「売る仕事」から、顧客と価値を共創する知的専門職へ
生成AIやAIエージェントの普及によって、B2B営業の周辺業務は急速に変わり始めている。
提案書を作る。商談を要約する。CRMへ活動履歴を入力する。顧客企業や競合を調べる。フォローアップのメールを作る。見積もりの前提を整理する。こうした仕事は、すでにAIが支援・代行できる範囲に入りつつある。
ただし、これらを速くしただけでは、営業機能が変わったとは言えない。重要なのは、営業担当者を忙しさから解放することではなく、顧客が意思決定するまでの体験を設計し直すことだ。
一般社団法人AICX協会が2026年2月に設立を発表した「次世代BtoB営業AI実装委員会」は、大企業のフィールドセールスを、労働集約型から「知的共創職」へ転換することを掲げる。AIを単なる効率化ツールではなく協働者として置き、人間が顧客の文脈理解と信頼構築に集中する分業モデルをつくる、という問題提起である。
本稿では、この問題提起をIT技術者の視点で読み替える。焦点は営業用AIツールの選定ではない。業務プロセス、顧客データ、意思決定、権限、品質評価をどう設計すれば、AIが営業の価値を高めるのかである。
営業は「最後のデジタル未開拓地」になりやすい
会計、人事、物流、製造では、長年にわたり業務システム化とデータ活用が進められてきた。一方、営業には、担当者個人の経験、人脈、口頭の引き継ぎ、個人フォルダの資料に依存する仕事が残りやすい。
営業担当者は、顧客と向き合う時間だけで働いているわけではない。過去資料を探し、社内へ説明し、会議を記録し、CRMへ入力し、見積もりを調整し、承認を待つ。これらは必要な仕事だが、顧客価値を直接生む時間を圧迫しやすい。
AIエージェントが担うべきなのは、まず次のような「情報を探す・整える・運ぶ」仕事である。
- 顧客、案件、商談履歴、契約、問い合わせの横断検索
- 商談前ブリーフィングと想定論点の作成
- 議事録、CRM入力、フォローアップ案の生成
- 商品情報、導入事例、価格条件を参照した提案の下書き
- 失注理由、停滞案件、更新リスクの検知
- 承認に必要な情報の収集と申請書類の作成支援
しかし、AIがこれらを担えるようになって初めて、人間側の役割を問い直す必要が生まれる。空いた時間を単に案件数の増加に使うのではなく、顧客の未整理な課題を見つけ、利害の異なる関係者の合意を支援し、将来の価値を共に構想する時間へ変えなければならない。
営業の価値は「説明」から「意思決定支援」へ移る
顧客は営業担当者と会う前に、企業サイト、導入事例、比較記事、レビュー、オンラインイベントなどから情報を集めている。今後は、顧客側のAIが候補企業を抽出し、製品仕様、導入条件、リスクを比較する場面も増える。
このとき、営業が商品情報を一方的に説明するだけでは差別化しにくい。人間の営業に残る価値は、情報そのものではなく、情報を顧客固有の状況へ当てはめ、判断を前に進めることである。
たとえばITシステムの導入では、利用部門、情報システム、セキュリティ、法務、財務、経営層が異なる関心を持つ。営業担当者は、各部門へ同じ資料を配るのではなく、何を懸念し、どの順番で合意を作るかを考える必要がある。
AIは選択肢や論点を増やせる。しかし、何を優先するか、どのリスクを受け入れるか、誰が責任を持つかは自動的には決まらない。AI時代の営業は、商品を売る機能から、顧客の複雑な意思決定を支援する機能へ比重を移していく。
すべてのB2B営業を同じモデルで扱わない
「B2B営業」と一括りにすると、AI活用はすぐに抽象論になる。産業機械、部品、SaaS、コンサルティング、人材、金融では、商談期間、情報の非対称性、導入後の責任、購買関係者が大きく異なるためだ。
営業AIを設計する際は、業界名だけでなく、少なくとも次の二軸で商材を整理するとよい。
| 商材モデル | 典型例 | 営業の主な論点 | AIの支援例 |
|---|---|---|---|
| 設備・ハード型 | 産業機械、プラント、建設設備 | 仕様、設置条件、納期、保守 | 仕様確認、見積もり支援、保守履歴検索 |
| 素材・サプライ型 | 原材料、化学素材、電子部品 | 価格、品質、供給安定性、在庫 | 需要予測、供給リスク分析、条件比較 |
| IT・システム型 | SaaS、基幹システム、DX支援 | 要件、導入効果、既存環境、変更管理 | 課題仮説、要件整理、効果試算、提案構成 |
| 無形サービス型 | 人材、金融、保険、BPO、専門サービス | 契約条件、提供体制、継続利用 | ニーズ分析、更新リスク検知、提案最適化 |
