11 promptów AI do cold maili, które wdrażamy u prawdziwych klientów SDR (bez brzmienia jak AI)

11 promptów do cold maili AI, które wdrażamy u prawdziwych klientów SDR (bez brzmienia jak AI)

Większość list typu „najlepsze prompty do cold maili AI" jest pisana z myślą o wklejeniu do ChatGPT.com. Poniższe jedenaście promptów do cold maili AI to te, których faktycznie używamy w naszych wdrożeniach AI SDR — a nie galerie szablonów przepisane z czyjegoś bloga. Każdy z nich dostarczamy wraz z modelem, temperaturą, promptem systemowym, promptem użytkownika, przykładowym wynikiem i notatką o wskaźniku odpowiedzi — gotowe do skopiowania i do automatyzacji.

Najważniejsze wnioski:

• 7-częściowa anatomia promptu: Rola -> ICP -> Ból -> Wartość -> Ton -> Długość -> CTA.
• Najlepszy wybór modelu: Claude Sonnet 4.5 (naturalny głos), GPT-5 (strukturalny wynik), Gemini 2.5 Pro (tanie follow-upy).
• Cold maile AI są legalne w świetle amerykańskiej ustawy CAN-SPAM oraz unijnego GDPR (uzasadniony interes), pod warunkiem spełnienia wymaganych obowiązków informacyjnych.
• Największą pojedynczą dźwignią dostarczalności jest wypis jednym kliknięciem zgodny z RFC 8058 (wymagany przez Gmail i Yahoo od 2024 roku).

Czym jest prompt do cold maila AI?

Prompt do cold maila AI to ustrukturyzowany zestaw instrukcji, który podajesz dużemu modelowi językowemu — ChatGPT, Claude lub Gemini — aby wygenerować spersonalizowaną wiadomość wychodzącą. Najsilniejsze prompty mają siedem elementów: rolę, ICP, punkt bólu, propozycję wartości, ton, długość i CTA. Dobrze przygotowane, brzmią, jakby napisał je żywy SDR.

Warto tu poczynić pewne rozróżnienie. Prompty typu „wklej do ChatGPT.com" (te z galerii szablonów dostawców) sprawdzają się świetnie, gdy wysyłasz pięć maili dziennie ręcznie. „Prompty działające w automatyzacjach", wpięte w n8n, Make, Zapier lub bezpośrednio przez API, to zupełnie inna bestia. Potrzebują jawnych promptów systemowych, etykiet modelu i temperatury oraz strukturalnego wyniku, jeśli mają przetrwać kontakt z produkcją. Poniższe jedenaście to ten drugi rodzaj.

7-częściowa anatomia promptu do cold maila (dlaczego większość promptów nie działa)

Prompt do cold maila ma siedem ruchomych części. Zepsuj którąkolwiek z nich, a mail brzmi albo generycznie, albo robotycznie. Te siedem części to: 1) rola, którą odgrywa AI, 2) definicja ICP, 3) nazwany punkt bólu, 4) propozycja wartości, 5) kalibracja tonu, 6) limit długości, 7) wezwanie do działania. Pomiń którąkolwiek, a model wypełni lukę swoim najbardziej generycznym ustawieniem domyślnym.

Powyższy schemat pokazuje przepływ danych — każda część zasila następną, a CTA jest jedyną, która powinna się zmieniać w zależności od odbiorcy. Wszystko inne znajduje się w wielokrotnego użytku prompcie systemowym. To wzorzec z zakresu inżynierii kontekstu w praktyce: mówisz modelowi, jaki kontekst ma utrzymywać w każdej generacji, a następnie pozwalasz, by sygnały per odbiorca nadpisywały tylko ostatnią zmienną.

Złapaliśmy błąd kolejności wartość-vs-ból w trzech różnych wdrożeniach, zanim ustandaryzowaliśmy tę anatomię. Ból musi przyjść przed wartością — model potrzebuje nazwania rany, zanim będzie wiedział, jakie lekarstwo zarekomendować.

Każdy element promptu do cold maila, którego nie określisz, model wymyśla — a wymyśla najbardziej generycznym głosem, jaki zna.

11 promptów do cold maili AI, które wdrażamy

Te jedenaście promptów pokrywa pełną sekwencję SDR: pierwszy kontakt na zimno, otwarcie oparte na punkcie bólu, otwarcie z szybkim pytaniem, trzy follow-upy (3-dniowy, 7-dniowy, 14-dniowy), umówienie demo, reaktywację, generator tematów, upsell i prośbę o polecenie. Każdy jest oznaczony modelem i temperaturą, których używamy na produkcji. Wskazówka: zapisz te prompty systemowe jako wielokrotnego użytku prompty systemowe w formie umiejętności agenta, żeby były dostępne między sesjami, a twój zespół nie musiał wklejać na ślepo.

