営業向けAIエージェントの選び方｜SFAのAI機能との違いと確かめる6つの点

営業向けAIエージェントを選ぶときは、機能の数や「AIエージェント」という名称だけで判断しないようにします。確かめたいのは、どのデータを読み取れるのか、なぜその相手への連絡を提案するのか、AIがどこまで作業を進めるのか、そして営業活動の結果を次の判断に生かせるのかという点です。

SFAやCRMに搭載されているAI機能で十分な会社もあります。一方、商談になる前のリードが多く、MAに蓄積された行動データをもとに、毎日の連絡先を選ぶ作業に時間がかかっている会社では、MAのデータまで分析できる仕組みが必要になる場合があります。

「営業 AIエージェント」と検索すると、さまざまな製品やサービスが見つかります。ただ、同じAIエージェントと呼ばれていても、商談記録を要約するもの、メールや日程調整を代行するもの、見込み客の行動を分析して営業の優先順位を提案するものでは、役割が異なります。

この違いを理解しないまま比較すると、自社の課題とは関係のない機能を基準に選んでしまうことがあります。導入後に「便利な機能はあるが、営業が使う場面がない」「AIの提案が自社の営業方針と合わない」といったことにもなりかねません。

本記事では、営業向けAIエージェントの種類とSFA・CRMに搭載されたAI機能との違いを整理したうえで、製品選定時に確かめたい6つのポイントを解説します。導入前の準備や、導入後に営業に使ってもらうための進め方も紹介します。

営業向けAIエージェントとは？何を任せられるのか

営業向けAIエージェントとは、営業活動に関するデータを読み取り、目的に応じて情報の整理や分析、次に取るべき行動の提案などを行う仕組みです。

製品によってできることは異なりますが、例えば次のような業務が対象になります。

• 顧客情報や商談履歴の整理

• 商談内容の要約と、次回確かめるべき事項の抽出

• 見込み客の情報収集と営業リストの作成

• メールや電話で伝える内容の作成

• 見込み客の行動をもとにした、連絡先の優先順位付け

• 営業活動の結果を踏まえた、次のアクションの提案

ここで注意したいのは、AIエージェントという名称が付いていても、実際にどこまでの作業を行うかは製品によって違うことです。

例えば、営業担当者が入力した商談記録を要約するだけの機能もあれば、顧客情報を調べてメールの下書きを作成する機能もあります。さらに、条件に応じてメールを送信したり、CRMの情報を更新したりするところまで実行できる製品もあります。

大きく分けると、次の3段階で考えると違いを整理しやすくなります。

導入を検討する際は、「AIが何をできるか」だけでなく、「どこまでAIに任せたいのか」を先に決めておく必要があります。

特に営業活動では、顧客に送るメールや提案内容を誤ると、顧客との関係に影響する可能性があります。最初からすべてを自動化するのではなく、AIが提案した内容を営業担当者が確かめてから実行する形で始めるほうが、運用上の問題を把握しやすくなります。

AIエージェントに任せられる作業や、人が判断すべき作業、導入前に整えておきたいデータや権限については、AIエージェントを営業・マーケティングに使うと何を任せられるかでも解説しています。

営業向けAIにはどんな種類がある？SFA・CRMのAI機能との違い

営業向けのAIは、主に「どのデータを読み取るのか」と「どの業務を支援するのか」によって、次の3つに分けられます。

1. SFA・CRMに搭載されたAI

SFAやCRMに搭載されたAI機能は、顧客情報や商談履歴、営業担当者の活動記録などをもとに、営業活動を支援します。

例えば、次のような使い方です。

• 商談の録音や議事録から、会話の要点をまとめる

• 商談記録から、次回確かめるべき事項を抽出する

• 顧客情報や過去の商談履歴をもとに、営業活動を支援する

• CRMへの入力作業を減らす

• 過去の商談データから、受注の見込みを分析する

すでにSFAやCRMに営業活動の情報が蓄積されており、商談を進める業務に時間がかかっている会社であれば、まずは既存システムのAI機能を見るとよいでしょう。

ただし、SFA・CRMの情報だけでは、商談になる前の見込み客がWebサイトで何を見ているのか、どのメールに反応したのかといった情報を十分に把握できない場合があります。

