A HubSpot Pro Plus ügyfeleinek 19%-a már ügynököt használ: CRM-automatizálás 2026 őszén

A CRM-automatizálás 2026 őszén csendben szintet lépett, ezt pedig nem egy tanácsadócég jóslata, hanem egy szoftvergyártó saját ügyféladata mutatja. A HubSpot 2026. szeptember 17-én, bostoni befektetői napján közölte, hogy a Professional és Enterprise csomagot használó, a cég szóhasználatában Pro Plus ügyfelek 19%-a augusztusban már valamilyen HubSpot-ügynököt bevetett, ami nagyjából kétszerese az év eleji aránynak. Ugyanebben az időszakban a havi ügynöki műveletek száma a 3,5-szeresére nőtt, vagyis akik egyszer rákaptak az AI-ügynökökre, egyre több munkát bíznak rájuk: leadeket minősíttetnek velük, utánkövető leveleket fogalmaztatnak és hiányos ügyféladatokat pótoltatnak.

Egy 5 és 50 fő közötti magyar cég vezetőjét persze nem a HubSpot tőzsdei története érdekli, hanem az, hogy ebből mi ültethető át a saját értékesítésébe. Ez az írás 2026. szeptember 22-i állapot szerint végigveszi, mit jelentenek a HubSpot számai, milyen feladatokra használják a cégek a CRM-ügynököket, mennyibe kerül mindez forintra átszámolva és hogyan építhető meg ugyanez Odoo CRM-ben. A végén egy 30 napos tervet is kapsz az első saját ügynököd elindításához, egyetlen folyamattal és egyetlen mérőszámmal.

Röviden

• A HubSpot 2026. szeptember 17-i befektetői napján közölt adatok szerint a Pro Plus, vagyis Professional és Enterprise csomagot használó ügyfelek 19%-a használt ügynököt augusztusban, kétszer annyian, mint az év elején, a havi ügynöki műveletek száma pedig 3,5-szeresére nőtt.
• A CRM-ügynökök három leggyakoribb terepe a lead-minősítés, az utánkövetés és az adattisztítás, a legérettebb terület pedig az ügyfélszolgálat, ahol a HubSpot Customer Agent a cég augusztusi közlése szerint a jegyek 72%-át emberi továbbítás nélkül zárja le.
• A HubSpot 2026. április 14. óta eredményalapon számláz: a Customer Agent megoldott beszélgetésenként 0,50 dollárba (kerekített 320 Ft-os árfolyammal 160 Ft), a Prospecting Agent megkeresésre javasolt leadenként 1 dollárba (320 Ft) kerül, a Sales Hub Professional licencdíja mellett.
• Odoo CRM-ben hasonló működés építhető a beépített prediktív lead-pontozásból, az Odoo 19 AI-ügynökeiből és AI-mezőiből, valamint egy n8n-hez hasonló automatizációs eszközből, ahol a nyelvi modell díja leadenként jellemzően pár forint, a fő tétel a bevezetési munka.
• Az első CRM-ügynököt egyetlen folyamattal, egyetlen előre rögzített mérőszámmal és 30 napos próbaidőszakkal érdemes indítani, az első hónapban emberi jóváhagyással minden ügyfél felé menő üzenetnél.

A számok: mit jelent a 19% és a 3,5-szeres növekedés?

A HubSpot adatai szerint 2026 augusztusában a Professional és Enterprise előfizetők 19%-a használt legalább egy HubSpot-ügynököt, ami az év eleji arány nagyjából kétszerese. A havi ügynöki műveletek száma ugyanekkor 3,5-szeresére, a havi kreditfelhasználás pedig több mint kétszeresére nőtt, tehát a használat egyszerre szélesedik és mélyül.

A számok a HubSpot befektetői napjáról (Analyst Day) származnak, amelyet a cég 2026. szeptember 17-én tartott Bostonban, az UNBOUND 26 nevű rendezvényéhez kapcsolva. Az eseményt a HubSpot még júliusban, saját sajtóközleményében jelentette be, a bemutatott adatokról pedig szeptember 18-án a MarketBeat elemzése számolt be részletesen, amelyet a Yahoo Finance is átvett.

Mit mondott pontosan a HubSpot?

A befektetői napon és a cég augusztus eleji negyedéves beszámolójában elhangzott adatok közül ezek számítanak a legtöbbet a CRM-automatizálás szempontjából:

A táblázat oldalra húzható ↔

A Pro Plus a HubSpot befektetői szóhasználatában a Professional és Enterprise szintű előfizetőket jelenti, vagyis a belépő Starter csomagnál többet fizető cégeket. A Breeze a HubSpot AI-funkcióinak gyűjtőneve: a Breeze Assistant egy beszélgetős segéd, amely kérdésekre válaszol, szöveget ír vagy összefoglal, míg a Breeze-ügynökök (például a Prospecting Agent, a Customer Agent és a Data Agent) önállóan végrehajtanak egy-egy munkafolyamatot a CRM-ben.

Hogyan olvasd a 3,5-szeres növekedést?

A 3,5-szeres szorzó könnyen félreérthető: nem azt jelenti, hogy a műveletek száma minden hónapban 3,5-szeresére ugrik, hanem azt, hogy a havi mennyiség ennyivel magasabb, mint korábban. A HubSpot augusztus 6-i, második negyedéves beszámolójáról a CX Today azt írta, hogy a havi ügynöki műveletek száma az év eleje óta megháromszorozódott. A szeptemberi 3,5-szeres érték így valószínűleg ugyanennek a görbének a folytatása, az év eleji szinthez mérve.

