営業プロセスはなぜ自動化が難しかったのか
営業という仕事には、定型的な業務と非定型な業務が混在しています。見積書の作成やCRMへのデータ入力は定型業務ですが、「この顧客には詳細な提案書を送るべきか、それとも概要だけで十分か」という判断は文脈に依存します。
従来のRPAやスクリプトによる自動化は、定型業務には有効でした。「CSVファイルをアップロードしてCRMのフィールドに転記する」「毎週月曜にレポートを自動生成して送信する」といった処理は、手順が固定されているため問題なく自動化できます。
しかし営業プロセスの本質的な価値は、判断と対応にあります。顧客の温度感を読み取り、競合の動きを踏まえ、最適なタイミングでフォローアップする。この一連の意思決定は、ルールベースの自動化では対応できません。結果として、営業担当者は「自動化できない判断業務」に加えて「本来は自動化したいデータ入力」にも時間を取られ続けてきました。
この課題に対する解として注目されているのが、エージェンティックワークフローです。
エージェンティックワークフローとは
エージェンティックワークフローとは、AIエージェントが状況を自律的に判断しながら業務プロセスを実行するワークフロー設計のことです（詳細はエージェンティックワークフローとはを参照）。
スタンフォード大学のAndrew Ng氏は、エージェンティックなAI設計パターンとして4つの類型を提唱しています。
Reflection（振り返り）: AIが自身の出力を評価し、品質が基準に達するまで修正を繰り返す。例えば、フォローメールの文面を生成した後、「顧客の懸念に適切に応えているか」を自己チェックして改善する。
Tool Use（ツール活用）: AIが外部ツールやAPIを呼び出して情報を取得し、それをもとに判断する。CRMから過去の商談履歴を取得して、今回の提案に反映するといった処理がこれにあたる。
Planning（計画立案）: AIが目標を分解し、実行計画を策定する。「商談後のフォローアップ」という目標に対して、「まずBANT情報を抽出し、次にCRMを更新し、最後にメールを下書きする」という計画を自律的に組み立てる。
Multi-Agent（マルチエージェント）: 複数のAIエージェントが協調して複雑なタスクを処理する。構造化エージェント、CRM入力エージェント、メール生成エージェントがそれぞれの専門性を発揮して連携する。
この4つのパターンは排他的ではなく、営業プロセスの自律化では複数のパターンを組み合わせて設計します。
営業プロセスへの適用マップ
エージェンティックワークフローを営業プロセスのどこに適用すべきかを判断するために、各フェーズの自動化適性を整理します。
| 営業フェーズ | 定型業務（RPA向き） | 判断業務（エージェント向き） | 自動化ROI |
|---|---|---|---|
| リード獲得 | Webフォームデータの取り込み | リード品質の評価と優先度判定 | 中 |
| 商談準備 | 顧客情報の事前収集 | 提案シナリオの組み立て | 中 |
| 商談実施 | 録音・文字起こし | トークの質のリアルタイム分析 | 低（商談中の介入は慎重に） |
| 商談後フォロー | CRMデータ入力 | BANT抽出、メール生成、タスク起票 | 高 |
| 提案・見積 | 見積書テンプレート生成 | 提案内容のカスタマイズ判断 | 中 |
| クロージング | 契約書類の準備 | 値引き幅の判断、条件交渉の助言 | 低（人間の関与が必須） |
| 受注後 | ウェルカムメール送信 | オンボーディング計画の策定 | 中 |
この表から明らかなように、商談後のフォローアップは自動化ROIが最も高いフェーズです。反復頻度が高く、判断を伴う処理が多く、かつ失敗した場合のリスクが限定的（人間がレビューしてから送信できる）という三拍子がそろっています。
実装ステップ: 商談後フォローアップの自律化
商談後のフォローアップをエージェンティックワークフローで自律化する具体的な実装ステップを解説します。各ステップでAIがどのような判断を行うかに注目してください。
ステップ1: 録音の自動開始
Web会議（Teams、Zoom、Google Meet）の開始を検知し、自動で録音を開始します。営業担当者の操作は不要です。このステップは定型処理であり、RPAと同じ考え方で実装します。ただし「この会議を録音すべきか」の判断は必要です。社内定例なのか顧客商談なのかをカレンダー情報から判別し、録音対象を自動で選別します。
ステップ2: 文字起こしと話者分離
録音データを高精度な音声認識エンジンで文字起こしします。話者分離（誰が何を発言したか）もこのステップで処理します。ここでのAI判断ポイントは、文字起こしの信頼度が低い箇所のフラグ付けです。固有名詞や専門用語で認識精度が下がった部分を検出し、後続の構造化で誤認識に引きずられないようにします。
