教育・学習・研修のAI活用事例

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。

入院説明など患者への同じ説明を職員が何度も繰り返しており、時間がかかっていた。

タブレットで動画を見せる取り組みはあったが、動画を作って配る仕組みが整っていなかった。

1. 院内のPowerPoint資料をVideoStepに読み込ませる
2. AIに中身を整理させて説明の台本を作らせる
3. 字幕と音声付き動画を担当者が言い回しと順番を直して仕上げる
4. パソコンの操作手順は画面録画で残し手順動画にする
5. 動画をURLとQRコードで配り患者が自分のタイミングで見られるようにした

リハビリテーション科と栄養管理課で動画が使われ始め、患者への説明を動画で補える形になった。

今後は病棟の看護師や知多半島りんくう病院にも広げる予定。

職員の約半数が生成AIを使ったことがなく、日々の業務のどこで使えるかが分からない状態だった。

1. 対面の初級編カリキュラムで画面の基本操作を確認する
2. 庁内の資料を読ませるプライベートナレッジの使い方を試す
3. 議員からの質問への備えを想定し情報を集める場面を演習する
4. 職員が自分の担当業務に置き換えて質問を入力する
5. 質疑で機能の使い分けやAIモデルの違いを話し合う

約60名が参加し、文書づくりだけでなく情報を集めて整理する場面でも使えることを体験した。

参加者からはここまで高度な情報収集ができるのかという声が上がった。

言葉の一致で探す従来の検索では、学びたいことから志望校へたどり着けなかった。

総合型・学校推薦型での進学が増え、相談したい高校生を受け止める入り口が足りなかった。

1. 全国約3,500校・13,600学科の情報をCSVで読み込ませた
2. 2026年4月に進学ポータルへ志望校マッチングAIを公開した
3. 話し言葉の入力に関連する学部や学科を返す形にした
4. 回答に画像やURLを入れて学校の詳細ページへつないだ
5. 各校のアドミッションポリシーも読み込ませた

相談の件数は伸び続けている。

相談した高校生のうち約60%がその流れで学校の詳細ページまで見に行くようになった。

生成AIを週1回ほど触る職員が半数以上で、QommonsAIを初めて使う職員も多く、業務のどの場面で使えるか分からない状態だった。

1. 対面の初級研修で基本操作を説明する
2. 随意契約の理由づくりや引継書づくりの例を示す
3. 職員が自分で操作しアンケートフォームやあいさつ文を作る
4. 議会対応のデモで議員の質問と再質問を想定し答えを準備する

午前午後で各回約40名が参加し、生成AIは文書を作る道具という思い込みが変わり、再質問を予測して備える使い方に気づいたという声が出た。

ワークでは隣の席の職員同士でモデルやプロンプトの違いを聞き合う場面も生まれた。

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。

職員によってAIの使う頻度に差があり、操作の仕方や応用の幅もそろっていなかった。

基本操作は分かっても実際の業務にどう結びつけるかが見えにくかった。

1. 担当者が市役所を訪れ初級編の対面演習を3回行った
2. 議事録作成と議会対応を題材に選んだ
3. 会議内容の要約や情報整理を職員が手を動かして試した
4. 指示を具体的に書き直し出力の違いを比べた
5. 出力は必ず職員が中身を確かめてから使う手順を確認した

研修には午前36名、午後1回目39名、午後2回目46名が参加した。

館林市ではQommonsAIの利用率が約5割に達し、挙手で確かめたところ毎日または週3回以上使う職員が約半数を占めた。

復興と住民サービスの業務が続くなか、生成AIを入れても職員が自分の担当業務でどう使えばよいか分からない状態だった。

入力してよい情報の線引きもはっきりしていなかった。

1. 対面とオンラインを併用した初級編の研修を開いた。
2. 基本操作を説明し職員が自分の端末で触るワークに移った。
3. 日ごろ書いている身近な文書を題材にAIと文章を整えた。
4. 機密情報の入力範囲や画像生成の広報利用を質疑で確認した。
5. 出た要望や質問を総務課と共有し利用ルールの材料にした。