Mit mér és mit nem mér a 19%?

Mielőtt bárki arra következtetne, hogy menthetetlenül lemaradt, tegyük a számot a helyére. A 19% a Pro Plus ügyfelekre vonatkozik, a 150 000 Starter-ügyfélre nem. Azt méri, hogy egy ügyfél használt-e ügynököt augusztusban, azt viszont nem, hogy mennyire mélyen vagy mekkora üzleti haszonnal. A fordított olvasat is igaz: a fizetős, komolyabb csomagot használó HubSpot-ügyfelek több mint négyötöde augusztusban egyáltalán nem használt ügynököt, pedig a funkció ott van a rendszerükben.

Azt se felejtsd el, hogy a számokat egy ügynököket áruló cég közölte befektetőknek, így érthető módon a legmeggyőzőbb formában tálalja őket. Ettől még nem kell legyinteni rájuk, hiszen a használat nagyjából nyolc hónap alatt megduplázódott, az ügynöki műveletek száma pedig ennél is gyorsabban nő. Aki tehát egyszer bevezette az első ügynököt, az jellemzően újabb feladatokat is rábíz, ami egy új technológiánál a valódi haszon egyik legmegbízhatóbb jele.

Mi a különbség a CRM-ügynök és a klasszikus CRM-automatizálás között?

A klasszikus CRM-automatizálás előre megírt szabályokat hajt végre: ha teljesül egy feltétel, lefut egy rögzített lépéssor. A CRM-ügynök ezzel szemben célt és eszközöket kap, a lépéseket pedig egy nagy nyelvi modell segítségével maga választja meg, így a strukturálatlan szövegeket, például e-maileket, hívásjegyzeteket vagy weboldalakat is képes értelmezni.

Az AI-ügynök olyan program, amely egy nagy nyelvi modellre (angolul large language model, LLM) épül, egy kitűzött cél felé több lépésben, részben önállóan halad, közben pedig eszközöket használ: rekordot olvas, mezőt frissít, e-mailt fogalmaz vagy feladatot hoz létre. A CRM-ügynök ennek az a változata, amelyik az ügyfélkapcsolat-kezelő rendszerben (Customer Relationship Management, CRM) dolgozik, az ottani ügyféladatokon és folyamatokon.

A régi típusú automatizálás egy jól beállított vasúti váltóhoz hasonlít: ha a vonat erre jön, arra megy tovább, improvizálni viszont soha nem fog. Ha egy érdeklődő kitölti az ajánlatkérő űrlapot, a rendszer létrehozza a rekordot, hozzárendeli egy értékesítőhöz és elküldi a köszönő levelet, ami kiszámítható és olcsó, amíg a bemenet legördülő menükből, jelölőnégyzetekből és számokból áll.

A gond ott kezdődik, ahol a valódi információ szabad szövegben érkezik. Tegyük fel, hogy egy képzeletbeli 12 fős szegedi klímaszerelő cég űrlapján a megrendelő ezt írja a megjegyzés mezőbe: „Két éve nálatok vettük a klímát, most csöpög a beltéri egység a hálóban. Jövő csütörtökig meg tudnátok nézni?” Egy szabályalapú munkafolyamat ebből semmit nem ért, legfeljebb annyit, hogy a mező nem üres. Egy ügynök viszont kiolvassa, hogy meglévő ügyfélről van szó, javításról és nem új telepítésről, van határidő, a garanciális időszakot pedig ellenőrizni kell. Ennek megfelelően kitölti a CRM mezőit, majd megfogalmaz egy választervezetet, amelyet a diszpécser egy kattintással jóváhagy vagy átír.

A táblázat oldalra húzható ↔

A két megközelítés nem versenytársa egymásnak. A jól működő rendszerekben a szabályalapú munkafolyamat (workflow) adja a keretet, vagyis azt, hogy mikor indul valami, ki kapja meg és mi a következő státusz, az ügynök pedig csak azt a lépést végzi, amelyhez értelmezés vagy szövegalkotás kell. Tapasztalatunk szerint a legtöbb elrontott ügynökprojekt ott csúszik el, hogy valaki az egész folyamatot a modellre bízza, ahelyett, hogy csak a valóban gondolkodást igénylő részt adná oda neki.

Lead-minősítés, utánkövetés, adattisztítás: ezekre használják a CRM-ügynököket

A CRM-ügynökök jellemzően három visszatérő feladattípus köré szerveződnek, amelyekhez negyedikként az ügyfélszolgálat társul. Mind a négyben közös, hogy nagy mennyiségű, ismétlődő, szöveges munkáról van szó, ahol egy hiba nem végzetes, egy ember pedig gyorsan ellenőrizheti az eredményt. Pontosan ezek azok a feladatok, amelyeket a legtöbb értékesítő utál, ezért rendszerint a péntek délutánra maradnak, vagy sehová.

Lead-minősítés: kivel foglalkozzon ma az értékesítő?

A lead-minősítés (lead qualification) azt jelenti, hogy az érdeklődők közül kiválasztod azokat, akikkel valóban érdemes foglalkozni, mert illeszkednek az ideális ügyfélprofilodhoz (ICP, ideal customer profile) és valódi vásárlási szándékuk van. A HubSpot erre a Prospecting Agentet kínálja, amely a termékoldal leírása szerint figyeli a vásárlási jeleket, a megadott ideális ügyfélprofil alapján pontozza a cégeket, külső adatszolgáltatóktól (például a ZoomInfótól, az Apollótól, a Surfe-től és a Seamlesstől) előkeresi a döntéshozói kört, majd az adott értékesítő hangján megírja a személyre szabott megkereső leveleket.