営業に渡す前のリードが多く、誰に連絡するかを決める作業が課題になっている場合は、MAのデータも含めて判断できるかが重要になります。

2. 営業活動を代行・支援するAI

営業活動を代行・支援するAIは、見込み客の調査やメール作成、送信、日程調整など、営業担当者が行う作業の一部を支援します。

例えば、新規開拓を行う場合、対象企業の情報を調べ、担当者を探し、メールの文面を作成し、連絡するという作業が発生します。

こうした作業をAIで効率化できれば、営業担当者が顧客との会話や商談に使える時間を増やせます。

一方で、注意したいのは、連絡する作業を効率化することと、連絡すべき相手を適切に選ぶことは別だという点です。

例えば、営業リストの作成やメール送信を自動化できても、対象者の選び方が適切でなければ、関心の低い相手に大量のメールを送ることになります。

送信件数が増えても、返信や商談につながらなければ、営業活動全体の改善にはなりません。

このタイプを選ぶ場合は、作業をどれだけ自動化できるかだけでなく、どのような基準で対象者を選ぶのかも確かめておきましょう。

3. MAの行動データを分析するAI

MAの行動データを分析するAIは、Webサイトの閲覧やメールへの反応、資料ダウンロードなどを読み取り、見込み客の状況や変化を分析する仕組みです。

例えば、次のようなリードがいたとします。

• 半年前に資料をダウンロードしてから、ほとんど反応がなかった

• 直近で久しぶりに自社サイトを訪問した

• サービスページや料金ページ、導入事例を続けて閲覧している

こうした行動が確かめられれば、以前とは関心の度合いが変わっている可能性があります。

しかし、リードが数百人、数千人と蓄積されている場合、営業担当者が一人ずつ行動履歴を確かめ、連絡する優先順位を決めるのは簡単ではありません。

このタイプのAIは、MAに蓄積された行動データを分析し、営業が確かめるべきリードと、その理由を示すことを得意とします。

ただし、Webサイトの閲覧回数が多いからといって、必ずしも商談につながるとは限りません。過去の営業活動や企業属性、担当者の役職なども踏まえて判断する必要があります。

リードが増えて、毎日の連絡先選びが止まっているかどうかの見分け方は、HubSpotを使っているのにリードが営業に渡らないのはなぜかで解説しています。

どのタイプが自社に合うかは、AIの機能一覧を見る前に、営業活動のどこで作業が止まっているかを見ると判断しやすくなります。

HubSpotを利用している会社で、スコアリングによる抽出だけでは営業の連絡先選びが解決しない理由については、HubSpotのリードスコアで足りる会社、足りない会社で解説しています。