午前は現地約35名、午後は現地約25名が参加し、AIは分からないと話していた職員も対話を重ねて自分の考えを文章にまとめられた。

庁内に広げるうえでの運用上の論点も共有できた。

スキルシートを一度書くと見直さないまま面談を迎えていた。

自分では当たり前と感じている経験が書く価値のある強みかどうか判断しづらかった。

1. 採用担当者の立場で深掘り質問をさせる指示書を作る
2. スキルシートと自分の技術記事を渡して一問一答で掘り下げる
3. 聞き出した内容を書く価値があるかAIに判定させる
4. 数字や固有名詞を残して短くまとめさせる
5. AIが理解した内容を毎回確認してから次へ進む

定量的な成果の記載が1件、属人化を解消したエピソードが1件加わり、曖昧だった表現が実態に合う形に直った。

書面上は運用保守中心の印象に見えていることも分かった。

生成AIに触れたことがない職員が多く、何ができるのか分からず近寄りがたさを感じていた。

議会答弁の作成も手ほどきのないまま担当することが多かった。

1. 初級編のカリキュラムで対面研修を行う
2. 体験ワークとして挨拶文を作らせる
3. 自分で指示文を組み立てて出力の違いを試させる
4. 迷うときは必要な情報を一問ずつ質問してと頼む
5. 過去の答弁や議員ごとの特徴をふまえた文章作成を操作して確かめる

午前35名、午後は3自治体の34名に加え公開研修に約80名が集まった。

研修後は職員からの利用申込が複数あり、AIへの心理的な抵抗感が下がったという声が出た。

専任のエンジニアがいないまま各自がばらばらにClaude Codeを使い、仕様やコードが個人のチャット履歴やPCに埋もれていた。

確認不足のまま統合する危険や、不具合時に元へ戻す手順が無いことも不安だった。

1. 3日間の研修で開発の進め方を学んだ
2. 初日に画面とデータと処理のつながりを学んだ
3. AIの案をうのみにせず人が設計方針を決めた
4. 2日目にGitの変更履歴やブランチ運用を練習した
5. 3日目に現場の困りごとを要件にまとめアプリを作った

受講者の半数以上がプログラミング未経験だったが、最終日に8つの実務アプリをリリースした。

領収書PDFを一括で集める仕組みやAmazonのAPIと連携した在庫管理システムなどが生まれ、受講満足度は全日程・全項目で受講者全員が5点満点だった。

AIに実装を丸ごと任せると、最後の確認が重くなり中身を理解しないまま進んでしまう。

知らない設計手法のコードが出てきて読むのに時間がかかっていた。

1. インターフェースとクラスの箱を自分で作る
2. 責務や入出力とエラー時の動きを決める
3. その設計をAIにレビューさせ抜けを自分で直す
4. メソッドの中身と別案をAIに実装させる
5. コードを読み境界値と依存とセキュリティを確認する

1日かけていた実装が10分ほどで終わることもあり、PR数は2年前の10倍ほどになった。

一方で設計とレビューにかける時間は以前より増えた。

社内ではClaude Code経由で業務を進めるほどAIを使うことは定着していた。

一方でRAGの中身やAIエージェントがツールを選ぶ仕組みは使うだけでは見えず、自社サービスに載せる方法も分からなかった。

1. 外部講師を招き2時間弱の講義で生成AIの全体像をつかむ
2. 手順資料に沿って各自が手を動かす形にした
3. S3に資料を置きBedrockのナレッジベースをコンソール操作だけで作る
4. Strands Agentsで3行のコードを書きAIエージェントを立ち上げた
5. ブラウザ操作のツールを持たせて調べものをさせた