A működés kétfokozatú. Alapesetben az értékesítő elküldés előtt átnézi és szerkeszti az ügynök által írt leveleket, a rendszer viszont átkapcsolható teljesen autonóm módba is, ahol az ügynök jóváhagyás nélkül küld. A HubSpot termékoldala 76%-kal több minősített leadet és 80%-kal több megszerzett találkozót ígér, ezek azonban gyártói marketingállítások ismeretlen módszertannal, ezért csak a saját méréseddel együtt vedd komolyan őket.

Magyar szemmel van egy fontos korlát. A nemzetközi adatszolgáltatók adatbázisai nem feltétlenül fedik le ugyanolyan részletesen a magyar kis- és középvállalatokat, mint a nagy nyugati piacokat, ezért mielőtt egy hazai cégekre fókuszáló értékesítés az ügynökre bízná a döntéshozók felkutatását, próbáld ki húsz-harminc saját célcéggel, mennyire pontos és friss adatot kapsz vissza.

A bejövő leadeknél, vagyis amikor az érdeklődő maga jelentkezik, a minősítés egyszerűbb és gyakran hasznosabb terep. Vegyünk egy képzeletbeli 20 fős budapesti rendezvénytechnikai céget, amelyhez havonta 150 ajánlatkérés fut be a weboldalról. Az ügynök minden új megkeresésnél kiolvassa a szabad szöveges üzenetből a rendezvény dátumát, a várható létszámot, a helyszínt és a költségkeretet, megnézi a megrendelő cég weboldalát, majd egy egytől ötig terjedő pontszámot és egy kétmondatos indoklást ír a CRM-be. Az értékesítők reggel már egy rangsorolt listát látnak, így a legígéretesebb megkeresésekkel kezdhetik a napot.

Utánkövetés: az elfelejtett ajánlatok kora lejárt

Minden értékesítési csapat ismeri a jelenséget: az ajánlat kimegy, az ügyfél nem válaszol, a CRM-ben pedig a lehetőség hetekig ott rostokol a „Kiküldött ajánlat” szakaszban, mert senkinek nincs ideje egyenként utánanézni. Az utánkövető ügynök ezt a munkát veszi át. Naponta átnézi azokat a nyitott lehetőségeket, amelyeknél adott ideje nem történt aktivitás, elolvassa az eddigi levelezést és a hívásjegyzeteket, végül megfogalmaz egy az előzményekhez illő, személyre szabott utánkövető levelet.

Az utánkövetés minősége a részleteken múlik. Egy jó emlékeztető nem „csak érdeklődnék, megkapta-e az ajánlatot” típusú, hanem arra hivatkozik, amiről legutóbb szó volt: a szállítási határidőre, a kért kedvezményre vagy arra, hogy a döntéshozó a hónap végéig szabadságon van. Az ügynök ebben erős, mert a teljes előzményt végigolvassa, amire egy túlterhelt értékesítőnek nincs ideje. Ugyanez a logika működik a megbeszélés utáni összefoglalónál: a hívás átirata vagy egy gyors hangjegyzet alapján az ügynök kitölti a lehetőség mezőit (költségkeret, döntéshozó, határidő, következő lépés), így a CRM azt tükrözi, ami a tárgyaláson valóban elhangzott, nem azt, amire péntek délután még emlékezett valaki.

Adattisztítás: a CRM, amely nem öregszik el

A CRM-adatok minősége a legtöbb cégnél évről évre romlik: a kapcsolattartók munkahelyet váltanak, a cégek nevet és székhelyet cserélnek, ugyanaz a partner háromszor szerepel háromféle írásmóddal. A HubSpot tudásbázisa szerint az erre készült Data Agentnek három fő funkciója van: a smart propertyk (okos tulajdonságok) olyan egyedi mezők, amelyeket az ügynök AI-alapú, a cégedre szabott válaszokkal tölt ki, a smart actionök a munkafolyamatokba építhető ügynöki lépések, a smart columnok pedig a Data Studio adatkészleteit egészítik ki AI-val kutatott oszlopokkal.

Az ügynök a weben, az ügyfél weboldalán, a meglévő mezőértékekben és a hívásátiratokban keres, a kredit pedig rekordonként és kérdésenként fogy. A tudásbázis példájában egy csapat „Fit/Intent Signal” nevű okos tulajdonságot hoz létre, amely finanszírozásra vagy toborzásra utaló híreket keres az adott cégről, így az értékesítő látja, melyik lead van éppen növekedési pályán.

Magyar közegben az adattisztítás feladatai földhözragadtabbak. Az ügynök egységes formára hozhatja a telefonszámokat (a +36 és a 06 kezdetű változatok vidáman keverednek), felismerheti az ismétlődő cégrekordokat akkor is, ha az egyiknél rövidítve, a másiknál kiírva szerepel a cégforma, kiolvashatja a levelek aláírásából a beosztást és a közvetlen telefonszámot, az adószámot pedig a NAV Online Számla rendszerének adózó-lekérdező szolgáltatásán keresztül ellenőrizheti. Ezek közül több nem is igényel mesterséges intelligenciát, csak jól megírt szabályokat. Az ügynök ott ad hozzá valódi értéket, ahol szabad szövegből kell adatot kinyerni vagy bizonytalan egyezésekről kell dönteni.

És az ügyfélszolgálat?

