営業におけるAI活用の進め方/やり方/流れや方法/手法/工程/手順

営業におけるAI活用は、課題を数値にし、データを整えてから段階的に導入する流れで進めます。各段階で承認ルールを決め、効果を測ってから次へ進むことで、入力に取られていた時間を取り戻し、顧客との対話に集中できるようになります。

AIシステム開発の工程ごとの進め方と注意点については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。

▼開発を相談する前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック

営業におけるAI活用の全体像

営業AIは、顧客情報を探して会話を記録し、状況を分類して次の行動を提案する仕組みです。

各プロセスにAIを組み込み、担当者が判断しやすい状態をつくるもので、営業担当者を置き換える製品ではありません。

2026年のSalesforce調査は、4,050人の営業担当者を対象にしています。

9割の営業チームがAIエージェントを利用中か、2年以内の利用を見込むと報告されています（出典: Salesforce「State of Sales 7th Edition」、2026年）。

営業担当者が抱える3つの課題

営業現場では、入力の負担、属人化、顧客の優先順位付けが課題になっています。AI活用では、どの負担を減らすかを先に決めておきます。

• 入力負荷：商談後の記録とSFAへの転記に、1件30分から60分かかることがあります。
• 属人化：質問の順序や失注の兆候が共有されないままだと、新人は経験を重ねて身につけるほかありません。
• 優先順位：見込み度を感覚で決めていると、確度の高い案件への対応が遅れがちです。

AIに任せられることと人の判断

営業AIの役割は、作業の支援と判断の材料づくりに分けて考えると分かりやすくなります。

• 記録の整理：録音の文字起こしや要約を行い、BANT情報をSFA項目へ対応付けます。
• 提案の補助：顧客企業の公開情報をもとに、メールの下書きを作ります。
• 案件の分析：受注・失注データからリードスコアを算出し、次に使う資料や質問を提案します。
• 人の判断：値引き、例外対応、送信前の事実確認は、人が担う領域です。
• 判断材料の用意：AIは答えを決めず、人が結論を出すための材料を整える補助役です。

営業AIの導入効果を裏付けるデータと事例

効果は、入力時間、商談化率、受注率を導入前後で比べて測ります。日報提出率も、あわせて確認します。

Salesforceの2024年調査（回答5,500人）では、営業担当者が業務時間の70％を販売以外に使うとされました。

AIを使う営業チームでは83％が売上成長を報告し、未使用のチームでは66％でした。ただし、導入すれば同じ成果が出るとは限りません。

（出典: Salesforce「State of Sales」、2024年）

入力工数と日報提出率を改善した事例

AI活用の効果は、入力工数の短縮と記録習慣の改善として表れています。

• 入力時間：録音要約を承認してSFAに反映すると、30分から60分の作業が約1.5分の確認になります。
• 顧客対応時間：1人が1日に3件から5件商談する場合でも、記録の確認は商談ごとに約1.5分で済み、そのぶん顧客との対話に時間を回せます。
• 日報と翌日の行動：人材系B社では提出率が100％に改善し、要約を起点に翌日の行動指針も明確になりました。

記録を残す流れが営業活動に組み込まれたことが、効果につながっています。

受注率と新人育成を改善した事例

営業AIの効果事例には、成約率の改善と新人育成の期間短縮があります。

• AIスコアリング：中堅IT企業A社は、商談や受注失注データからスコアを作り、半年で成約率が約1.3倍になりました。
• CRM連携：別の事例では、フォロー自動化により成約率が30％向上しました。
• 新人育成：商談の発話量や質問の分析で、立ち上がり期間を50％、品質スコアを30％改善できる可能性があります。

数字を評価するときは、対象期間と案件数を確認してください。

比較対象や商材の季節性にも目を向けます。

業界によって変わる活用範囲

営業AIの活用範囲と投資規模は、業界や業務によって異なります。事例を比べるときは、業務の特徴と規模の違いを押さえます。

• BtoB営業：論点整理、決裁プロセス把握、案件ごとの次の行動が中心です。
• BtoC営業：個人宅訪問や店舗接客では、録音や提案が監視の印象を与えない配慮が必要です。
• 中古車販売：数百車種の仕入れと在庫予測にAIを使い、開発費500万円から800万円程度となった例があります。
• 金融機関：顧客行動分析で初期開発費8,000万円、年間3億円の売上増、ROI200％、回収期間6か月の事例があります。

