【この記事でわかること】
・AI営業活用で先に決めるべき目的と対象業務
・商談前、商談中、商談後に生成AIを使う方法
・顧客情報を入力するときの確認事項
・AIの出力を提案へ使う前に人が確かめる内容
・個人利用で終わらせず営業組織へ定着させる手順
AIの営業活用というと、メールや提案書を短時間で作る方法が注目されがちです。しかし、文章を早く作れても、顧客が現在どのような方法で対応し、何に困り、どの条件なら提案を受け入れられるのかを捉えられなければ、営業の成果には結びつきません。
生成AIが力を発揮するのは、営業担当者に代わって結論を出す場面ではなく、散在する情報を整理し、商談で確かめる仮説と質問をつくる場面です。商談前の準備から面談後の振り返りまで、AIに任せる作業と人が判断する範囲を分けることで、営業活動の中に無理なく組み込めます。
本記事では、AI営業活用の中でも、生成AIを使った情報収集・要約・仮説整理・記録支援を中心に扱います。
AI営業活用では、顧客を理解する時間を増やす
AIを導入する目的を「資料作成の効率化」だけに置くと、使う回数は増えても提案の中身が変わらないことがあります。営業活動のどこで情報が不足し、どの判断に時間がかかっているかを確かめてから、対象業務を選びましょう。
課題が生じている営業工程を特定する
| 営業工程 | AIに任せること | 営業担当者・上長が判断すること |
|---|---|---|
| 案件の発見 | 公開情報や過去の営業記録を整理し、候補企業や変化の兆しを抽出する | どの企業を対象にするか、自社が提案する余地があるかを判断する |
| 商談準備 | 顧客情報・業界情報・技術情報を整理し、仮説や質問案を作る | 情報の正しさを確認し、訪問目的や質問の優先順位を決める |
| ヒアリング | 質問の抜けを確認し、必要に応じて記録や要約を補助する | 顧客の発言の背景を捉え、何を追加で確認するか判断する |
| 提案 | 商談内容や公開情報を整理し、提案書の構成や比較項目を作る | 顧客に届ける価値、提案条件、伝える内容を決める |
| フォロー | 議事録から未確認事項や次の行動を抽出する | 誰が何をいつまでに行うかを確定する |
| 振り返り | 事前の仮説と商談で得た事実の差を整理する | 仮説が外れた理由を考え、次の調査や提案方法を修正する |
AIには情報の収集や整理を任せ、人は顧客の状況や提案の方向を判断します。工程ごとに役割を分けておくことで、AIの利用自体が目的になることを防げます。
AIの利用回数より営業の変化を測る
「週に何回AIを使ったか」は定着状況を知る参考にはなりますが、営業が良くなったことを直接示す指標ではありません。確認したいのは、商談前に顧客の現在の進め方と質問が整理されているか、面談で仮説を検証できたか、商談後に次の行動が決まったかという変化です。
準備時間を短くしたい場合も、短縮した時間を何へ振り向けるかまで決めましょう。顧客への質問を練る、技術部門に確認する、過去案件との違いを調べるなど、提案の質に関わる仕事へ使えているかを見ましょう。
商談前は事実・仮説・質問を分けて整理する
商談前には、企業情報を大量に集めるより、訪問目的に必要な情報をそろえることが先です。AIの要約をそのまま事実として扱わず、出所を確認できる情報、そこから考えた仮説、商談で聞く質問に分けます。
調査対象と情報源の決め方
顧客企業のWebサイト、公開資料、過去の商談記録、問い合わせ内容など、利用できる情報を確認します。調べる項目は、顧客の事業、市場の変化、現在使っていると考えられる方法、自社が提供できる価値、導入時に関係する部門などです。
AIには、情報を項目別に並べる作業や、複数資料の共通点と相違点を抽出する作業を任せられます。ただし、同じ情報を転載したページが複数あっても根拠が増えたことにはなりません。元のURL、公開日または更新日、確認日を残し、提案に使う事実は一次情報へ戻って確かめます。