S3への資料配置と数クリックで質問応答が動き、画像の中にしかいないマスコットもRAGが言い当てた。

研修を終えた新人の中には、覚えた進め方を実際の担当業務や開発に持ち込んだ人も出た。

入社1週間の技術研修はRailsとNuxtで小さなWebサービスをゼロから作る課題だが、AIに丸ごと任せれば1日で終わってしまう。

完成したアプリは残っても、自分には何も残らないという悩みがあった。

1. Claude Codeに教官役のルールを与えた
2. 方針と選択肢だけ説明させ答えは出させない
3. コードもコマンドも自分が書いて打つ
4. 勝手に実装したら訂正し教訓ファイルに保存させる
5. 詰まったらエラーの読み方を促してもらう

発展課題まで完走し、翌週から本体のコードに入った。

AIに任せれば1日で終わる分量に約7倍の時間をかけたが、自分で書いたコードの記憶があるぶん本体コードの吸収が速くなった。

顧客の氏名や年収など個人情報を日々扱うため、どこまでAIに入力してよいか判断がつかず社内での利用が広がらなかった。

社内に複数のAIツールが混在し、ルールも定まっていなかった。

1. 企業向けのGemini Enterpriseに利用環境をまとめる
2. 権限管理と入力してよい情報の基準を社内規程で決める
3. 週1回の勉強会を全8回開き基礎からGASまで扱う
4. 非エンジニア社員が自部署の作業でアプリを作る
5. 前後で同じ設問の社内アンケートを取り変化を確かめる

AIを定常業務のプロセスに組み込む社員は57.8%から82.3%になり、API連携や定型処理の自動化を自分で実装した社員も21.2%まで増えた。

開発事業部では物件データの集計が約2時間から15分に短くなった。

商談の中身や売れる人のやり方が個人の中に閉じていた。

成果が再現できず新人も育てにくかった。

1. オンライン商談と電話をMiiTelで記録して文字に起こす。
2. AIに会話の中身を分析させ顧客の性格の傾向まで整理する。
3. 分析結果から次の商談で何を変えるかのフィードバックを作った。
4. ためた会話データを新人の教育や担当の引き継ぎにも回す。

あるメンバーの受注率が7％から37％まで上がった。

引き継ぎにかかる手間は10分の1になり解約率も下がった。

子どもと防災の話はしていたが、下校中や留守番中に地震が起きた場合を聞かれると答えられなかった。

家庭での防災教育をどう進めればよいか分からなかった。

1. ChatGPTに小学生が命を守って動ける形で教えるよう頼む
2. 家の中・学校・外の場面ごとの行動と禁止事項を短く出させる
3. 家庭でできる練習メニューと家族のルール案も出させる
4. 出てきた中から親が伝える3つを選ぶ
5. 子どもと家を歩きながら中身を確かめる

「あわてない・頭を守る・安全な場所へ」という覚えやすい形に整理でき、親の合図で動く練習や家の中の危ない場所探しを子どもと実際にやれた。

防災リュックの場所を子どもが知らないことや、家族の集合場所を決めていないことにも気づけた。

教室での学科授業は指導員が準備から事務処理まで抱えていて負担が重かった。

コロナ禍でオンライン学科が認められたが、なりすましや居眠りを防ぐ厳しい要件を満たす仕組みが必要だった。

1. アニメ教材をライブ配信用に変換する
2. CloudFrontとS3で教習生に配信する
3. 受講中の画像を取り顔認識で本人と様子を判定する
4. 指導員が後から画像やログを見て受講の事実を確かめる
5. 受講ログを出力し判定の根拠を調べられるようにする

南福岡自動車学校では学科指導員の工数を7割ほど減らし、空いた時間を技能講習や個別指導に回せるようになった。

サービス開始から1年で100校以上の自動車学校が採用した。

リアルとデジタルをつなぐ顧客体験を作るには、AIなど新しい技術を自分で組み合わせられるエンジニアが足りなかった。

机上の研修だけでは、社員のやる気が続きにくいという課題もあった。

1. 社員が手を挙げて社内レースを企画し80名超で開始した
2. クラウドの3Dシミュレーターで強化学習モデルを作る
3. 走らせた結果を見てモデルの調整を繰り返す
4. 週2回の勉強会と月1回の社内レースを就業時間内に行う
5. 学んだメンバーを社内のAI開発プロジェクトに入れる

