生成AIの活用が進む一方で、「効率化はできたのに売上が伸びない」という壁に直面する企業は少なくありません。
今回の実践ブログでは、CRO（売上責任者）の視点から、マーケ・インサイドセールス・営業・カスタマーサクセスを「分断された施策」ではなく「連続するプロセス」として捉え直し、売上の再現性を高める設計と実装を解説します。
現場でCROとして実践しているDX編集長の大崎が、生成AIをどこにどう組み込み、何を標準化し、どの指標で改善を回すべきかを、具体的な観点で整理した全4回連載です。
―上流プロセスをCRO視点で再設計する―
第1回では、CROとは売上プロセス全体に責任を持つ役割であり、生成AIはその判断と設計を補完する存在であると整理しました。第2回では、より具体的に「上流」、すなわちマーケティングから営業へとつながるプロセスに焦点を当てます。
売上が伸び悩む企業の多くは、営業力そのものではなく、この上流接続でつまずいています。そしてその課題は、努力不足ではなく“設計不足”から生まれています。
なぜマーケと営業は噛み合わないのか
多くの企業で、マーケティングと営業の間には見えない摩擦があります。
マーケティングはリード数、MQL数を、IS（インサイドセールス）はSQL数をKPIとし、母数の拡大を目指します。一方で営業は、確度の高い案件を求めます。マーケは「数を増やせば確率的に受注も増える」と考え、営業は「質が低ければ時間が奪われる」と感じます。
双方は正しい。しかし、議論は平行線をたどります。
この状態でCROが見るべきなのは、部門間の感情ではありません。見るべきは「接続の定義」です。
ここで改めて、役割を整理しておきます。
マーケティングの役割は、単なるリード獲得ではありません。営業が動ける可能性のあるリードを定義し、MQL（Marketing Qualified Lead）としてISに渡すことまでが責任範囲です。
ISの役割は、MQLを機械的に架電することではありません。MQLや過去MQLを再掘り起こし、商談化の条件を満たすSQL（Sales Qualified Lead）へと転換することです。
そして営業は、SQLを受け取り、受注確度を高める提案活動を行います。
この3者の接続定義が曖昧であれば、転換率は正しくても構造は歪みます。CROが見るべきは成果の数字だけでなく、接続の定義そのものなのです。
MQLとは何か。SQLとは何か。商談化の条件は何か。営業に引き渡す基準は何か。これが曖昧であれば、どれだけ優秀な人材がいても、成果は属人的になり再現性が確保できません。
例えば、資料ダウンロードをすべてMQLとする企業と、特定業種・役職・課題条件を満たすもののみをMQLとする企業では、営業への接続精度は大きく異なります。ここが曖昧なままでは、摩擦は永遠に解消しません。
また、ISが商談化した案件を営業が「まだ早い」と判断するケースがあります。ISはKPI達成のために商談化を急ぎ、営業は確度を重視する。ここにズレが生じます。
生成AIで過去受注案件の特徴を分析すると、受注に至った案件には「課題の明確化」「導入時期」「決裁者同席」という共通パターンが見えてきます。
この基準をもとにSQL定義を再設計すれば、接続の摩擦は減ります。
SQLが創出されたとしても、そこで売上が確定するわけではありません。
営業の初回提案でどれだけ顧客の課題を再定義できるか、競合との差別化を明確にできるか、導入後の未来像を描けるかによって、受注確度は大きく変わります。
もしSQLの質が曖昧であれば、営業は“説明”に終始し、“提案”に到達できません。
生成AIは、過去受注案件の提案内容や競合勝敗パターンを整理することで、営業ピッチの精度向上にも寄与します。上流の設計と営業現場は、決して分断されたものではありません。
CROが本当に見るべきものは「転換率」
CROの視点は、部門単体の成果ではなく「転換」です。
- リードからMQLへの転換率
- MQLからSQL（商談）への転換率
- SQL（商談）から案件化への転換率
- 案件化から受注への転換率
- チャネル別の質の違い
これらを縦断的に見ることで、初めてボトルネックが見えます。
例えば、リード数は増えているのに受注が伸びない場合、営業の問題ではなく、上流の質に課題がある可能性があります。逆にSQLが十分あるのに受注率が低い場合、商談設計や提案内容に問題があるかもしれません。
