Salesforce（Agentforce）の活用事例

営業担当は商談前に4つのシステムを行き来し、30分以上かけて履歴や関係先を調べていた。

データは増える一方で次に何をするか決めきれなかった。

1. 前から使っていたSalesforceの上にAgentforceを載せた
2. 自社の営業の手引きをData 360に置き回答の土台にした
3. 5つの使い方を8週間で本番に出し500人の営業に配った
4. 朝のDaily Digestで声をかける順番まで出した
5. 更新はAIの案を担当が承認してから反映した

移行も新しい基盤もなしに8週間で本番へ出し、500人の営業が使い始めた。

30%〜40%の生産性の向上を目標にしている。

世界規模で伸びる商いに見積から入金までの流れが追いつかなくなっていた。

手作業が多く営業の動きが止まりがちだった。

1. 見積と請求をRevenue Cloudの標準オブジェクトへ移す
2. Snowflakeの利用データをData 360で請求記録と結び付ける
3. Agentforceで見積を自動で作るエージェントを開発する
4. 担当者は話し言葉で頼み更新用の見積を受け取る
5. 価格や課金の決まりに合うかをエージェントが確かめる

見積の作成は1件あたり90秒短くなる見込みで、請求処理の80%が自動になった。

ERPへ請求記録を直接渡せるようになり、営業はSales Cloudで支払い状況を見られる。

週に150〜200件の問い合わせが入る一方で営業は6人しかおらず、初回の連絡までに8時間かかっていた。

2時間以内に返すという目標はほとんど守れなかった。

1. 人を増やす代わりにSales Cloudの営業エージェントを入れた
2. SNSから来た見込み客をエージェントに担当させた
3. 営業は確度の高いサイト経由の問い合わせに集中する
4. 数分で1通目を送り4日かけて4通のメールを出す
5. 返信が来たら営業へ通知し記録を引き継いで商談に入る

SNS経由の反応率は4%から10%近くまで上がった。

初回の連絡は8時間から数分に縮み、エージェントが連絡した見込み客の約2%が商談になった。

新しい担当区域を引き継いだ営業が取引先の過去のやり取りを調べるのに時間を取られていた。

社内会議を何度も設定したりバラバラのCRM記録を探し回ったりしていた。

1. Sales CloudとData 360で社内のデータを1つにまとめた
2. 使い込む少人数で試してから営業全体に広げる
3. 取引先の要約を頼むと履歴や強みと狙える部分を返す
4. 商談管理をまとめた30ページの手順書を読み込ませた
5. 案件の動きを24時間見張り次にやることをCRMに出す

大口の新規口座を引き継いだ営業が数時間かけていた下調べをしなくてよくなった。

同僚が過去に話した内容もエージェントが拾って、次の商談で何を伝えるか助言するようになった。

問い合わせと新規の掘り起こしが一気に増え、1人のSDRが数百件の見込み客を抱えていた。

通話の記録は外部ツールに残ってSalesforceとつながらず、どちらを正しい記録とするか決めかねていた。

1. 顧客データと契約をSalesforceに集めた。
2. Agentforceで営業を担うAIエージェントを作った。
3. エージェントが見込み客の見極めと日程調整を担う。
4. 狙いたい取引先があるとき営業が自分で走らせる。
5. 週1回のコーチングで送ったメールの書き方を見直す。

見込み客の反応が427%増え、150万ドルの費用削減になった。

ROIは3,789%で、Theodoreは週に1,000件以上の見込み客に向き合っている。

表計算ソフトと複数のアプリに情報が散らばり、担当者は訪問予定を1つ確かめるのに3か所を見に行っていた。

1人が1日に回せる商談は1〜2件で頭打ちだった。

1. 営業と工事の情報をSalesforceに一本化した。
2. 自動ダイヤラーが新しい見込み客を順番に並べる。
3. 内勤の担当者の画面に顧客の全体像をまとめて出す。
4. 提案書はAPIを呼び出して15秒で組み上がる。
5. Slackで更新した現場の状況がSalesforceへ戻る。