A HubSpot legérettebb ügynöke a Customer Agent, amely a cég tudásanyagai alapján válaszol az ügyfelek kérdéseire: a HubSpot áprilisi közlése szerint akkor több mint 8 000 ügyfélnél a beszélgetések 65%-át oldotta meg és 39%-kal csökkentette a megoldási időt, augusztusra pedig a megoldási aránya 72%-ra, az ügyfélszám 10 000 fölé nőtt. Előnye a különálló chatbotokkal szemben, hogy a CRM-ben az ügyfél előzményeire is támaszkodhat.

Mennyibe kerül a HubSpot AI-ügynök forintban?

A HubSpot AI-ügynökeihez fizetős előfizetés kell: a Sales Hub Professional a HubSpot dolláros árlistája szerint éves fizetéssel felhasználónként havi 90 dollárba (kerekített 320 Ft-os árfolyammal 28 800 Ft) kerül, egyszeri 1 500 dolláros bevezetési díjjal. Az ügynökök díja eredményalapú: a Customer Agent megoldott beszélgetésenként 0,50 dollár, a Prospecting Agent javasolt leadenként 1 dollár.

A HubSpot 2026. április 14-én állt át az eredményalapú (outcome-based) árazásra ennél a két ügynöknél. Korábban a Customer Agent beszélgetésenként 1 dollárba került, függetlenül attól, hogy megoldotta-e a problémát, a Prospecting Agent pedig havi díjat számolt fel minden bevont kapcsolattartó után. Azóta a Customer Agent csak a megoldott beszélgetésért számláz (50 kredit, a HubSpot közlése szerint 0,50 dollár), a Prospecting Agent pedig csak azért a leadért, amelyet megkeresésre javasol (100 kredit, azaz 1 dollár). Mindkettőhöz 28 napos ingyenes próbaidő jár.

A kredit a HubSpot belső elszámolási egysége, amelyből az AI-funkciók fogyasztanak. A HubSpot árlistáján a Professional csomag mellett 3 000 kredit szerepel, az Enterprise mellett 5 000, további kredit pedig éves fizetésnél 1 000 kreditenként 9 dollárért vásárolható.

Számoljunk egy képzeletbeli 25 fős győri gépalkatrész-nagykereskedéssel, ahol öt értékesítő dolgozik HubSpotban, a Prospecting Agent havonta 150 leadet javasol megkeresésre, a Customer Agent pedig havonta 300 ügyfélkérdést old meg önállóan. A számítás saját becslés, kerekített 320 Ft-os dollárárfolyammal.

A táblázat oldalra húzható ↔

A számítás egyfelől túlbecsül, mert a csomagban foglalt 3 000 kredit az ügynökdíj egy részét lefedi (önmagában 60 megoldott ügyfélszolgálati beszélgetésnek felel meg). Másfelől alábecsül, mert az ügyfélszolgálati ügynökhöz a HubSpot ügyfélszolgálati moduljára is szükség lehet, a Data Agent és a Breeze Assistant pedig szintén kreditből fogyaszt. A dolláros listaárak a HubSpot 2026. szeptember 22-i árlistájáról származnak, a magyar ajánlat pénzneme és kedvezményei eltérhetnek, ezért döntés előtt kérj pontos árajánlatot.

Sok ez vagy kevés?

Tegyük fel, hogy egy ügyfélszolgálatos kolléga teljes munkáltatói költsége havi 700 000 Ft, havonta pedig nagyjából 1 000 megkeresést zár le. Ez megkeresésenként 700 Ft, szemben a Customer Agent 160 Ft-os díjával. Csakhogy az ügynök a HubSpot szerint átlagosan a beszélgetések 72%-át oldja meg, a maradékot ember viszi tovább, ráadásul jellemzően az egyszerűbb kérdések jutnak az ügynökhöz, a bonyolultabbak pedig az embernél maradnak. A reális megtakarítás ezért nem 540 Ft megkeresésenként, hanem annyi, amennyi munkaidőt a kolléga a rutinkérdések helyett ténylegesen máshol hasznosít.

A Prospecting Agent 320 Ft-os díja egy javasolt leadért első ránézésre filléres, a javasolt lead azonban még nem ügyfél, sőt még nem is válaszolt. Tegyük fel, hogy havonta 150 javasolt leadből 10 válaszol és ebből 3-ból lesz érdemi tárgyalás. Ilyenkor egy tárgyalás ügynöki költsége 16 000 Ft, ami egy nagy értékű B2B-ügyletnél bőven megérheti, egy alacsony kosárértékű szolgáltatásnál viszont már elgondolkodtató.

Ha még nincs HubSpotod és csak az ügynökök miatt vezetnéd be, vedd észre, hogy a fenti első éves 3,36 millió forint nagyobbik része licenc és bevezetés, ezért előbb nézd meg, mit tud a meglévő rendszered.

Odoo CRM-ben ugyanez: mit lehet ma megépíteni?

Odoo CRM-ben a HubSpot-ügynökök feladatainak nagy része ma is megépíthető, csak kevésbé dobozos formában. Az alapot a beépített prediktív lead-pontozás és a hozzárendelési szabályok adják, a nyelvi feladatokat az Odoo 19 AI-ügynökei és AI-mezői végzik, a több rendszeren átívelő lépéseket pedig egy külső automatizációs eszköz, például az n8n viszi.

Az Odoo nyílt forráskódú alapokra épülő, moduláris vállalatirányítási rendszer (ERP), amelyben a CRM ugyanabban az adatbázisban él, mint a számlázás, a készlet és a projektek. Ez az ügynökök szempontjából hatalmas előny, mert egy lead-minősítő ügynök Odoo-ban az űrlap szövege mellett azt is látja, hogy a cég vásárolt-e már tőled, van-e lejárt számlája vagy nyitott szervizjegye.