AIの判断を一度決めて固定する仕組みと、見直し続ける仕組みの違い

営業向けAIを比較するときは、AIがどのように判断するのかも確かめておきたいところです。

特に、あらかじめ決めた条件や配点で候補を抽出する仕組みと、新しいデータを踏まえて判断を見直す仕組みでは、運用方法が異なります。

あらかじめ決めた条件で判断する仕組み

例えば、次のような条件を設定します。

• サービスページを閲覧したら10点

• 料金ページを閲覧したら20点

• 資料をダウンロードしたら30点

• 合計50点以上になったら営業に通知する

このように、あらかじめ設定した条件に沿って対象者を抽出する方法です。

基準が明確なので、どのような条件で対象者が選ばれたのかを説明しやすく、設定した人の意図どおりに動かせます。

一方で、設定した配点が、その後も適切であり続けるとは限りません。

例えば、以前は料金ページの閲覧が商談につながりやすかったとしても、Webサイトの構成や顧客の情報収集方法が変われば、その行動の意味も変わる可能性があります。

また、特定の行動に高い点数を設定していると、実際には検討が進んでいない人まで優先対象になることがあります。

基準を定期的に見直す担当者がいなければ、導入当初に設定した条件がそのまま使われ続けることになります。

新しいデータを踏まえて判断を見直す仕組み

もう一つは、見込み客の行動や営業活動の結果など、新しいデータを踏まえて判断を見直す仕組みです。

例えば、次のような変化を確かめます。

• これまで反応がなかったリードが、直近でサービスページを閲覧した

• メールの開封は多いが、Webサイトへの訪問はほとんどない

• 以前は反応していたものの、最近は活動が見られない

• ある企業で、複数の担当者がサービスページや導入事例を閲覧している

単純な点数だけでは捉えにくい、行動の変化や複数の情報を踏まえて、連絡の優先順位を考えます。

ただし、判断を見直す仕組みだからといって、適切な提案ができるとは限りません。

なぜそのリードが選ばれたのか、前回の提案から何が変わったのかが分からなければ、営業担当者は提案を使いにくくなります。

そのため、判断を見直す仕組みを選ぶ場合は、提案内容だけでなく、判断の根拠や変更された理由を確かめられるかも見ておきます。

どちらが優れているという話ではありません。分かれ目は、自社に継続的に見直す体制があるかどうかです。

毎月スコアリングの結果を確かめ、配点を見直せる担当者がいる会社であれば、条件を固定する仕組みでも十分に運用できます。

一方、日々の業務に追われ、スコアリングやシナリオを見直す時間を確保できない会社では、新しいデータに応じて判断を見直す仕組みが選択肢になります。

自社開発の営業向けAIエージェント「LisCore」は、2026年10月30日に公開されたBOXIL Magazineのインタビュー記事で、データの更新に合わせて判断を見直す”継続解析型”の営業向けAIエージェントとして紹介されました。同記事では、見込み客の行動データの解析に基づく営業アクション（メール文面・架電トーク）の自動生成と、商談情報の解析について、特許を3件取得していることも紹介されています。

営業向けAIエージェントを選ぶときに確かめたい6つのこと

ここからは、実際に製品を比較するときに確かめたい6つのポイントを紹介します。

製品資料やWebサイトを見ただけでは分からないことも多いため、デモや商談の場で具体的な質問をしておくと、導入後のミスマッチを防ぎやすくなります。

① MA・CRM・SFAのどのデータを読み取れるか

最初に確かめたいのは、AIが分析に使えるデータの範囲です。

「CRMと連携できます」「MAと連携できます」という説明だけでは、十分ではありません。

例えば、HubSpotと連携できる製品でも、コンタクトの基本情報だけを読み取るのか、Webサイトの閲覧履歴やメールへの反応、フォーム送信、ライフサイクルステージまで読み取るのかによって、分析できる内容は変わります。