Wskazówka few-shot na start: w każdym prompcie, w którym głos ma największe znaczenie (otwarcia i prośba o polecenie), wklej dwa lub trzy swoje najlepsze historyczne cold maile do promptu systemowego pod nagłówkiem „Przykłady referencyjne, dopasuj ten głos:". Model znacznie lepiej wychwytuje rytm, częstotliwość skrótów i długość zdań z przykładów niż z list przymiotników.

1. Pierwszy kontakt na zimno (generyczne ICP)

Cel: Pierwszy mail do prospecta pasującego do ICP, bez żadnego sygnału. Bez wydarzenia finansowania, bez zmiany pracy, bez ciepłego wprowadzenia. Czysty zimny kontakt. Model + temperatura: Claude Sonnet 4.5 @ 0,5 — naturalny głos bez maniery „dyrektora marketingu", którą miał Sonnet 4. Kiedy stosować: Wysyłki seryjne na górze lejka, lista 50–500 prospectów bez wzbogacania poza stanowiskiem i firmą.

Prompt systemowy (zapisz raz, używaj zawsze):

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".

Prompt użytkownika (wklej z uzupełnionymi zmiennymi):

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.

Przykładowy wynik:

Temat: szybkie pytanie o cykl zamknięcia

Cześć Sarah, w większości zespołów finansowych 80-osobowych SaaS-ów zamknięcie miesiąca wciąż odbywa się w Arkuszach i ktoś zarywa cztery noce, żeby to doprowadzić do końca.

Skracamy zamknięcie z 9 dni do 3, zastępując przekazywanie arkusza jednym widokiem księgi. Bez nowego ERP, bez migracji.

Masz 15 minut na rozmowę w przyszły wtorek lub czwartek?

Notatka o wskaźniku odpowiedzi: W naszych wdrożeniach ten prompt osiąga średnio wskaźnik odpowiedzi 1,8–3,4% na czystej liście wzbogaconej przez Apollo. U klienta wysyłającego ok. 800 cold maili tygodniowo zamiana promptu pierwszego kontaktu na Claude Sonnet 4.5 podniosła wskaźnik odpowiedzi z 1,4% do 3,1% — ta sama lista, ta sama oferta, po prostu mniej robotyczny głos.

2. Otwarcie oparte na punkcie bólu (na podstawie sygnału)

Cel: Nawiąż do konkretnego publicznego sygnału — świeżego finansowania, zatrudnienia kadry zarządzającej, dodania do stacku technologicznego — żeby zasłużyć na otwarcie. Model + temperatura: Claude Opus 4.7 @ 0,4 — najlepsze podążanie za instrukcją, gdy sygnał ma wybrzmieć naturalnie, bez brzmienia jak stalker. Kiedy stosować: Gdy masz dane sygnałowe z Apollo, Clay, Crunchbase lub BuiltWith.

Prompt systemowy:

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.

Prompt użytkownika:

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.

Przykładowy wynik:

Temat: finanse operacyjne po serii C

Cześć Marcus, widziałem rundę C na 40 mln USD w październiku. Zwykle kolejne 90 dni na tym etapie to presja wdrażania nowych osób, a finanse operacyjne toną w uzgodnieniach cap table.

Jesteśmy warstwą księgi, którą CFO fintechów z serii B–D dodają, zanim zatrudnią controllera. 15-minutowa rozmowa w przyszłym tygodniu?

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 4–8%, gdy sygnał jest świeży (poniżej 30 dni). Spada do 1–2%, gdy sygnał jest starszy niż 60 dni.

3. Otwarcie z szybkim pytaniem (niska presja)

Cel: Rozbrój obronę „to jest pitch sprzedażowy", zadając najpierw prawdziwe pytanie. Niska presja, wysoka ciekawość. Model + temperatura: Claude Sonnet 4.5 @ 0,6 — lekkie podbicie dla konwersacyjnej różnorodności. Kiedy stosować: Gdy twoje ICP jest przeładowane mailami (CFO, CTO, VP-owie inżynierii w gorących startupach).

Prompt systemowy:

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.

Prompt użytkownika:

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.

Przykładowy wynik:

Temat: zamknięcie miesiąca w serii C

Marcus, szybkie pytanie. Przy 80 osobach trzymaliście zamknięcie w arkuszach czy przeszliście na księgę przed zatrudnieniem controllera? Pytam, bo odpowiedzi, które słyszymy, rozkładają się 50/50, a „dlaczego" jest ciekawe.