Ami már most benne van: prediktív lead-pontozás és automatikus kiosztás

Az Odoo CRM dokumentációja szerint a prediktív lead-pontozás (predictive lead scoring) olyan gépi tanulási modell, amely a CRM korábbi adataiból becsli meg a nyitott leadek és lehetőségek sikerének valószínűségét. A számítás a naiv Bayes-féle valószínűségi modellre épül. Mindig figyelembe veszi a folyamatbeli szakaszt és az értékesítési csapatot, opcionálisan pedig a régiót, az országot, a telefonszám és az e-mail-cím minőségét, a forrást, a nyelvet és a címkéket. A sikervalószínűség a lehetőség adatlapján jelenik meg, a lehetőség előrehaladtával pedig automatikusan frissül.

Erre épülnek a hozzárendelési szabályok, amelyeket értékesítési csapatonként lehet beállítani szűrőfeltételekkel, a dokumentáció példája szerint akár olyan küszöbbel, hogy a rendszer csak a legalább 20%-os valószínűségű leadeket ossza ki. A szabályok kézzel vagy ismétlődően, beállított időközönként futtathatók. Ez még nem AI-ügynök a szó mai értelmében, a lead-minősítés alapjait viszont már lefedi, ráadásul nem fogyaszt tokent és nem kell hozzá külső szolgáltató.

A modellnek persze annyi az esze, amennyi adatot kap. Ha a lezárt ügyleteidnél hiányzik a forrás, vagy a reménytelen leadeket nem jelölöd elvesztettnek, hanem örökre nyitva hagyod őket, a becslés félrevezető lesz. Az Odoo-s CRM-automatizálás első lépése ezért szinte mindig egy kis adatfegyelem: lezárni, ami lezárható, a forrást pedig minden új leadnél kitölteni.

Az Odoo 19 AI-ügynökei és AI-mezői

Az Odoo 19-es verziójában megjelent AI nevű alkalmazás két, CRM-szempontból különösen hasznos elemet hozott. Az első maga az AI-ügynök, amely a dokumentáció szerint érti a természetes nyelvet és az Odoo eszközeivel feladatokat hajt végre. Beállításakor kiválasztod a nyelvi modellt (az Odoo a ChatGPT és a Gemini több változatát támogatja), megadod a válaszstílust, a forrásokat, amelyekből dolgozhat (PDF-fájlok, weblinkek, a Documents alkalmazás fájljai, Knowledge-cikkek), végül a témákat és az eszközöket.

A témák (topics) utasítások és eszközök csomagjai, amelyek meghatározzák, hogyan viselkedjen az ügynök egy adott helyzetben, az eszközök (tools) pedig azok a konkrét műveletek, amelyeket végrehajthat, például egy lead létrehozása vagy egy nézet megnyitása. Az előre beállított témák között szerepel a természetes nyelvű keresés, az információkeresés és a CRM alkalmazáshoz kötött leadlétrehozás. Biztonsági szempontból rokonszenves alapelv, hogy a dokumentáció szerint téma nélkül egy ügynök csak információt tud adni, feladatot végrehajtani vagy az adatbázist módosítani nem.

A második elem az AI-mező. Az Odoo dokumentációja szerint az AI-mezők a beépített AI-képességeket közvetlenül az űrlapokba és rekordokba hozzák: a rendszer a rekord kontextusa, a meglévő adatok vagy külső információk alapján generál vagy javasol értéket. Az AI-mezőt a Studio alkalmazásban húzod rá az űrlapra, kiválasztod a típusát (például szöveg, szám, pénzösszeg, dátum, jelölőnégyzet vagy címkék), majd megírod a promptot, amelyben a /field paranccsal hivatkozhatsz a rekord többi mezőjére. Egy naponta egyszer futó ütemezett művelet kitölti a még üres szöveges és tulajdonság típusú AI-mezőket.

Ebből CRM-ben meglepően egyszerűen építhető előminősítés. Egy „Megkeresés típusa” nevű, címke típusú AI-mező a lead leírásából eldöntheti, hogy új telepítésről, javításról vagy karbantartásról van szó, egy „Sürgősség” mező egytől ötig pontozhat, egy „Összefoglaló” mező pedig két mondatban megírhatja az értékesítőnek, mit akar az érdeklődő. Ezekre a mezőkre aztán már a hagyományos hozzárendelési és automatizálási szabályok építhetnek. A Studio használatához és egyes integrációkhoz nem minden Odoo-előfizetés elegendő, ezért a tervezés előtt ellenőrizd az aktuális csomagod tartalmát.

Ahol az n8n jön képbe

Az Odoo belső AI-eszközei akkor elegendők, ha a teljes folyamat Odoo-n belül marad. A lead-minősítéshez viszont gyakran kell külső lépés is: a cég weboldalának átnézése, egy értesítés Teamsben vagy e-mailben, esetleg egy olcsóbb vagy erősebb modell, mint amit az Odoo AI-alkalmazása kínál. Erre valók a workflow-automatizációs platformok, amelyek közül az n8n azért kézenfekvő, mert saját szerveren is futtatható, van natív Odoo- és HubSpot-csatlakozója, a gyártó szerint pedig több mint 1 500 integrációt kínál. Egy tipikus Odoo és n8n alapú lead-minősítő folyamat így épül fel:

• Új lead érkezik az Odoo-ba a weboldali űrlapról vagy e-mailből, egy automatizálási szabály pedig webhookon szól az n8n-nek.
• Az n8n lekéri a lead adatait és az ügyfél előzményeit az Odoo-ból.
• Letölti a megrendelő cég weboldalának nyitóoldalát, majd a nyelvi modellnek átadja a szöveget az ideális ügyfélprofil leírásával együtt.
• A modell strukturált választ ad: pontszám, rövid indoklás, megkeresés típusa, javasolt következő lépés.
• Az n8n visszaírja a mezőket az Odoo-ba, a választervezetet pedig belső jegyzetként rögzíti a lead üzenőfalán (chatter).
• Ha a pontszám eléri a küszöböt, az értékesítő értesítést kap, a jóváhagyás és a küldés pedig emberi kézben marad.

