AIを使う回数は増えた。商談は前に進んでいますか？
営業活動を支援するAIを導入して一か月。部門会議では、利用者数が増え、メール作成や議事録の要約、提案書の下書きにもよく使われていると報告されました。
担当役員からは「現場に定着してきましたね」と声がかかりました。ところが、営業部門長には気になることがありました。
大型案件の段階は進んでいません。意思決定者に会えた割合も変わらず、提案レビューの差し戻しも減っていませんでした。現場は確かにAIを使っていますが、商談が前に進んでいる実感は薄かったのです。
会議の最後に、部門長が聞きました。
「AIを使ったことで、顧客側の何が動いたんだっけ」
その問いに、すぐ答えられる人はいませんでした。
営業部門長が本当に知りたいのは、利用回数ではありません。
AIを使ったことで、商談は前に進んだのか。
利用回数が増えても、提案品質が上がらず、意思決定者に会えず、SFA（営業支援システム）のステージが動かず、失注理由が変わらないなら、営業を支援するAIは成果を出しているとは言いにくい状態です。
利用回数は、成果ではなく入口である
利用回数を見ること自体は問題ありません。定着しているか、使いにくくないか、現場が価値を感じているかを知る入口になります。
ただ、利用回数だけを成果指標にすると、現場では使うこと自体が目的になりやすくなります。
メールの作成、議事録の要約、提案書のたたき台作成にAIを使ったことは、活動の記録です。それだけでは、営業としての成果が出たとは言えません。
営業活動の成果は、顧客の意思決定が前に進むことです。
商談ステータスで見るとはどういうことか
ここでいう商談ステータスとは、単なるSFA上のフェーズ名だけではありません。顧客側で何が変わったかを見るという意味です。
例えば、次のような変化です。
初回相談から課題合意へ進んだ
現場担当者だけでなく意思決定者が参加した
顧客側の宿題が設定された
予算時期や判断条件が明確になった
提案比較の評価軸が共有された
PoC後の本番判断条件が決まった
失注時に次回使える学びが残った
営業を支援するAIの成果を見るなら、AI利用後にこのようなステータス変化が増えたかを確認する必要があります。
AIが効く業務と、商談が動く業務は違う
AIで効率化しやすい業務は、文章作成や要約です。作業時間が減るため、成果を確認しやすい使い方です。
一方、商談を動かす業務は、もう少し難しくなります。
顧客課題の仮説を作り、誰に会うべきかを考え、提案の順番を変えます。撤退すべき案件の見極めや、次回会議で確認すべき問いの選択も含まれます。
ここでは、AIは答えを出すより、判断材料を増やす役割になります。
営業を支援するAIの本当の価値は、メールが早くなることだけではありません。営業担当者が、次に何を確認すべきかを間違えにくくなることにあります。
成果指標を三層に分ける
営業を支援するAIのKPIは、三層で見るとよいでしょう。
利用の指標は、利用者数・利用回数・対象業務数で定着状況を見ます。品質の指標は、提案レビュー指摘数・確認工数・SFA更新品質で営業活動の質を見ます。商談進捗の指標は、ステージ前進率・意思決定者接続率・次回アクション明確化率で、売上につながる変化を見ます。
利用だけを見ると、AIを使ったかどうかしか分かりません。品質を見ると、営業プロセスが良くなっているかが分かります。商談進捗を見ると、顧客の意思決定が動いているかが分かります。
商談ステータスKPIの例
営業部門で実際に使いやすい指標は、次のようなものです。
AI利用後の商談で、次回アクションが顧客側・自社側に分かれて記録されている割合
提案前に意思決定者または影響者が特定されている割合
初回商談後、課題仮説が更新された案件割合
提案書レビューで、事実と仮説の区別ができている割合
失注案件で、次回使える判断基準が残っている割合
AI利用案件と非利用案件で、ステージ停滞期間に差があるか
これらは単純な売上指標ではありません。しかし、売上につながる営業行動の変化を見る指標です。
AI活用テーマごとにKPIを変える