— Sarah

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 3–6% przy pierwszej wysyłce. Najsilniejszy sygnał w sekwencji — odpowiedzi są konwersacyjne, a nie transakcyjne, co oznacza ciepłe rozmowy w dalszej części lejka.

4. Follow-up nr 1 (3-dniowe przypomnienie z wartością)

Cel: Trzy dni po pierwszej wysyłce dodaj porcję wartości (benchmark, jednozdaniowe studium przypadku, teardown) i ponów prośbę. Model + temperatura: GPT-5 @ 0,5 — najlepszy w ustrukturyzowanym przepływie „oto rzecz, oto prośba". Kiedy stosować: Zawsze. Trzy follow-upy biją jeden mniej więcej 3-krotnie wyższym wskaźnikiem odpowiedzi (badanie kadencji Lemlist 2025).

Prompt systemowy:

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.

Prompt użytkownika:

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.

Przykładowy wynik:

Temat: re: szybkie pytanie o cykl zamknięcia

Sarah, wracam do tematu. W zeszłym tygodniu udostępniałem teardown tego, jak 80-osobowy zespół finansowy Ramp skrócił zamknięcie do 4 dni, używając podobnego wzorca. Chętnie prześlę, jeśli się przyda.

Nadal masz 15 minut w przyszły wtorek lub czwartek?

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 2–4% na samym follow-upie, co podnosi wskaźnik odpowiedzi na poziomie sekwencji do ok. 5–9%.

5. Follow-up nr 2 (7-dniowy, studium przypadku)

Cel: Siedem dni po pierwszej wysyłce dorzuć konkretny dowód — zanonymizowany wynik klienta lub nazwane publiczne studium przypadku. Model + temperatura: Claude Sonnet 4.5 @ 0,4 — ściślejsze podążanie za instrukcją dla formatu studium przypadku. Kiedy stosować: Gdy masz wiarygodne studium przypadku trafione w ICP. Jeśli nie masz — pomiń.

Prompt systemowy:

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.

Prompt użytkownika:

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.

Przykładowy wynik:

Temat: re: szybkie pytanie o cykl zamknięcia

Sarah, jeszcze jeden, potem odpuszczam. Fintech z serii C twojej wielkości (Atomic, 42 mln USD ARR) skrócił z nami zamknięcie z 11 dni do 4 w sześć tygodni. Ten sam setup finansów operacyjnych, który masz — sprawdziłem na LinkedIn.

15 minut w przyszłym tygodniu? Pasuje wtorek lub czwartek.

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 2–3%, z wyższym wskaźnikiem konwersji na spotkanie niż nr 4, ponieważ studium przypadku filtruje prospectów zgodnych z ICP.

6. Follow-up nr 3 (14-dniowy, mail pożegnalny)

Cel: Wyjście oparte na przyzwoleniu. Mówisz im, że zamykasz wątek, i dajesz im niewymagającą wysiłku opcję odpowiedzi „nie teraz". Model + temperatura: Claude Sonnet 4.5 @ 0,6 — lekka ciepłota, zero pasywnej agresji. Kiedy stosować: Ostatni punkt kontaktu w kadencji. Zawsze wysyłaj.

Prompt systemowy:

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.

Prompt użytkownika:

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.

Przykładowy wynik:

Temat: zamykam wątek

Sarah, zamykam ten wątek. Trzy opcje, jeśli pomogą:

1. „odezwij się w Q3"
2. „nie, dzięki"
3. „i tak prześlij mi ten teardown"

Każda jest OK. Tak czy inaczej, trzymam kciuki, żeby zamknięcie się skróciło.

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 5–12%, wbrew intuicji najwyższy w sekwencji. Mail pożegnalny to najłatwiejsze „nie" do wysłania, a wiele z tych „nie" zamienia się w „właściwie czekaj, opowiedz więcej".

7. Prośba o umówienie demo (CTA z kalendarzem)

Cel: Wysyłana po ciepłej odpowiedzi. Kieruje do konkretnego linku z kalendarzem, usuwa tarcie. Model + temperatura: GPT-5 @ 0,3 — najniższa temperatura, chcemy struktury, nie kreatywności. Kiedy stosować: Po pozytywnej odpowiedzi na którykolwiek z nr 1–6.

Prompt systemowy:

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.

Prompt użytkownika:

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}}.

Przykładowy wynik:

Sarah, świetnie, chętnie przejdę przez teardown cyklu zamknięcia.

Dwa terminy, które pasują: wtorek 10:30 ET lub czwartek 14:00 ET. Albo wybierz dowolny slot tutaj: cal.com/sarah-co/demo

Tak czy inaczej, prześlę decka 24 godziny wcześniej.

