlášení a fyzickou adresu. GDPR stále umožňuje B2B cold outreach podle čl. 6 odst. 1 písm. f) – oprávněný zájem s dokumentovaným testem vyvážení. Zdroj: příručka FTC pro soulad s CAN-SPAM a pokyny EDPB k oprávněnému zájmu.

Jak zajistit, aby AI generované cold e-maily nezněly jako AI?

Spusťte dvouprůchodový přepis s nižší teplotou a humanizačním systémovým promptem, který zakazuje běžné AI projevy: „I hope this email finds you well", pomlčky, „use", „synergy", „moreover". Kompletní prompt pro přepis je v sekci o detekci AI výše. Přidá asi 0,001 $ na e-mail a zhruba zdvojnásobí míru, s jakou projde testem „napsal to člověk?".

Kolik follow-upů by měla mít AI cold e-mail sekvence?

Tři follow-upy porazí jeden zhruba 3× mírou odpovědí, s klesajícími výnosy po čtyřech. Standardní kadence: den 0 (cold), den 3 (hodnotová připomínka), den 7 (case study), den 14 (rozlučka). Reaktivace ve 30. den je volitelná a funguje jednou, pak byste měli archivovat. Zdroj: studie kadencí Lemlist 2025.