月の施工件数は25件から250件超に伸び、人員は同じ割合では増やしていない。

1人が1日に回せる訪問は2倍になり、1日の成約も4〜5件から10〜20件まで増えた。

3,400万人以上の本人確認を175か所を超える窓口で抱えていた。

チャネルごとに仕組みが分かれ住民は同じ説明を何度も繰り返していた。

1. 古い基幹システムをSalesforceのクラウド基盤へ移した。
2. 問い合わせの入口をdmv.ca.govにまとめた。
3. よくある質問はAIチャットボットが答え必要なら有人チャットへつなぐ。
4. やり取りをService Cloudの個人の記録に残した。
5. 申請書類をAIや機械学習とつないだ仕組みで読み取った。

REAL IDの申請にかかる時間は35分から7分になった。

電話の推定55%が職員の手を借りずに自動の流れで解決した。

BCUは人が対応するときと同じ質のやり取りをデジタルでも出したかったが、1件の応対のために12〜15個のシステムを行き来していた。

以前のチャットボットは長い記事を返すだけで、チャットの26%が人へ引き継がれていた。

1. 会員情報や金融の状況やナレッジをAgentforceに集めた。
2. その上に会員向けの相談役Freedaを置いた。
3. 融資相談では取引状況と口座情報を出し選べる案を説明する。
4. 答えると同時にケースを起票し担当者へ経緯を渡す。
5. 対応を広げるときは対話でなくナレッジを足す形にした。

応対の速さが27%上がり、人への引き継ぎが減った。

旧ボットで約1,000個必要だった意図の作り込みは50個で足りるようになった。

大手企業が中心のフィールドセールスから、より広い市場へ営業を広げる必要があった。

提案書づくりやデータ集計といった決まった作業に時間を取られていた。

1. 月1日はAIだけで仕事をする「AIデー」を設けた
2. 社内のAI資格と支援金を用意し営業部門の全員がAIを使う状態をつくった
3. 提案書の作成やデータ集計と議事録づくりをAIに任せた
4. 約1,400万件の企業データベースSalesNowをMCPでClaudeとつないだ
5. Salesforceのデータも重ね部署や役職まで絞ってアプローチした

営業の残業はほぼなくなり、システム開発の生産性は半年で約5倍になった。

翌年にはアプローチから返信対応までの自動化も進める。

渉外の担当は大きな拠点だと1人で1万人の顧客を抱えていた。

WhatsAppとチャットと電話が同時に動き相手を切り替えるたびに過去のやり取りと口座情報とCRMを別々の画面で開き直していた。

1. WhatsAppとチャットと電話をCXoneへ寄せた
2. CXoneをSalesforceのCRMとつないだ
3. 作業画面にNiCE Copilot for Agentsを組み込んだ
4. Copilotがやり取りの要約と温度感をその場で出す
5. 読み取った温度感をCRMの履歴へ書き戻す

担当者は相手を切り替えるたびに履歴をたどり直す必要がなくなり1つの画面でやり取りを続けられるようになった。

提案の記録も人の記憶頼みからやり取りそのものを元にした形へ変わった。

社員76,000人からのITと人事の問い合わせがさばききれず本来の仕事が止まっていた。

社内IT部門のTechforceは月25,000件のチケットを抱え、込み入った依頼は平均27〜30時間待ちだった。

1. 社員はSlackかBaseCampから依頼を出す
2. 依頼をAgentforceへ渡しケースを立てた
3. 曖昧な言い方でも意図をくみ取り手順を案内する
4. 6,000本超のナレッジ記事から手順を探させた
5. 人事はWellbeing Agentが対象と申請方法を返す

SlackでのやりとりだけでAgentforceが9,500件を超える依頼を自力で解決し、対応コストを約57,000ドル抑えた。

salesforce.comには毎月大勢が製品や価格を調べに来るが、答えにたどり着くにはメニューをたどるか資料を探すしかなかった。

問い合わせフォームを埋めるまで営業とつながらない状態だった。

1. Webページ2,000超と製品データ400件をData 360に取り込む
2. サイトのチャットの質問にAgentforceがその場で答える
3. 対応する言語を11まで広げた
4. 営業希望者の連絡先を聞きSales Cloudへ見込み客として登録する
5. 元になる情報が古くならないよう中身を新しく保つ