2019年6月の日本大会でメンバーが表彰台を独占し、64名のトーナメントで戦った世界大会でも優勝した。

優勝した社員はそれまでAIに縁のないエンジニアで、始めてから1年弱の成果だった。

英語の話す力を測るテストの自動採点モデルを、当初はローカルPCで作っていた。

開発者1人が一度に1つの学習しか回せず、開発の詰まりどころになっていた。

1. 受験の出題側と採点側を分け、音声解答をAIが採点する仕組みにした
2. 学習用の受験者データをAWS GlueとAmazon Athenaで取り出した
3. モデル学習をAmazon SageMakerのトレーニングジョブに移した
4. マネージドスポットトレーニングで費用を抑えて学習を回した
5. 受験開始と同時に前処理を走らせ、Amazon SQSで両側をゆるくつないだ

ローカルPCと比べて学習時間は最大4分の1に縮み、学習効率は10倍以上に上がった。

1人の開発者でも上限まで複数の学習を同時に回せるようになった。

全従業員が生成AIを使える環境を整えても、実際に使う人が一部に偏り日常の業務に根づかなかった。

使い方を学び合う場や続けて情報を届ける仕組みが足りなかった。

1. 全社共通の生成AI基盤「PX-AI」を用意した
2. Teams上に使い方や事例を持ち寄る場を作った
3. 動画やコラムなどの学習向けの中身を定期配信した
4. 反応を見て中身を作り直した
5. 隔日の確認と週次の定例で次の配信を決めた

「PX-AI」はグループ内で約8万人が使う基盤に育ち、使った人へのアンケートでは1人につき毎月約7.5時間が浮いたという回答が集まった。

全体では月間約29万時間の効率化につながり、コミュニティには延べ3.1万人が参加した。

会員数が増え、教材を使わない自由会話のレッスンで講師が一人ひとりに合う話題を考える手間が膨らんでいた。

1日に数十レッスンを受け持つ講師からは指導そのものに集中できないという声が出ていた。

1. Amazon Bedrock を土台にAIトピックサジェスト機能を作った
2. 会員の年齢や職業などのプロフィールを渡し話題を出させた
3. 不適切な返答を避けるガードレールを組んだ
4. 既存のPDFからベクトルDBを作りRAGを用意した
5. PoCを1〜2週間で行い実装を1〜2か月で終えた

講師は1レッスンあたり平均3.2回この機能を使い、発音や文法の指導に集中できるようになったという声が届いた。

メール問い合わせの一次応答にも同じ基盤を入れ、人を増やさずに対応件数を120％まで広げた。

開発者3000人にAIコーディング支援を配ったが使われるのはコード補完だけで高度な機能が眠っていた。

費用の膨張やセキュリティ面の統制も課題になった。

1. 社内専用チャットbotを作り従業員の7割に広げた
2. 開発者にGitHub Copilotを配布した
3. 人事部門と組んで6つの学習コースを用意した
4. 自社製の管理ツールで利用量をダッシュボード化した
5. 消費が急増した用途は安いモデルへ切り替えた

導入から1年でIT子会社Liberty ITのGitHub Copilot利用率は90％に達した。

数時間で2万ドルかかっていた処理はモデルの入れ替えで最終的に4万ドルの費用削減につながった。

インサイドセールスの立ち上げ当初は営業へ引き継ぐ基準や商談につながる話し方が整理されていなかった。

対応の質が担当者ごとの経験や感覚に左右されていた。

1. 音声解析つきのIP電話を入れ通話の録音と文字起こしを残した
2. 評価指標で通話の分析を始める
3. 毎日の朝会で前日の通話を振り返り成果が出たトークを共有した
4. うまくいった例をチーム全体へ広げ対応のやり方をそろえる
5. 新しいメンバーの育成にモニタリングとささやき機能を使った

