営業は“標準化×属人化”の矛盾を抱えている

営業は標準化が追い求められる職種だ。商談プロセス、提案フォーマット、ヒアリング項目等、属人性を減らし再現性を上げることが、組織としての正義になりやすい。しかし、「手順の標準化」だけではなく、論点を切り出す力、仮説を立てる力といった「思考の力」も重要だ。そのため営業領域では、生成AIは資料作成や要約の“作業代替”と同時に、論点整理や提案構造化といった“思考補助”として効いてくると考えている。

ただし、思考補助として効くからこそ、使い方の差が成果の差に直結しやすくなる。そして、その差は、役割によって「AIが効く場所」が違うことから生まれる。だからこそ、全員60点を狙う一律設計ではなく、役割・スキルセット別に設計することがポイントになる。もっとも、日本の営業組織には根強い属人性がある。そもそも営業領域は業務の構造化が難しく、SFA（Sales Force Automation＝営業支援システム）ですら入力が定着しなかった企業も少なくない。属人的な判断をどこまで構造化するのかを設計しなければ、役割別設計は機能しないのだ。

例えばエンタープライズ営業は、商談の息が長いため、論点も時期も揺れ、情報はメール・議事録・提案書・稟議（りんぎ）の断片として散らばる。この状況において生成AIが最も力を発揮できるのは、「散らばった情報を編集し、筋道を作る」領域だ。しかしこれは、どの情報をどう入力するか、何をもって良い出力とするかを、役割ごとに設計して初めて機能する。全員に同じ使い方を押しつけてしまうと、その設計が抜け落ち、便利さだけが残って成果につながらない。ここに“定着しない”の正体がある。

図2：標準化×思考依存度の関係図

「成果が出ている企業」に共通する3つの条件

では、成果を出している企業は何が違うのか。日米の文化差やスピード差で説明するのは簡単だが、それでは再現性がない。実際に成果が出ている企業を見ると、共通するのは次の3点だ。

（1）設計粒度が「業務／役割／シナリオ」まで降りている

「営業部門に展開する」ではなく、「エンタープライズ営業担当（役割）が、提案フェーズで顧客に提案書を出す際に（業務）自社のトップ営業と同じ構造の提案書初稿を出せるようにする（シナリオ）」といったレベルまで設計されている。成功モデルが“型”として存在している。

（2）KPI計測とフィードバックの循環がある

生産性や商談化率といった成果指標と接続し、効いているか効いていないかを検証する仕組みがある。「なんとなく便利」では終わらない。

（3）現場同士の学び合いで成功例が流通する

チャンピオン（組織内でAI活用を先導し、実践を広げる推進役となる人物）やコミュニティを起点に、勝ちパターンが横展開される。上からの押しつけではなく、横からの学習が起きている。
当たり前のことに聞こえるかもしれないが、少なくとも私が見てきた範囲では、この3つを同時に満たす形で運用まで回し切れている組織は多くなかった。では、（1）設計粒度が「業務／役割／シナリオ」まで降りている とは、実務上どういうことか。「失注分析」を例に解説していく。

失注を「単なる記録」から「組織の学習資産」へ転換する

失注分析の設計粒度を「業務／役割／シナリオ」まで降ろすとはどういうことか。3つの層に分けて説明する。

業務（失注分析とは何か）：失注分析とは、商談が負けた原因を構造的に分解し、次の勝ち筋に変換する業務だ。単なる振り返りではなく、負けのデータを学習資産に転換する重要なプロセスである。しかし多くの組織では「理由を書いて終わり」で流れやすいという課題が発生している。ここに生成AIを当てることで、失注理由を整理し、パターンを抽出し、次の打ち手の仮説まで出せる可能性があるが、問題はその分析が“比較可能な形”になっていないこと。

役割（誰がこの業務を担うか）：この業務は誰でも機能するわけではない。商材・業界の勘所を言語化できる、反証を立てられるなどの条件を満たすシニア営業や営業マネージャーを起点に設計して初めて、「誰の成功を再現するか」が具体化する。