また、SFAの商談履歴や営業活動の記録まで読み取れるかどうかも確かめておく必要があります。

確かめるときは、次の点を整理しておきましょう。

• 連携できるMA・CRM・SFAの種類

• 読み取れるデータ項目

• データの取得頻度

• 過去の行動履歴をどこまで取得できるか

• データを更新したとき、AI側にいつ反映されるか

• 連携できない項目や、分析対象外となるデータ

特に、データの取得頻度は見落としやすいポイントです。

例えば、見込み客が料金ページを閲覧した翌日に営業へ通知される仕組みと、数日後にまとめて通知される仕組みでは、営業が連絡するタイミングが変わります。

「連携できるか」だけでなく、「いつ、どの情報が反映されるのか」まで確かめておきましょう。

② なぜそのリードが提案されたのか分かるか

営業担当者がAIの提案を使うには、提案された理由を理解できることが前提になります。

例えば、AIが次のように表示したとします。

「このリードに連絡してください」

これだけでは、営業担当者は何を根拠に連絡すればよいのか分かりません。

一方で、次のような情報が表示されていれば、状況を把握しやすくなります。

• 過去3か月間はWebサイトへの訪問がなかった

• 直近2日間でサービスページと料金ページを閲覧している

• 以前ダウンロードした資料とは異なるテーマの資料も閲覧している

• 過去に営業から連絡した履歴がある

このように、提案の根拠になった行動や情報が分かれば、営業担当者は連絡する目的や伝える内容を考えやすくなります。

デモでは、実際に一人のリードを指定して、「なぜこの人が選ばれたのか」「どの情報を根拠にしているのか」を説明してもらいましょう。

単にAIが出したスコアや順位を表示するだけなのか、提案の根拠まで確かめられるのかは、営業現場での使いやすさに関わる違いです。

③ 判断の確からしさや、情報不足をどう扱うか

AIが出す数字を、そのまま判断に使えるとは限りません。

例えば、「受注確度70％」と表示されていても、その数字が何を意味するのか、どのようなデータから算出されたのかが分からなければ、営業担当者は判断に使いにくくなります。

特に注意したいのが、データが少ないリードです。

過去の行動履歴がほとんどない人や、最近獲得したばかりのリードについては、判断材料が限られます。それにもかかわらず、十分なデータがある人と同じように確度を表示してしまうと、実際よりも正確な判断に見えてしまいます。

確かめたいのは、次のような点です。

• 判断に使ったデータを確かめられるか

• データが少ない場合に、そのことが分かるか

• 判断できない場合に、無理に順位や確度を付けないか

• 数字が示される場合、その算出根拠を説明できるか

• 提案の優先順位が変わった場合、その理由を確かめられるか

AIが常に答えを出すことよりも、判断できることと、判断材料が足りないことを区別できるほうが、日々の運用では役立ちます。

④ AIが実行する範囲と、人が承認する範囲を決められるか

AIがメールの文面や電話で伝える内容を作成できても、そのまま顧客に送ってよいとは限りません。

顧客との過去のやり取りや、営業担当者が把握している事情によっては、連絡を控えたほうがよい場合もあります。

例えば、すでに商談が進んでいる相手に、AIが新規開拓向けのメールを送ってしまうと、顧客に違和感を与える可能性があります。

そのため、導入初期は次のような運用をおすすめします。

• AIが連絡候補とメール文面を作成する

• 営業担当者が対象者と内容を確かめる

• 問題がなければ、担当者が送信する

• 送信後の反応や結果を記録する

この運用であれば、AIの提案が自社の営業方針に合っているかを確かめながら使えます。

製品を比較するときは、次の点を確かめましょう。

• メール送信前に承認を必須にできるか

• 承認者を担当者や管理者に分けられるか

• 自動実行する作業と、人が確かめる作業を分けられるか

• 誤った提案や送信があった場合に、停止・修正できるか

• 誰が何を承認・実行したのか、履歴を確かめられるか

AIに任せられる範囲が広いことだけを評価するのではなく、自社の運用に合わせて任せる範囲を調整できるかを見ておきましょう。

⑤ 営業活動の結果を記録し、次の判断に生かせるか

AIの提案を一度出して終わりにしないために、提案後の結果を記録できるかを見ます。

例えば、AIがあるリードへの連絡を提案したとします。

営業担当者が実際に連絡して商談になったのか、それとも連絡を見送ったのか。その理由は何だったのか。こうした情報が残らなければ、提案が適切だったかを振り返ることができません。

記録しておきたいのは、例えば次のような情報です。

特に、営業が提案を見送った理由は残しておきたい情報です。

例えば、AIが提案したリードを営業担当者が確かめ、「すでに別の担当者が対応している」という理由で見送ったとします。この情報が記録されれば、次回以降の提案で同じような重複が起きないように見直す材料になります。