商談設定率が2023年度の18.4％から2025年度は35.7％に上がった。

営業へ引き継ぐ情報も厚くなり商談化した理由を伝えられるようになった。

架電スタッフがリモートワークへ移った後にコール数が足りなくなっていた。

成績の良いメンバーの何が違うのかを正確につかめていなかった。

1. コールセンターオプションを入れた
2. シートマップで16人の状態を一覧で見る
3. 待機が10分を超えると黄色の警告を出す設定にした
4. 話速やフィラーを成績の良いメンバーと比べて助言する
5. 新人にハイパフォーマーの通話録音を聞かせた

1時間あたりの新規顧客への架電数が3〜4件増え既存顧客への架電も2件ほど増えた。

情報入力に20分以上かかっていたメンバーも箇条書きの工夫で15分10分へ短くなった。

AIで若手の仕事を減らす動きが業界に広がるなか、次の世代の育て方が揺らいでいた。

速さを上げても仕事の厳しさと質を落とさない形を探していた。

1. 法務向けAIのHarveyを研修の中へ組み込んだ。
2. パートナーと若手が同時に使える状態にした。
3. 冒頭陳述づくりと反対尋問の練習にHarveyを入れた。
4. 過去の書面を集めたVaultと手順のPlaybookを用意した。
5. 研修の約95%は社内の人が作って教える形にした。

廊下でAIの使い道を話し合う場面が増え、現場から新しい使い方の相談が上がるようになった。

2023年以降で約100人のパートナーが他事務所から移ってきており、移籍を考える弁護士からAIの環境を先に聞かれるようになった。

従業員の平均年齢が高くITが本業でないため、変革の取り組みが自分のこととして受け止められなかった。

機能説明中心の研修を開いても、何にどう使えばいいか分からないという声が残った。

1. 全員が一定の水準まで使えることを目標に置いた
2. DX推進課の担当者が講師となり対面の終日ワークショップを全23回・約500人に開いた
3. 業務でよく起きる場面を選びGeminiとGemini Notebookを手を動かして試した
4. 局長・部長級約50人向けの回を別に設け上司側の理解をそろえた
5. 社内規則のFAQや社史ドラフトなど約100例をケース集にまとめ全員が投稿できるようにした

月100回以上使うヘビーユーザーは1年で22名から224名へと10倍になり、月間アクティブ率もほぼ100%に届いた。

社内アンケートでは7割超が1日30分以上の効率化を感じ、平均は約48分だった。

研究データや分析レポートが担当者のPCやオンプレミスサーバー、クラウドストレージに分かれて置かれ、組織で使いにくくなっていた。

長期の研究テーマの技術の引き継ぎや、人に付いたデータの持ち腐れが課題だった。

1. 研究本部に生成AIのナレッジ管理の仕組みSTiVを導入した
2. 保管先が分かれたままでも材料名やキーワードで横断検索できるようにした
3. SharePointとつなぎ既存のアクセス権限をそのまま引き継いだ
4. 検索する人の権限に応じた範囲だけを表示する形にした
5. 新人や中途社員は過去の履歴を自分で調べてから相談する流れにした

20年を超える研究・分析データを横断して探せるようになり、これまで1〜2時間かかっていた資料探しが数分になった。

5〜10年続く研究の引き継ぎや新しいテーマの立ち上げも速くなった。

ネットワークスペシャリスト試験の過去問はPDFで公開されているが、読めても横断して数えられない。

手元の2年分だけを見て、ある領域を対策から外すと決めていた。

1. 1年度ごとに問題冊子と解答例と採点講評の3種を1組にする
2. 令和1・3・4・5・6・7年度の46ファイルを読み込ませた
3. 参考書は混ぜず一次資料だけにそろえて出典をたどれるようにする
4. どの技術が何年度のどの設問で問われたかを出典付きで一覧化させた
5. 採点講評6年度分を読ませて繰り返し落とす箇所を聞いた

