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。
「生成AIを営業に使ってみたが、結局いつもの業務に戻ってしまった」——そんな声をよく聞く。議事録要約、メール文面の下書き、提案資料のたたき台。試すこと自体は簡単になった。だが、試した施策が売上という結果に接続している組織は驚くほど少ない。生成AIは「入れれば売れる」道具ではない。AIを型化と計測のKPI運用に組み込んで初めて、活用事例は再現性ある成果に変わる。本記事では、よくある活用事例を紹介したうえで、それを「試して終わり」にしないための、KPIに連動させた定着の設計法まで踏み込んで解説する。
生成AIの営業活用が「試して終わり」になる3つの原因
ツール紹介記事は世に溢れている。しかし、多くの現場で活用が定着しないのは、ツールを知らないからではない。原因は運用の設計にある。
原因1：ツールを導入すること自体が目的になっている
「AIを使っている」という状態がゴールになり、何の数字を動かすために使うのかが定義されていない。目的がKGI・KPIに紐づいていないため、使っても使わなくても評価が変わらず、自然と使われなくなる。
原因2：属人的なノウハウをAIに渡していない
生成AIは、与えられた情報の範囲でしか良い出力を返さない。トップ営業の勝ちパターンや自社の刺さる訴求を言語化して渡さないまま汎用的に使うと、当たり障りのない出力しか出てこない。「AIの提案は薄い」という評価は、多くの場合インプット設計の問題だ。
原因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やリサーチAIは、大量の要約・示唆・データを出力できる。だが、出力が積み上がるだけで誰も見返さず、現場が処理しきれずに放置される。AIの出力量が増えるほど、それを一段抽象化して「結局どう動けばいいのか」を型に落とす作業が必要になる。この整理を誰もやらないと、AI活用はデータの山で形骸化する。
3層フレームで「AIがどの層を担うか」を設計する
営業のAI活用を成果に変える出発点は、指標を3層に分けて、AIがどの層の作業を支援するのかを明確にすることだ。AIは「行動を助ける」ことはできても、「最終成果を判断する」ことはできない。層を混同すると、AIに任せてはいけない仕事まで委ねてしまう。
| 層 | 指標の性質 | 例 | AIが担う役割 |
|---|---|---|---|
| KGI（最終成果） | 遅行・結果 | 受注額・売上 | 判断は人間。AIは進捗の可視化のみ |
| 中間KPI（遅れて出る結果） | 遅行 | 商談化率・受注率 | 予測・傾向の提示（鵜呑みにしない） |
| 先行KPI（今日動かせる行動） | 先行・行動 | 商談準備の質・アプローチ数・トーク実行率 | 準備・下書き・比較材料の生成を支援 |
ポイントは、生成AIが最も効くのは一番下の「先行KPI＝行動の層」だということ。提案準備の下書き、リサーチ、トークの叩き台づくり——ここでAIが時間と品質を底上げする。一方、中間KPIの予測をAIに出させても、それを鵜呑みにして判断を委ねてはいけない。予測はあくまで人間が優先順位を決めるための材料である。
主要KPIと生成AI活用ポイント
営業プロセスの各段階で、どのKPIをどうAIで変えるか。代表的な指標を整理する。
| KPI | 種別 | 生成AIでどう変わるか |
|---|---|---|
| アプローチ数 | 先行 | リスト作成・パーソナライズ文面の量産で数を増やす |
| アプローチの質（返信率） | 先行 | 相手の文脈に合わせた訴求案を複数生成し検証 |
| 商談準備時間 | 先行 | 企業リサーチ・想定質問の準備を短縮し質を上げる |
| トークの型の実行率 | 先行 | ロープレ相手・トーク添削で型の定着を支援 |
| 商談メモの記録率 | 先行 | 商談解析AIで自動記録し、記録漏れをなくす |
| 商談化率 | 中間 | 失注要因の傾向分析で改善点の仮説を提示 |
| 受注率 | 中間 | 有望度スコアリングで優先順位づけを支援 |
| 提案書作成リードタイム | 先行 | たたき台生成で作成時間を短縮 |
この表で重要なのは、AIが「変える」のは主に先行指標だという点だ。受注率のような遅行指標は、先行指標の改善が積み重なった結果として動く。AIを入れて受注率が上がらないのは当然で、まず先行指標が変わっているかを見なければならない。
KSFは「AIが出す答え」ではなく「比較」から見つける
成果を分けるカギ（KSF）をどう特定するか。ここが生成AI活用で最も誤解されるポイントだ。「AIがKSFを見つけてくれる」という発想は捨てるべきだ。AIにできるのは、比較の材料を大量にそろえることまでである。KSFの特定は、次の3段階で進める。
- AIは比較材料を大量に用意する：ハイパフォーマーと平均的なメンバーの商談ログ・トーク・準備内容をAIで文字起こし・要約し、比較できる状態に並べる。
- 人間が本質的な違いを抽出し、型として言語化する：大量の差分の中から「結局、何が決定的に違うのか」を一段抽象化するのは人間の仕事だ。AIは「たくさんの違い」を挙げられても、「本質的な1つの型」に絞ることはできない。ここはマネージャーやコンサルタントが担う。
- 人間が、その型が全員に実行可能かを判断する：抽出した型が、誰でも実行できる再現性のあるものか、それとも特定の人の経験・人間関係・センスに依存していて真似できないものかを見極める。この実行可能性の判断もAIには任せられない。
AIに任せきりにせず、AIの出力を鵜呑みにしない。 比較材料はAIに、意味づけと実行可能性の判断は人間に。この役割分担を崩すと、「もっともらしいが誰も再現できないKSF」を掲げて現場が動かなくなる。