反対に、見送りの理由を記録せず、提案されたリードに連絡したかどうかだけを確かめていると、提案が使われなかった原因が分かりません。

製品を比較するときは、提案を採用したかどうかだけでなく、見送った理由や営業活動の結果まで記録できるかを確かめましょう。

⑥ データの取得・保存・利用範囲を管理できるか

営業向けAIエージェントは、顧客情報や営業活動の記録を扱うことがあります。

そのため、機能や費用だけでなく、データの管理方法も確かめておく必要があります。

特に、MAやCRMには、担当者の氏名やメールアドレス、電話番号、企業情報、商談内容などが蓄積されています。製品によっては、メール本文や営業活動の詳細まで取得することもあります。

確かめておきたい項目は次のとおりです。

• どのデータを取得するのか

• 取得したデータをどこに保存するのか

• データの保存期間はどのくらいか

• AIの学習に顧客データを利用するのか

• データの削除を依頼できるか

• 利用者ごとに閲覧・操作権限を設定できるか

• 操作履歴やアクセス履歴を確かめられるか

• 外部サービスとの連携時に、どのような認証方式を使うのか

特に、AIの学習への利用やデータの保存先は、利用規約やセキュリティに関する資料で確かめておきましょう。

営業部門だけで判断せず、必要に応じて情報システム部門やセキュリティ担当者にも確かめてもらうことをおすすめします。

製品を比較するときは、自社のデータを使って提案内容を確かめる

ここまで紹介した6つのポイントは、製品資料を読むだけでは判断できないものもあります。

そのため、候補となる製品を絞ったら、デモや試用の場で実際のデータに近い条件を使って確かめることをおすすめします。

特に、次のような流れで見ると、製品ごとの違いが分かりやすくなります。

Step.1：自社で解決したい業務を一つ決める

最初から営業活動全体を効率化しようとすると、比較する機能が多くなり、判断が難しくなります。

まずは、現在時間がかかっている業務を一つ選びます。

例えば、次のようなものです。

• 商談記録の作成に時間がかかっている

• 新規開拓のための企業調査に時間がかかっている

• メールの作成や送信に時間がかかっている

• MAのリードが多く、営業に渡す対象を選べていない

• 営業担当者によって、連絡するリードの優先順位が異なる

この段階で、どの業務を改善したいのかを明確にしておくと、必要な機能も絞り込めます。

Step.2：AIに見せるデータを整理する

次に、AIにどの情報を読み取らせたいのかを整理します。

例えば、MAの行動データをもとに営業対象を選びたいのであれば、次のような情報が必要になります。

• コンタクトの基本情報

• 企業情報

• Webサイトの閲覧履歴

• メールの開封・クリック履歴

• フォーム送信や資料ダウンロードの履歴

• ライフサイクルステージ

• リードステータス

• 営業担当者や過去の対応履歴

すべてのデータを読み取れる必要があるわけではありません。自社で行いたい判断に必要な情報を、製品が取得できるかを確かめます。

Step.3：実際のリードを使って提案内容を比較する

デモでは、製品側が用意したサンプルデータだけでなく、自社の状況に近いデータを使って確かめましょう。

例えば、次のようなリードを用意します。

このようなケースを使えば、単にAIが提案を出せるかだけでなく、自社の営業活動に合った提案になっているかを確かめられます。

