営業のAI活用は、メールの下書き作成や商談記録の整理、案件の進捗把握といった定型的な情報整理では効果を発揮します。一方で、価格や納期など顧客に伝える最終条件の確定、クレームへの一次対応、確認していない実績の提示、顧客の与信や取引可否の判断は、AIに任せることができません。工程ごとに「AIに任せてよい範囲」と「人が必ず確認する範囲」を線引きして使うことが、営業でAIを活かす際の出発点です。
営業のAI活用で線引きを誤ると何が起きるか
経理や社内資料の作成であれば、AIの出力に誤りがあっても、公開前に社内で気づける余地があります。営業は違います。AIが作った文章の多くは、顧客に直接届くか、商談の場で使われます。誤りに気づく前に、相手に届いてしまう場面が多い業務です。
とくに問題になりやすいのは、AIが事実と異なる内容をもっともらしく生成してしまう現象です。これをハルシネーションと呼びます。文字起こしの聞き取り誤りや入力ミスとは別の現象で、AIが「それらしい答え」を組み立てる過程で、存在しない数字や実績を作り出してしまうことを指します。営業のAI活用では、この誤りが顧客との関係そのものに影響します。
工程ごとにAIに任せてよい範囲は異なります。まずは早見表で全体像を確認してください。
| 工程 | AIに任せてよい範囲 | 人の確認が必須な範囲 | そもそも任せるべきでない範囲 |
|---|---|---|---|
| メール・問い合わせの一次対応と下書き | 定型的な問い合わせへの返信文の下書き作成、よくある質問への回答案の提示 | 納期・価格・仕様など事実情報の正誤確認、送信前の最終確認 | クレームへの一次返信、価格交渉の回答をそのまま送信すること |
| 商談記録・議事メモの整理 | 録音・文字起こしからの要点抽出、決定事項とネクストアクションの箇条書き化 | 発言の意図やニュアンスの解釈、社内共有してよい範囲の判断 | 聞き取れなかった発言を推測で補って記録すること |
| 案件管理（進捗更新・次アクションの抽出） | 商談記録に基づく進捗ステータス候補の提示、次アクションのたたき台作成 | 受注確度・優先順位の最終判断 | 失注・保留の判断をAIの提示のまま確定すること |
| 提案書・見積の下書き | 過去の構成を踏まえた文面・章立てのたたき台作成 | 価格・条件・実績表記の事実確認 | 価格や値引き条件の最終決定、確認していない実績の記載 |
| 見込み客リストの整理と優先度づけ | 属性・行動履歴に基づく機械的な絞り込み・並べ替え候補の提示 | 優先度の最終判断、取引条件に関わる情報の扱い | 顧客の与信・取引可否そのものの自動判定 |
①メール・問い合わせの一次対応と下書きでできること・できないこと
問い合わせフォームやメールに届く定型的な質問には、過去のやり取りを踏まえてAIが返信の下書きを作る、という使い方があります。営業時間外に届いた問い合わせへの一次的な返信案を用意しておき、担当者が出社後に確認して送る、という流れであれば負担軽減につながります。
ここで欠かせないのが、送信前に人が確認する運用です。AIが生成した営業メールをそのまま送信すると、納期・価格・仕様といった事実情報の誤りが、確認されないまま相手に届いてしまいます。AIは過去のやり取りのパターンから「それらしい返信」を組み立てますが、その案件固有の最新の在庫状況や個別の値引き条件までは把握していません。下書きに記載された数字・日付・条件は、送信前に必ず担当者が事実と突き合わせてください。
AIに任せてよい範囲は返信文の下書き作成までです。人の確認が必須な範囲は、事実情報の正誤確認と送信前の最終チェックです。そもそも任せるべきでない範囲は、クレームへの一次返信です。怒りや不満を含む問い合わせに対して、AIが生成した定型的な文面をそのまま返すと、火に油を注ぐ結果になりかねません。クレームの一次対応は、最初の一言から人が書くべき領域です。同様に、値引きにどこまで応じるか、謝罪の言葉をどの程度重ねるかといった、顧客との関係性に踏み込む判断も、AIではなく担当者が行うべき領域です。
②商談記録・議事メモの整理でできること・できないこと
商談の録音データや文字起こしから、決定事項・次のアクション・懸念点を自動で抽出し、議事メモの形に整えるという使い方があります。手作業での議事録作成に比べ、要点を漏れなく拾い上げる助けになります。具体的な作り方や注意点は、議事録のAI活用で詳しく解説していますので、あわせて確認してください。
