営業のAI活用事例

反論への切り返しの研修をしたあと、上司が1対1で復習を見ることになっていた。

中身は効いていたが全員に回せる時間がなく指導が広がらなかった。

1. 採点の道具を自作か購入かで比べてGongを選んだ
2. 研修で教えた切り返しの型でAI Scorecardを組んだ
3. 良い応対の定義を先に決めて基準点から採点させた
4. 電話を切った直後に本人へ点が返るようにした
5. AI Builderで個人別の分析と反論への台本を作らせた

指導を受ける担当者の数が人手の1対1のときの2倍になった。

MEDDPICCの項目の入力は820%増えた。

集合住宅の契約は現地の内見で決まるのに、案内担当への指導は内見の前と後でしかできなかった。

既存の音声認識はストリーミングが電話向けで、バッチは録音が終わるまで結果が出ないため内見中の助言に使えなかった。

1. 内見中の音声を短い区切りでAssemblyAIのAPIへ送る
2. APIが届いた分をすぐ文字に起こして返す
3. 文章から話し方や説明の抜けを判定する
4. 担当者のスマホ画面に助言を出す
5. 成績のよい担当者の動き方を学ばせチームへ広げる

案内担当が内見の最中に助言を受け取れるようになり、どの見込み客にも同じ水準の案内ができるようになった。

この機能は既存の法人契約の顧客だけが使える。

新人の営業が独り立ちするまで3か月かかり、指導役が録音を1件ずつ聞いて直すしかなかった。

相手の役割ごとにメールやトークを手で作り分けるのも追いつかなくなっていた。

1. 通話をOutreachに取り込み会話分析で数字を見る
2. 担当者ごとの話した割合と会話の流れを確認する
3. どこで相手に話させるかを通話ごとに本人へ返す
4. 成績の良い担当者の切り返し方を型にまとめる
5. メールとトークを相手の役割ごとに書き分ける

新人が立ち上がるまでの期間が3か月から最短3週間になり75%短くなった。

1日50件の通話を担当者ごとに見て指導できるようになった。

販売店の担当者が本番の客を相手にする前に接客の会話を練習する場がなかった。

言葉が違う市場ごとに同じ質で練習させるのも難しかった。

1. 担当者がAIアバターと声で接客会話を練習する
2. アバターが客役をして内容の正しさを確かめる
3. 話し方や伝え方への指摘を返す
4. 市場ごとに指示文と発音の速さを調整した
5. 騒がしい場所では文字入力に切り替える

各市場の担当者が自分の言葉で接客の練習をできるようになった。

音声認識を調整して雑音を取り除いたので、会話が途切れにくくなった。

退職後の積立プランは企業ごとに中身が違い、契約書の束を作るたびに営業と運用の担当者が設定を選び直し顧客情報を手で打ち直していた。

1件を出すまでに1時間15分かかり新規の受け入れが詰まっていた。

1. DocusignをSalesforceとつないだ
2. 営業はCRMの画面から契約の手続きを始めるだけにした
3. プランや投資商品に合わせて条項の出し入れを自動で切り替えた
4. 署名画面にStripeをつなぎ頭金の支払いも済ませた
5. 契約情報をためてチャットボットから質問に答えられるようにした

契約書の束を出すまでの時間が75分から5分になり、受け入れにかかる時間は93%短くなった。

毎月200時間が浮き、署名後の離脱は70%減って月1,000社超の新規を受け入れられるようになった。

提案やRFPの回答を作るのに必要な資料が散らばり案件ごとに時間がかかっていた。

AIエージェントが自分で作るSQLが顧客ごとのデータの仕切りを飛び越えてしまう心配もあった。

1. 専用のAIデータベースで社内ナレッジの仕組みを数日で組んだ
2. 選び抜いた文書だけを元にエージェントがRFPの回答文と構成図を組み立てる
3. 誰がどのデータを見られるかをデータ側に持たせた
4. 権限の判定をアプリやMCPのコードに書かせない作りにした
5. 要件整理やコード生成から稼働後の支援まで使う場面を広げた

RFPの回答にかかる時間が数週間から数日に縮み1件あたり7万5,000〜8万ドル浮いたと見ている。

同時に300セッションを流しても大半の問い合わせが15秒以内に返った。

営業まわりのAIが Cursor・Figma・Claude・ChatGPT などに散らばり、年間で数百万ドル規模の費用になっていた。

どの部門も費用に見合う成果を説明できず、使っているツールごとにAIが増えて無駄が重なっていた。

1. 社内の各システムにGleanをつないで索引にまとめた
2. 開く頻度や更新など80超の手がかりで索引を毎日保つ
3. 問い合わせは元データでなく索引へ投げる形に変えた
4. 試験のうちに40を超えるエージェントを作った
5. 500問のRFP回答は下書きを任せ人は仕上げに回る