CROの仕事は、「誰が悪いか」を決めることではありません。どの接続点を修正すべきかを特定することです。
生成AIがもたらす接続精度の向上
ここで生成AIが力を発揮します。
例えば、問い合わせフォームの自由記述。従来は人が読み、個別判断していました。生成AIを活用すれば、問い合わせ内容を自動要約し、課題テーマや緊急度を分類できます。営業は事前に顧客の文脈を把握した上で初回接触できます。
また、商談メモも同様です。営業の記録は往々にしてばらつきがあります。生成AIで構造化すれば、失注理由の傾向、競合出現率、決裁者層の特徴などを横断的に整理できます。
さらに、過去の受注案件との類似性分析を行えば、「このリードは過去に受注したパターンに近い」といった示唆も得られます。これにより、優先順位付けの精度が向上します。
重要なのは、生成AIは営業を代替する存在ではないということです。接続の精度を高める補完役なのです。
会議が変わると構造が変わる
従来の上流レビュー会議では、次のようなやり取りが繰り返されがちです。
「最近、引き合いが弱いですね」
「営業の感触があまり良くないです」
「景気の影響かもしれません」
これらは間違っているわけではありません。しかし、構造を変える議論にはなりません。結論は「もう少し様子を見る」で終わります。
生成AIによってデータが構造化されると、会議の質は変わります。
「特定チャネルのMQL→SQL転換率が低下している」
「価格関連の失注が増加している」
「初回接触から商談化までの日数が延びている」
議論は印象論から設計論へ移行します。
CROの役割は、そのデータをもとに意思決定を行うことです。チャネル配分を見直すのか、訴求軸を修正するのか、ISのヒアリング項目を再設計するのか。
生成AIは材料を提示します。しかし構造を変える決断は、人が行います。
疑似ケースで考える
ある企業で、リード数は前年同期比で30％増えているにもかかわらず、受注は横ばいという状況がありました。
生成AIで問い合わせ内容と商談メモを分析したところ、価格問い合わせや情報収集段階のリードが急増していることが判明しました。一方で、課題が明確なリードはむしろ減少していました。
ここでCROは判断します。リード数を追う施策を継続するのか、それともターゲティングを見直すのか。
最終的にその企業は、訴求コンテンツを課題解決型に再設計し、ISのヒアリング項目も変更しました。その結果、SQL転換率が改善し、受注も回復しました。
生成AIは答えを出したわけではありません。しかし、構造の歪みを可視化しました。
前提として必要な設計
生成AIを上流に活かすための実装は、次の順序で進めるのが現実的です。
- MQL・SQLの定義を文書化する
- 商談メモの記載フォーマットを統一する
- 失注理由を選択式＋自由記述で管理する
- 生成AIで定期分析を行う
- 月次会議で接続改善アクションを決定する
ツール導入より先に、定義と運用設計が必要です。
ただし、生成AIを活用するためには前提があります。
MQLやSQLの定義が曖昧であれば、分析も曖昧になります。商談フェーズの基準が統一されていなければ、滞留分析も正確ではありません。データ入力が不十分であれば、示唆は歪みます。
生成AIは魔法の杖ではありません。設計を前提とした加速装置です。
CROがまず行うべきは、定義の統一と接続の言語化です。その土台が整ったとき、生成AIは真価を発揮します。
生成AIが示す示唆を、CROはどう判断するのか。
見るべきは3点です。
- 傾向は一時的か構造的か
- 部門最適になっていないか
- 再現性のある改善につながるか
AIは傾向を示します。しかし戦略判断は人間の仕事です。ここにCROの価値があります。
まとめ
マーケと営業の分断は、努力不足ではなく設計不足から生まれます。生成AIはそれを自動的に解決するものではありません。しかし、情報整理、仮説抽出、会議の高度化という形で、接続精度を大きく高めることができます。
主語は常にCROです。生成AIはツールであり、売上を設計し、責任を持ち、判断するのは人です。
次回は、パイプラインと予測の領域に踏み込みます。生成AIは売上予測をどこまで高度化できるのか。そしてAI時代にCROの判断はどう進化するのかを掘り下げます。