一方で、AIが拾えるのは「発言された言葉」までです。発言の裏にある意図やニュアンス、その場の空気感までは読み取れません。顧客が遠回しに難色を示した発言を、AIが前向きな反応として要約してしまう例もあります。また、社内の別部署にどこまで共有してよい内容かという判断も、AIには行えません。価格交渉の途中経過や、顧客の内部事情に関わる発言は、共有範囲を人が判断してから展開する必要があります。
AIに任せてよい範囲は要点抽出とメモの形式化です。人の確認が必須な範囲は、発言の解釈と共有範囲の判断です。そもそも任せるべきでない範囲は、聞き取れなかった部分を推測で補って記録に残すことです。不確かな内容は「不明」「要確認」として残し、断定した記録にしないでください。
③案件管理（進捗更新・次アクションの抽出）でできること・できないこと
商談記録やメールのやり取りから、案件の進捗ステータスの候補や、次に取るべきアクションのたたき台をAIに抽出させる使い方も広がっています。案件数が多い営業チームほど、状況の棚卸しにかかる手間を減らせる場面です。
ただし、受注確度や優先順位の最終判断は、AIの提示をそのまま採用すべきではありません。AIは商談記録の文面から機械的に確度を推測しますが、担当者だけが知っている決裁者の温度感や、社内の政治的な事情までは反映できません。次アクションの候補についても、AIが提示したものをそのまま実行に移すのではなく、担当者が本当に今やるべきことかを確認する工程が必要です。
AIに任せてよい範囲は進捗候補と次アクションのたたき台作成です。人の確認が必須な範囲は受注確度・優先順位の最終判断です。そもそも任せるべきでない範囲は、失注や保留の判断をAIの提示のまま確定させることです。案件をクローズする判断は、必ず担当者が行ってください。
④提案書・見積の下書きでできること・できないこと
過去の提案書や見積書の構成を踏まえて、新しい案件向けの文面・章立てのたたき台をAIに作らせる使い方は、ゼロから作成する手間を減らします。定型的な章立てが多い提案書ほど、下書き作成の負担軽減につながりやすい領域です。
注意すべきは、提案書に記載する実績や事例です。AIは自然な文章を組み立てることに長けていますが、実際には存在しない導入実績や、確認していない数値を、もっともらしい形で生成してしまうことがあります。これが前述のハルシネーションです。自社の実績として提案書に書く数字・事例は、必ず社内の記録と突き合わせて事実確認をしてから記載してください。価格や値引き条件についても、AIの下書きに含まれる数字を、確認済みの条件だと思い込んで提示することは避けるべきです。
AIに任せてよい範囲は文面・章立てのたたき台作成です。人の確認が必須な範囲は、価格・条件・実績表記の事実確認です。そもそも任せるべきでない範囲は、価格や値引き条件の最終決定と、確認していない実績の記載です。
自社の営業資料作成のどこにAIを使うのが向いているか、客観的な視点で整理したい場合は、無料のAI自動化診断を使う方法もあります。
⑤見込み客リストの整理と優先度づけでできること・できないこと
保有する見込み客のリストを、業種・企業規模・過去の反応履歴といった属性で機械的に絞り込み、優先度の高そうな順に並べ替える候補をAIに作らせる使い方があります。手作業での絞り込みに比べ、見落としを減らす助けになります。
一方で、優先度の最終判断は人が行うべきです。AIが提示する優先度は、あくまで過去のデータに基づく傾向にすぎません。担当者しか知らない個別の事情（決裁者が変わった、競合と比較検討中である等）を反映できないためです。さらに注意したいのが、取引の可否や与信に関わる判断です。顧客が実際に取引可能な相手かどうか、信用面で問題がないかどうかという判断は、AIに委ねるべきものではありません。ここは会社としての責任が問われる領域であり、最終判断は必ず責任者が行ってください。
AIに任せてよい範囲は絞り込み・並べ替え候補の提示です。人の確認が必須な範囲は優先度の最終判断と、取引条件に関わる情報の扱いです。そもそも任せるべきでない範囲は、顧客の与信・取引可否そのものの自動判定です。
顧客情報を外部のAIサービスに入力するときの線引き
営業のAI活用でもう一つ注意したいのが、顧客情報を外部のAIサービスに入力する場面です。個人情報保護委員会は、生成AIサービスの利用に関する注意喚起として、個人情報取扱事業者が生成AIサービスに個人情報を含むプロンプトを入力する場合には、特定された利用目的を達成するために必要な範囲内であることを十分に確認するよう求めています。また、あらかじめ本人の同意を得ることなく個人データを含むプロンプトを入力し、その個人データが応答結果の出力以外の目的で取り扱われる場合には、個人情報保護法の規定に違反する可能性があるとも指摘しています。