企業名や製品名が似ている場合、別の対象の情報が混ざることもあります。AIが読みやすくまとめているかではなく、対象、期間、条件が合っているかを確認してください。
顧客の現在の進め方と代替手段から立てる仮説
提案の出発点は、自社製品の特長ではなく、顧客が現在どのように仕事を進めているかです。専用の製品を使っているとは限らず、表計算、メール、担当者の経験、外部委託、何も変えないという選択肢もあります。
AIへは、「顧客が困っているはず」と結論づけさせるのではなく、現在考えられる方法と、その方法が成立する条件を列挙させます。その結果を担当者が見て、自社の過去案件や業界知識と照らし、商談で確かめる仮説へ絞ります。
仮説には根拠と未確認事項を添えます。「この作業に時間がかかっている可能性がある。公開資料では処理方法を確認できないため、担当部門と現在の手順を商談で聞く」という形なら、AIの推測を事実として話すことを防げます。
回答後の判断まで含めて質問を設計する
質問案を増やすだけでは、商談の時間を使い切ってしまいます。各質問について、何を判断するために聞くのか、どの回答なら次に何を確かめるのかを決めます。
「現在の運用を教えてください」という質問なら、作業の担当者、頻度、利用する情報、判断基準、例外時の対応まで聞くと、現状の流れが見えます。顧客が課題を口にしない場合も、作業の事実や状態から負担や制約を考えられます。AIには質問の抜けを探させ、人は顧客との関係や商談時間を踏まえて順番を決めます。
商談中は顧客の発言とAIの解釈を分けて記録する
商談中の記録や要約にAIを使う場合、顧客の発言とAIによる解釈を混ぜないことが大切です。記録の目的はきれいな議事録を作ることではなく、提案の内容や前提を見直すための事実と、次回までに確認する事項を残すことにあります。
発言・事実・解釈を分ける記録方法
商談内容をAIで整理するときは、次の4つに分けて記録します。
顧客の発言
・顧客が実際に話した内容を、その意味を広げずに残します。例：「月末の集計に手間がかかっています」
確認できた事実
・商談で具体的に確認できた状況を記録します。例：月末に担当者2名が表計算ソフトを使って集計している
営業側の解釈・仮説
・発言や事実から考えた内容は、顧客の発言とは分けます。例：集計作業の効率化にニーズがある可能性がある
未確認事項・次に聞くこと
・作業時間や発生頻度、改善に費用をかける意思など、まだ確認できていない条件を残します。
生成AIに要約させる場合も、「手間がかかる」という発言から「業務効率化が課題」と断定させず、事実と解釈を分けることが重要です。
その場で確定できない条件の扱い
AIが回答案を出せても、製品の仕様、費用、納期、法務・安全面の条件を営業担当者だけで確定できるとは限りません。確認できていない内容は、その場で結論にせず、技術、開発、運用、法務などの担当者へ持ち帰ります。
回答の速さより、誰がどの根拠で回答したかを追えることが大切です。AIが作った回答案には、参照した資料と未確認の前提を添え、正式な提案へ入れる前に担当部門が確認する流れを決めましょう。
商談後は仮説と事実の差を記録する
商談後は、議事録の要約だけで終わらせず、事前に立てた仮説と顧客から聞いた事実を比較します。見立てが外れた理由を残すと、次の商談準備や営業組織の学習に使えます。
仮説が外れた理由を分類する
仮説が外れた原因には、公開情報が古かった、対象部署が違った、顧客固有の運用があった、自社が想定した課題の優先順位が低かったなどがあります。AIで事前資料と商談記録の差を抽出し、担当者が原因を確認します。
外れた仮説を失敗として消すと、別の担当者が同じ前提で準備する可能性があります。「何が違ったか」「次は何を先に聞くか」まで記録すれば、質問や対象顧客の選び方を修正できます。
次の行動は担当者と期限まで明確にする