Notatka o wskaźniku odpowiedzi: Wskaźnik rezerwacji 35–55%, gdy wysłana w ciągu 4 godzin od ciepłej odpowiedzi. Po 24 godzinach spada do 10–15%.

8. Reaktywacja (30 dni po milczącej odpowiedzi)

Cel: Obudź wątek, który ucichł po mailu pożegnalnym. Nowy kąt, nowa wartość, bez wywoływania poczucia winy. Model + temperatura: Claude Sonnet 4.5 @ 0,5 — naturalny głos dla tonu „hej, dawno się nie odzywałem". Kiedy stosować: 30 dni po mailu pożegnalnym. Raz. Jeśli znów cisza — archiwizuj.

Prompt systemowy:

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.

Prompt użytkownika:

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.

Przykładowy wynik:

Temat: 30 dni później, nowa rzecz

Sarah, dawno się nie odzywałem. W tym miesiącu wdrożyliśmy synchronizację z NetSuite jednym kliknięciem, co moim zdaniem rozwiązuje obawę o integrację, którą wcześniej sygnalizowałaś.

Chcesz 5-minutowego Looma? Albo 15-minutową rozmowę, jeśli wolisz zobaczyć na żywo. Oba warianty OK.

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 3–5% na samej reaktywacji.

9. Generator tematów (5 opcji)

Cel: Zwróć 5 tematów do testów A/B. Wyższa temperatura dla różnorodności; wybierzesz dwa najlepsze. Model + temperatura: Claude Sonnet 4.5 @ 0,8 — celowo wysoka dla zróżnicowania między wzorcami. Kiedy stosować: Przed każdą wysyłką kampanii. Przetestuj dwa z pięciu, zostaw zwycięzcę.

Prompt systemowy:

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.

Prompt użytkownika:

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

Przykładowy wynik:

cykl zamknięcia w serii c jak netsuite psuje się przy 80 z 11 dni do 4 księga przed controllerem koniec miesiąca cierpi

Notatka o wskaźniku odpowiedzi: Tematy napędzają wskaźnik otwarć, który warunkuje wszystko inne. Przetestowane w ponad 50 kampaniach: wzorzec 3-słownej luki ciekawości wygrywa ok. 45% testów A/B; wzorzec pytający wygrywa ok. 25%; odniesienie do nazwanego narzędzia wygrywa ok. 20%.

10. Upsell do obecnego klienta

Cel: Zaproponuj dodatkowy produkt lub rozszerzenie liczby stanowisk obecnemu klientowi. Inny głos — ciepły, konkretny, bez sztucznej pilności. Model + temperatura: Claude Opus 4.7 @ 0,4 — najlepszy w odróżnianiu głosu dla obecnego klienta od głosu dla zimnego nieznajomego. Kiedy stosować: Wyzwalane przez sygnały użycia (osiągnięty limit stanowisk, osiągnięty próg użycia, nowa funkcja istotna dla ich workflow).

Prompt systemowy:

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.

Prompt użytkownika:

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

Przykładowy wynik:

Temat: osiągnęliście limit stanowisk

Marcus, wasz zespół osiągnął w zeszłym tygodniu 19/20 stanowisk. Dwie opcje, zanim uderzycie w limit:

1. Dodaj 5 stanowisk w tej samej cenie za stanowisko.
2. Przejdź na plan zespołowy (X USD mniej za stanowisko przy 25+).

Przesłać wyliczenie?

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 15–25% przy upsellach wyzwalanych użyciem. To sygnał wykonuje robotę; prompt musi po prostu nie przeszkadzać.

11. Prośba o polecenie (po spotkaniu)

Cel: Po udanym spotkaniu lub wdrożeniu poproś o ciepłe wprowadzenie do jednej konkretnej osoby. Model + temperatura: Claude Sonnet 4.5 @ 0,5 — naturalny głos, przyjazny, ale konkretny. Kiedy stosować: 30 dni po świetnym spotkaniu lub 60 dni po udanym wdrożeniu.

Prompt systemowy:

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.

Prompt użytkownika:

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.

Przykładowy wynik:

Temat: jedna prośba

Sarah, biorąc pod uwagę, jak poszła praca nad cyklem zamknięcia, jedna prośba: czy byłaby szansa, że przedstawisz mnie Marcusowi Chenowi z Atomic? Myślę, że ten sam setup pomógłby jego zespołowi.

Chętnie przygotuję treść do przekazania dalej, żebyś miała to na jedno kliknięcie.