索引済みのデータへ問う形にしたことでトークンの効率が30〜35%上がった。

数か月かかっていた顧客ごとの営業計画は、最初の成果物が1日で出るようになった。

取引の件数が増えて報告の締めも厳しくなり財務の担当者が手作業の事務に多くの時間を取られていた。

入札への回答は年1,000件ほどあり1件の準備に5〜6日かかって調べ物と書類の確認が専門の担当者に偏っていた。

1. まず財務の繰り返し作業を自動化した
2. 各部署で話し合いの場を作り300以上の候補を集めた
3. 入札の書類を読んで求められている条件を拾わせた
4. 社内の資料と照らして提案の下書きと要約まで作らせた
5. 最後の中身は担当者が確かめて直した

自動化で月6,400時間以上の作業が減り投資の回収は8〜9か月でついた。

提案の準備が短くなり生産性は約30%上がる見込みで社内の調査では89%がロボットは役立つか欠かせないと答えた。

担当アドバイザーが会議メモの確認や市場データの整理と提案書づくりに何時間も取られていた。

ZoomやTeamsの要約は浅く顧客に出せる中身にならなかった。

1. 自社の画面デザインのままAIアプリを社内に入れた
2. メールやCRMとポートフォリオの仕組みにつないだ
3. メール文案と販促文づくりから使い始めた
4. 調査の要約と会議の文字起こしや要点出しを足した
5. 規制面の事前チェックを全エージェントの手前に置いた

管理業務と繰り返し作業で90,000時間以上を削り、年間500万ドル超の効率化につながった。

社員が自分で作ったエージェントは2,600件を超えた。

13か国にまたがる提案書づくりとキャンペーンの報告に手間がかかっていた。

金額を扱う作業では間違いも起きていた。

1. BigQueryとGemini Enterpriseを組み合わせた。
2. 113個を超えるAIエージェントを自社で作った。
3. 用途ごとにエージェントを分ける。
4. 提案書づくり・報告・金額の処理を別々に担当させた。
5. 各チームは合うエージェントを呼び出して進める。

提案書を作る速さが5倍になり、キャンペーンの報告にかかる時間は80%減った。

金額の間違いの割合も0.01%未満になった。

営業がいくつものタブと調査ツールを行き来して見込み客を探していた。

最初の接触までが遅れ関係づくりや商談に回す時間が削られていた。

1. Sales Cloudの中でProspecting Agentを動かした
2. 見込み客の調査と絞り込みをエージェントに任せた
3. 条件に合う相手を24時間探しメール送付の流れへ入れる
4. なぜその相手を選んだかの短い説明も付けた
5. 営業が判断の妥当さを確かめ狙いどころを直す

架電数が3倍になりメールの返信率は2倍になった。

北米のパイプラインの60%をエージェント経由が占めるようになった。

実質2人で会社を回しており電話を受けた担当者が面談リンクや顧客の区分をそのつど代表とCMOへ確認していた。

規制の関係で外部のAIを顧客データにつなげられなかった。

1. 社内審査を通ったHubSpotの中だけでAIを動かす
2. Agent Builderで商談を見るエージェントを作る
3. 5つ6つの項目をまとめて見て判断させる
4. 止まっている商談を拾い次にやることを出す
5. 自社の決まりと顧客の分類を覚えさせた

エージェントはこれまでに36回動き商談の追いかけと次の段階への進行に使われている。

問い合わせを受けた担当者が代表やCMOへ確認を回すことはほぼなくなった。

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。

開発の速度が上がって新機能が次々出る一方で、150人を超える顧客対応の担当者が売り方を覚えるのに3〜6か月かかっていた。

実際の販売店を相手に初めての商談を練習させるわけにもいかなかった。

1. 社内の通話記録15万件とSalesforceのデータをClaudeに読ませた
2. 難しい会話の型を取り出し練習用エージェントを作った
3. 新商品ごとに練習と認定の流れを用意した
4. 複雑な設計はOpusが担い決まった処理は軽いモデルに任せた
5. 月次レビュー資料はClaudeが下書きし担当者が直す