商談後の記録には、顧客が関心を示した内容、未確認の条件、追加資料、次回の目的、双方の担当者と期限を入れます。AIには議事録から候補を抽出させられますが、約束した内容と優先順位は担当者が原文と照らして確定します。
提案を続ける根拠が弱い場合は、無理に次回商談を設定せず、追加確認や見送りも選択肢です。案件を進めること自体ではなく、顧客と自社の双方にとって検討する価値があるかを判断します。
営業情報を生成AIへ入力する前の確認事項
営業活動では、担当者名、連絡先、商談内容、価格、技術情報など、公開されていない情報を扱います。利用するAIサービスの機能だけで判断せず、社内規程、契約、入力する情報の性質を確認してください。
入力できる情報と利用目的の線引き
公開情報、社内限定情報、機密情報、個人に関わる情報を分け、利用できるAIと用途を定めます。入力内容が学習に使われるか、保存期間はどうなっているか、管理者が利用状況を把握できるかも確認対象です。
必要以上の情報を入力しないことも基本です。商談記録全体を渡さなくても、匿名化した一部の文章で質問の分類を試せる場合があります。利用目的を満たす最小限の情報から始め、追加する必要があるかを判断します。
出力の確認者と利用範囲
生成AIは、もっともらしい内容を出しても、事実や条件が正しいとは限りません。顧客へ送る文章、提案書、価格や仕様に関する回答は、人が元資料と照らし合わせて確認します。
AIの効果的な活用と安全性の確保は、どちらか一方だけを選ぶものではありません。業務ごとに入力範囲、確認者、保存方法、顧客へ出す前の承認を決め、利用中に見つかった問題をルールへ戻せるようにします。
AI営業活用を個人利用から組織運用へ移す手順
一部の担当者だけが便利な使い方を知っていても、異動や退職で失われてしまいます。営業フローの中に共通の入力項目、確認者、記録方法を置き、商談結果から使い方を更新する仕組みが必要です。
対象業務を絞って導入前後を比較する
最初から営業活動全体へ広げず、商談前の公開情報整理や、商談後の確認事項の抽出など、範囲を限定して試します。導入前後で、準備に要した時間だけでなく、質問の具体性、情報源の記録、次の行動の明確さを比べてください。
結果が良くても、AIの使い方だけを共有して終わらせません。どの情報を使い、何を確認し、どの場面では使わないかを業務手順にします。うまくいかなかった例も残し、入力項目や確認方法を直します。
営業の流れに組み込む上長レビューと研修
研修で操作を学んでも、日常の営業で上長が別の観点を見ていれば定着しません。事前報告では事実・仮説・質問、事後報告では確認できた事実・外れた仮説・次の行動を見るなど、レビュー項目をそろえます。
ヒアリングシート、ロールプレイング、KPI、事前・事後報告を一つの流れにすると、AIの使い方と営業力の改善を分けずに進められます。担当者の利用回数ではなく、顧客理解と提案の根拠がどう変わったかを継続して確認しましょう。
AI営業活用を顧客理解と提案の仕組みに変えるには
AI営業活用で先に整えるべきなのは、ツールの選定より、営業担当者が何を調べ、商談で何を聞き、結果をどう次の提案へつなぐかという流れです。生成AIは公開情報や営業記録の整理を助けますが、顧客の状況を理解し、提案する価値を決めるのは人です。
コンセプト・シナジーでは、高収益企業での実践経験と生成AIの活用を組み合わせ、営業フローの可視化、顧客情報・業界情報・技術情報を調べる場面の設計、KPI、定着方法まで支援しています。
生成AI活用コンサルティングでは、営業フローを可視化したうえで、業界情報・顧客情報・技術情報を探索する場面、KPI、ホワイトペーパー、定着化までを検討します。ソリューション力強化支援 with DXでは、個人のヒアリング力と提案力に加え、組織として営業を支える仕組みづくりまで扱います。
現在の営業フローのどこから見直すべきかを整理したい方は、コンサルティングを体感できる無料オンライントライアルをご利用ください。自社の営業に生成AIをどう組み込むか、具体的な進め方をご相談いただけます。