AIで商談リサーチをする前に決めるべき入力ルール

この記事で整理すること

AIで企業調査や商談準備を効率化したい組織は増えています。しかし、入力する情報の範囲、確認すべき出典、社内情報の扱いが曖昧なまま使うと、浅い仮説、誤情報、機密情報の入力、提案品質のばらつきが起きます。この記事では、プロンプトの書き方より先に決めるべき入力ルールを整理します。

背景

AIによる商談リサーチは、営業の準備時間を短縮できます。一方で、顧客名だけを入れて出力させると、一般的な会社紹介や業界説明で終わりやすく、実際の商談質問にはつながりません。また、未公開情報、担当者名、契約金額、商談メモなどを無秩序に入力すると、情報管理上のリスクが生まれます。AI活用を現場に広げるには、使う前の入力設計が必要です。

よくある失敗

• 顧客名だけを入れて、一般的な企業紹介を出力させている。
• 公開情報と社内情報を区別せずに入力している。
• AIの出力を確認せず、商談質問や提案に使っている。
• 良い入力例が組織内で共有されていない。

実務での見直し方

入力ルールは、入れてよい情報、注意して扱う情報、入れてはいけない情報に分けます。公開情報は、会社サイト、公開資料、ニュースリリース、採用情報などに限定し、出典を残します。社内情報は、会社が許可したAI環境でのみ扱い、個人名や機密情報は必要最小限にします。出力は、事実、仮説、確認質問に分け、商談では必ず顧客に確認する前提で使います。

見落としやすいのは、AIの出力品質よりも入力前の判断です。何を入れるかを営業担当に任せると、慎重な人は使わず、慣れた人は入れすぎます。入力ルールは、AI活用の制限ではなく、チーム全員が安心して同じ水準で使うための土台です。

現場で起きるサイン

このテーマで問題が起きている組織では、会議やSFA上に小さなサインが出ます。たとえば、顧客名だけを入れて、一般的な企業紹介を出力させている状態が続くと、担当者は前に進んでいる感覚を持っていても、顧客側の判断は進んでいないことがあります。公開情報と社内情報を区別せずに入力している場合も、案件の見た目は整っていても、次の関係者や次の判断に進む材料が不足します。

実務で起きやすいのは、AIが作った企業調査メモに、出典不明の導入ツール、古いニュース、推測に近い業界課題が混ざる場面です。営業担当がそれを事実として商談で話すと、顧客から見て準備不足に見えます。調査メモには、商談で使ってよい事実と、確認質問に変換すべき仮説を分ける必要があります。

もう一つのサインは、会話が担当者個人の感覚に寄りすぎることです。温度感が高い、反応が良い、前向きそう、といった表現だけでは、営業組織として支援できません。実務で扱うには、誰が、何を、いつまでに、何のために判断するのかを記録する必要があります。記録できない情報は、商談中に確認できていない可能性があります。

チームで分担すること

この見直しは、営業担当者だけに任せると続きません。担当者は顧客との会話から事実を集め、マネージャーは案件レビューで不足している論点を確認します。営業企画やRevOpsは、SFA項目、会議アジェンダ、確認テンプレートを整えます。CSやプリセールスが関わるテーマでは、導入後や技術確認で必要になる情報を受注前の確認項目へ戻します。

分担を決めるときは、誰が入力するかだけでなく、誰がレビューするかまで決めます。入力欄を増やしても、レビューされなければ形だけになります。逆に、レビュー観点が明確であれば、営業担当者は何を確認すべきかを商談前から意識できます。運用の目的は管理を細かくすることではなく、顧客の判断を前に進めるための情報を欠かさないことです。

明日から使えるチェックリスト

• AIに入力してよい情報範囲をチームで合意している。
• 公開情報の出典をメモに残している。
• AI出力を事実、仮説、質問に分けている。
• 顧客固有情報や個人情報の扱いを社内規程に照らして確認している。
• 良い入力例と悪い入力例を営業チームで共有している。

このチェックリストは、すべてを一度に完璧に埋めるためのものではありません。最初は、次の商談や次の会議で確認する項目を二つだけ選びます。たとえば、AIに入力してよい情報範囲をチームで合意しているかどうかを確認し、次に公開情報の出典をメモに残しているかどうかを見ます。未確認の項目があれば、次回商談の質問、フォローメール、社内レビューのいずれかに戻します。