2025年2月の公開から10万件を超えるやり取りをこなし、3万件以上の見込み客が生まれた。

商談として見極めるまでの時間は前年より40%短くなった。

営業担当は必要な情報を社内wikiや共有ドライブやSlackのやり取りから探し回っていた。

その時間が新人の立ち上がりを遅らせ商談の各段階で滞りを生んでいた。

1. Agentforceを商談の流れ全体に入れた
2. 見込み客の見極めと製品の質問への回答を任せた
3. 見積もりと商談メモの作成もエージェントに任せた
4. 商談中の助言をその場で返す形にした
5. 社内の情報へつなぐところを作り込んだ

見積もりの作成にかかる時間が75%短くなった。

新人が戦力になるまでの期間も縮まり、営業は情報探しより顧客と話す時間に回せるようになった。

サイトの訪問者はメニューや検索結果をたどらないと答えにたどり着けなかった。

見つからないと問い合わせフォームへ流れ、中身の薄い問い合わせが増えて担当チームの手間になっていた。

1. 訪問者の質問の意図をAtlas Reasoning Engineが読み取る
2. 社内CMSの2,000ページ超と製品や顧客のデータ400件超を検索する
3. 検索した内容をもとに答えを作る
4. Data 360が社内の情報を一か所にまとめ新ページを自動で取り込む
5. 価格を聞く見込みの高い人を営業へ引き渡す

2月の公開から米国サイトで185,000件を超える会話に対応し、11言語まで広げた。

Agentforce 経由の見込み客から2,000万ドル分の商談が積み上がった。

ヘルプサイトには年6,000万回を超える訪問があり記事も74万件以上あって目的の情報にたどり着きにくかった。

従来のボットは決まった依頼しか扱えず困った人はチケットを出して何日も待っていた。

1. ヘルプサイトの窓口をAgentforceに置き換えた。
2. Data 360につなぎ過去の問い合わせや記事を参照させた。
3. RAGで顧客の状況に合った回答をまとめさせる。
4. パスワード再設定などの定型手続きはその場で実行させる。
5. 込み入った依頼は要約を付けて担当者へ引き継ぐ。

問い合わせの約76%が人の手を介さずに解決し人へ回るのは5%になった。

これまでに170万件を超える会話を処理した。

前のIP電話は通話がつながらないことが多くSMSも満足に動かなかった。

通話やSMSのやり取りは担当者がSalesforceへ手で打ち込んでいた。

1. 電話とSMSをDialpadへ移しSalesforceとつないだ
2. 通話とSMSはSalesforce側の記録へ自動で残る
3. Dialpad AIが通話をその場で文字起こしする
4. 文字起こしの記録にメモとやることを付けた
5. 管理者は分析画面で担当者ごとの通話を見る

通話とSMSの手入力が要らなくなり記録を後から見返せるようになった。

誰がどれだけ話したかを1つの画面で追えるので、子どもの安全に関わる応対チェックもしやすくなった。

問い合わせが月27,000件を超え、人だけで受ける体制が持たなくなっていた。

社員が急に増えたことでIT部門にも同じような依頼が集まっていた。

1. SalesforceのAgentforceで2体のエージェントを作った
2. 客向けのMarkが製品の問い合わせを一次対応する
3. 残った問い合わせは人の担当者が引き取る
4. 社内向けのSagaがSlackで入社準備や不具合の切り分けに答える
5. 短い周期で使われ方を見て答えの元データを直した

Markが問い合わせの37%を受け持つようになり、満足度は人の担当者と同じ水準を保っている。

SagaがSlackでIT依頼に答えるため、IT担当は他の仕事に時間を回せるようになった。

会員が数百万人いるうえ、問い合わせは体調やお金の不安を抱えた人からも届く。

定型の質問に担当者の時間が取られ、じっくり話を聞くべき相手に手が回らなかった。

1. 担当者の繰り返し作業と会員がつまずく場面を洗い出した
2. 請求の進み具合や商品の基本的な質問をAgentforceに任せた
3. メールの返信文は生成AIが作る形にした
4. AIが返す言葉づかいを社内の普段の語にそろえた
5. 難しい相談や気持ちの絡む話は人が受け持つ