DNSは6年度で3回出題されており、対策から外す判断が誤りだと分かった。

さらにSSO・認証連携／PKIが出題回数3位の4回でありながらノートが1本も無く、当日に概念ノートを5本作って穴を埋めた。

未経験のキャリアアドバイザーを育てるには時間も人手もかかり、提案の質が人によってばらつく問題があった。

育成担当が現場に張り付けず、売上が伸び悩む紹介会社も多かった。

1. 面談の聞き取り内容と過去の選考データをAIに読ませる
2. 支援の進め方と次の行動をAIに出させる
3. 求人データベースから志向に合う求人をAIが選ぶ
4. 価値観に合うおすすめ理由入りの紹介資料を自動で作る
5. AIロープレで面談を繰り返し評価と助言を受ける

2026年2月〜4月に参加したキャリアアドバイザー73名では、参加2ヶ月目の1人あたり月次成約金額が参加前月比で平均約5.3倍になった。

売上の中央値も0円から800,000円へ上がり、導入した紹介会社では月間売上が545万円から1,800万円に伸びた例も出た。

社内研修「ワイン大学」だけでは業務の合間に出る細かい疑問に答えられず、スタッフごとに学ぶ速さも違っていた。

産地や品種、料理との組み合わせなど覚える範囲が広く、必要なときに確かめる手段がなかった。

1. 研修「ワイン大学」の内容と店の知識をAIが読める形に整理する
2. スタッフがチャットで産地や品種、ペアリングを質問する
3. 新人は用語や歴史を自分の速さで学び、バイヤーは銘柄の背景を調べる
4. LINEやSlack、Teamsからも使えるようにする
5. 管理画面で質問の傾向を見て回答や資料を追加する

研修の場に加えて、日々の接客の中でも必要なタイミングで知識を確かめられる形になった。

新人の自主学習やペアリング提案の下調べにも使われている。

施術の考え方から店舗運営の判断まで、質問が創業者や一部のベテラン院長に集中していた。

店舗が増えるほど教育に時間がかかり、ノウハウの共有が追いつかなかった。

1. NotebookLMで対象の院長に関する社内情報を集めて整理する
2. 人格を定義するプロンプトを作りChatGPTのプロジェクト機能に読み込ませる
3. ベテランの対応事例や研修マニュアルも参照させ現場に即した回答にする
4. スタッフは本人に聞く前にボットへ相談し最後は人が判断する
5. 感情が絡む文面はAIと10〜20往復して角の立たない言い回しに整える

本人に聞く前の相談先ができ、教育にかかる手間と知識共有の速さが改善に向かった。

支援先では経営者個人が慣れる段階から、ヒアリングシートや契約書といった現場の定型業務へ広げる段階に進んでいる。

東京都から受けたカスタマーハラスメントの相談窓口では通話の中身を正確に記録として残す必要があった。

相談者ごとに事情が違うため対応のこつを組織で共有できる環境も足りなかった。

1. 相談窓口の電話をMiiTel Phoneで受けて録音と文字起こしをする
2. 文字起こしをもとに通話記録を作る手間を減らす
3. 経験のある相談員の通話を共有して対応の仕方を広げる
4. 管理者が通話をその場で聞き必要なら相談員を代わる
5. 相談員が自分や他の人の通話を後から聞き直して振り返る

相談員から自分や他の人の対応を確かめて応対の力を伸ばせるという声が出た。

見守られている安心感から難しい場面でも落ち着いて応対できるようになった。

1時間の事前ミーティングで10ページ以上の分析資料を伝えるため営業担当者のメモが追いつかなかった。

メモに気を取られて議論や商談シミュレーションが浅くなっていた。

1. 事前ミーティングと商談シミュレーションを録画して文字起こしする
2. 専門用語や商品名を先に単語登録して精度を上げる
3. トピック判定に使う言葉を自分で設定し会議の中身を後から追う
4. 講師をした研修回を録画し指標入りのトークスクリプトにまとめる
5. 話速や基本周波数を見ながら相手に合わせて話し方を変える