営業の現場では、商談メモや見込み客リストに、担当者名・連絡先・取引条件といった個人情報が含まれることが珍しくありません。外部のAIサービスに入力する前に、そのサービスが入力内容を機械学習に利用しないかどうかを確認すること、利用目的の範囲を超えていないかを確認することが必要です。同委員会は、生成AIサービスに入力された個人情報が機械学習に利用されることがあり、他の情報と統計的に結びついた上で、正確または不正確な内容で出力されるリスクがあることも、一般の利用者向けに示しています。顧客の氏名や連絡先を含む情報を安易に入力しない、という判断も、営業でAIを使ううえでの線引きの一つです。
営業のフローをAI駆動開発で自社向けに作ると、何が変わるか
ここまでの工程別の線引きは、既製のAIサービスを組み合わせて使う前提でした。案件管理や商談記録の形式が自社の営業フローに強く結びついている場合、それらを一つの専用システムとしてAI駆動開発（AIを活用してソフトウェアを開発する手法）で作る選択肢もあります。複数社共通のSaaSに自社の営業フローを合わせるのではなく、1社専用の環境を自社のフローに合わせて設計できます。
進め方は他の業務と同じです。営業工程を棚卸しし、最初の1工程を選んで必要最小限の機能（MVP）で試し、範囲を広げます（最初の1業務の選び方も参考にしてください）。担当のFDE（フォワードデプロイドエンジニア）が要件整理から運用の定着まで営業の現場に入り込んで伴走し、詳しくはFDE型AI導入支援とはで解説しています。費用は初期の開発費用に加え、運用後の保守費用がかかる構造です。
案件数が少なく既製のCRM・SFAで十分間に合う場合や、取引先ごとの個別対応が中心で標準化が難しい業務は、無理に作り込む対象には向きません。
営業でAI活用を始めるなら、最初の一歩をどう選ぶか
ここまで見てきたように、営業の各工程には「AIに任せてよい範囲」と「人が最後まで責任を持つ範囲」がはっきり存在します。いきなり提案書や見積の作成まで任せようとせず、まずは影響範囲が小さく、効果を確認しやすい工程から試すことをおすすめします。たとえば、営業時間外の問い合わせへの返信下書きや、商談記録の要点抽出から始め、送信前・共有前の確認工程を挟みながら精度を見極めるといった進め方です。
業務全体の中でAI導入をどう位置づけるかについては、中小企業のAI導入 完全ガイドで手順を解説しています。また、営業に限らず「最初にどの業務から始めるべきか」で迷う場合は、AI導入はどこから始める？最初の1業務の選び方も参考にしてください。
よくある質問
営業のAI活用は何から始めればいいですか？
商談記録の要点抽出や、定型的な問い合わせへの返信下書きなど、影響範囲が小さく効果を確認しやすい工程から始めてください。価格決定や見積提示など顧客への最終回答は、最初から任せないことが大切です。
AIが作った営業メールは、そのまま送っていいですか？
送らないでください。納期・価格・仕様の誤りがそのまま相手に届くリスクがあります。下書きとして使い、送信前に必ず担当者が事実情報を確認してから送る運用にしてください。
商談で聞いた顧客情報を、外部のAIサービスに入力してもいいですか？
入力する前に、利用目的の範囲内かどうか、そのサービスが入力内容を機械学習に利用しないかを確認してください。個人情報保護委員会も、生成AIサービスへの個人情報の入力には注意が必要だと注意喚起しています。
自社のどの業務からAI化すべきかを知りたい方は、無料のAI自動化診断をご利用ください。自社の業務に合わせたシステムをAI駆動開発で作る場合の相談・見積りは、株式会社Walkersのシステム開発事業で受け付けています。本記事は、FDE型のAI導入支援を行う株式会社Walkersが運営しています。
参考
- 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（令和5年6月2日）: https://www.ppc.go.jp/news/careful_information/230602_AI_utilize_alert/
- 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」（別添1・PDF）: https://www.ppc.go.jp/files/pdf/230602_kouhou_houdou.pdf
