顧客管理（CRM：Customer Relationship Management）は長く、「誰に、いつ、何を提案し、どんな対応をしたか」を残すための仕組みでした。生成AIの普及で、この役割が変わり始めています。

目指されているのは、AIが顧客を自動的に支配することではありません。購入、問い合わせ、営業面談、コンテンツ閲覧といった顧客接点を、適切な権限と目的の下で組織の記憶に変え、人が次の行動を判断しやすくすることです。

マクドナルドと製薬向けCRMのVeevaは業界こそ異なりますが、この変化を理解するうえで対照的な事例です。

「2億人の顧客データ」を正確に読む

マクドナルドが2026年2月に発表した2025年通期決算によると、70のロイヤルティ市場における90日間アクティブ・ロイヤルティユーザーは、2025年末時点で約2億1,000万人です。ロイヤルティ会員による年間のSystemwide Salesは約370億ドルで、前年から20%増加しました。McDonald'sの2025年通期決算

この数字は「2億人分の個人データを一つのAIに入れた」ことを意味しません。より正確には、同社が世界のロイヤルティ利用者という大きなデジタル接点を持ち、そこから得られる情報をサービス改善や顧客との関係づくりに使える基盤へ整えつつある、ということです。

CEO書簡では、共通のGlobal Mobile Appと新たなデジタル機能を展開するConsumer Platformを進め、2027年末までに90日間アクティブなロイヤルティユーザー2億5,000万人を目標にすると説明しています。McDonald's 2025 CEO Letter

人数の大きさより重要なのは、顧客との接点がデジタル化され、改善の材料として扱える状態に近づいていることです。

過去の購入記録から、次の行動を支援するデータへ

従来のポイントカードやCRMでは、主に過去を記録します。

この顧客は、昨日この商品を買った。
この営業担当者は、先週この顧客を訪問した。

AIや分析基盤が加わると、記録をもとに次の問いを扱えるようになります。

次に接点を持つ可能性が高いのはいつか
どの情報や商品が関心に合う可能性があるか
離れてしまう兆候はあるか
これまでの対応で、何がうまくいき、何が障害になったか

2026年8月にWIREDが報じたカリフォルニア州での開示請求の事例では、マクドナルドが保有する情報の中に、購入履歴だけでなく、将来の来店頻度、注文額、支出、離脱可能性、関連商品の予測値が含まれていたとされます。この個別事例の開示資料そのものを本稿では独立に検証できないため、予測値の一般化は避けるべきです。ただし、CRMが「記録」だけでなく、将来の行動を推定して人の判断を支える方向へ進んでいることは、各社の製品・投資の方向からも読み取れます。

ここで注意したいのは、予測は事実ではなく確率的な推定だということです。「来店しそう」と「来店する」は違います。予測結果を顧客の本心や確定した属性のように扱ってはいけません。

Veevaが示す、営業の暗黙知を組織知に変える流れ

製薬・ライフサイエンス業界では、営業、マーケティング、メディカル部門が持つ顧客接点の情報を、規制対応を前提に扱う必要があります。VeevaのVault CRMは、これらの部門を単一プラットフォーム、統合顧客データベース、組み込みAIで結ぶCRMとして提供されています。Veeva Vault CRM Suite

従来の営業活動では、優秀な担当者の頭の中に、次のような情報が蓄積されがちでした。

この医療従事者は何に関心を持っているか
前回、どの説明に反応があったか
次にどんな資料が役立ちそうか

こうした暗黙知は価値があります。しかし個人だけが持つ状態では、異動・退職・担当変更で失われやすく、他部署とも共有しにくいという課題があります。

VeevaのAgentic Call Reportは、面談後に担当者が自由記述や音声で残した情報をAIが構造化し、コンプライアンス確認を支援する仕組みです。利用者はAIの出力を確認・修正してから記録を確定します。Agentic Call Reportの説明 Vault CRMのAI機能

これは「営業担当者をAIで置き換える」ことではありません。面談で得た文脈を、後から組織が参照し、次の準備や判断に生かせる形へ変える試みです。

AIの前に必要なのは、読めるデータ基盤

AIを導入するだけで営業やマーケティングが賢くなるわけではありません。AIが参照するデータが、重複し、古く、権限が曖昧なら、もっともらしい誤った提案を速く出すだけです。