Notatka o wskaźniku odpowiedzi: Wskaźnik odpowiedzi 40–60%, gdy timing jest właściwy (świeży sukces, prawdziwa relacja). To zdanie „chętnie przygotuję treść do przekazania dalej" sprawia, że to działa — tarcie zabija polecenia.

Wdrażamy te same jedenaście promptów w każdym buildzie AI SDR. Zmieniają się zmienne w prompcie, model się nie zmienia.

Wepnij swoje prompty w n8n, Make lub Zapier (prawdziwy przykład kodu)

Żeby uruchamiać prompty na skalę, wepnij je w automatyzację. n8n jest najbardziej elastyczne (możliwość self-hostingu, 0 USD, jeśli uruchamiasz sam), Zapier najłatwiejszy (płatny). Prześlij swój prompt do węzła OpenAI lub Anthropic, a następnie skieruj wynik do narzędzia wysyłającego — Instantly, Smartlead lub Lemlist.

Każdy nasz build AI SDR działa na tej pętli. Oto konfiguracja węzła HTTP n8n dla wywołania Anthropic — wrzuć ją do dowolnego węzła HTTP Request, a masz programowalny prompt Claude w swoim 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 }}"}
    ]
  }
}

Pętla zamyka się tak: nowy wiersz trafia do twojego Arkusza lub CRM, n8n go przechwytuje, zmienne (first_name, company, signal_detail) są wstrzykiwane do promptu użytkownika, Claude zwraca treść maila, kolejny węzeł przekazuje ją do Instantly lub Smartlead, a ostatni węzeł loguje odpowiedź (lub jej brak) z powrotem do wiersza źródłowego. Opisaliśmy pełną architekturę SDR na n8n za 50 USD/miesiąc używającą dokładnie tych promptów — kod, dane logowania, harmonogramowanie i parsowanie odpowiedzi, wszystko w zestawie.

Produktem nie jest prompt, tylko pętla. Prompt to jedna linijka YAML-a w 200-liniowym workflow.

Jak napisać prompt do tematu cold maila?

Tematy potrzebują osobnego promptu z wyższą temperaturą (0,7–0,8) dla różnorodności. Poproś model o 5 opcji, a następnie przetestuj A/B dwie. Najlepiej działające wzorce w 2026 roku: 3-słowne luki ciekawości, pytanie jako temat i nazwane odniesienia do stacku narzędzi odbiorcy.

Pełny prompt do tematów to nr 9 powyżej. Wzorce, które faktycznie wygrywają testy A/B w ponad 50 kampaniach, które wypuściliśmy:

• Luka ciekawości (3 słowa) — „cykl zamknięcia cierpi", „problem księgi"
• Pytanie — „cykl zamknięcia w serii c?"
• Nazwane odniesienie do narzędzia/firmy — „jak netsuite psuje się przy 80", „cykl zamknięcia ramp"
• Oparte na liczbach — „z 11 dni do 4", „cykl zamknięcia za 40 mln"
• Fragment prostym językiem — „koniec miesiąca cierpi"

Wskaźniki otwarć mieszczą się między 28% a 51% w zależności od jakości listy, rozgrzania domeny nadawcy i spójności tematu z linią podglądu. Generyczne wzorce („szybkie pytanie", „nawiązując do tematu") przegrywają w każdym teście, który przeprowadziliśmy. Wyrzuć je.

Prompt systemowy vs prompt użytkownika: wzorzec wielokrotnego użytku, który oszczędza 80% tokenów

Prompt systemowy ustawia tożsamość AI i uruchamia się raz na sesję. Prompt użytkownika to właściwa prośba, wysyłana przy każdym mailu. Zapisz prompt systemowy jako wielokrotnego użytku artefakt, a obetniesz koszty tokenów mniej więcej o 80% dzięki cache'owaniu promptów, uzyskując czystsze wyniki, ponieważ model nie czyta ponownie swoich instrukcji przy każdym wywołaniu.

Gdy zaczęliśmy cache'ować prompty systemowe na produkcji, nasz miesięczny rachunek w Anthropic spadł mniej więcej o 80% przy zerowej zmianie jakości. Te same wyniki, ok. 0,20 USD za 1000 generacji zamiast 1,00 USD. Cache'owanie promptów obcina koszt uruchamiania tego samego promptu systemowego o ponad 80% — oszczędności pojawiają się natychmiast, gdy ten sam prompt systemowy po raz pierwszy trafi do cache'u.

Napisz prompt systemowy raz. Pisz prompt użytkownika codziennie. To cały wzorzec wielokrotnego użytku.