メールの返信にかかる時間が12分から1.5分になった。

手が空いた担当者は、長く順番待ちをしている会員の治療先探しや費用の手当てまで踏み込めるようになった。

5日間で450を超えるセッションがあり、参加者は予定を組むだけでも一苦労だった。

付き添いの担当者は会場や送迎バスの情報を別々の資料から探す羽目になり、本来の相談に乗る時間が減っていた。

1. イベントアプリの中にAgentforceの相談窓口を組み込んだ
2. 参加者は入館証や移動や会場のことをチャットで聞ける
3. 答えの元はData 360のCRMデータと社内記事だけにした
4. 会議の予約や変更や取り消しまで任せられるようにした
5. 公開前にわざと誤った答えを引き出す試験をした

2025年のダボス会議では問い合わせの75%をAIだけで解決し、応答率は99.9%だった。

すでにデータが入っていたこともあり、窓口そのものは5週間で立ち上がった。

チケット・飲食・物販・アンケートなど30か所からデータが入るのに別々のシステムに散らばっていた。

同じ人が試合とライブに来ても別のファンとして記録され、試合後のアンケートへの返事に最大15日かかることもあった。

1. Databricksで物販や飲食など種類ごとにデータをまとめる
2. ECの買い物とレジの買い物を1人の購入履歴としてつなぐ
3. アンケートやチャットボットの声も同じ場所に集める
4. Data 360へ流しファン1人ごとのプロフィールにする
5. Agentforce Marketingがメール内容を人ごとに変えて送る

30か所に分かれていたデータが1人ごとのプロフィールにまとまり、来場や購入やメールの開封に合わせた案内を送れるようになった。

ブランドをまたいで同じ人だと分かるようになった。

旅行者からの依頼が年間で大量に届き、予約の取り直しのような決まりきった対応に人手を取られていた。

営業が1年で50人から250人超に増え、人事や情報システムへの社内の質問も一気に増えた。

1. Agentforceで顧客向けのAIエージェントを作る。
2. 予約の変更や希望に合う宿の提案をAIに任せる。
3. 社内向けにSlack上で人事や情報システムの質問に答えさせる。
4. 新しい話題は公開前に約100回ためす。
5. 本番を写した環境で試し公開後も動きを見張る。

顧客からの問い合わせの50%以上をAIが最後まで処理するようになり、対応にかかる時間が短くなった。

年間で数百万ドルの削減につながり、Slackでのやり取りは1日あたり30分減った。

営業に必要な情報が社内の資料置き場やチャットや社内CRMに散らばり、探すだけで時間が消えていた。

役員向けの説明メモを1件まとめるのに1時間以上かかり、見積り作りも全部手作業だった。

1. 反応の薄いリードへの初回メールと追いかけを任せる。
2. 社内CRMとつなぎ返信や日程入れを自動で行う。
3. 価格ページや製品の仕様から返信の中身を作る。
4. 外に出してはいけない情報は答えない仕組みを入れる。
5. 話が進んだリードは日程調整リンクで担当者へ渡す。

エンゲージメントエージェントは10万件のリードに接触し、埋もれていた商談を1,500件生み出した。

見積り作りは75%速くなり、パイプラインは6,000万ドルに届く見通しになった。

毎月2万件を超える複雑な問い合わせが届いていた。

担当者がいくつものデータベースを手で調べる必要があり解決までの時間が伸びていた。

1. Agentforceをアプリとサイトの両方に出す。
2. よくある質問への回答をエージェントに任せる。
3. その場の金融データや国ごとの決まりを参照させる。
4. 答えさせない範囲の質問は会話ごと人へ引き渡す。
5. 入れて終わりにせず中身を定期的に直す。