一社の中にも複数のモデルが共存する。設備の販売、保守契約、稼働データの分析サービスを提供する企業では、同じ顧客でも営業プロセスが異なる。したがって、AIのユースケース、参照データ、承認ルール、評価指標は、企業単位ではなく商材・業務単位で設計する必要がある。
営業AIの成熟度は「自律度」と「責任」で分ける
AI活用の議論がかみ合わない理由の一つは、議事録の要約と自律的な案件管理を同じ「営業AI」と呼んでしまうことにある。導入の現在地を確認するには、AIがどこまで判断・実行し、人間がどこで責任を持つかを分けて見る。
| 段階 | AIの役割 | 人間の役割 | 例 |
|---|---|---|---|
| 1. 情報支援 | 検索、要約、下書き | 判断と実行 | 顧客情報の要約、議事録、メール案 |
| 2. 作業代行 | 定型作業を実施 | 内容を確認・承認 | CRM入力、提案資料、見積もり案 |
| 3. 部分自動化 | 条件に基づいて検知・提案・一部実行 | 例外と重要判断を扱う | 停滞案件の検知、休眠顧客への再接触提案 |
| 4. 組織内連携 | 複数部門の情報・処理を連携 | 権限管理と監督 | 営業、法務、在庫、見積もりの連携 |
| 5. プロセス変容 | 実績を基にプロセスを改善提案 | 戦略と責任ある変更を決定 | 価格・提案・優先順位の継続的な見直し |
多くの企業にとって、最初に現実的な目標となるのは段階3である。AIが案件の状態を監視し、必要な情報を集め、次の行動を提案する。一方で、顧客への送信、価格提示、契約条件の変更などは、人間が承認する。
成熟度を上げること自体が目的ではない。顧客価値、業務リスク、データ品質、責任分界に見合った自律度を選ぶことが重要である。
営業AIは、五つの設計要素の掛け算で決まる
営業AIを成功させる条件は、モデルの性能だけではない。次の五つを連動させる必要がある。
プロセス：AIを置く前に、仕事の流れを定義する
案件発掘、初回接点、商談準備、提案、見積もり、契約、導入、更新までを可視化する。標準化できる工程、顧客ごとの判断が必要な工程、承認が必要な工程を分ける。
個人ごとに仕事の進め方が異なるままAIを入れると、ばらばらな業務を速くするだけになる。一つの営業プロセスに無理に統一する必要はないが、少なくとも各工程の入力、出力、責任者、例外を定義しなければ、エージェントは安全に動けない。
人材：AIを使う力は、営業能力の一部になる
AIに適切な文脈と目的を渡し、出力の誤りや不足を見抜き、顧客との対話へ生かす力が必要になる。資料を早く作る技能だけではない。
- 顧客の経営・業務課題を理解する力
- 仮説を立て、顧客との対話で検証する力
- AIが示した根拠と適用範囲を確認する力
- 社内外の関係者を動かす力
- 機密情報、個人情報、競争法上の制約を判断する力
AI活用を営業評価へ組み込む場合も、プロンプトの巧拙や利用回数だけを測らない。再利用できる知識や業務スキルを残したか、顧客の判断を前に進めたか、チームの品質を上げたかを評価対象にする。
組織：顧客接点を部門横断で設計する
営業だけが顧客情報を持ち、マーケティング、カスタマーサクセス、商品企画、法務が別々に動く状態では、AIも部門の壁を超えられない。
誰が顧客情報を管理するのか。誰が案件の優先順位を決めるのか。AIが作成した提案や価格条件を、誰がどの基準で確認するのか。営業で得た学びを、商品改善や顧客支援へどう戻すのか。これらを組織横断で決める必要がある。
データ：AIに渡す前に、意味と鮮度を管理する
営業AIが参照する代表的なデータは、顧客、案件、接点履歴、契約、商品、価格、在庫、導入事例、問い合わせ、失注理由である。データがCRM、メール、チャット、個人ファイル、別部門のSaaSに分散していると、AIは不完全な前提で提案する。
最低限、次を管理したい。
- データの責任部署と更新頻度
- 正式な顧客・案件・商品ID
- 価格や契約条件の有効期間
- 利用できる目的と閲覧権限
- AIが参照した情報の出所と更新日
- 不足・矛盾したデータを検知する方法
営業AIの回答は、顧客との約束につながる。生成文の自然さより、参照情報が正しいこと、適用範囲を示せることを優先する。
ガバナンス：アクセルとブレーキを同時に設計する
営業には、顧客情報、価格、契約条件、技術情報、個人情報など、扱いを誤れないデータが集まる。ガバナンスは、AIを止めるためではなく、現場が迷わず安全に使うためのガードレールである。
| 判断事項 | 設計例 |
|---|---|
| 入力・参照データ | 顧客区分、機密区分、目的別にアクセスを制御する |