各事例は、データ量や業務規模が異なるため、自社の見積もりにそのまま当てはめられません。

営業におけるAI活用の進め方

まず課題を数値にし、次にSFAのデータを再建します。そのうえで段階を分けて導入し、承認ルールを決め、効果を測ります。

いきなりメール送信や見積確定を任せると、誤情報や責任の所在が問題になります。そのため、記録を整備してから分析を加え、最後に限定した業務を自動化する流れが現実的です。

準備段階のSFAデータ再建

AI活用に先立ち、SFAの案件データと入力品質を見直しておきます。

• 案件の確認：直近3か月から6か月分の案件を抽出し、会社名、担当者、段階を見ます。受注失注や理由、次回行動、更新日も確認します。
• 入力ルール：空欄、会社名の表記揺れ、「その他」に偏る失注理由があれば修正します。
• 項目の整理：必須項目を増やしすぎず、受注判断に必要な5項目から10項目程度に絞ります。
• 評価用データ：過去データを無理に学習へ入れず、品質の高いものを少量から分けます。

フェーズ1の録音と文字起こし

フェーズ1では、録音の同意や記録の管理も含めて運用を設計します。

• 対象業務：1〜2週間に限り、商談録音、文字起こし、要約だけを試します。
• 事前説明：顧客には「正確な議事録作成と社内ナレッジ共有のため」と伝えておきます。
• 代替手段：録音を拒否された場合に備え、手入力の議事録を用意します。
• データ管理：保存期間、アクセスできる人、削除依頼への対応を決め、個人情報や機密情報を残しすぎないようにします。
• 要約の確認：担当者が事実を確かめてから使い、顧客へそのまま送ることは避けます。

フェーズ2の商談分析と次の一手

フェーズ2では、要約を案件の状況把握と次の行動づくりに役立てます。

• 情報抽出：3〜4週間で、BANT情報、競合名、価格への反応を抽出します。未解決の質問も拾います。
• 案件への反映：抽出結果を案件段階や次回行動に反映し、停滞理由を確認しやすくします。
• 定型項目：決裁者の次回参加、導入時期が第3四半期、競合製品との比較などを定型化します。
• 予測の提示：確度を断定せず、根拠の発言、不足情報、推奨行動を表示します。
• 効果測定：予測の正解率に加え、提案の採用率と実際の行動も確認します。

フェーズ3のSFA連携とエージェント実行

5〜8週間のフェーズ3では、要約のSFA入力とメール下書きに加えて、日程調整やタスク作成も連携させます。実行範囲は4段階で管理します。

• Suggest（提案）：AIが次に取るべき行動を示します。
• Draft（起案）：AIが文章などを作る段階です。
• Approve（人間承認）：担当者か管理者が、内容を確かめます。
• Commit（確定）：承認を経て、外部送信や案件の最終決定を行います。

金額や契約条件を扱う処理には、承認を必須にします。納期や個人情報を扱う処理にも、承認を求めます。

送信ログと承認者も記録しておきます。

担当者または管理者の承認前は、外部送信や案件確定ができないようにします。

営業AIのSaaS導入とカスタム開発の選び方

標準的な議事録やメール作成、CRM補助であれば、AI機能付きSaaSから始めます。

独自の商談プロセスや社内データが成果を左右する場合は、カスタム開発を検討します。

複雑な権限や基幹連携が必要なときも、検討の対象になります。

Microsoftの2025年調査では、日本のリーダーの75％が戦略と運営を見直す重要な年と回答しました。また、日本のリーダーの43％は、AIエージェントで業務フローを完全自動化していると回答しています（出典: Microsoft「2025 Work Trend Index」、2025年）。

導入方式は、自社業務との差分とデータ管理の要件をもとに決めます。

既存SaaSを選ぶときの比較の観点

SaaSは短期間で試せ、初期開発の負担を抑えやすい方法です。

契約後に困らないよう、契約前の段階で比べておくことが大切です。

• データ管理：録音の保存場所、学習利用、解約時の返却を確認します。
• 連携と管理：SFA・CRMとの接続、項目編集、権限を確認し、監査ログも見ます。
• 料金単位：ユーザー数、録音時間、エージェント実行回数をそろえて比べます。

無料トライアルでは、実際の商談5件から10件を匿名化して要約させます。

誤認識や固有名詞の扱い、話者分離を確認し、BANT抽出の精度も見ます。

カスタム開発が向くケース

独自業務や複雑な連携をまとめたい場合は、カスタム開発が候補になります。

• 適する業務：複数SFAや基幹連携をまとめる場合が当てはまります。独自スコアや業界固有の承認、社内検索も含めます。
• 開発と運用：要件定義とデータ整備を経て、画面・API設計を行います。そのうえで、テストと運用監視も必要です。
• 改善への投資：完成したモデルを目指すより、入力習慣や権限の変更に合わせて改善できる仕組みに投資します。
• 段階的な拡張：1チーム・1業務で効果を確かめてから広げると、投資判断の根拠を得られます。

