Forresterの2027年予測「75%」から考える、AI時代の営業の役割

商談の前に、顧客がAIで作った比較表を持ってくる。価格、機能、導入効果が並び、その横には「おすすめのサービス」まで書かれています。

その比較表を前に、営業は何を説明すればよいのでしょうか。

これは、これからの営業を考えるための場面例です。AIが商品情報を整理できるようになると、営業には、比較表の内容を確かめ、顧客の条件に当てはめる仕事が増えるかもしれません。

調査会社Forresterは2026年10月21日、2027年にはAIエージェントがB2B購買意思決定の75%に影響するという予測を公表しました。公式発表

この数字を仕事に生かすには、AIが購買に関わる範囲と、判断まで任せられる範囲を分けて考える必要があります。

今回は、予測の読み方、買い手が人に求めること、営業資料と人材育成で準備したいことを順に整理します。

1. 「75%」は、AIが購買に影響するという予測です

Forresterの公開資料では、AIエージェントの用途として、候補企業の発見、情報収集、契約更新の分析などが挙げられています。完全な自律購買は、大量・低リスク・反復的な購入に集中するという見方です。公式発表

たとえば、いつも購入している備品を決まった条件で補充する仕事と、全社の営業研修を選ぶ仕事では、確かめる内容が違います。後者では、現場の課題、管理者の関与、実施できる時間、導入後の運用まで考える必要があります。

ここで押さえたいのは、次の区別です。

• 数字が示すこと：2027年の購買意思決定にAIが影響するという見通し
  数字からは分からないこと：75%の企業がすでに導入しているか

• 数字が示すこと：買い手がAIを使う範囲の広がり
  数字からは分からないこと：契約の75%をAIだけで決めるか

• 数字が示すこと：売り手が準備すべき変化の方向
  数字からは分からないこと：日本の全業種で同じ割合になるか

公開資料では、75%の対象地域、影響をどう数えるか、具体的な推計方法までは確認できません。数字の精度を再計算する材料は不足しています。公式ガイド案内

この予測は、自社の顧客がどの場面でAIを使うかを確かめる出発点になります。

2. 買い手は、自分で調べたうえで人に確かめたい

Forresterは、AIの提案を検証するため、人とのやり取りが2027年に2倍になるとも予測しています。ただし、比較する年や基準回数は、公開発表では明らかではありません。公式発表

人による検証を求める傾向は、別の調査でも確認できます。

Gartnerは、2025年8〜9月にB2B購買者645人を調査しました。2026年5月の発表によると、69%がAI生成情報を営業担当者に確かめてもらうことを好む一方、67%は営業担当者を介さない購買体験を好んでいました。Gartnerの調査

一見すると、両立しにくく見えます。しかし、買い手の仕事に当てはめると理解できます。

仕様や料金は、自分のタイミングで調べたい。必要な情報を得るたびに商談を設定するのは負担です。一方、「自社の現場でも動くのか」「導入後に誰が支援するのか」は、詳しい人に相談したい場面があります。

ただし、この二つの回答が同じ人の中でどれだけ重なったかは、公開集計からは分かりません。Gartnerの調査が、Forresterの接点倍増を証明しているわけでもありません。

6senseの2025年調査も、LLM利用が広がっても、売り手との接点が直ちに置き換わったとは報告していません。約4,000人を対象とする同調査では、購入額中央値の区間が20万〜30万米ドルで、テクノロジー・サービス業の比重が高い点に注意が必要です。6senseの調査

営業への示唆は、顧客がすでに得た情報を踏まえ、判断に足りない条件を一緒に確かめることです。

3. 強い訴求には、顧客がたどれる根拠を添える

Forresterは、買い手が主張を検証できないことにより、提供企業の3分の2が失注すると予測しています。これは企業についての予測であり、全案件の3分の2が失注するという数字ではありません。公式発表

この発生割合は未検証ですが、「説明と根拠をつなぐ」という準備は、AIを使わない買い手にも役立ちます。

たとえば、営業資料に「育成期間を短縮できる」と書く場面を考えます。顧客が知りたいのは、その言葉に続く条件です。

• 育成完了を、何ができる状態と定義したのか。

• どのような職種・経験の人を対象にしたのか。

• 何人を、どの期間で確認したのか。

• 上司の指導や、別の研修も実施していたのか。

これらがなければ、自社にも当てはまるかを判断できません。

公開できる範囲では、事例の対象、測定方法、期間、適用条件を一緒に示す。顧客情報など公開できない部分は、理由と確認できる窓口を示す。この整理なら、機密情報を無理に公開する必要もありません。

AIによる確認も、常に正しいとは限りません。NISTは、生成AIが誤った内容や架空の引用を、確信的に出力するリスクを整理しています。古い料金や別プランが混ざることを想定し、元資料へ戻れるようにしておく必要があります。NISTの生成AIリスク管理資料、§2.2

AI検索で見つけてもらう工夫も、この土台の上にあります。Googleの公式ガイドは、独自で有用な情報や通常のSEOを重視し、Google検索向けに特別なAI用ファイルを用意する必要はないと説明しています。Googleの公式ガイド