| 実行権限 | 情報検索、下書き、送信、価格提示、契約処理を分ける |
| 人間確認 | 対外送信、価格例外、契約条件、重要顧客対応に承認を置く |
| 証跡 | 参照データ、指示、出力、承認者、実行結果を記録する |
| 例外処理 | 情報不足、矛盾、危険な指示時は停止し担当者へ引き継ぐ |
| 品質管理 | 誤案内、誤価格、根拠欠落を定期評価し、速やかに修正する |
顧客のAIに選ばれる情報設計が必要になる
AI時代には、売り手の営業だけでなく、買い手の調達・比較プロセスも変わる。顧客がAIに「この要件に合う企業を比較して」と尋ねるなら、企業サイト、商品仕様、導入条件、導入事例、セキュリティ情報、サポート条件は、人間だけでなく機械も正しく解釈できる必要がある。
ここで必要なのは、検索順位だけを追うことではない。正確で更新された一次情報を、矛盾なく公開・管理することである。
- 商材の対象顧客、対象業務、適用条件を明示する
- 価格、契約、導入前提、制約を曖昧にしない
- 導入事例を、成果だけでなく条件と範囲を含めて整備する
- 更新日、責任部署、問い合わせ先を明確にする
- 営業資料、製品ページ、FAQの定義をそろえる
顧客に対して過度な約束をしないことは、AI時代には一層重要になる。顧客のAIが誤った情報を拾った場合にも、正しい一次情報へ到達できるよう、情報資産を整えることが営業基盤になる。
人間の営業に残る、五つの仕事
AIが営業の多くの周辺作業を担っても、B2B営業から人間が消えるわけではない。むしろ、次の能力の重要性が増す。
- 顧客の文脈を読む：組織文化、過去の失敗、予算、担当者の立場など、データに現れにくい条件を理解する。
- 問いを立てる：顧客がまだ言語化していない課題や機会を発見し、検討すべき問いに変える。
- 合意をつくる：異なる利害を持つ関係者の懸念を整理し、意思決定を前に進める。
- 価値を共創する：顧客の要望をそのまま受けるのではなく、導入後の業務や成果を共に設計する。
- 責任を引き受ける：重要な提案、約束、例外対応について、説明可能な根拠を示して責任を持つ。
AIは情報の探索・比較・生成を高速化する。人間は、その情報に意味を与え、顧客が前へ進むための関係と決断をつくる。これが「知的共創職」として営業を再定義する意味である。
IT技術者が最初に設計すべきこと
営業AIの導入を、営業部門へのチャットAI配布で終わらせないために、IT技術者は次の順序で進めるとよい。
- 商材・顧客・営業工程を分ける：企業全体で一つのユースケースを作らず、商材と顧客の購買プロセス単位で対象を絞る。
- 事業KPIを決める：作業時間だけでなく、初回応答、商談化率、提案品質、受注までの期間、更新率、顧客満足度など、変えたい成果を定義する。
- 人間とAIの責任分界を描く：検索、下書き、提案、送信、価格、契約を一つに扱わず、権限と承認を分ける。
- 参照データを整える：顧客・商品・価格・契約の正本、更新責任、アクセス権を明らかにする。
- 根拠付きの出力にする：AIの提案には、参照した情報、更新日、適用条件、未確認事項を表示する。
- 小さく実装し、品質を測る：限定した商材・チームで試し、誤案内、手戻り、承認時間、顧客反応を確認する。
- 再利用できる営業スキルとして残す：優秀な担当者の質問、判断基準、失注からの学びを、個人のプロンプトではなく共有資産として管理する。
特に重要なのは、AIが答えられないときの動作である。情報が不足している、契約条件が矛盾している、価格例外に当たる、重要顧客への影響が大きい。このような場合は、もっともらしい回答を作るのではなく、必要な確認項目と引き継ぎ先を示して停止するよう設計する。
まとめ――営業改革は、顧客価値を生む時間を取り戻す取り組みである
AIエージェント時代のB2B営業では、提案書、議事録、CRM入力、情報収集などの仕事が自動化されていく。しかし、営業の終わりではない。営業の本来の価値を取り戻す機会である。
AIが情報と定型作業を担い、人間が文脈、信頼、合意形成、価値創造、責任を担う。そのためには、AIツールの導入だけでは足りない。
プロセスを整理する。商材ごとの購買行動を理解する。顧客データと商品情報を整える。権限と承認を設計する。AIの出力を評価し、失敗から改善する。そして、営業の暗黙知をチームで再利用できる資産に変える。
目指すべきは、AIが営業担当者を置き換える会社ではない。AIによって営業担当者が、顧客の複雑な意思決定を支援し、顧客と新しい価値を共創できる会社である。
作成日: 2026年7月24日