営業AIの費用相場とコストの内訳

SaaSは月額のユーザー料金、カスタム開発は初期費と運用費の合計で考えます。金額の目安は、2026年時点の予算検討に使えるものです。

記載額は、データ量や連携数、セキュリティ、伴走期間によって変わるため、予算取りのレンジとして見てください。

PoC・小規模・中規模・大規模の目安

導入規模ごとの初期費用は、次の範囲が目安です。連携や機能の範囲に応じて、予算を見積もります。

• PoC：録音・要約を1チームで試し、要件整理と初期設定を含め50万円から200万円程度です。
• 小規模：SFA自動入力や権限設定を含め、200万円から800万円程度です。
• 中規模：複数部署・複数システム連携で、800万円から3,000万円程度です。
• 大規模：独自予測、在庫・顧客行動分析、業務実行を組み込む場合は3,000万円を超えます。

案件によっては、8,000万円規模の初期開発費が発生することもあります。また、SaaSの利用料は別途かかり、ユーザー数や処理量、モデル利用量に応じて、月額数万円から数十万円以上を見込みます。

初期費用以外にかかるランニングコスト

ランニングコストは、利用料に加えて、データ管理や改善の負担も含めて見積もります。

• 利用料：AIモデルやSaaSの利用料金を含めます。
• 保管・運用：録音の保管や文字起こし、監視の費用を見込みます。権限管理や現場研修の費用も含めます。
• 改善・品質管理：プロンプトや抽出項目の改善と、回答品質の人手評価が必要です。
• 従量課金とROI：商談数に応じた課金と、1商談あたりの単価を確認します。

入力時間の人件費への換算に加えて、商談の増加や失注防止の金額、育成期間の短縮も見ます。売上に近い指標と合わせて、ROIを算出することが大切です。

営業AIの見積もりを取る際のポイント

見積もりの精度は、機能数より業務要件の具体性で変わります。そのため、発注前に対象ユーザーや商談件数、利用中のSFA・CRMを洗い出しておきます。

連携データやAIの出力項目、承認者を1枚にまとめます。保存期間と成功指標も、同じ資料に入れます。

「自動化」の範囲は、提案や起案、承認、確定のどこまでかを明記します。

要件明確化と仕様書でそろえる情報

要件書では、改善目標や自動化の範囲、安全に運用する条件を具体化します。

• 業務目標：商談後の入力を平均45分から5分以内にし、日報提出率を95％以上にします。
• 送信目標：AI提案の承認後送信率を80％にする目標も設定できます。
• 金額上限：誤見積もりの自動送信を防ぐための上限を定めます。
• データと契約：個人情報のマスキング、利用モデル、学習に使わない契約条件を確認します。
• 品質基準：精度100％を求めず、許容する誤りと人の確認範囲を決めます。

複数社比較と発注先の選び方

発注先は、営業業務への適合性を見極めたうえで、導入後の対応まで比べます。

• 実績と体制：営業理解やSFA・CRM連携を見て、データ移行や導入後の支援体制も比べます。候補は2社から3社に絞ります。
• 同じ条件で比較：各社に同じサンプルデータと評価指標で提案を依頼し、営業現場の代表者も参加します。
• 例外時の対応：例外案件、録音拒否、誤要約の修正方法を質問します。
• 運用担当：プロンプトや項目の修正担当が曖昧な提案は、導入後に定着しにくくなります。

契約形態・知財・失敗リスクの確認

PoC、開発、運用を分ける多段階契約なら、検証結果を次の投資判断に使えます。

• 契約形態：業務要件の整理や改善には準委任、仕様どおりに完成させる場合は請負など、目的に合う形を検討します。
• 権利と利用条件：プロンプトや評価データ、連携コードは分けて確認します。学習・検索用ナレッジとカスタマイズ部分も、個別に見ます。

法的な最終判断は、重要案件では法務担当者や専門家に確認してください。

導入後に起きがちな課題と対策

導入後の最大のリスクは、AIが使われないことです。入力項目が増えたり、録音が評価のためだと受け取られたりすると、形だけの運用になりかねません。

そこで、担当者自身の便益を先に示します。AIを監視や査定の手段にしない方針も、あわせて明らかにします。

たとえば、準備時間を短縮できることや、良い質問を見つけられること、日報をすぐ終えられることを伝えます。

IPA調査では、回答者1,600人のうち生成AIの利用経験者は97.3％でした。ただし、利用経験があっても、安全な業務成果につながるとは限りません（出典: IPA「AIの説明に関する意識調査レポート」、2025年）。