シナリオ（どう使うか）：「価格」「競合」「機能不足」といったラベルで止まらず、商材別・業界別の“負け筋”を再現可能な形に落とすことが重要だ。実務に落とすなら、出力を「商材×業界の負け筋マップ」として設計し、各セルに最低限、次のセットを固定で出すようにする。

• 1．負け筋トップ3（一次要因・二次要因）
• 2．起きやすい局面（初期・評価・稟議・調達など）
• 3．兆候（どのサインが出たら危険か）
• 4．根拠（発言・メール・稟議コメント等）
• 5．次の打ち手（プレイブック更新案）

この固定仕様があるだけで、議論が「なぜ負けたか」から「次の四半期の負けをどう減らすか」に切り替わる。

失敗を資産に変える－－ハーネスエンジニアリングという設計思想

失注分析を回し始めると、失敗も増える。ここで多くの組織は「失敗を減らそう」と考えるが、本当の勝負はそこではない。成功した型も、失敗から得た改善知も、生成AIが活用できる実践知として継続的に資産化していくことができる。この設計思想を、私たちは「ハーネスエンジニアリング」と呼んでいる。

このハーネスエンジニアリングの考え方は、生成AI活用が“導入”から“現場で使い続けられる仕組みづくり”へ進むほど重要になる。特にAgent化が進むほど重要性は増すだろう。Agentは人の判断を介さずに動く分、出力の品質・権限の逸脱、監査の抜け漏れといった問題が構造的に増えていく。だからこそ、失敗をゼロにするのではなく、失敗→改善→学習のループを回す運用の仕組みが必要なのだ。

だからこそ、失敗を構造的に捉える視点が必要になる。実際、営業の生成AI活用で問題になりやすい箇所は、いくつかの切り口で分類できる。

図3：営業の生成AI活用で問題になりやすい4つのポイント

その視点で失敗を見ると、「営業が使わない」というぼんやりした課題が、「参照すべき情報が古い」「承認フローが遅すぎる」といった具体の改善項目に変わる。議論が「使う／使わない」から「どう勝たせるか」に切り替わった瞬間、生成AIは“便利ツール”ではなく、営業組織の学習速度を上げる装置になっていくだろう。

では、その仕組みをどう管理すればよいのか。ここで一つ、経営者に馴染みやすい捉え方を紹介する。AIエージェントの管理は、新しい部下のオンボーディングと同じ構造を持っているということだ。Permission＝職位と承認権限の設計、Knowledge＝研修資料とナレッジベースの整備、Skill＝スキルマトリクスと評価基準の定義、Tooling＝業務ツールとシステムアクセスの支給。「AIエージェントの人事評価」「AIエージェントの権限管理」と言い換えるだけで、経営者には既知の問題として聞こえるはずだ。

そして次に問われるのは成熟度だ。全員展開は第2段階を経てからでないと、失敗の大量生産になる。逆に言えば、第2段階まで設計し切れた組織は、実践知を資産化する仕組みを手に入れたことになる。しかしこの仕組みは、「どんな成果を再現したいか」が最初に設計されていなければ、そもそも回らない。資産化すべき実践知が何かを定義するのが、勝ち筋の設計だ。ハーネスエンジニアリングは、その設計があって初めて機能する。

図4：全員展開に向けた成熟度

全員展開は“善”ではない、先にやるべきは勝ち筋の設計

生成AI活用において「全員展開」は、しばしば善として語られる。平等で、フェアで、置いていかれる人がいない。しかし営業の現場では、その善意が“学習の不在”を固定してしまうことがあるのだ。

成功モデルがない状態での全員展開は、一見すると全員に機会を与えているように見えるが、現場に問いを投げているようで、実態はノイズをまいているだけだ。入力も品質も責任もそろわないまま「使って」と言われた営業は、最終的に「便利だけど、勝てない」という結論にたどり着く。そして一度そう結論づけた道具は、どれだけ研修を重ねても現場には定着しない。

生成AIは、営業を民主化する魔法ではない。むしろ、組織の設計の粗さを容赦なくあぶり出す装置だ。だからこそ問うべきは、「どうやって全員に使わせるか」ではなく、「再現したい成功を、運用として設計できているか」。全員展開の前にやるべきは、勝ち筋の設計だ。