数千件の質問をエージェントが自分で答えるようになり手作業2,600時間分がなくなった。

問い合わせの62%はエージェントだけで解決している。

宿への予約の取り直しや20軒近い施設の空き確認など、実入りの少ない繰り返し作業に時間を取られていた。

見積りは手作業で1日2〜3件しか作れなかった。

1. チームにやりたくない仕事を聞き一覧を作る。
2. 手間と難しさを見比べて着手の順番を決める。
3. 社内向けのエージェントから手を付ける。
4. 旅程の情報から日ごとの案内文を自動で作らせる。
5. Testing Centerで会話を試し指示を直す。

社内の効率が30%上がり、最初の見積りを30分で出せるようになった。

契約から本番で動かすまでは6週間だった。

700万人を超える顧客が200以上の国や地域から問い合わせてくるので、人手だけの24時間対応には限界があった。

月に20,000〜25,000件届く質問は複数のデータベースを調べないと答えられず対応が長引いていた。

1. FAQに答える対応エージェントを自社アプリとサイトに置いた。
2. Data 360で記事と口座の情報をまとめる。
3. 自前のAPIでサイトのLTV比率の表も読み込ませた。
4. 回答は毎回その最新のデータを見に行かせる。
5. 規制に関わる質問は途中で担当者へ引き継ぐ。

Agentforceが91,400件のチャットを解決し自動での解決は70%伸びた。

担当チームが基本的な質問に取られていた手作業は2,600時間減った。

60人の担当者がeWalletとは何かといった定番の質問対応に追われ、商談に手が回らなかった。

フォームから届く問い合わせは手作業で返していて初回の返信まで24時間以上かかっていた。

1. Agentforceをサイトのチャット窓口に置いた。
2. ナレッジ記事とサイトの情報をData 360でまとめて参照させる。
3. 加盟店の決済の仕組みの質問にその場で答えた。
4. ナレッジに無い質問では名前と連絡先を聞き出す。
5. 聞き取った内容はSales Cloudの見込み客として登録される。

24時間いつでも待ち時間なしで答えが返るようになり、年18万件の問い合わせをAgentforceが引き受ける見込みになった。

ナレッジに無い質問も見込み客として残るため取りこぼしが減った。

利用が伸びるにつれて飲食店と利用者からの定番の質問が積み上がっていた。

前から使っていたチャットボットは決まった台本から外れられず少し違う聞き方をされると答えられなかった。

1. 元のチャットボットをやめAgentforceへ切り替える。
2. Data 360でまとめた自社データをつなぐ。
3. 台本どおりでない答えを返せるようにした。
4. まず飲食店向けのエージェントから出す。
5. 結果を見てから利用者向けを追加した。

飲食店向けでは前のツールより解決率が40%上がった。

利用者向けも数万件の会話を受け持ちその大半をエージェントだけで片づけている。

買収を重ねるうちに情報があちこちのシステムに散らばった。

目的の答えが見つからず、Slackで詳しい人に聞く流れが続いていた。

1. SalesforceなどをGleanのコネクタでつないだ。
2. 社員は普段使う画面のまま必要な情報を自分で探せる。
3. 連絡先を集めてSalesforceへ自動で書き戻す。
4. 見込み客を調べて決めた型で営業メールの下書きを作る。
5. 届いた問い合わせに近い答えを探して担当に見せる。

Slackで同じ質問が飛び交うことが大きく減り、答える側の時間が空いた。

営業やサポートは下調べと手入力の分を減らし、中身を練る方へ回せるようになった。

全国に散った営業が契約書をメールや郵送でやり取りしていた。

書類が行方不明になって作り直しが起き、1件ごとに費用と時間と危なさが積み上がっていた。

1. SalesforceとDocusignをつないだ
2. Docusign Genで契約書を自動で作れるようにした
3. 営業は数回のクリックで提案書やNDAを出す
4. 署名の前にAIへ危ない条項の印を付けさせる
5. 署名の後はAIが更新日や支払いの義務を抜き出す

