営業の現場で、生成AIの利用が広がっています。法人営業を対象とした調査では、生成AIを「毎日使う」と答えた人が、2024年の4.5%から2025年には18.0%へ上昇し、割合は約4倍になりました[1]。メール文面やトークスクリプトを短時間で下書きするAIは、もはや珍しくありません。
一方で、利用の広がりが、そのまま営業成果の向上につながるとは限りません。本記事では、メール作成などの個人作業を支援する生成AIに加え、社内データ検索・商談分析・ナレッジ共有までを「営業AI」と捉えます。その上で、営業AIが「文章作成止まり」に陥る構造を利用実態から解き明かし、商談化や受注につなげる設計を提案します。
営業AIはいま「文章作成」に偏っている
生成AIは営業に定着しつつありますが、使われ方には明確な偏りがあります。まず、どの作業に使われているのかを押さえましょう。
最頻用途はメール・提案文づくり
生成AIを業務で利用するBtoB営業担当者・責任者への調査（複数回答）では、最も多く挙げられた用途は「営業メール・提案文の作成」で、回答者の63.0%でした。次いで「議事録の要約」44.1%、「トークスクリプト作成」36.5%と続き、上位は文章を書く・まとめる作業で占められています[2]。
これは営業に限りません。全業種を対象に、生成AIを活用している企業へ主な用途を尋ねた調査でも、最も多いのは「文章の作成・要約・校正」で45.1%。2位の「情報収集」21.8%のおよそ2倍にのぼり、「データの集計・分析」は7.4%にとどまります[3]。これらの調査からは、生成AIがまず文章関連の業務で活用されやすい傾向がうかがえます。
利用は広がっても、効果実感には差がある
同じ調査では、週に数回以上使う営業担当者が52.2%と過半数に達し、自社での利用を「全社的に許可・推奨されている」と答えた人も39.7%にのぼりました[1]。総務省の企業向け調査でも、活用方針を「わからない」とした回答を除くと、何らかの業務で生成AIを利用している企業の割合は86.4%でした[4]。
にもかかわらず、効果の実感は各国に比べて低いままです。大企業の生成AI関与者を対象とした6か国比較調査では、日本の回答者のうち、自社の生成AI活用が進んでいると答えた割合が87%に達した一方、「期待を大きく上回る効果」を得ていると答えた割合は9%にとどまりました。米国の38%、英国の32%と比べても低い水準です[5]。これらは対象の異なる調査のため、用途の偏りが効果実感の低さを直接引き起こすとは断定できません。ただ、個人の文章作成支援にとどめず、業務プロセスや組織的な活用へ広げることは、成果につなげるうえで重要な検討課題です。
なぜ「文章作成止まり」だと成果に届かないのか
文章作成の自動化は正しい入口です。それでも成果に結びつかないのには、構造的な理由があります。
時短だけでは、成果へのつながりを測りにくい
文章作成の自動化の効果は、まず個人単位の時間削減として現れます。営業メール・提案文の作成で「1分〜30分未満」の時間削減を実感した回答者は56.8%にのぼります[2]。ただ、たとえばメール作成や提案書の下書きで時間を短縮できても、それだけで商談数や受注率が向上したかを測るのは簡単ではありません。
成果に直結するのは「誰に、どの順で何を提案し、どう意思決定を動かすか」という営業の中核です。ここにAIが関与しない限り、浮いた時間は別の作業に吸収され、「速くはなったが成果の変化は測りにくい」状態にとどまりがちです。
組織の業務プロセスが変わっていない
もう一つの壁は、活用が個人の工夫にとどまり、組織の業務プロセスに組み込まれにくいことです。生成AIの使い方は担当者に委ねられがちで、プロセスの再設計やナレッジ共有まで進まないケースもあります。
文章作成は、個人が自分の判断だけで完結できるからこそ最初に広がります。逆に言えば、情報の集約、商談後の分析、勝ちパターンの共有といった「複数の人やデータをまたぐ仕事」は、個人任せでは進みにくく、組織的な設計が要ります。
成果につなげる設計①｜商談の「前」と「後」にAIを組み込む
成果を動かす余地が大きいのは、文章作成の「外側」です。まずは商談前後の工程を見直しましょう。
商談前——情報収集から仮説立案へ
商談準備の情報収集は、すでにAI活用の入口です。実際、この作業で「1分〜30分未満」の時短を実感した回答者は50.5%に上ります[2]。ただし、この結果だけでは、時短が商談化や受注率の改善につながったかまでは分かりません。顧客情報や業界動向、過去の商談履歴をAIで集約する商談準備の効率化は、その入口を整える具体策になります。