トップ営業の反発と顧客の受容性

トップ営業は、話し方や顧客情報が記録として見えるようになることで、暗黙知を奪われる、あるいは監視されていると感じる場合があります。あわせて、顧客の受け止め方にも配慮し、信頼を損なわない運用を決めます。

• 段階導入：評価制度に直結させず、本人の商談準備や後輩育成に使う期間を設けます。
• 知見共有：良いトークは順位付けでなく、質問例や失注を防ぐ確認事項、顧客に評価された説明として共有します。
• 顧客への配慮：録音目的と保存期間を説明し、必要な場面では人へ切り替える選択肢を残します。

ラポールは、自動化しにくい価値です。そのため、効率化のために削らない領域として扱います。

AIへの依存防止と営業職の役割の再設計

AIの提案をそのまま使うと、顧客の背景を考えずにメールを送ってしまう危険があります。そのため、人が確認し、支援する役割を残しておきます。

• 提案の確認：理由を確かめ、反対仮説を一つ、顧客本人の言葉を一つ記録します。
• マネジャーの支援：数字だけでなく、AIの出力品質、承認判断、顧客との関係構築を支えます。
• 役割の再設計：AIエージェントの設計・委任・監督が増えると、人は感情のケア、組織づくり、新しい商材や顧客価値の発見に時間を移すことが期待されます。

AIは、考える時間を取り戻すために使います。考える仕事をなくすことが目的ではありません。

営業におけるAI活用でよくある質問

費用や効果は、業務やデータの状態によって変わります。判断の際は、案件数、入力時間、顧客情報の扱いを基準にしてください。

営業AIは小規模企業でも導入できますか？

導入できます。1チームの録音・要約やメール下書きなど、効果を測りやすく影響が限られる業務から始めます。

たとえば、ユーザー数を絞ったSaaSか、50万円から200万円程度のPoCで入力時間と利用率を確かめてから拡張します。

商談録音を顧客に断られたらどうしますか？

録音を求める際は、目的や利用者、保存期間、削除方法を説明して同意を得ます。同意が得られない場合は、手入力の議事録を使います。

AIは入力後の整理に使い、録音できなかった商談を不利に扱わないことが、信頼と定着につながります。

SFAのデータが汚い場合は何から始めればよいですか？

まずは、受注・失注が確定した案件や進行中の案件から、項目と表記をそろえます。そのうえで、必須項目を絞り、入力例を用意します。

週1回の短いレビューで重複や空欄を直します。品質の高いデータを評価用に分け、予測根拠を人が確認してから対象を広げます。

SaaSとカスタム開発はどちらから始めるべきですか？

標準的な要約やメール作成であればSaaS、独自データや複数システム連携が欠かせないならカスタム開発を検討します。

どちらも1つの営業課題に絞ったPoCで利用率と効果を確かめます。業務要件、データ保管、将来の拡張費用を比べて選びます。

まとめ：小さく始めて人が育てる営業AI活用

導入前に確認したいチェックポイント

最初はSFAの必須項目と表記をそろえ、録音・要約で記録を残します。次にBANTや次回行動を分析し、SFA入力やフォローを限定的に自動化します。

Suggest→Draft→Approve→Commitの承認モデルを守ると、工数を減らしながら責任の所在をはっきりさせられます。

次に実行するアクション

営業AIを定着させるには、導入後の確認と運用設計を、あらかじめ整理しておきます。

• 効果測定：入力時間や日報提出率、商談品質を導入前後で比べます。受注率と新人の立ち上がり期間も、あわせて比べます。
• 運用設計：現場の反発や録音の同意、AIへの依存も、運用の中に組み込みます。
• 段階的な拡張：まず1チーム・1業務で始め、成果と課題を確認してから、SaaSやカスタム開発を広げます。

参考情報: Salesforce「State of Sales 7th Edition」（2026年）、Microsoft「2026 Work Trend Index」（2026年）を参照しています。

参考情報: Microsoft「2025 Work Trend Index」日本語版（2025年）、IPA「2025年度AIの説明に関する意識調査レポート」（2025年）を参照しています。

会社紹介

株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。

また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。

もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。

株式会社riplaの会社HPはこちら

・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>

執筆者プロフィール

張田谷凌央

株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。