Veevaは、LLMを顧客ごとのVault CRMデータレイヤーへ接続し、AIの回答を顧客固有のデータに基づかせる仕組みを説明しています。Vault AI in CRM Overview また、CRMデータの最新コピーを分析基盤から参照できるData Lakehouseを提供し、ゼロコピーでの参照や外部データ基盤への連携を可能にしています。Vault CRM Data Lakehouse

実務の順番は、次のように考えるのが安全です。

段階	行うこと	先に決めること
1. データを整える	顧客ID、接点、同意、担当を整理する	正本データはどれか
2. 利用目的を決める	面談準備、解約兆候の確認などに絞る	何のために使うか
3. 権限を設計する	役割に応じて閲覧・更新範囲を分ける	誰が何を見られるか
4. AIをつなぐ	要約、検索、提案を小さく試す	人が確認する地点はどこか
5. 結果を検証する	提案の妥当性・偏り・成果を確認する	いつ止め、修正するか

本質は「AI導入→データ活用」ではなく、データ統合→品質・権限・目的の設計→AIによる支援→人の検証です。

属人性は消えない。ただし、情報の独占は小さくできる

統合CRMとAIが進んでも、顧客との信頼関係、相手の状況を読む力、想定外の問題に対応する力は、人に残ります。むしろ、情報が共有されるほど、担当者には「何を聞くか」「どう説明するか」「どこで介入しないか」という判断が求められます。

減らせるのは、特定の人しか過去の経緯を知らないことによる属人性です。

A社のことは田中さんしか分からない

という状態から、適切な権限を持つ人が、過去の接点、送付した情報、合意事項、未解決の論点を確認できる状態へ移す。そのうえで、田中さんの関係構築力や交渉力が生きるようにすることが、AI CRMの現実的な目標です。

「データがお金になる」とは、データを売ることではない

データの価値は、個人データを外部へ売ることに限りません。適切に扱われたデータが、次の行動の質を高めるとき、経済的な価値になります。

顧客接点
  → 記録・同意・品質確認
  → 統合された顧客像
  → AIによる要約・分析・予測
  → 人による判断と次の行動
  → 新しい顧客接点

マクドナルドであれば、購入・アプリ利用・ロイヤルティ接点から、顧客にとって関連性のあるサービスやオファーを考える循環です。製薬営業であれば、医療従事者との面談記録から、次に必要な情報提供や部門間の連携を考える循環です。

ただし、顧客が受け取る価値がない一方的な最適化は、短期の反応を得ても、信頼を損ないます。顧客にとっての便益、選択の自由、説明可能性を同時に満たす必要があります。

予測するほど、ガバナンスが重要になる

購入履歴を保存することと、将来の行動や離脱可能性を推定することでは、影響が異なります。後者では、企業が「何を知っているか」だけでなく、「何を推定し、どう使ってよいか」が問われます。

最低限、次の設計が必要です。

利用目的の限定：予測を何の業務に使い、何には使わないかを定める
データの最小化：目的に不要なデータを集めない、長く持ち続けない
アクセス制御：役割ごとに閲覧・更新・出力できる範囲を分ける
同意と説明：本人に分かる形で、取得・利用・選択肢を示す
推論結果の管理：予測値を事実のように扱わず、利用履歴と根拠を残す
人による確認と訂正：高い影響を持つ提案・判定は、人が確認し、誤りを直せるようにする
監査と停止：異常な利用や偏りを検知し、止める担当と手順を決める

とくに、医療や金融、雇用のように個人への影響が大きい領域では、便利な要約や予測機能を先に広げるのではなく、データ分類、承認、監査ログ、訂正・削除の手順を先に用意すべきです。

結論：競争力は「組織の記憶」をどう設計するかに移る

AI CRMの変化は、AIが営業を完全に置き換える物語ではありません。個人の頭の中や部署ごとの表計算に閉じていた顧客接点を、責任を持って共有・検証できる組織の記憶へ変える動きです。

これから企業が問うべきなのは、「どの生成AIを導入するか」だけではありません。

自社の顧客接点は、正しく、目的に沿って、必要な人だけが使える組織の記憶になっているか。
その記憶をAIが使うとき、人が説明・訂正・停止できる設計になっているか。

この二つに答えられることが、顧客データを単なる記録から、信頼を損なわずに次の行動を支える資産へ変える出発点になります。

作成日：2026年8月13日