すべてのAI活用を同じKPIで見る必要はありません。
商談メモ要約なら、議事録作成時間、次回アクションの明確化率、SFA更新率を見ます。
提案書作成なら、初稿作成時間、レビュー指摘数、顧客課題との適合度を見ます。
受注予測なら、ステージ変更理由の記録率、リスク検知の早さ、予測と実績の差を見ます。
営業メールなら、返信率だけでなく、次回会議設定率、顧客側宿題の明確化を見ます。
大事なのは、AI機能ではなく、営業プロセス上のどこを変えたいかからKPIを決めることです。
失敗も成果に含める
AIを使っても商談が進まないことはあります。その場合も、成果ゼロと決めつける必要はありません。
なぜ進まなかったかが分かれば、学びになります。
AIに入れる情報が足りなかったのか。SFAが古かったのか。提案の確認工数が重すぎたのか。顧客の意思決定者が見えていなかったのか。そもそもAIを使う業務ではなかったのか。
こうした失敗ログを残すと、次のユースケース選定が良くなります。
営業を支援するAIのKPIには、成功だけでなく、失敗から何を直したかも含めることが大切です。
部門長が見るべきダッシュボード
理想的には、営業を支援するAIダッシュボードは利用回数だけでなく、次のような構成にします。
どの業務でAIが使われているか
どの情報を入力しているか
人の確認でどれくらい修正されているか
商談ステータスにどんな変化があったか
インシデントやヒヤリハットは起きていないか
どのプロンプトや手順が再利用されているか
これなら、部門長は「使われているか」だけでなく「安全に、成果につながる形で使われているか」を見られます。
三か月で見るなら何を残すか
営業でのAI活用を三か月試すなら、最終報告で残すべきものは利用回数のグラフだけではありません。
有効だった業務テーマ
効果が出なかった業務テーマ
入力してはいけない情報の具体例
人の確認が必要だった箇所
SFA更新ルールの不足
商談ステータスが動いた案件の特徴
標準プロンプトとして残すもの
部門ルールに反映するもの
ここまで残ると、AI活用は単発の試行ではなく、部門の運用知になります。
明日使えるKPI設計シート
営業を支援するAIの成果を利用回数だけで見ると、AIを使うことが目的になります。商談ステータスで見ると、AIを使って顧客の意思決定を前に進めることが目的になります。
AILでは、AI活用テーマの選定からKPI設計、実践結果の評価、部門ルールへの反映までを一連のプロセスとして支援しています。
商談ステータスは、顧客側の行動で見る
SFA上のステージ名だけを追うと、実態とずれることがあります。担当者がステージを進めただけで、顧客側では何も変わっていない場合があるからです。
営業を支援するAIの成果を見るなら、顧客側の行動で見ます。
たとえば、意思決定者の会議への参加や、顧客による社内説明資料の作成開始が挙げられます。予算時期が明確になったこと、比較評価の項目を共有してもらえたこと、次回までの宿題を顧客が引き受けたことも、確認したい変化です。
こうした変化があって初めて、商談は前に進んだと言えます。
AI利用案件と非利用案件を比べる
成果を見るには、AIを使った案件だけを見るのでは足りません。使っていない案件と比べると、何が変わったかが見えやすいものです。
例えば、AIを使った案件では商談後のSFA更新が早くなったか。次回アクションが明確になったか。提案レビューの指摘が減ったか。ステージ停滞が短くなったか。
もちろん、案件条件が違うので単純な因果関係は言えません。それでも、比較することで改善の兆候は見えます。
利用回数を捨てる必要はない
利用回数は無意味ではありません。定着状況を見るには必要です。ただし、利用回数だけで成功と判断しないことが大切です。
利用回数は入口の指標、提案品質は途中経過の指標、商談ステータスは成果に近い指標として捉えます。インシデントやヒヤリハットは安全性指標です。