新商品に慣れるまでの期間は3〜6か月から平均1か月に縮んだ。

月次レビューの準備も3〜4時間から約30分になり、サポート案件は20%多く対応できるようになった。

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。

動画で見込み客に知ってもらいたかったが、納得できる出来にするには撮影費が高くつくと感じていた。

そのため動画は作っていなかった。

1. 週に出す話題を自分で決める。
2. ChatGPTに台本の下書きを作らせる。
3. 下書きを自分の言いたいことに合わせて整える。
4. 台本をHeyGenへ渡し自分の顔と声の動画にした。
5. 毎週月曜にInstagramへ1本出し後半にもう1本足す。

動画を作っていなかった状態から毎週の投稿が続くようになり、1本を出すまでの手間は最長でも5分で済む。

宣伝費をかけていない医師向けの動画を見て、地元の外にいる医師2人から連絡が来た。

見込み客1人を調べて文面を作るのに最大10分かかり1日20通が限界だった。

500社以上を手作業で調べるのは重く贈り物と組み合わせた個別の案内も広げられなかった。

1. 過去1年の失注案件と2年以内の見込み客をClayへ登録した
2. 商談前のメモをChatGPTに渡して興味を持った理由を要約する
3. まとめから担当者名と商談時期を入れたメールを自動で作成した
4. できたメールをInstantly.aiへ流して配信する
5. 贈り物のAPIとつないで相手ごとに違う品を自動で発送した

数時間の準備で16件の商談と23件のリードが生まれ2週間以内に1件成約した。

開封率は75%で返信率は11%になりパイプラインは合計100万ドルを超えた。

営業担当が書類をそろえてメールで送る作業に時間を取られ、顧客と向き合う時間が減っていた。

新規の顧客も同じ内容を複数の書類へ何度も書き込む必要があった。

1. SalesforceにDocusign IAMをつなぐ
2. 営業がボタン1つでオンボーディングを始める
3. 顧客データをWeb Formsへあらかじめ入れる
4. 契約の種類ごとに送り先や言語を振り分ける
5. 完了した書類をSalesforceへ書き戻す

成約までにかかる時間が41%減り、署名までの平均時間も25%短くなった。

24時間以内に完了する契約の割合は55%から87%に上がった。

商談の内容で言った言わないの行き違いが起き、社内の引き継ぎでも聞いていないというもめ事があった。

議事録づくりの負担も重かった。

1. Web会議の商談をaileadで録画して文字起こしする
2. 担当が変わるときは前回までの録画を見て引き継ぐ
3. 話者分離で重要な人が話した部分だけを確認する
4. 月1回みんなで見て良い商談と悪い商談に分ける
5. コメント機能で気づいた点を書き込み進め方を直す

毎月130件ほどの録画がたまり、部署をまたいで商談のやり方を学べるようになった。

苦手なところだけを選んで見直せるので、メンバーが学ぶ機会が増えた。

人材派遣の時給相場は動きが早く、数円の差が提案や利益に響くため最新の情報をすぐつかむ仕組みがなかった。

提案の中身も経験や知識で差が出やすく、慣れないうちは組み立てに時間がかかり内容もぼやけていた。

1. GeNで営業向けツール「提案くん」を作る
2. 顧客からの相談内容と背景を入力する
3. AIから返る確認点や追加質問に答えて提案の形にする
4. プロンプトで自社の考え方と情報ソースを指定する
5. 同じ作りで時給調査や募集原稿作成のツールも用意した

提案準備にかかる時間が縮み、検討段階での迷いも減った。

提案が個人の経験頼みでなくなり、他部署からも使いたいという声が出てAIを業務に組み込む動きが社内に広がった。

商談のメモを共有ドキュメントへ手で書いていたため同じ内容が重なったり大事な点が抜けた。

一般的なAI議事録ツールでは商談の中身まで踏み込めずCRMへ何を移すかを人が毎回考えていた。

1. 商談の前にNovaからCRMの情報の要点を受け取る。
2. オンラインの打ち合わせにはNovaを自動で参加させた。
3. 対面の商談はデスクトップ版で会話を記録する。
4. 終了後に自社の売り方へ合わせて話の中身を整理させた。
5. 示された更新項目をクリック1回で商談記録へ反映する。