研修講師向けのトークスクリプト作成が4日から2日未満になった。

営業担当者はメモから解放されて議論と商談の練習に集中できるようになった。

固定電話で架電していたため、誰がどれだけかけたかを集計する作業に時間がかかっていた。

通話の中身も正確に分からず、Salesforceの画面を見ながら番号を1件ずつ打ち込んでいた。

1. MiiTelをSalesforceとつないで応対履歴を自動で残す
2. 架電リストから1クリックで発信しかけ直す前に前回の会話を確かめる
3. 1on1で文字起こしを一緒に見て直す箇所を指摘する
4. 新人に先輩がアポを取れた通話を聞かせて要点を示す
5. アポ獲得率を分析し話し方の特徴を採用の基準にも使う

座学を除いて約2週間かかっていた新人の初アポ獲得までの期間が1週間に縮まった。

番号入力と記録の手間が減って架電数も増えた。

リモートワークでメンバーの架電の中身が分からず、助言がぼんやりしたものになっていた。

営業への引き継ぎもテキストだけで、書いた人の主観が混じっていた。

1. 携帯電話をやめてMiiTelから架電する
2. 通話の録音と文字起こしを残す
3. 2週間に1度の会で架電担当が通話を2本選ぶ
4. 録音を確かめ1本あたり30分ほど話し合う
5. 営業への引き継ぎで録音そのものを共有する

インサイドセールスから営業へ案件を渡せた割合が60％から65〜70％まで上がった。

引き継ぎのために毎回15〜30分かけていたミーティングの手間も減らせた。

商談の進め方やサポートの質が担当者ごとに分かれてしまい、良いやり方をチーム全体へ広げにくかった。

Zoomで商談していたが録画の習慣が無く、共有は口頭とチャットの文章に頼っていた。

1. MiiTel Meetingsで商談を録画する
2. 良かった商談と反省の残る商談をためる
3. 毎週の集まりで月2回ほど録画を全員で見る
4. 中身の違う10パターンの録画を新人研修に使う
5. 録画に秒数のコメントを付けて気になる箇所を渡す

録画とノウハウを共有するのが当たり前になり、メンバーのトークが良くなって新人の立ち上がりも早まった。

商談日報を廃止でき、CRMには録画URLを書く欄が新しくできた。

リモートワークへ切り替えた時期にインサイドセールスの人数を増やしたため、誰が何を話したかや成果が見えなくなっていた。

通話を聞き返して助言を残せる場も無かった。

1. PCから発信できるMiiTel Phoneに変えて全通話を録音する
2. 録音と一緒に文字起こしも残す
3. 相手にかぶせる癖を録音から見つけて本人へ伝える
4. ニーズを引き出す言葉をキーワード自動認識へ登録する
5. うまくいった助言はマニュアルの形で残す

会話の温度感ややり取りを一つずつ確かめられるようになり、メンバー同士が文字起こしを見せ合って自分から直すようになった。

助言がマニュアルとして残る動きも出てきた。

オペレーターの応対品質を上げる指導に客観的な物差しが無かった。

埼玉の投資信託コールセンターは規模が小さく大きなシステム投資ができなかった。

1. フルクラウドの架電システムにMiiTelを足した
2. 台本の伝える言葉を言えたかキーワード出現で確かめる
3. 話速の差や声の抑揚を解析して話し方を調べた
4. オペレーター別にレーダーチャートを作る
5. 管理者が推奨値との開きを見せて直す点を伝える

話速の差が小さく抑揚の大きい通話ほど申し込みにつながると分かった。

感覚ではなく数字で改善点を示せるようになり同じビルの別フロアと分けて受電できる体制も整った。

1人のインサイドセールスが1000社以上を担当することもあり電話営業が人に依存していた。

異動が多く新しく来たメンバーをすぐ戦力にする必要もあった。

1. クラウドのIP電話MiiTelを入れ通話を録音した
2. 新人が先輩の成約した通話を聞き入り方をつかむ
3. 通話ごとにメモを残し種別のルールも決める
4. トーク比率や問いかけの多さをスコアで見比べる
5. CRMやMAとつなぎ応対状況を1か所で見る

教育コストは約40％減り毎週開いていた指導の集まりが要らなくなった。

コロナ前と比べてB2Bセールスグループ全体の成約率は130％以上伸びた。