契約のやり取りは70%速くなり、締結までの期間は平均2日未満になった。

1件あたり34.40ドルの費用が浮いた。

営業担当1人が数十社を受け持ち、100を超える製品の詳細や操作方法を覚えるのに時間がかかっていた。

ベテランの製品知識や顧客情報が個人に偏り、若手の育成にも時間を要していた。

1. 数十点の製品情報や操作説明を1ROLLで動画にする
2. 生成AIが文字起こしと要約を自動で作る
3. チャプターとナレーションを担当者が確かめて整える
4. 部署ごとに散らばっていた動画を1ROLLに集約する
5. 視聴データをSalesforceへ自動で流し顧客ごとに記録する

導入から1年で、分散していた動画の管理と運用が効率化し、動画が事業部の共有資産になった。

顧客がどこに興味を持っているかをデータで把握できるようになり、課題解決型の提案に向けた土台ができた。

二輪車ローンの手続きが手作業で2つのチームと6つの流れを通り100を超えるやり取りが発生していた。

祭りの時期は1日75,000件の申し込みが来て処理の滞りが12日まで伸びた。

1. 申込書の画像をMuleSoftで読み取り商談データに起こす。
2. 既にある販売の記録と突き合わせ住所抜けなどの不備を見つける。
3. APIで政府データベースにつなぎPANとAadhaarを確かめる。
4. 外部の金融システムで与信と銀行の承認を取る。
5. 電子署名の依頼と書類の登録と振込までを一続きで進める。

2日以上かかっていた処理が30分未満で終わるようになり繁忙期の増員も要らなくなった。

引き継ぎは75%減で申込書の不備は37%減を見込む。

法人向けの商品が40種類を超え、小さな会社の経営者は自分に合う融資にたどり着けなかった。

前のチャットボットは決まった選択肢を出すだけで、詳しい説明はPDFのよくある質問に頼っていた。

1. 法人向けの相談窓口にAgentforceを入れた
2. Data 360の顧客属性や取引記録を参照させた
3. 質問に合わせた案内をその場で組み立てさせる
4. 足りない条件を聞き返してから答えさせる
5. 口座開設の依頼や明細の取り寄せは自動で処理した

問い合わせへの回答が自動で返るようになり、5,000人の担当者が生む効果を2倍にできると見込む。

連絡の80%を一人ひとりに合わせた内容にし、細かく作り込んだ配信の開封率は2倍になった。

少人数のスタートアップでCROもRevOps専任もいなかった。

営業の記録や請求のやり取りが人の手に残り、対応の抜けが起きかねなかった。

1. Claude中心の仕事の流れにSalesforceをつないだ
2. メールと打ち合わせの履歴を毎日自動で取り込ませた
3. 入った見込み客に追いかけの予定を自動で作らせる
4. 商談が成約に近づくとSlackへ通知が飛ぶ
5. 請求と更新のお知らせも同じ流れに載せた

売上まわりの運用を Salesforce に集めたことで、人を増やさずに規模を広げられるようになった。

CROもRevOps専任も置かないまま運用が回っている。

企業から寄付の連絡が来るたびに数万ある提携先から今それを必要としている団体を人手で探していた。

輸送距離の計算や送り先の確認にも時間がかかり災害対応の担当は2人しかいなかった。

1. Data 360でデータをまとめAgentforceが読める状態にした
2. 寄付が入ると提携先や地域や物流の情報を突き合わせる
3. 担当者は候補の一覧を見て相手の団体へすぐ連絡する
4. 送り先が決まると記録更新と配送手配とメール連絡を任せた
5. Salesforce Mapsで場所を地図に出し輸送ルートを見直す

被災地へ物資を届ける速さは最大3倍になる見込みで年1,000時間以上の作業が減ると見ている。

二酸化炭素の排出も20%減らす目標を置いた。

全米で3万人の子どもがメンターを待っており待機が3〜4年に及ぶこともあった。

担当者が申込書や面談記録を一件ずつ読み込むため1組決めるのに6〜8週間かかっていた。

1. 申込内容や面談メモをSales Cloud上のMatchforceに集めた
2. そのデータと研究成果をData 360でひとつにまとめた
3. Agentforceが候補ごとの相性を点数で出す
4. 担当者は点数の高い候補に絞り通える距離でさらに減らす
5. 残った数人と面談を重ねて最終の組み合わせを決めた