1回の商談あたり最大1時間の作業が減った。

4人の営業体制のまま長期にわたる大型案件の経緯を追えるようになった。

営業や技術の担当者がメールや技術資料を探し回ってから回答していた。

提案やエスカレーションに時間がかかり、顧客との相談に手が回らなかった。

1. UiPathと組み社内情報を探すAIアシスタントKAIを作った
2. 答えのもとになる資料を承認済みのものだけに絞る
3. 製品仕様や設備の空き状況や回線の性能まで返せるようにする
4. 安全面の制限を組み込み回答の正しさを何度も直していった
5. 社員はKAIの答えを顧客や社内への返答に使う

KAIは月11,300件の問い合わせのうち11,000件に答えており、回答までの時間は1〜5日から1〜3秒になった。

年間25,000〜30,000時間の手作業が減り、およそ12人分の余力が生まれた。

担当者が在宅になり、上司がそばで見て教えることができなくなった。

それでも売上と各指標の目標は上がり続けていた。

1. チャット販売と引き止めの進め方を1つの型にそろえた
2. 応対中はAgent Assistがヒントと返答候補を出す
3. 管理者はCresta Coachで全会話を見て指導計画を作る
4. 責任者はCresta Insightsに連絡の理由を聞いて調べた

住宅向け販売はチャット1件あたりの売上が20-30%増え、引き止めは10-20%伸びた。

管理者1人が見る担当者は10人から14人になり、新人の立ち上がりも2週間短くなった。

人件費の上昇でオフショアへ移す方針にしたが売上と顧客満足が落ちる不安があった。

会話の中身が見えず既存の品質チェックでは営業の手順を守れているか確かめられなかった。

1. 自社の4段階の営業手順に沿った画面を作った
2. 成績が良いオペレーターの進め方を手本にする
3. ヒントと返答案を新人へその場で出す
4. オペレーターは返答案を確かめてから送る
5. Cresta QMが全ての会話を数時間で採点する

3か月でチャットあたりの売上が35%伸びCSTも6.5%上がった。

返答案の入力補助でオペレーター1人あたり月14.07時間のタイピングが減った。

旅行需要の回復が早く在宅の新人オペレーターが育つ前に見込み客だけが増えた。

管理者は45分もある通話を聞き直して指導の材料を探すしかなく手が回らなかった。

1. 在宅のオペレーターにCresta Agent Assistを入れる
2. 通話中のやり取りをその場で解析させる
3. 断り文句への返し方を画面にヒントとして出す
4. 管理者はCresta Coachで進行中の会話を見る
5. 録音の告知が守られているかを全通話で自動点検させた

Cresta Agent Assistを使う担当は使わない担当より売上が72%多く四半期あたり平均235,528ドル上回った。

管理者は週に2〜4時間を指導以外の仕事に回せるようになった。

繁忙期を前に季節採用の担当者を早く戦力にする必要があった。

指導は週1回で1件あたり30分から1時間かかりさらに準備に30分取られていた。

1. Agent AssistとCoachとInsightsを試験導入した
2. 通話中の担当者へ改善できる点をその場で知らせる
3. 監督者はCoachで指導すべき場面を見つける
4. Insightsが通話の記録を判断の材料に変える
5. 人は示された場面を確認して指導内容を決める

導入から9か月で保険料の売上が伸び郵送経由の売上は7%増えた。

新人が戦力になるまでの期間も短くなった。

人同士のロールプレイングは相手役の癖や力量で中身が変わり、若手の伸び方に差が出ていた。

管理職の育成の手間も重く、練習の機会自体も減っていた。

1. 投資用マンションの営業部門にジシュトレAIを導入した
2. 現場の商談に近い台本を先に用意する
3. AIに買い手を演じさせ担当者が繰り返し練習する
4. 練習後にAIが点数と改善点を返し弱点をやり直す
5. 実施時間や台本や評価基準を共通ルールとして整える

導入から約1か月の時点で一部の社員が積極的に取り組む状態になり、練習の中身をそろえる土台ができた。

利用の頻度に個人差が残るため、営業部門共通のルール整備を進めている。

案件の情報をExcelの複数箇所に入力する必要があり、更新も手間だった。

新規の顧客へ動きたくても下調べの時間が取れず、提案の中身も人によってばらついていた。

1. 案件と営業の動きをMazrica Salesに集約する
2. 現場から管理職まで同じ画面を見る形にした
3. Mazrica BIで案件のパイプラインと行動履歴を並べる
4. Mazrica Targetで企業情報を集めリストと提案案を作らせる
5. 担当者は自分の仮説と違う視点を拾い提案を仕上げる