重要なのは、空欄を責めるのではなく、空欄を次の確認事項として扱うことです。商談は常に情報が揃った状態で進むわけではありません。だからこそ、何が分かっていて、何がまだ分かっていないのかを分ける必要があります。この分離ができると、案件レビューは報告ではなく支援の場になります。

運用に落とす方法

最初は全員に自由利用させるのではなく、商談準備用の入力テンプレートを一つ作ります。項目は、公開情報、直近の変化、想定課題、確認したい仮説、商談で聞く質問に絞ります。マネージャーは週次の案件レビューで、AI出力そのものではなく、出力をどう質問に変換したかを確認します。AIは調べる道具ではなく、商談で確認すべき論点を整理する道具として扱います。

週次の商談準備レビューでは、良いプロンプトを共有するだけでなく、外れた仮説を一つ取り上げます。どの情報源を見誤ったのか、どの質問に変換すべきだったのかを残すと、AIリサーチの型が改善されます。

運用に落とすときは、既存の会議とSFAに接続します。新しいチェックシートを作っても、普段の案件レビューや1on1で見なければ定着しません。週次会議では、対象案件をすべて確認するのではなく、停滞している案件、次の判断者が不明な案件、未確認事項が多い案件に絞ります。限られた会議時間を、読み上げではなく次の打ち手に使います。

SFAでは、自由記述だけに頼らない方がよいです。自由記述は文脈を残すには便利ですが、集計や比較には向きません。最低限、確認済み、未確認、次回確認、対象外のように状態を分けられる項目を用意します。細かい項目を増やしすぎると入力されなくなるため、最初は営業が本当に判断に使う項目だけに絞ります。

見るべき指標またはレビュー観点

見るべき指標は、AI利用回数ではありません。商談準備メモの作成率、仮説質問の記録率、初回商談後の次回アクション設定率、誤情報のレビュー指摘件数を見ます。入力ルールが機能していれば、準備時間が短くなるだけでなく、商談質問の具体性が上がります。

指標を見るときは、単月の結果だけで判断しません。営業活動には案件のタイミング、顧客側の稟議時期、担当者の経験差が影響します。まずは30日単位で、入力品質、次回アクション、停滞理由、関係者確認、失注理由の具体性が改善しているかを見ます。数字が悪い場合も、すぐに担当者の能力問題にせず、プロセス、資料、会議、マネージャー支援のどこに詰まりがあるかを分けます。

最後に、改善した内容を標準化します。うまくいった質問、顧客が社内共有しやすかった資料、案件レビューで有効だった確認項目は、個人の工夫で終わらせず、テンプレートや会議アジェンダに戻します。営業組織の実務改善は、一度の施策ではなく、現場で見つけた良い型を繰り返し更新することで定着します。

公開前に確認すること

この記事のテーマを自社で扱うときは、最後に三つの観点で確認します。第一に、現場が明日から使える粒度になっているか。第二に、マネージャーやRevOpsがレビューできる記録として残るか。第三に、顧客の判断を助ける内容になっているかです。社内向けの管理項目だけを増やしても、顧客の検討が進まなければ営業実務としては不十分です。

最初にチームで確認する問いは、「AIが出した情報のうち、顧客に確認せず使っているものはないか」です。この問いだけでも、事実と仮説の混在を減らせます。

また、記事の内容をそのまま全案件へ一律に適用しないことも重要です。新規商談、既存顧客、エンタープライズ、パートナー経由では、確認すべき相手やタイミングが変わります。まずは対象案件を絞り、運用してみて、会議で振り返る。そこで得た学びをチェックリストやSFA項目へ戻す。この小さな改善サイクルを前提にすると、営業組織に無理なく定着します。

主な出典

• NIST: Artificial Intelligence Risk Management Framework
• Salesforce: Trusted AI Principles

編集・監修について

この記事は営業実務ラボ編集部が企画、執筆、編集しています。制作過程で生成AIを構成案作成、草案整理、表現確認に利用する場合がありますが、公開前に編集部が事実関係、出典、表現を確認しています。外部専門家による個別監修が入る場合は、記事内で監修者名または監修有無を明記します。