Skąd brać dane do personalizacji? (źródła sygnałów, które nie są do kitu)

Zmienne w twoich promptach — {{recent_funding}}, {{tech_stack}}, {{job_change}} — pochodzą od dostawców danych sygnałowych. Apollo i Clay wzbogacają kontakty. Crunchbase śledzi finansowanie. BuiltWith ujawnia stacki technologiczne. RB2B identyfikuje anonimowych odwiedzających stronę. LinkedIn Sales Navigator wychwytuje zmiany pracy.

Każde źródło sygnału łączymy z wariantem zapasowym — na przykład Apollo obsługuje wzbogacanie firmograficzne, ale dla kont o wysokiej wartości dokładamy ręczny lookup na LinkedIn. AI obsługuje wolumen, człowiek obsługuje precyzję.

Czy cold maile AI są legalne? CAN-SPAM, GDPR i zasada wypisu jednym kliknięciem

Cold maile generowane przez AI są legalne w USA w świetle CAN-SPAM (musisz uwzględnić adres fizyczny, działający link wypisu i dokładne dane nadawcy), a w UE w świetle GDPR z podstawą uzasadnionego interesu. Gmail i Yahoo wymagają nagłówków wypisu jednym kliknięciem zgodnych z RFC 8058 od lutego 2024 roku.

Dwóch klientów pytało nas, czy cold maile generowane przez AI naruszają przepisy CAN-SPAM. Odpowiedź brzmi: nie — prawo dotyczy ujawniania informacji i uczciwości, a nie autorstwa.

CAN-SPAM (USA): co zmienia AI (a czego nie)

Przewodnik zgodności FTC z CAN-SPAM to miarodajna lista. Treści generowane przez AI nie zmieniają ani jednej zasady: nadal potrzebujesz fizycznego adresu pocztowego w każdym mailu, działającego mechanizmu wypisu honorowanego w ciągu 10 dni roboczych, dokładnych pól „Od" i „Odpowiedz do", bez wprowadzających w błąd tematów oraz wyraźnego oznaczenia, gdy wiadomość ma charakter komercyjny. AI nie utrudnia żadnej z tych rzeczy. Po prostu pozwala ci pisać więcej maili, które przestrzegają zasad.

GDPR (UE): uzasadniony interes, nie zgoda

Zimny outreach B2B w UE jest generalnie legalny w świetle uzasadnionego interesu z art. 6 ust. 1 lit. f GDPR, pod warunkiem że potrafisz wykazać test równowagi (twój interes w pitchowaniu vs. rozsądne oczekiwania prywatności odbiorcy). Europejska Rada Ochrony Danych publikuje wytyczne robocze. Generowanie przez AI nie zmienia podstawy prawnej. Zmienia ją natomiast: rozsyłanie na prywatne adresy Gmail, scrapowanie LinkedIn wbrew regulaminowi lub kontaktowanie się z rolami konsumenckimi. Trzymaj się outreachu w kontekście biznesowym, dokumentuj swój test równowagi i oferuj łatwy opt-out.

Wypis jednym kliknięciem RFC 8058: zasada dostarczalności, którą wszyscy źle rozumieją

RFC 8058 definiuje nagłówek List-Unsubscribe-Post: List-Unsubscribe=One-Click, który Gmail i Yahoo egzekwują od lutego 2024 roku. Użytkownik klika raz; twój serwer przetwarza wypisanie bez dodatkowej strony potwierdzenia. Większość narzędzi do cold maili (Instantly, Smartlead, Lemlist) obsługuje to automatycznie — zweryfikuj, czy twoje też. Pomiń to, a reputacja twojej domeny szybko spadnie na Gmailu. Gdy raz spadnie, odzyskanie jej zajmuje tygodnie.

AI nie zmienia prawa. Prawo zawsze brzmiało: „mów prawdę, przedstaw się i pozwól im odejść". AI po prostu pozwala ci to powiedzieć szybciej.

Jak sprawić, by cold maile AI nie brzmiały jak AI?

Najszybszy sposób, by cold maile AI brzmiały ludzko, to dwuprzebiegowy workflow: generuj jednym modelem, przepisuj drugim w niższej temperaturze. Usuń te frazy zdradzające AI: „I hope this email finds you well", „I wanted to reach out", nadużywanie pauzy (em-dash), „use", „synergy", „moreover".

