本記事は50社以上の成長支援を手がけるKPIコンサル・岩田圭弘が解説します。
商談解析AIを導入したのに、営業の数字は変わらない——。会話は自動で文字起こしされ、要約もスコアも大量に出てくる。それでも受注率は横ばいのままだ。原因は、AIが吐き出す情報を「型」に変え、KPIに接続する仕組みがないからだ。本記事では、商談解析AIを「情報を出すだけの道具」で終わらせず、営業組織全体の実力を底上げするためのKPI設計と運用の全手順を解説する。
商談解析AIとは何か
商談解析AI（カンバセーションインテリジェンス）とは、オンライン商談や電話の音声・映像を自動で録音・文字起こしし、要約・トピック分類・話す割合・キーワード出現などを解析するツールの総称だ。「誰が」「どの商談で」「何を話したか」がデータとして残るため、これまでブラックボックスだった商談の中身が可視化される。
ここまでは、多くのベンダーが語る通りだ。だが重要なのはその先である。商談解析AIは「会話を見える化」するが、「営業を強く」はしない。見える化されたデータをどう使い、何を測り、どの行動を変えるか——それを設計しない限り、AIは要約を積み上げるだけの道具で終わる。
商談解析AIが「入れただけ」で終わる3つの原因
導入が成果に結びつかない現場には、共通した3つのパターンがある。
1. ツール導入が目的化する
「商談解析AIを導入した」こと自体がゴールになり、何をどう変えるかが設計されていない。導入の翌月には、一部の熱心な営業だけがレポートを開き、大半は元のやり方に戻る。
2. 属人ノウハウをAIに型化させていない
商談ログを溜めても、「トップ営業が何をしているのか」を言語化して型にしなければ、データは眺めるだけの記録に終わる。AIは会話を分類できるが、「その分類のどれが受注を決めているのか」までは教えてくれない。
3. 情報過多で現場が消化しきれない
これが最も見落とされる原因だ。商談解析AIは、商談ごとに要約・示唆・スコアを大量に出力できる。だが誰もそれを見返さず、整理もされないまま積み上がっていく。AIの出力が増えるほど、現場は「何を見て、何を真似ればいいのか」がわからなくなる。情報が増えることと、行動が変わることは、まったくの別物だ。
この3つに共通するのは、「測るKPIがない」という一点だ。AIで何を変え、その結果を何で測るかが決まっていないから、導入が成果に接続しない。
商談解析AIを「3層フレーム」で設計する
商談解析AIをどこに効かせるかは、営業のKPIを3層に分けて考えると整理できる。KGI（最終成果）→中間KPI（遅れて表れる結果）→先行KPI（今日動かせる行動）の順に、AIが支援できる領域は異なる。
| 層 | 指標の例 | 性質 | 商談解析AIが支援する作業 |
|---|---|---|---|
| KGI（最終） | 売上・受注金額・粗利 | 結果。直接は動かせない | 失注/受注商談の傾向サマリー提供 |
| 中間KPI（遅行） | 受注率・案件化率・平均単価 | 数週間〜数か月遅れて動く | 受注/失注商談の会話パターンの抽出材料を提供 |
| 先行KPI（行動） | トーク実行率・ヒアリング項目網羅率・話す/聞く比率 | 今日の商談で動かせる | 決めた型が実行されたかを商談ごとに可視化 |
ポイントは、商談解析AIが最も価値を出すのは「先行KPI層の可視化」だという点だ。「決めた型が、実際の商談で実行されたか」を1件ずつ測れることこそ、他のAIにはない商談解析AIの強みである。中間KPI層では、AIは「受注商談と失注商談で会話がどう違うか」の材料は出せるが、「なぜ違うのか」の解釈と打ち手の判断は人間の仕事だ。KGI層のサマリーも、精度を過信せず「参考値」として扱う姿勢が要る。
主要KPIと商談解析AIの活用ポイント
商談解析AIと相性のよい主要KPIごとに、先行/遅行の別と「AIでどう変わるか」を整理する。
| KPI | 種別 | 商談解析AIでどう変わるか |
|---|---|---|
| ヒアリング項目網羅率 | 先行 | 予算・決裁者・課題など必須項目を聞けたかを自動判定 |
| トーク実行率（型の遵守率） | 先行 | 決めたトーク・問いが商談で実行されたかを可視化 |
| 話す/聞く比率 | 先行 | 営業と顧客の発話量の比率を商談ごとに計測 |
| 意思決定プロセス確認率 | 先行 | 決裁フロー・稟議の有無に触れた商談の割合を集計 |
| 次アクション設定率 | 先行 | 商談末尾で次回日程・宿題を確定できたかを検知 |
| フェーズ別転換率 | 遅行 | 各フェーズの会話内容と転換の相関を分析する材料を提供 |
| 受注率 | 遅行 | 受注/失注商談の会話パターンを抽出（解釈と対策は人間） |
| 平均単価 | 遅行 | 値引き・アップセルに触れた商談の傾向を分析 |
どの指標でも、AIの役割は「材料を大量に用意すること」であり、その材料から何を読み取り、どう行動を変えるかは人間が決める。この境界を曖昧にすると、次のKSFの発見でつまずく。
KSFは「AI」ではなく「人間の比較」から見つける
成果を左右する要因（KSF）は、目標から逆算して机上で決めるものではない。トップ営業と平均的な営業の「差分」から発見するものだ。商談解析AIは、その差分を見つけるための材料を大量に用意してくれる。だが、差分を見抜く工程では、AIと人間の役割を厳密に分けなければならない。
- AIは比較材料・データを大量に用意する。 商談解析AIが、トップ営業と平均的な営業の商談ログ・トーク・発話比率を並べて出力する。ここまではAIの仕事だ。
- 人間が、その中から本質的な違い（KSF候補）を抽出し、型として言語化する。 「トップは初回商談で必ず決裁プロセスと予算の意思決定者を確認している」といった、一段抽象化した違いを見抜き、1つの型に落とす。これはマネージャーやコンサルタントなど、人間にしかできない仕事だ。AIは大量の要約を出せるが、「何が本質的な差なのか」を判断することはできない。
- 人間が、その型が全員に実行可能かを判断する。 抽出したKSF候補が、誰でも再現できる型なのか、それとも特定の担当者の経験・人間関係・センスに依存していて再現できないものなのかを見極める。この実行可能性の判断も、AIには任せられない人間の仕事である。
AIに差分を見つけさせる、AIにKSFを決めさせる——この使い方は必ず失敗する。AIの出力を鵜呑みにせず、人間が「抽出・言語化・実行可能性判断」の3工程を担う。ここを外注してはいけない。