実際の顧客データを外部サービスに渡す場合は、社内の利用ルールや契約条件を確かめ、必要に応じて匿名化したデータを使ってください。

Step.4：提案の理由と、営業が使える内容かを確かめる

提案されたリードについて、次の点を確かめます。

• なぜこのリードが選ばれたのか

• どの行動や属性を根拠にしているのか

• 今連絡する必要がある理由は何か

• どのような内容を伝えるとよいのか

• 営業担当者が見て、実際に連絡できる内容になっているか

特に、メールの下書きや架電トークまで提案する製品では、その内容が自社の商材や顧客に合っているかも確かめましょう。

文章として自然でも、相手の状況に合っていなければ、営業活動には使えません。

Step.5：導入後の効果を測る指標を決める

導入前に、何をもって効果があったと判断するのかを決めておきます。

営業向けAIの場合、商談数や受注数だけを指標にすると、AI以外の要因も影響するため、効果を判断しにくくなることがあります。

そのため、まずは日々の業務がどのように変わったかを確かめ、そのうえで営業成果につながっているかを見ていくとよいでしょう。

例えば、AIが毎日20件のリードを提案していても、営業がほとんど連絡していなければ、導入効果は十分に得られていません。

反対に、提案数が少なくても、営業が理由を理解して連絡でき、商談につながる割合が改善していれば、業務に合った使い方ができている可能性があります。

導入前の状態を記録しておき、導入後の数値と比較できるようにしておきましょう。

AIを導入しても、営業に使ってもらえないのはなぜか？

営業向けAIエージェントは、導入しただけで営業活動が変わるわけではありません。

AIが提案を出していても、営業担当者が確かめなければ、実際のアクションにはつながりません。

導入後に使われなくなる原因として、次のようなものがあります。

提案の理由が分からない

AIが「このリードに連絡してください」と表示しても、その理由が分からなければ、営業担当者は自分で判断し直すことになります。

結果として、AIの提案を見るよりも、従来どおり自分でリードを確かめたほうが早いという状態になります。

候補者だけでなく、提案の根拠となった行動や属性も確かめられるようにしておきます。

営業の業務フローに組み込まれていない

AIの提案を確かめるために、毎回別のツールを開かなければならない場合、営業担当者にとっては新しい作業が増えることになります。

既存のSFAやCRMで営業活動を管理しているのであれば、提案をどこで確かめるのか、対応結果をどこに記録するのかを決めておきましょう。

提案を見送った理由が記録されていない

AIが提案したリードに営業担当者が連絡しなかった場合、その理由が分からなければ、提案の精度を改善することができません。

「すでに対応中」「対象外」「時期が早い」「担当者が不明」など、見送った理由を記録できるようにしておくと、運用上の問題を把握しやすくなります。

最初から自動化する範囲を広げすぎている

導入直後から、すべてのリードへの提案やメール送信をAIに任せようとすると、誤った提案や営業との認識のずれが発生したときに、原因を特定しにくくなります。

まずは対象を絞り、AIの提案と営業担当者の判断を比較しながら、徐々に利用範囲を広げていくほうが、現場に定着させやすくなります。

連絡する相手の優先順位の付け方はリードの優先順位の決め方で、リードが商談にならないときにどこで止まっているかの見つけ方はMAで集めたリードが商談にならないのはなぜかで解説しています。