A futtatási költség meglepően alacsony: az n8n felhőszolgáltatásának belépő, Starter csomagja az AgentStack elemzése szerint havi 20 dollár (kerekített árfolyammal 6 400 Ft), saját szerveren a közösségi kiadás belső használatra licencdíj nélkül fut, csak az üzemeltetésről kell gondoskodni. A nyelvi modell díját tokenben számolják. A token a szöveg feldolgozási egysége, magyar szövegnél nagyjából egy szórésznyi darab.

A modellköltség becsléséhez tegyük fel, hogy egy lead minősítésénél a lead szövege, a weboldal kivonata és az utasítások együtt 2 000 bemeneti tokent tesznek ki, a válasz pedig 300 kimeneti tokent. Egy millió tokenenként 2 dollár bemeneti és 6 dollár kimeneti árú modellel (ennyi például az xAI Grok 4.7 listaára) ez 0,004 plusz 0,0018, azaz 0,0058 dollár, vagyis nagyjából 1,9 Ft leadenként. Havi 150 leadnél a teljes modellköltség 300 Ft alatt marad, ami gyakorlatilag elhanyagolható a bevezetés munkadíjához képest.

A táblázat oldalra húzható ↔

HubSpot vagy Odoo: döntési szempontok egy magyar KKV-nak

A két rendszer nem ugyanarra a kérdésre ad választ, ezért a „melyik a jobb” helyett inkább azt döntsd el, hol él ma a céged üzleti adata és ki fogja karbantartani az ügynököket. A CRM-automatizálás értéke ugyanis nem az ügynök okosságán, hanem azon múlik, mennyi releváns adatot lát és mennyire illeszkedik a meglévő folyamataidba.

A HubSpot akkor erős választás, ha a céged értékesítése és marketingje erősen online, sok bejövő leaddel és levélkampánnyal, a számlázás és a készlet pedig úgyis egy másik rendszerben fut. Ilyenkor a dobozos ügynökök gyorsan bekapcsolhatók, a 28 napos próbaidő alatt ingyen tesztelhetők, a működtetésükhöz pedig nem kell fejlesztő. Az ár viszont dollárban, felhasználónként és kreditben fut, ami egy növekvő csapatnál gyorsan összeadódik.

Az Odoo akkor jobb alap, ha a CRM mellett a számlázást, a készletet, a beszerzést vagy a projekteket is egy rendszerben szeretnéd látni. Az Odoo magyar lokalizációja a NAV Online Számla-bekötést is kezeli, egy Odoo-ra épülő ügynök pedig olyan kérdésekre is felel, amelyekre egy különálló CRM nem: van-e raktáron az ajánlott termék, fizetett-e időben a partner az elmúlt évben, mekkora volt nála a tavalyi forgalom. Cserébe több a tervezési és fejlesztési munka, mert a kész ügynökök helyett te rakod össze a folyamatot, amelyet aztán valakinek karban is kell tartania.

A táblázat oldalra húzható ↔

A nagyvállalati véglet, a Salesforce szeptember 15-én bejelentett, hetekig futó „munkára kész” Agentforce-ügynökei egy 20 fős cégnek a gondolkodásmód miatt tanulságosak: az ügynök jól körülhatárolt munkakört kap, saját jogosultságokkal és mérhető céllal, akárcsak egy új munkatárs.

A mi ökölszabályunk a következő. Ha már HubSpotban dolgozol Professional vagy magasabb csomaggal, kapcsold be a Data Agentet, a próbaidő alatt pedig teszteld a Prospecting vagy a Customer Agentet. Ha Odoo-t használsz, ne válts HubSpotra az ügynökök miatt, mert ugyanezek a funkciók jellemzően néhány hét munkával megépíthetők a meglévő adataidra. Ha pedig még semmilyen CRM-et nem használsz, először a CRM-et vezesd be rendesen, mert ügynök nélkül is jobban jársz vele, adat nélkül viszont az ügynök sem ér semmit.

Az első ügynököd: egy folyamat, egy mérőszám, 30 nap

Az első CRM-ügynök sikere ritkán a technológián múlik, sokkal inkább azon, mennyire szűkre szabod a feladatot. Az alábbi nyolc lépés egy 30 napos próbaidőszakra van méretezve, bármelyik CRM-mel működik és a végén egyértelmű döntést ad arról, hogy folytasd, javítsd vagy leállítsd a kísérletet.