鍵は、情報収集から「仮説立案」へ踏み込むことです。公開情報や過去の商談履歴、社内の顧客データを横断的に調べ、「この顧客の課題は何か」「どの切り口で提案すべきか」まで下書きさせる。複数の情報源を自律的に調べる調査エージェントや、社内データを文脈ごと検索できる仕組みを使えば、準備は「資料集め」から「仮説づくり」へ質を変えられます。
商談後——分析と次アクションの設計
改善余地が大きいのは、商談の後です。「どの商談が、なぜ進み、なぜ止まったのか」を振り返り、次の一手を設計する工程です。全業種の企業調査では「データの集計・分析」を主な用途に挙げた割合は7.4%[3]にとどまりました。この数字だけで営業分野の状況は判断できませんが、文章作成と比べ分析用途が主な使い方として挙がりにくい傾向はうかがえます。
商談記録や案件データをAIに分析させ、停滞案件の兆候や次に取るべきアクションを提示させる。この「商談後の分析と次アクション設計」は、個人の時短にとどまらず、受注確度の向上につながる可能性があります。まずは対象業務を限定して試行し、提示されたアクションが案件の進行や受注率にどう影響したかを検証することが欠かせません。精度は入力データの質に左右されるため、打ち手は最終的に人が確認して判断に用いることが前提です。業務フローに分析と打ち手を組み込むワークフロー型の自動化や、自然言語で社内データを問い合わせる仕組みが効いてきます。
成果につなげる設計②｜トップ営業の暗黙知を全社に広げる
個人の成果を組織の成果へ変える工程が、暗黙知の横展開です。トップ営業の勝ちパターンを、チーム全体の標準へ引き上げましょう。
勝ちパターンをナレッジとして載せる
トークスクリプトの作成にAIを使う営業は36.5%です[2]。スクリプト作成は、営業の話法や提案の進め方を言語化する用途の一つです。しかし多くの場合、その出力は本人の手元で消費され、組織の資産になりません。
成果につなげるには、トップ営業の勝ちパターン——刺さる問いかけ、反論への切り返し、提案の順序——を、AIが参照できる社内ナレッジとして登録し、誰もが引き出せるようにすることです。属人化した暗黙知を形式知へ変え、社内文書を検索し、その内容を根拠に回答を生成する仕組み（RAG）や、よく使う業務をテンプレート化するシナリオ機能で全社に展開すれば、一部の工夫がチームの標準へと変わります。ナレッジは載せて終わりではなく、社内ナレッジ基盤を使われ続ける状態に保つ設計があって初めて定着します。
「個人の時短」から「組織の設計」へ
ここまでの3つ——商談前の仮説立案、商談後の分析、暗黙知の横展開——は、いずれも「複数の人とデータをまたぐ仕事」です。だからこそ個人任せでは進まず、業務プロセスとして設計し、社内AI基盤に組み込む必要があります。
文章作成は、正しい入口です。問題は、そこで止まることにあります。「速く書く」から「正しく仮説を立て、振り返り、組織で共有する」へ。営業AIを個人の時短ツールから組織の成果を生む業務基盤へと引き上げる設計こそ、次の取り組みとして有効です。
さいごに
メールや提案文の作成に偏った使い方のままでは、得られる効果は個人の時短にとどまりやすく、商談化や受注という成果とのつながりは測りにくくなります[2]。PwCの調査でも、日本の回答者は、米英などと比べて自社で「期待を大きく上回る効果」を得ていると答えた割合が低い結果でした[5]。原因は特定できませんが、個人の効率化にとどめず業務プロセスや組織的な活用へ広げられるかは、成果につなげる重要な検討課題です。
成果を動かすのは、文章作成の「外側」です。商談前の仮説立案、商談後の分析と次アクション、トップ営業の暗黙知の横展開——これらを個人任せにせず、社内のAI基盤に組み込み、組織の業務プロセスとして設計すること。「文章作成止まり」から一歩踏み出せるかどうかが、営業AIを成果につなげる分かれ道になります。
出典
- [1] 営業における生成AI活用の実態調査レポート Vol.2 – セレブリックス営業総合研究所（調査時期：2025年10月21日〜22日、対象：法人営業に従事する1,079名）
- [2] BtoBセールスにおける生成AI活用実態調査 – 株式会社ラクス（調査時期：2025年6月、対象：生成AIを利用するBtoB営業担当者・責任者397名）
- [3] 生成AIに関する企業の動向調査（2026年3月調査） – 帝国データバンク（有効回答10,312社、用途割合は活用企業3,560社ベース）
- [4] 令和8年版 情報通信白書 – 総務省（企業向け調査。「何らかの業務で生成AIを利用している」企業の割合で、活用方針を「わからない」と回答した対象を除いた集計）
- [5] 生成AIに関する実態調査2026春 6カ国比較 – PwC Japanグループ（日本・米国・英国・中国・ドイツ・韓国の6か国比較、対象：売上高500億円以上の企業に勤務する課長職以上で生成AI導入に関与がある人、2026年2月調査）
この記事を書いた人