実際の成果の数字はまだ出ていない。

組み合わせを決めるまでの期間を半分にすることを目指している。

繁忙期に税務の問い合わせが集中するのに、前のチャットボットは質問の10%しか答えられなかった。

簡単な確認でもCPAとの30分の面談が入り、毎年20人の季節スタッフを雇って教える負担も続いていた。

1. 顧客データと社内記事と分析データを1つにまとめた
2. 信頼できる公開情報も合わせて読ませた
3. 過去の問い合わせ履歴をふまえ込み入った質問に答えさせた
4. 判断が要る案件は専門の担当者へ渡す形にした
5. 設定はノーコードの画面で組んだ

公開から24時間でAgentforceが1,000件を超えるやり取りをさばいた。

問い合わせの70%を解決する見込みで、繁忙期に臨時スタッフを増やさずに対応できるようになった。

医療の買い手は関係者が多く匿名のまま長く調べ続ける。

フォームと自動メールでは反応が遅く、営業が連絡する頃には関心の山が過ぎていた。

1. QualifiedのAI SDRエージェントを自社サイトに置く
2. 診療領域や閲覧ページや検索語で会話の中身を切り替える
3. 買う気の強い人はその場で商談日を決められるようにする
4. 商談を決めずに離れた人へAIが書いたメールを送る
5. SDRが会話に入り再接触へ戻す

FY26でパイプライン1,890万ドルを生み、Eli経由で商談1,050件が決まった。

AIが書いたメールの開封率は35%で、似た相手に送った従来のメールの11%を上回った。

前に使っていたチャットのツールでは、誰が来ていて買う気がどれくらいかが分からなかった。

Salesforceとの連携も弱く画面を行き来する必要があり、会話の離脱が多く成功率も低かった。

1. チャットをQualifiedのConversationsへ入れ替える
2. 来訪者をメール経由や買う気の強い人などに分ける
3. Salesforceのデータで担当営業へ振り分ける
4. 担当先が来たらSlackの通知で名前を呼んで話しかける
5. SDR全員に使い方の研修をする

入れ替えから6週間で会話の成功率が900%伸び、生み出したパイプラインは490万ドルになった。

ROIは687%だった。

強い仕組みを入れても働く場所が変わるため誰も使わない状態が続いていた。

四半期末にはSalesforceの中身と実際の商談のずれが表に出て、締め日の駆け込み対応が起きていた。

1. Salesforceとデータウェアハウスを共有Slackチャンネルへつなぐ
2. 営業の運用担当へ聞く前にまずSlackbotへ聞く決まりにした
3. ClaudeとAgentforceで3つのエージェントを作った
4. 予定の管理と商談の助言と財務面の相談をそれぞれ任せた
5. データのおかしい所と直し方をSlackで知らせ了承後に値を直す

数週間で朝いちばんにSlackを見る流れが定着した。

四半期末の駆け込み対応が無くなり、締めが特別な作業ではなくなった。

新しいAI製品を売り出すときに、どの会社から当たるべきかを決められなかった。

既存のデータ提供元では自社でAIエージェントを作っているかどうかといった細かい条件で絞り込めなかった。

1. Clayのエージェントに求人票や10-Kや各社のサイトを読ませる。
2. AIエージェントを自前で作る会社かどうかを見分けさせた。
3. 狙いたい顧客像との合いかたで13,000社に順位を付ける。
4. そのリストをSalesforceへ流しAI-nativeなどで分類した。
5. 反応のあった相手には1人ずつ文面を作らせ送る前に確かめる。

Agent Analyticsの最初の四半期は、Clayで作ったリストが売上の55%超とパイプラインの3分の2につながった。

Q1の売上目標は200%を超え、Autumn Releaseの取り組みではパイプラインへの影響が110%増えた。