この四つを並べると、部門長はバランスを見られます。使われているが品質が上がっていないなら、教育が必要です。品質は上がっているが商談が進まないなら、AI活用テーマがずれているかもしれません。商談は進んでいるがヒヤリハットが増えているなら、ガバナンス（AIを適切に使うためのルールや責任体制）を強化する必要があります。
KPIは現場の行動を変える
何を測るかは、現場の行動を変えます。
利用回数だけを測れば、現場は回数を増やします。メール作成件数、要約件数、提案書ドラフト件数が増えるかもしれません。
しかし、商談ステータスを見ると、行動が変わります。次回会議で誰を呼ぶか。顧客側の宿題をどう作るか。提案前に何を確認するか。SFAに何を残すか。
KPIは管理のためだけではありません。営業を支援するAIをどの方向へ使うかを決めるメッセージです。
三か月後に残すべき成果物
営業でのAI活用の実践後には、次の成果物を残すとよいでしょう。
効果があった業務テーマの一覧
効果が出なかったテーマと理由
商談の状況が変わった案件の共通点
人の確認が必要だった箇所
標準プロンプトやSFA更新ルール
次の四半期で試すテーマ
この成果物があれば、営業でのAI活用は「試しました」で終わりません。部門として学習し、次のテーマ選定へ進めます。
部門長への問い
最後に、営業部門長は自分にこう問うとよいでしょう。
AIを使った回数が増えたことを、成果として報告したいのか。それとも、商談が前に進む確率が上がったことを報告したいのか。
後者を目指すなら、KPIは変わります。利用回数や作業効率に加えて、商談の状況や顧客の意思決定がどう進んだかを測ります。ここに、営業でのAI活用の本当の経営価値があります。
商談ステータスの定義を揃える
商談ステータスで成果を見るには、まずステータスの定義を揃える必要があります。
同じ「提案中」でも、顧客が課題に合意している状態なのか、営業が資料を出しただけなのかで意味はまったく違います。同じ「検討中」でも、予算責任者が見ているのか、現場担当者が持ち帰っているだけなのかで確度は変わります。
AI活用の成果を見る前に、ステータスが何を意味するのかを定義します。顧客側の行動、確認済み事項、次に必要な条件をセットにします。
成果が出ないユースケースをやめる基準
AI活用では、続ける基準だけでなく、やめる基準も必要です。
三か月使っても商談の状況が変わらない場合や、人の確認工数が大きすぎる場合には、テーマの見直しが必要です。SFAの情報が足りず、毎回一般論しか出ない場合や、顧客への提出物に使うにはリスクが高い場合も同様です。
AI活用を続けること自体が目的になると、効果の薄い業務に時間を使い続けてしまいます。
部門長は、AI活用テーマごとに「続ける条件」「見直す条件」「やめる条件」を持つとよいでしょう。
最後は営業会議の問いに戻る
営業を支援するAIの成果を本気で見るなら、営業会議の問いが変わります。
「AIを使いましたか」ではなく、「AIを使って、次の商談で何を変えましたか」と聞きます。
「メールを作りました」ではなく、「そのメールで顧客側のどの行動を狙いましたか」と聞きます。
「提案書を作りました」ではなく、「その提案で商談ステータスは何から何へ進む想定ですか」と聞きます。
この問いがあると、AIは作業補助ではなく、営業判断を前に進める道具になります。
参考情報
営業でAIを使うための、業務とルールづくり
営業のどの業務にAIを活かすか。顧客情報や提案品質を守りながら、現場で使い続けられるようにするには何が必要か。
AILでは、人材育成、実践知の蓄積・活用、導入に向けたコンサルティング、プロダクトの提供を通じて、企業のAI活用を支援しています。自社の課題に合った支援を、サービス紹介ページでご覧いただけます。
AI Librariumについて
本記事は、AI Librarium（アイブリウム）株式会社が発信しています。
AILは、専門家の知見や判断基準を、実務で使えるAI Skillとして届け、研修やコンサルティングを通じて企業の業務変革を支援します。その実践で得られた成果や課題を、AI Skillの改善と人材育成に活かし、次の変革につなげていくことを目指しています。
