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。
―営業フェーズで生成AIをどう使うか―
第2回では、マーケティングがリードを獲得し、ISがMQLを育成し、SQLへ転換する構造を整理しました。第3回では、そのSQLを受け取った営業フェーズに焦点を当てます。
SQLは「提案可能」な状態を意味します。しかし、提案可能であることと、受注確率が高いことは別です。ここから先のプロセスをどう可視化するかが、CROの重要な役割になります。
そしてこの領域こそ、生成AIの活用余地が大きい領域です。
営業フェーズで生成AIは何をするのか
生成AIの役割は、単なる文章生成ではありません。
営業フェーズでは、次のようなデータが蓄積されています。
- 商談メモ
- 顧客からのメール
- 提案書の履歴
- 見積履歴
- 失注理由
- 競合情報
これらは通常、CRMに断片的に保存されています。しかし、人が横断的に分析するには限界があります。
生成AIはこれらをまとめて読み込み、
- 決裁者が明確な案件の受注率
- 価格交渉回数と失注率の相関
- 競合別勝率
- 業種別平均リードタイム
といった傾向を抽出できます。
ここで初めて、「営業の感覚」と「構造データ」を比較できるようになります。
確度の再定義
営業は商談を進めるにつれ、確度を更新します。
提案後70％。
最終交渉80％。
しかし生成AIで過去案件を分析すると、
- 提案後の平均受注率は58％
- 最終交渉まで進んだ案件でも実受注率は72％
といった実態が見えることがあります。
この差分が重要です。
入力確度80％の案件でも、構造的には72％かもしれません。
逆に、営業が慎重に50％と見ている案件が、過去パターン上は65％であることもあります。
生成AIは確度を否定するのではなく、補正します。
CROはこの補正値をもとに、予測精度を高めることができます。
滞留の意味を可視化する
営業フェーズで見逃されがちなのが滞留です。
「検討中です」という状態が長期化する案件は少なくありません。
生成AIで過去案件を分析すると、
- 滞留60日超案件の受注率は30％未満
- 決裁者不在案件は滞留傾向が強い
- 価格交渉が3回以上発生した案件は失注率が高い
といった傾向が見える場合があります。
これが分かれば、CROは判断できます。
- 再アプローチをかけるのか
- 優先順位を下げるのか
- 追加リソースを投入するのか
AIは判断をしません。しかし、判断材料を整理します。
失注理由の構造分析
失注理由は、営業現場では「価格負け」「競合優位」と記録されがちです。
しかし生成AIで商談メモを横断分析すると、
- 価格以外に導入時期の不一致が多い
- 特定業種で機能説明不足が目立つ
- 競合Aが出現した案件で勝率が急落
といった“構造的課題”が浮かび上がります。
これは営業個人の問題ではありません。プロダクト、価格設計、提案資料、営業プロセスの課題です。
CROはこの構造を見て、戦略を修正します。
予測を経営言語に変える
営業フェーズのデータを生成AIで整理すると、売上予測は“感覚値”から“構造値”へ変わります。
- セグメント別受注率
- 競合出現率
- 滞留リスク
- 平均リードタイム
これらを掛け合わせることで、より現実的な売上予測が可能になります。
CROはこのデータをもとに、
- どの案件群がリスクか
- どこにリソースを集中すべきか
- どの市場を伸ばすべきか
を説明できます。
生成AIは営業管理ツールではありません。経営判断を支える分析基盤です。
まとめ
第2回ではSQL創出までの構造を整理しました。
第3回では、SQL以降の営業フェーズにおいて生成AIをどう活用できるかを整理しました。
生成AIは、
- 確度を補正し
- 滞留リスクを可視化し
- 失注構造を分析し
- 売上予測を構造化する
ための補完者です。
そしてCROが生成AIを活用する最大のメリットは、
売上を「感覚」ではなく「構造」で語れるようになることにあります。
これにより、
- 営業の確度を客観的に再評価できる
- リスクの高い案件群を事前に特定できる
- 投資判断をデータで説明できる
- 予測誤差の原因を迅速に特定できる
といった変化が生まれます。
生成AIは意思決定を代替しません。しかし、意思決定の精度と説明責任を大きく高めます。
AIを活用できるCROは、売上を追う存在から、売上構造を設計する存在へ進化します。
次回最終回では、この構造を支える組織設計とRevOpsの進化について整理します。
