AI活用の失敗9割超、ChatGPT配布だけでは営業伸びず

企業が導入した生成AIプロジェクトの95%は、投資に見合う成果(ROI)を得られていない。MIT(マサチューセッツ工科大学)発の研究プロジェクト「Project NANDA」がまとめたレポートの数字だ。営業を含む多くの企業でAIが期待したほどの効果を出せていない実態が浮かぶ。

この数字を受けて、ITmedia ビジネスオンラインの取材に応じたナレッジワークのCEO、麻野耕司氏は「AIや技術を深めるだけではなく、人間理解を深めないといけない」と語る。ChatGPTのような汎用チャットツールは文章の下書きやメールの推敲には使えても、自社がどんな客にどんな話をしてきたかという商談の履歴を知らない。だから営業の仕事そのものを肩代わりできない、という指摘だ。

これは特定の業界の話にとどまらない。営業に限らず、AI活用が「ツールを配って終わり」になっている職場は多いはずだ。生成AIの利用率が上がっても成果が伴わないとき、原因をAIの性能不足に求めがちだが、この取材が示すのは別の見立てである。汎用AIには自社の文脈が欠けている、という構造の問題だ。

この構造の問題を軽く見ないほうがいい。取材の中で語られた具体策が、そのことを裏付けている。McKinsey & Companyの調査によれば、日本の典型的なBtoB営業担当者が実際の商談に充てられる時間は、稼働時間の10〜25%にとどまるという。残りの大半は、準備や社内業務に消えている。ここにAIを充てて準備時間を圧縮できれば、営業生産性はそれだけで底上げされる計算になる。

この主張には当然、反論の余地がある。準備時間を削っても、商談そのものの質が伴わなければ成果は増えないのではないか、という疑問だ。実際、取材で語られたもう一つの論点はまさにそこを埋める。営業組織の中には、一部のトップ営業の頑張りだけで成り立っている状態が珍しくない。この属人化を解消するには、トップ営業のノウハウを言語化し、他の担当者が参照できる形にする必要がある。準備の効率化と、ノウハウの共有は、どちらか一方では効かない。両方が揃って初めて、AIに任せた分だけ生産性が伸びる理屈になる。

ここで欠けているのは技術そのものではなく、自社の営業活動を知っているAIエージェントだ、という取材内の指摘は妥当に見える。汎用のAIモデルは公開データで学習されているため、自社の商談の癖や過去の失注理由までは知りようがない。逆に言えば、商談の音声や振り返りのメモをきちんと記録として残しておくことが、いずれ「自社を知るAI」を育てる材料になる。ボイスメモアプリを作る立場から見ると、営業現場でAI活用が止まる最大のボトルネックは技術ではなく、そもそも参照できる自社の商談データがどこにも残っていないことだ。ノウハウを持つベテラン営業ほど、その判断根拠を言語化せずに頭の中だけで完結させている。ここを記録として残す仕組みがなければ、どれだけ高性能なAIエージェントを構築しようとしても、学習させる素材自体が存在しないことになる。AI活用の成否を分けるのは、モデルの選定より先に、自社の商談という一次データを残す運用があるかどうかだ。