• Válassz egyetlen folyamatot. A jó első jelölt nagy volumenű (hetente legalább néhány tucat eset), ismétlődő, szövegközpontú, alacsony kockázatú és könnyen ellenőrizhető. A bejövő leadek előminősítése, az elfekvő ajánlatok utánkövetésének előkészítése vagy a hiányos cégadatok pótlása mind jó kezdés, az ügyfélnek automatikusan küldött árajánlat viszont nem az.
• Mérd meg a kiinduló állapotot. Egy hétig rögzítsd, hogyan megy most a folyamat: hány eset van, mennyi idő alatt reagál a csapat, hány rekord hiányos, mennyi munkaidő megy el rá. Kiinduló érték nélkül 30 nap múlva csak benyomásaid lesznek, számaid nem.
• Válassz egyetlen mérőszámot és egy sikerküszöböt. Például a bejövő leadekre adott első válasz átlagos ideje hat óráról egy óra alá csökken, vagy a lead-rekordok kitöltöttsége 55%-ról 90% fölé nő. A küszöböt most rögzítsd írásban, ne a 30. napon.
• Tedd rendbe az érintett adatokat. Nem kell az egész CRM-et kitakarítani, csak azokat a mezőket és rekordokat, amelyekkel az ügynök dolgozni fog: egységes szakaszok, kitöltött források, lezárt régi lehetőségek.
• Adj az ügynöknek saját, szűk jogosultságot. Külön felhasználóval vagy külön API-kulccsal fusson, csak azokhoz az adatokhoz férjen hozzá, amelyek a feladathoz kellenek, ahol pedig lehet, csak olvasási joga legyen.
• Tarts embert a körben. Az első 30 napban minden ügyfél felé menő üzenetet ember hagyjon jóvá, az ügynök csak vázlatot készítsen. Az autonóm küldést akkor kapcsold be, ha a vázlatok nagy részét a kollégák már javítás nélkül elküldenék.
• Nézd át hetente a munkáját. Válassz ki véletlenszerűen húsz esetet, majd nézd meg, hol tévedett az ügynök, mit értett félre és hol volt indokolatlanul magabiztos. A hibákból pontosabb utasítás, jobb példa vagy szigorúbb szabály lesz.
• Dönts a 30. napon. Ha az ügynök elérte a küszöböt, bővítsd a következő folyamatra. Ha közel volt, javíts és adj neki még 30 napot. Ha messze maradt, állítsd le, majd írd le, miért nem működött, mert ez a tudás a következő próbálkozásnál aranyat ér.

Miért csak egy mérőszám? Mert ha ötöt mérsz, az első hónap végén mindig lesz legalább egy, amelyik szépen javult, így könnyű lesz sikert hirdetni akkor is, ha az ügynök valójában semmi érdemit nem változtatott.

A táblázat oldalra húzható ↔

A második héten a régi esetekkel való tesztelés az egyik legtöbbet érő lépés. Futtasd le az ügynököt ötven, már lezárt leaden, majd hasonlítsd össze a pontszámait azzal, ami a valóságban lett belőlük. Ha az ügynök a később megnyert ügyleteket rendre alacsonyra pontozza, az utasításaidban vagy az ideális ügyfélprofil leírásában van a hiba, amit sokkal olcsóbb a teszt során kideríteni, mint élesben.

Hogyan mérd, hogy megtérül-e a CRM-ügynök?

A CRM-ügynök megtérülését három szinten érdemes mérni: mennyi munkaidőt takarít meg, milyen minőségű a munkája, végül hoz-e több üzletet. Az első két szint már 30 nap után jól mérhető, a harmadikhoz viszont jellemzően egy teljes értékesítési ciklus kell, ami B2B-ben akár több hónap is lehet.

Térjünk vissza a képzeletbeli győri nagykereskedéshez, ahol öt értékesítő egyenként heti öt órát tölt CRM-adminisztrációval: hívásjegyzeteket ír, mezőket tölt ki, utánkövető leveleket fogalmaz. Ez havonta nagyjából 108 óra (5 × 5 × 4,33). Ha egy értékesítő teljes munkáltatói óraköltsége 5 000 Ft, a CRM-admin havonta körülbelül 540 000 Ft-nyi munkaidőt visz el. Ha az ügynök ennek a felét átveszi, az havi 270 000 Ft felszabaduló munkaidő, feltéve, hogy az értékesítők ügyfelekre fordítják, nem hosszabb kávészünetre.

Ezzel szemben áll a két ügynök havi 96 000 Ft-os díja a korábbi példából (a licencet nem számolva, hiszen a CRM-et ügynök nélkül is használná a cég), valamint a karbantartásra fordított idő, az egyszeri bevezetési költségnek pedig ebből a havi különbözetből kell megtérülnie. Odoo és n8n alapon a havi futtatási költség néhány ezer forint, ott az egyszeri fejlesztés a fő tétel. Tegyük fel, hogy a bevezetés egyszeri 400 000 Ft, a felszabaduló munkaidő pedig havi 135 000 Ft: ilyenkor a befektetés három hónapon belül megtérül.

A minőséget a legtöbb cég egyáltalán nem méri, pedig ezen múlik, hogy az ügynök hosszú távon megbízható munkatárs lesz-e. Négy mutatót érdemes hetente rögzíteni:

• Elfogadási arány: a vázlatok hány százalékát küldik el a kollégák változtatás nélkül vagy apró javítással.
• Téves besorolások aránya: a heti húszas mintában hány esetben pontozott vagy sorolt be rosszul az ügynök.
• Továbbítási arány: hány esetet adott át embernek és ezek közül mennyi volt valóban indokolt.
• Csendes hibák: hányszor jelzett sikert úgy, hogy a művelet valójában nem történt meg.

A csendes hiba a legalattomosabb: az ügynök azt jelzi, hogy frissítette a rekordot, közben egy elakadt eszközhívás miatt semmi nem történt. A Moveworks szeptember 14-én épp azt vezette be, hogy sikertelen eszközhívásnál az ügynök kifejezett hibaállapotot mutasson látszólagos siker helyett. A saját építésű folyamataidnál ugyanezt naplózással és szúrópróbás ellenőrzéssel kényszerítsd ki.