新規の顧客への提案準備が1時間から25分と約50%短くなった。

リスト作成を個別に頼まず営業担当が自分で作れるようになった。

営業担当は初回の電話の前にGoogleやLinkedInで相手の会社を調べ連絡先や電気料金の請求書を集めていた。

夜間や休日の問い合わせには月曜の昼まで返せず商談を取り逃がしていた。

1. Relevance AIでToniというエージェントを作った。
2. 最初の1週間は1日5件だけリードを渡す。
3. 送るメールは全部人が確認した。
4. 次の週は10件その次は15件と増やす。
5. Salesforceの入力やSMSの送信を担う役も足した。

稼働から6週間で初回の商談前に請求書を出す顧客がほぼ2倍になった。

人を増やさないまま成約が30%増え平均の通話時間は22分から9分ほどまで下がった。

営業とマーケティングの人手が足りず、見込み客の調査や初回の接触に時間を取られていた。

価値の高い仕事に人を回せる形を探していた。

1. 成績の良い営業に聞き取りをして仕事の流れを洗い出した
2. その進め方をエージェントの設計へそのまま写した
3. 見込み客の調査から連絡文の作成と返信対応までを任せた
4. 最初は少量だけ流して出力を人が全部承認した
5. 量を増やしながらプロンプトと道具を直した

Alexが調査から初回の接触までを回せるようになり、担当者は引き継いだ後の商談に集中できるようになった。

調査の部分などを部品として切り出し、SEOや広告の業務へエージェントを広げる段階に入った。

引き合いが増えすぎたうえ、問い合わせの中身もばらばらだった。

商談の予約は手作業が多く、質を落とさずに数を伸ばせなかった。

1. Relevance AIのエージェントを社員のように迎え入れる
2. 自社の仕事の進め方とナレッジベースを学習させる
3. 顧客とのやり取りの型も覚えさせた
4. 見込み客の質問にエージェントが自分で答える
5. そのまま商談の予約まで進めフィードバックで直す

予約できた商談が3倍になり、商談1件あたりの費用は83%減った。

有望な案件は200%増えた。

営業時間外に届いた問い合わせは最初の返信まで12時間以上かかっていた。

通話のたびに約8分のCRM入力が発生し週300件を超える会話で事務が積み上がっていた。

1. Relevance AI上に役割ごとのエージェントを用意する
2. 問い合わせ対応役がCRMを読み相手ごとの文面を返す
3. 品質確認役が苦情になりそうな内容を担当者へ回す
4. CRM担当役が通話の変更点を聞き取り項目を書き換える
5. 1つの出力が次の入力になるようつなぐ

記録入力の事務がなくなり週40時間がチームに戻った。

時差に関係なく数分以内に返信が届くようになり通話は全件が品質確認の対象になった。

売上目標が上がるほど裏側の手作業が増えていった。

人を増やす以外に広げる方法が無く、BDRの採用を続けるのも現実的でなかった。

1. BDRが担っていた40〜50件の作業を書き出す
2. その作業をRelevance AIのチームに渡す
3. RevOpsの繰り返し作業も洗い出して移す
4. 自社の進め方と優先順位をエージェントに教える
5. 営業やRevOpsの担当者がエージェントを作って管理する

商談パイプラインは700万ドルまで積み上がった。

自動化したGTM業務の処理量は10倍になり、今は35以上のエージェントが社内で動いている。

家を建てたい人は情報をできるだけ早く集めたがっていた。

以前は相談のたびに車で面談場所へ出向く必要があり、相談員側の手間も大きかった。

1. サイトのボタンで地域ごとの担当相談員へ振り分ける
2. チャットや電話の相談をビデオ面談に切り替える
3. コンタクトセンターを自社のCRMとつないだ
4. 応対中に自社のナレッジベースから手がかりを出す
5. 通話内容の要約をAIに作らせて後から確認した

月曜から日曜まで朝から晩まで地域の担当者と話せるようになり、顧客の満足度が上がった。

相談員の効率も目に見えて良くなった。

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。

営業に付随する細かい作業が積み重なり、毎週まとまった時間を取られていた。

1. 営業に関わる19の業務を洗い出す
2. 洗い出した業務に取り組む順番を決める
3. 各業務をClaude Codeに任せる形へ置き換える
4. 空いた時間の使い道を事前に決めておく

週14時間55分かかっていた作業が週54分になった。

一方で最初の2か月は商談数が1件も増えなかった。