営業向けAIエージェントの導入前に、整えておきたいこと

AIの提案は、読み取るデータや営業活動の記録に大きく左右されます。

そのため、次のような状態では、製品を導入しても期待した結果が得られない場合があります。

MAの運用期間が短く、行動履歴が少ない

MAを導入したばかりの企業では、Webサイトの閲覧履歴やメールへの反応などが十分に蓄積されていない場合があります。

この状態では、AIが分析できる情報も限られます。

まずはWebサイトやフォーム、メールなどの計測・連携が正しく動いているかを確かめ、分析に使えるデータを蓄積することが先になります。

顧客情報の重複や表記ゆれが多い

同じ担当者が複数のコンタクトとして登録されていたり、企業名の表記が統一されていなかったりすると、行動履歴や営業活動を正しく把握できない場合があります。

例えば、同じ企業の担当者が別々のレコードとして登録されていると、企業単位で複数人の行動を確かめる際に、情報が分散してしまいます。

AIを導入する前に、コンタクトや企業情報の重複、名寄せの状況を確かめておきましょう。

名寄せの進め方は、MAのリードデータの重複・表記ゆれはどう整理するかで解説しています。

営業活動の結果が記録されていない

AIが連絡を提案しても、その後に営業がどのような対応をしたのかが残っていなければ、提案が適切だったかを確かめられません。

少なくとも、連絡したかどうか、相手の反応、商談につながったか、見送った理由などは記録できるようにしておきたいところです。

AIを導入することをきっかけに、SFAの入力項目や営業活動の記録方法を見直すのも一つの方法です。

分析に使えるデータがそろっているか分からない

MAを長く利用していても、すべてのデータが分析に使える状態とは限りません。

例えば、Webサイトの計測設定が一部のページにしか入っていなかったり、フォームの情報が正しく連携されていなかったりする場合があります。

まずは、どのデータが取得できていて、どのデータが不足しているのかを確かめておきましょう。

どの記録がそろっていれば分析に使えるかの確かめ方は、HubSpotのデータを分析に使う前に確かめることで解説しています。

AIを導入する前に、MAの活用状況も確かめておきたい

営業向けAIエージェントを検討する際は、MAの運用状況も確かめておきたいところです。

MAを導入していても、メール配信やフォーム管理が中心で、蓄積されたデータを営業活動に生かしきれていない場合があります。MAの機能ごとにどこまで使われているかは、MAの機能はどこまで使われているかで解説しています。

弊社がBtoB企業でマーケティング・営業に関わる480名を対象に実施した「MA活用実態調査（第0回）」では、MAを導入している企業の担当者134名のうち、MAが商談・売上に貢献していると答えたのは42名（約3割）でした。

また、MAが商談・売上に貢献していると答えた担当者（42名）と、そうでない担当者（92名）を比較すると、ROIを定量的に測定している割合は、それぞれ54.8％、17.4％でした。

この調査結果だけで、ROIを測定すれば商談や売上が増えると結論づけることはできません。ただ、MAの活用状況を考えるうえで、施策の結果を測定し、次の判断に生かす運用ができているかは確かめておきたい点です。

AIエージェントも同じです。

導入したこと自体を成果とするのではなく、提案を営業がどの程度活用したのか、実際の連絡や商談につながったのか、業務時間がどう変わったのかを確かめる必要があります。

出典：株式会社Sells up『MA活用実態調査（第0回）』。調査主体：株式会社Sells up／調査ツール：Surveroid（2026年9月、回答者480名）。詳細は調査レポートをご覧ください。

まとめ｜AIの機能より、自社の営業課題を解決できるかで選ぶ

営業向けAIエージェントは、製品によって読み取るデータや任せられる作業が異なります。

SFA・CRMに搭載されたAI機能は、商談の要約や営業活動の記録、商談を進めるための支援に向いています。営業活動を代行・支援するAIは、企業調査やメール作成、送信などの作業を効率化できます。一方、MAの行動データを分析するAIは、商談になる前のリードから、営業が連絡すべき対象を見つける場面で役立ちます。

製品を選ぶ際は、次の6つを確かめましょう。

• 読み取れるデータ： 自社のMA・CRM・SFAに蓄積された情報を、どこまで分析できるか

• 提案の根拠： なぜそのリードが選ばれたのか、理由を確かめられるか

• 判断の確からしさ： データが不足している場合や判断が難しい場合に、適切に扱えるか

• 人の承認： AIが実行する範囲と、人が確かめる範囲を分けられるか

• 結果の記録と反映： 営業活動の結果を記録し、次の判断に生かせるか

• 権限とデータの管理： 顧客情報の取得・保存・利用範囲を管理できるか

また、AIを導入するだけでは、営業活動が変わるわけではありません。提案を確かめる担当者や、連絡結果を記録する方法、導入後に効果を測る指標まで決めておくことが大切です。

製品の機能を比較する前に、まずは自社の営業活動のどこに時間がかかっているのか、どの判断を改善したいのかを整理してみてください。その課題に合ったAIを選ぶことが、導入後の活用につながります。