Problem pauzy odkryliśmy na własnej skórze, gdy prospect odpisał klientowi dosłownie „Czy ChatGPT to napisał?" na pierwszą wysyłkę. Rozwiązaniem jest przebieg humanizujący. Słowniczek zakazanych fraz:

• „I hope this email finds you well"
• „I wanted to reach out"
• „Just wanted to" (wszystko, co tak się zaczyna)
• „Let me know if this resonates"
• „Touching base"
• „Use" (jako czasownik)
• „Synergy"
• „Moreover" / „Furthermore"
• „Today's [cokolwiek]"
• Pauzy (em-dash) wszędzie tam, gdzie można je zastąpić kropką

Oto prompt systemowy do przepisywania, który uruchamiamy jako drugi przebieg na każdym wygenerowanym mailu:

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.

Uruchom to z Claude Sonnet 4.5 w temperaturze 0,3. Dwuprzebiegowość dodaje ok. 0,001 USD na maila i mniej więcej podwaja wskaźnik przejścia testu „czy napisał to człowiek?".

Rozwiązaniem na maile brzmiące jak AI nie jest lepszy prompt. To drugi przebieg z surowszymi zasadami i ludzkim głosem w głowie.

Jak sprawić, by prompt zwracał JSON na potrzeby automatyzacji?

Na potrzeby automatyzacji poproś AI o zwrot JSON-a z nazwanymi polami: subject, body, follow_up_1, follow_up_2. Zarówno OpenAI, jak i Anthropic obsługują strukturalny wynik natywnie w 2026 roku — ustaw response_format: json_schema (OpenAI) lub użyj schematu tool-use Claude (Anthropic).

Sam prompt jest krótki. Najpierw schemat, potem instrukcja:

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}}.

Dla niezawodności produkcyjnej używaj bibliotek strukturalnego wyniku dla niezawodności produkcyjnej — Instructor, Outlines lub natywny strukturalny wynik dostawcy biją surowe „prompt i modlitwa" za każdym razem. Biblioteka obsługuje ponowienia, walidację schematu i odzyskiwanie częściowego wyniku, więc twoja automatyzacja nie crashuje się, gdy model okazjonalnie zwróci źle sformatowany JSON.

Wynik JSON to nieseksowne rozwiązanie problemu nr 1, przez który automatyzacja cold maili AI się psuje: parsowania wolnego tekstu na pola.

Jaki jest realistyczny wskaźnik odpowiedzi dla cold maili AI?

Realistyczne wskaźniki odpowiedzi cold maili w 2026 roku: 1–3% dla generycznego outreachu do ICP, 4–8% dla spersonalizowanych maili opartych na sygnale, 10–15% dla kont, do których da się uzyskać ciepłe wprowadzenie. Prompty AI nie przebijają tych sufitów; pozwalają je osiągnąć szybciej mniejszym zespołom.

To są średnie. Wskaźnik odpowiedzi zależy od jakości listy, trafności sygnału, dopasowania oferty i reputacji domeny nadawcy. AI nie zmienia fizyki — świetny prompt do złej listy i tak przegra.

Prompty AI nie przebijają sufitu wskaźnika odpowiedzi. Pozwalają go osiągnąć jednym SDR-em zamiast pięcioma.

Kiedy NIE używać AI do cold maili?

Pomiń cold maile AI w przypadku: transakcji enterprise powyżej 250 tys. USD ACV (wygrywają ciepłe wprowadzenia), branż regulowanych (HIPAA, doradztwo finansowe, prawnicze — ryzyko compliance zbyt wysokie), outreachu do kadry zarządzającej C-level w firmach z Fortune 500 (zbyt duży szum sygnałowy) oraz rozgrywek account-based z mniej niż 20 nazwanymi kontami (ręczna personalizacja bije AI przy małym N).

Cold maile AI to wojna na wolumen. W outreachu o wysokim zaufaniu i niskim N ręcznie dopracowany 9-minutowy mail bije stos 11 promptów.

Jak Techsy podchodzi do cold maili AI

Nasza praktyka AI SDR wdraża ten sam stack w każdym buildzie: jedenaście promptów powyżej, workflow n8n, który je orkiestruje, Apollo lub Clay do wzbogacania sygnałami oraz Instantly lub Smartlead do wysyłki. Typowe zaangażowanie to 600–1200 maili wychodzących tygodniowo na stanowisko SDR, ze wskaźnikami odpowiedzi w paśmie 3–7% na listach wzbogaconych sygnałami.

Wzorzec, któremu ufamy najbardziej: połącz każde źródło sygnału (Apollo dla wolumenu) z ręcznym wariantem zapasowym (lookup na LinkedIn dla górnych 10% kont według ACV). AI obsługuje wolumen; człowiek obsługuje precyzję. Nigdy nie wdrożyliśmy w pełni autonomicznego buildu AI SDR, ponieważ to warstwa precyzji jest miejscem, z którego faktycznie pochodzą spotkania.

