この仕組みの土台には、私が用意した営業ノウハウ2,000件のデータがある。単なるAIの一般論ではなく、現場での判断に役立つ知識を回答づくりの参考にするためだ。相談が行われるたびに新しい相談データも蓄積される。ただし、蓄積した内容がそのまま正解になるわけでも、AIが自動的に賢くなるわけでもない。人が内容を点検し、判断基準を改善することまでが、私の考えるAIメンターづくりだ。
この記事を特に読んでほしいのは、初回商談や新規開拓で「誰に聞けばいいかわからない」と悩む若手営業担当者と、少人数の営業組織で部下を育てる経営者・管理職だ。そして、私と同じように60歳を目前にし、「自分の経験を次の世代にどう渡すか」を考えているベテランにも届けたい。テーマはAIそのものではない。教わりたい人と、教える側の経験をどうつなぎ直すか、という話である。

経営判断で迷ったときの考え方。顧客と向き合う営業の勘所。炎上しかけたプロジェクトで、何を先に確かめるかという順番。そうした知恵は、資格の教科書や立派な報告書に全部書かれているわけではない。

20年前の自分に、今の生成AIを渡せたら。
最近、仕事でAIを使いながら、そんなことを考える。
プロジェクトの進捗資料を整理する。前週から動いていない課題を探す。会議の内容から決定事項と宿題を抜き出す。今なら、元になる情報さえきちんとそろえておけば、AIにかなりの部分を手伝わせることができる。
ところが20年前は、そこにたどり着くまでが大変だった。
当時もWBS、課題管理表、リスク管理表、進捗会議、経営報告といった手法はあった。むしろ、そうしたプロジェクト管理を徹底しようとしていた時代だった。私自身、その考え方を実行しようとして苦労した。
管理するために、情報を集める。集めた情報の意味を確認する。矛盾を直す。ようやく状況が見えた頃には、肝心の対策を考える時間が足りない。
あの頃、一番足りなかったのは新しい管理表ではない。「判断するための時間」だったのではないか。

「急に悪くなった」
「まさかここまでとは思わなかった」
「もっと早く分からなかったのか」

「期限超過を教えて」

そこでChatGPTに聞く。