メールの下書き、会議の要約、調べ物。ChatGPTなどを使い、「仕事が楽になった」と感じる場面は増えたのではないでしょうか。
では、その変化は、顧客への提案や商談、受注にどうつながっていますか。
業務効率化には価値があります。ただ、売上への貢献を目指すなら、時間を短縮した先で、どの仕事をどう変えるかまで考える必要があります。本記事では、AIを会社の成果につなげるための考え方と、営業での活用イメージを紹介します。
AIの業務効率化と、売上・利益への貢献には隔たりがある
帝国データバンクの調査では、有効回答10,312社の34.5％が生成AIを業務で活用していると回答しました。回答企業の約3社に1社が、業務に取り入れています。
出典：帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」（公開：2026-05-14、調査：2026-03-17〜2026-03-31）。割合は有効回答企業に対するものです。
一方、IPAの『DX動向2026』では、AIの導入・試験利用で一定以上の効果を認めた企業について、業務の効率化・迅速化を挙げた割合は91.6％、売上や利益の向上を挙げた割合は3.9％でした。
出典：IPA『DX動向2026』図表3-14（確認：2026-09-09）。AI全般を対象とした調査です。各割合は効果を挙げた企業の割合で、売上の改善率や導入の成功率ではありません。
二つの調査は対象も条件も異なります。また、この数字だけで売上につながらない原因は分かりません。それでも、「AIを使っているか」に加え、「どの成果に結びついているか」を確かめる必要性が見えてきます。
売上につなげるには、AIを使う先の業務まで設計する
私たちの見立てでは、見直すべきポイントの一つは、個々の作業の効率化と、成果を生む業務のつながりです。
例えば、メールの作成時間が短くなっても、誰に、何を、いつ提案するかが決まっていなければ、次の商談にはつながりにくいでしょう。商談の議事録を要約しても、顧客の課題に合う提案を考え、実際に連絡する工程が抜ければ、記録が増えるだけになってしまいます。
そこで、「提案準備の負担を減らし、商談後のフォローを早める」といった業務の変化まで設計します。短縮時間に加えて、提案までの日数や次回商談につながった件数も確認する。こうして、AIの利用と営業成果の間をつないでいきます。
自社の情報とルールで、AIが仕事を進められる仕組みへ
自社に合う提案を組み立てるには、顧客が話した内容、自社サービスの価格や提供条件などが必要です。さらに、誰が確認するのか、情報が不足していたらどうするのかも決めておく必要があります。
私たちは、こうした仕事の土台を整え、AIが自社の情報とルールに沿って働く仕組みにする考え方を「AIOS」と整理しています。
パソコンにたとえると、Microsoft WindowsというOSの上で、Microsoft PowerPointなどの目的別アプリケーションが動く関係に近いものです。企業でも、自社の情報・業務ルール・権限を共通基盤とし、その上で営業提案や問い合わせ対応など、目的別のAIエージェントを動かします。つまり、「貴社専用のOS上で、仕事別のAIエージェントが動く」というイメージです。
ただし、AIOSは単独のソフトウェア製品や業界共通の規格ではありません。私たちは、次の四つの役割を組み合わせた仕事の環境全体をAIOSと呼んでいます。
- 仕事に必要な情報：顧客とのやり取り、自社の商品・サービス、市場情報など。
- 実行を管理する仕組み：工程、権限、確認、停止条件、実行記録など。
- 仕事を実行するAI：許可された情報と道具を使い、提案のたたき台などを作成。
- 判断と責任を担う人：目的と基準を定め、承認や例外判断を担当。
利用を許可された情報だけを参照し、根拠が足りなければ確認に戻す。こうした条件まで組み込むことで、自社の業務として継続して使える形を目指します。
例えば、商談後の「次の提案」を組み立てる
ここからは、営業提案への活用を説明する想定例です。
ある顧客との商談で、「毎月、各拠点からデータを集めて整理するのに手間がかかる」という話が出たとします。
AIは、商談ログから顧客の発言を整理し、自社の既存サービスの提供条件と照合します。関連する市場動向も背景として参照し、提案できそうなサービスと、次に確認すべきことをまとめます。
例えば、「入力形式の統一を支援できる可能性がある。ただし、対象拠点や現在の書式、希望時期は未確認」といった形です。そのうえで、次の打ち合わせを打診するメール案を作ります。
人には、文案と一緒に根拠と未確認点を渡します。人が顧客の発言やサービスの適合性を確認し、送る内容・相手・時期を判断します。市場の動向だけで顧客のニーズを決めつけていないか、不足情報を推測で埋めていないかも確認します。提案の可否を判断する情報が足りなければ、顧客への確認に戻します。
このように、情報整理から提案準備、人の判断までをつなぐことで、提案機会を拾い上げ、対応を進めやすくすることを狙います。実際の効果は、試行して確かめます。
この営業提案の流れを、図解で確認したい方へ
無料資料では、AIと人の役割分担に加え、メール案に根拠・未確認点を添える具体例を紹介しています。
個人情報の入力などは一切ありません。
ご自由にダウンロードしてください
まずは、一つの業務で成果へのつながりを確かめる
最初に選ぶのは、改善したい成果と、その手前にある具体的な業務です。例えば「商談後の提案が遅れている」なら、その準備工程から始めます。
必要な情報をそろえ、AIに任せる作業と人が確認する場面を決め、限られた案件で試します。準備時間だけでなく、確認・修正の負担や提案までの日数も記録すると、業務全体で役立っているか判断しやすくなります。
提案後の顧客の反応や受注結果も蓄積し、改善の材料にします。AIが出した改善案は人が検証し、採用したものを情報や手順へ反映します。AIが無断で仕組みを書き換えたり、自動的に学習して必ず良くなったりする、という意味ではありません。
目指すのは、人を増やさずに提案や対応の力を高めること。そのために、AIを使う場所から、仕事の進め方まで設計していきます。
自社での活用を具体的に考えるための図解資料
「考え方は分かった。自社の業務では、どのように組み合わせればよいのか」
その検討に使える無料資料『なぜ、AIを導入しても売上が増えないのか？』をご用意しました。
- AIOSを構成する四つの役割と関係図
- 営業提案の四工程と、AIが返す成果物の具体例
- 問い合わせ対応や受発注など、六つの業務への活用例
- 成果を次の仕事に生かす改善サイクル
- 設計・実装・試行・運用の進め方
自社でAIに任せたい仕事を考える際や、社内で活用方針を共有する際にご活用ください。
個人情報の入力などは一切ありません。
ご自由にダウンロードしてください。