よくある質問

SFAやCRMに搭載されたAI機能があれば、営業向けAIエージェントは必要ありませんか？

商談の要約や営業活動の記録、商談を進めるための支援が主な目的であれば、SFAやCRMに搭載されたAI機能で十分な場合があります。

一方、商談になる前のリードが多く、MAに蓄積されたWebサイトの閲覧履歴やメールへの反応などをもとに、営業が連絡すべき相手を選びたい場合は、MAの行動データまで分析できる仕組みが必要になることがあります。

自社の課題が商談管理にあるのか、商談前のリード選定にあるのかを整理してから比較しましょう。

営業向けAIエージェントは、営業担当者の代わりになりますか？

製品によって異なりますが、顧客との関係構築や商談での判断まで、すべてをAIに任せることを前提にする必要はありません。

情報収集やデータ分析、メールの下書き、次のアクションの提案などをAIに任せ、顧客への連絡や商談での判断は営業担当者が行う形でも、業務の負担を減らせます。

どの作業をAIに任せ、どの作業を人が担当するのかを決めておきます。

AIが作成したメールは、自動で送信されますか？

製品や設定によって異なります。メールの下書きだけを作成するものもあれば、承認後に送信するもの、自動送信まで対応するものもあります。

導入初期は、AIが作成したメールを営業担当者が確かめてから送信する運用をおすすめします。提案内容や送信後の反応を確かめながら、必要に応じて自動化する範囲を広げましょう。

何件くらいのリードがあれば、営業向けAIエージェントを導入する価値がありますか？

一律に何件以上という基準はありません。

リードが少なく、営業担当者が一人ずつ状況を確かめられている会社であれば、AIを導入する必要性は高くないかもしれません。

一方、リードが増えて毎日見る作業が追いつかなくなっている、担当者によって連絡の優先順位が異なる、MAの行動データを営業が十分に活用できていないといった状況であれば、導入を検討する余地があります。

件数だけでなく、現在の作業にどれだけ時間がかかっているか、どのような判断が属人的になっているかも確かめましょう。

営業向けAIエージェントを導入する前に、何を準備すればよいですか？

まずは、解決したい営業課題を明確にします。そのうえで、MA・CRM・SFAに必要なデータが蓄積されているか、顧客情報に重複や不備がないか、営業活動の結果を記録できているかを確かめます。

また、AIの提案を誰が確かめるのか、提案を採用しなかった場合に理由をどう記録するのか、導入後にどの指標で効果を測るのかも決めておきましょう。

こうした準備をしておくことで、導入後にAIを使うだけで終わらず、営業活動の改善につなげやすくなります。

株式会社Sells up 代表取締役

武田 大

株式会社AOKIにて接客業、株式会社リクルートライフスタイル（現：株式会社リクルート）にて法人営業を経験後、株式会社ライトアップでBtoBマーケティングを担当。デジタルマーケティングエージェンシーを経て2023年に株式会社Sells upを設立。戦略設計・KPI設計を起点に、リードジェネレーション、ナーチャリング、MA/SFA活用、営業連携までBtoBマーケティングを一気通貫で支援。KGI逆算のKPI設計やリードスコアリングの統計的設計、営業連携SLAの構築を強みとし、業界・規模を問わず100社以上に提供。Account Engagement SpecialistおよびTableau Desktop SpecialistのSalesforce認定資格を保有。

保有資格Salesforce Certified Marketing Cloud Account Engagement Specialist／Tableau Desktop Specialist

専門領域BtoBマーケティング／リードジェネレーション／リードナーチャリング／マーケティングオートメーション／HubSpot導入活用支援／Account Engagement導入活用支援／Marketo活用支援／インサイドセールス／統計解析によるスコアリング設計／商談化率向上／マーケティングROI改善

LinkedIn／note