Jeśli wolisz, żebyśmy prowadzili ten stack za ciebie — te same jedenaście promptów, ta sama automatyzacja, ta sama postawa compliance — oferujemy to jako usługę zarządzaną. Zobacz, jak podchodzimy do buildów AI SDR, aby poznać pełną metodologię, model cenowy i to, jak wygląda typowe 90-dniowe zaangażowanie.

Często zadawane pytania

Jaki jest najlepszy prompt do ChatGPT na cold maila?

Nie ma jednego najlepszego. Najsilniejszy prompt to 7-częściowa anatomia zastosowana do twojego ICP: rola, ICP, ból, wartość, ton, długość, CTA. Galerie szablonów dostawców pomijają etykiety modelu i temperatury, które my dołączamy do naszych, co oznacza, że ten sam prompt daje diametralnie różne wyniki w zależności od tego, do którego modelu go wkleisz.

Czy AI może pisać cold maile, które nie są oznaczane jako spam?

Tak, jeśli zajmiesz się dostarczalnością oddzielnie od jakości promptu. Prompt determinuje głos. SPF, DKIM, DMARC, rozgrzana domena nadawcy i wypis jednym kliknięciem RFC 8058 determinują trafienie do skrzynki. AI nie psuje żadnej ze stron; psuje ją zła infrastruktura. Większość zgłoszeń „maile AI są flagowane" sprowadza się do zimnej domeny nadawcy, a nie samego AI.

Jak promptować AI pod spersonalizowane cold maile na skalę?

Używaj zmiennych danych sygnałowych w prompcie użytkownika: {{recent_funding}}, {{tech_stack}}, {{job_change}}. Ciągnij je z Apollo, Clay, Crunchbase, BuiltWith lub RB2B. Prompt systemowy pozostaje stały we wszystkich 800 wysyłkach. Prompt użytkownika jest wstrzykiwany zmiennymi per odbiorca. To właśnie ten podział sprawia, że personalizacja faktycznie się skaluje.

Jaka jest różnica między promptem systemowym a promptem użytkownika w cold mailach?

Prompt systemowy to tożsamość AI — zasady głosu, limity długości, zakazane frazy. Ustawiany raz, używany w każdym mailu, cache'owalny dla oszczędności tokenów. Prompt użytkownika to właściwa prośba, z uzupełnionymi zmiennymi odbiorcy, wysyłana przy każdym mailu. Cache'owanie promptu systemowego obcina koszt tokenów mniej więcej o 80% we wdrożeniach produkcyjnych.

Jak długi powinien być cold mail AI?

50–80 słów dla otwarcia, 30–50 słów dla follow-upów. Największym pojedynczym błędem długości jest pozwolenie AI na domyślne 120+ słów. Ustaw jawny limit w prompcie: „Treść: maks. 80 słów", a model będzie się tego niezawodnie trzymał. Dłuższe maile nie zdobywają więcej odpowiedzi; po prostu dłużej się je kasuje.

Czy wysyłanie cold maili generowanych przez AI jest legalne w świetle CAN-SPAM i GDPR?

Tak. Treści generowane przez AI nie zmieniają obowiązków prawnych. CAN-SPAM nadal wymaga dokładnych danych nadawcy, działającego wypisu i adresu fizycznego. GDPR nadal zezwala na zimny outreach B2B na podstawie uzasadnionego interesu z art. 6 ust. 1 lit. f z udokumentowanym testem równowagi. Źródło: przewodnik zgodności FTC z CAN-SPAM oraz wytyczne EDPB dotyczące uzasadnionego interesu.

Jak sprawić, by cold maile generowane przez AI nie brzmiały jak AI?

Uruchom dwuprzebiegowe przepisywanie w niższej temperaturze z humanizującym promptem systemowym, który zakazuje typowych oznak AI: „I hope this email finds you well", pauzy (em-dash), „use", „synergy", „moreover". Pełny prompt do przepisywania znajduje się w sekcji o wykrywaniu AI powyżej. Dodaje ok. 0,001 USD na maila i mniej więcej podwaja wskaźnik przejścia testu „czy napisał to człowiek?".

Ile follow-upów powinna mieć sekwencja cold maili AI?

Trzy follow-upy biją jeden mniej więcej 3-krotnie wyższym wskaźnikiem odpowiedzi, z malejącymi zwrotami powyżej czterech. Standardowa kadencja: dzień 0 (zimny), dzień 3 (przypomnienie z wartością), dzień 7 (studium przypadku), dzień 14 (mail pożegnalny). Reaktywacja w dniu 30 jest opcjonalna i działa raz, zanim powinieneś zarchiwizować. Źródło: badanie kadencji Lemlist 2025.