Az üzleti hatáshoz, például a megnyert ügyletek arányához, több türelem kell. Ha a volumen engedi, a legtisztább módszer egy egyszerű A/B-összehasonlítás: a leadek egyik felét az ügynök készíti elő, a másik felét a régi módon kezeli a csapat, a ciklus végén pedig összeveted a konverziós arányokat.

Buktatók: adatminőség, jogosultság, GDPR és az AI Act

A CRM-ügynökök kudarcai ritkán látványosak, sokkal gyakoribb, hogy csendben rossz adatot írnak vissza, a vártnál több kreditet fogyasztanak vagy olyan levelet küldenek el, amelyet senki nem akart elküldeni. Az alábbi buktatókra már a tervezésnél készülj fel.

• Rossz adat be, rossz döntés ki. Az ügynök a meglévő adatokból dolgozik, így ha a CRM tele van duplikációval, üres forrásmezővel és soha le nem zárt lehetőséggel, a hibákat gépi sebességgel sokszorozza. Az adatrendezés nem mellékes előkészület, hanem a projekt első fele.
• Túl széles jogosultság. Az ügynök soha ne adminisztrátori fiókkal fusson. Ez nem elméleti veszély: a LiteLLM nevű modellátjáró MCP-hitelesítésében (az MCP az AI-ügynököket külső eszközökhöz kötő protokoll) szeptember 7-én aktívan kihasznált bejelentkezés-megkerülést jeleztek, a spanyol adatvédelmi hatóság pedig szeptember 17-én egy lehetséges, ügynök által végrehajtott adatszivárgást vizsgált.
• Önállóan küldött üzenetek. Az autonóm mód kényelmes, az ügynök viszont magabiztosan fogalmaz akkor is, ha téved. Rögzítsd szabályban, hogy árat, kedvezményt, szállítási határidőt vagy szerződéses feltételt soha nem ígérhet, ezeket csak ember írhatja le.
• GDPR. Ha az ügynök külső forrásból gyűjt személyes adatot (nevet, beosztást, közvetlen elérhetőséget), ahhoz jogalap, az érintettek tájékoztatása és a szolgáltatókkal kötött adatfeldolgozói szerződés kell, kétség esetén pedig a NAIH iránymutatásai és egy adatvédelmi szakember segítenek.
• EU AI Act. Az Európai Unió mesterségesintelligencia-rendeletének (EU AI Act) 50. cikke szerint 2026. augusztus 2-a óta jelezni kell, ha valaki AI-rendszerrel lép kapcsolatba, ez egy ügyfelekkel csevegő ügynöknél egyértelmű kötelezettség.
• Elszabaduló költségek. A HubSpot ügyfeleinél a havi kreditfelhasználás több mint kétszeresére nőtt, ami a sikert jelzi, a költségvetést viszont váratlanul érheti. Állíts be havi keretet és riasztást, a saját építésű folyamatoknál pedig korlátozd, hányszor hívhatja meg a modellt az ügynök egyetlen feladaton belül.
• Gazdátlan ügynök. Ha senkinek nincs a munkaköri leírásában, hogy az ügynök munkáját hetente átnézze és a szabályait frissítse, néhány hónap alatt elavul. Minden ügynöknek legyen egy emberi folyamatgazdája, aki a mérőszámért is felel.

Miért lesz a CRM-ügynök a KKV-k első valódi AI-alkalmazása?

Mert a CRM-ben minden adott, ami egy ügynöknek kell: strukturált adat, jól leírható folyamat, mérhető eredmény és olyan lépések, amelyeket egy ember könnyen ellenőriz. A legtöbb KKV-ban az AI eddig egyéni eszköz volt, amellyel ki-ki a saját leveleit írta, a CRM-ügynök viszont az első, amely egy közös céges folyamat része lesz.

A HubSpot számai ezt a lépcsőt jól mutatják. A Breeze Assistantot, vagyis az egyéni AI-segédet augusztus végén a Pro Plus ügyfelek több mint 55%-a használta, az ügynököket 19%-uk. Szerintünk a magyar kis- és középvállalatoknál is ez lesz a természetes sorrend: előbb a munkatársak megszokják, hogy AI-val írnak és összefoglalnak, aztán megjelenik az igény, hogy a visszatérő feladatokat ne egyenként kérjék, hanem egy ügynök végezze el őket a háttérben.

A HubSpot befektetői napján bemutatott ChatGPT-, Claude-, Gemini- és Copilot-csatlakozók a másik irányt jelzik: a CRM egyre inkább az a hely lesz, ahonnan az általános AI-asszisztensek a cég ügyféladatait kiolvassák. A CRM-ügynök ebből a szempontból kíméletlen tükör is, mert gyorsan megmutatja, milyen állapotban van a céged ügyféladata, ez a tanulság pedig akkor is megéri, ha magát az ügynököt végül nem tartod meg.

Miben segít a Convergo?

A Convergo abban segít, hogy a CRM-ügynök ne kísérlet maradjon, hanem mérhetően dolgozzon a cégedben. Ha Odoo-t használsz, az Odoo ERP és integrációk szolgáltatásunk keretében beállítjuk a lead-pontozást, az AI-mezőket és a hozzárendelési szabályokat, a workflow automatizáció keretében pedig n8n-ben építjük meg a több rendszeren átívelő lépéseket. Ha egyedi rendszered van, az egyedi CRM és webes rendszerek csapatunk köti be az ügynököt a meglévő adataidba. Az első lépés egy ingyenes egyeztetés, amelyen közösen kiválasztjuk azt az egy folyamatot és azt az egy mérőszámot, amellyel a 30 napos próba elindulhat.