まず整えるのは、顧客が主張から根拠へたどれる導線です。

4. AIで速くなった仕事を、確認・修正まで含めて測る

Forresterの予測は、売り手自身のAI活用にも注意を向けています。マーケティング部門が期待した生産性を得られず、施策の縮小や実行能力の低下に直面する、という見通しです。公式発表

実際、AIの効果は仕事によって違います。

2025年に『The Quarterly Journal of Economics』に掲載された研究では、1企業の顧客支援担当者5,172人のデータを分析し、AI支援によって1時間当たりの解決件数が平均15%増えました。経験の浅い人ほど改善が大きいなど、担当者による差もありました。掲載論文

一方、METRの実験では、熟練したオープンソース開発者16人が取り組んだ246課題で、AIを使える条件の作業時間が19%長くなりました。2025年初期のツールと、慣れた開発環境での結果です。METRの2025年実験

この二つを平均して、自社の期待効果にすることはできません。職務、ツール、測っている指標が違うからです。METR自身も、その後の実験では参加者の選択による偏りから、最新の効果量を推定しにくいと説明しています。2026年2月の追試状況

営業なら、提案書の初稿だけで判断しないことが大切です。内容の確認、顧客別の修正、社内承認、引継ぎまで含めて時間と品質を測ります。

初稿が早くなっても、数字の照合や修正が増えれば、全体の効果は小さくなります。逆に、浮いた時間を顧客理解や練習へ回し、応対の質が上がるなら、その変化も評価できます。

5. 営業育成では、AIの答えを確かめる練習を組み込む

ここからは、調査を踏まえた実務上の提案です。

AI活用の研修では、指示文を作る練習に加えて、出てきた答えを確かめる練習を用意すると、営業の仕事に接続しやすくなります。

たとえば、教材として架空の比較表を作り、旧料金、別プランの機能、出典のない効果を混ぜます。受講者は、それを顧客から渡された想定で対応します。

「この料金は現在のプランか」「効果の数字は何を測ったのか」「この条件では判断できないと伝えられるか」。確認する行動そのものを評価します。

ロールプレイでは、顧客のAI比較表に正しい点も残しておきます。間違い探しだけにすると、すべてを否定する練習になりやすいためです。確認できたことを認め、足りない条件を質問し、根拠で説明を補うところまで試します。

さらに、後日別の課題で、AIの支援なしでも説明できるかを確認します。その場で上手に答えられたことと、本人が理解して現場で使えることは、別に評価したいからです。

日本の足元を見ると、IPA『DX動向2026』は、AIの利用が広がる一方、活用は効率化が中心で、人材育成や組織的な対応に課題が残ると報告しています。調査は2026年4〜6月、国内1,799社の回答に基づくもので、B2B購買の自律化率を測ったものではありません。IPA『DX動向2026』

新しいツールを配ることと、現場で使える状態を作ることを、つなげて設計する必要があります。

始めるなら、自社の主力サービスを一つ選び、次の順で試してみてください。

1. 主要な訴求を三つ選ぶ。 提案書、Web、FAQで、意味や条件がそろっているか確認する。

2. それぞれの根拠をたどる。 対象、期間、測定方法、適用条件を営業が説明できるか確かめる。

3. 顧客役を置いて練習する。 AI比較表を渡された場面で、確認・質問・説明ができるかを見る。

この三つは、AIエージェントの普及率が予測どおりにならなくても、取り組む意味があります。

顧客が自分で調べられる情報が増えるほど、営業の説明は、その顧客の判断にどれだけ役立つかで評価されます。AIに情報整理を任せながら、人は適用条件を確かめ、判断を支える。 その役割分担を、自社の資料と育成から具体化していきたいところです。

調査基準日：2026年10月22日（日本時間）。Forresterの数値は2027年の予測です。有料レポートの全文・算出方法は確認できておらず、公開発表・公開要旨と関連する一次資料に基づいています。本文中の場面例・育成案は実務への応用提案であり、実在の顧客事例や効果保証ではありません。

主な参考資料

• Forrester「2027 B2B Go-To-Market Predictions」公式発表（2026-10-21）：本文

• Forrester「Predictions 2027: B2B Go-To-Market」（2026-10-14）：公開要旨

• Gartner「69% of B2B Buyers Turn to Sales Reps to Validate AI-Generated Insights」（2026-05-20）：公式発表

• 6sense「2025 B2B Buyer Experience Report」（公表発表2025-11-12）：本文

• Brynjolfsson・Li・Raymond「Generative AI at Work」（オンライン2025-02-04）：論文

• METR「Early-2025 AI on Experienced Open-Source Developer Productivity」（2025-07-10）、追試状況（2026-02-24）：実験／追試

• NIST「Generative Artificial Intelligence Profile」（2024年7月）：PDF

• Google Search Central「Optimizing your website for generative AI features on Google Search」（ガイド公開告知2026-05-15、参照2026-10-22）：公式ガイド

• IPA『DX動向2026』（2026-07-30）：本文

参考になったらフォロー・いいねをよろしくお願いします！