ステップ3: BANT情報の抽出と構造化
文字起こしテキストから、BANT（Budget、Authority、Need、Timeline）情報を抽出して構造化します。このステップが従来のRPAでは不可能だった処理です。「予算は検討中です」という発言をBudgetの「未確定」として分類するのか、「まだ承認されていない」として分類するのかは、前後の文脈に依存します。エージェントは会話全体の流れを踏まえて、各項目の確信度スコア（0-100）とともに出力します。
ステップ4: CRMフィールドへの自動マッピング
構造化されたBANT情報をCRMの対応フィールドにマッピングして入力します。AI判断ポイントは、確信度スコアに基づく入力方法の選択です。確信度80%以上の項目は自動入力し、50-80%の項目はドラフトとして営業担当者のレビューキューに送り、50%未満の項目は入力をスキップして確認依頼を通知します。
ステップ5: ネクストアクションの自動起票
商談中に言及されたフォローアップ事項（資料送付、見積提出、社内確認など）を検出し、タスクとして自動起票します。「来週中に見積もりをお送りします」という発言から、期日、担当者、タスク内容を自動で抽出します。曖昧な表現（「後日ご連絡します」）に対しては、エージェントが期日の設定を営業担当者に確認するフローを発動させます。
ステップ6: フォローメールのドラフト生成
商談内容に基づいたフォローメールの下書きを自動生成します。ここでReflectionパターンが活躍します。生成されたメールが「顧客の質問に回答しているか」「合意事項を正確に反映しているか」をAIが自己チェックし、品質基準を満たすまで修正を繰り返します。最終的なメールは営業担当者のレビューを経てから送信されます。
RPAとのハイブリッド設計
エージェンティックワークフローはRPAを置き換えるものではありません。両者の特性を理解し、適材適所で組み合わせるハイブリッド設計が最も効果的です。
RPAが適するタスク: CSVファイルの一括処理、定時レポートの自動生成、マスターデータの同期、定型メールの送信スケジューリング。これらは「手順が固定されている」「判断の余地がない」「エラー時のリカバリが明確」という共通点があります。
エージェンティックワークフローが適するタスク: 商談録音からのBANT抽出、フォローメールの文面生成、商談品質のスコアリング、次回アクションの優先度判定。「入力データの形式が不定」「文脈に応じた判断が必要」「出力のバリエーションが多い」処理に適しています。
ハイブリッド構成の設計例: エージェンティックワークフローが商談録音からBANT情報を構造化し、RPAがその構造化データをCRMのフィールドに一括転記する。判断が必要な工程はエージェントが、定型転記はRPAがそれぞれ担当します。この分業により、エージェントの計算リソースを判断処理に集中させつつ、RPAの高速な定型処理を活かすことができます。
段階的な自動化拡大のロードマップ
エージェンティックワークフローの導入は、一気に全自動化するのではなく、human-in-the-loopの設計で段階的に自動化範囲を拡大します。
Month 1-2: Suggestモード（提案型）
AIエージェントは分析結果を「提案」として出力し、すべての実行は人間が行います。CRMへの入力内容をSlackやメールで通知し、営業担当者が内容を確認してから手動で入力します。このフェーズの目的はAIの出力精度を検証し、現場の信頼を獲得することです。
KPI: AIの提案採用率70%以上。修正が必要な提案の割合30%以下。
Go/No-Go判断基準: 提案採用率が70%に達したらDraftモードに移行。50%未満の場合はプロンプトやモデルの見直しを行います。
Month 3-4: Draftモード（下書き型）
AIエージェントがCRMフィールドの下書きを作成し、営業担当者はワンクリックで承認するか、修正して保存します。タスク起票やメール下書きも自動生成され、レビューキューに入ります。
KPI: 下書きの無修正承認率50%以上。営業担当者の入力作業時間50%削減。
Go/No-Go判断基準: 無修正承認率が50%を超えたらApproveモードに移行。営業担当者から「修正より最初から書いた方が早い」という声が出た場合はSuggestモードに戻します。
Month 5-6: Approveモード（承認型）
AIエージェントが自動実行し、一定時間（例えば30分）以内に営業担当者が却下しなければ確定します。確信度の高い項目（議事録添付、BANT情報の入力）から順に自動化範囲を広げます。
KPI: 自動実行の却下率5%以下。データ入力の精度95%以上。SFA入力工数80%以上削減。
Go/No-Go判断基準: 却下率が5%以下を3か月維持したらCommitモードの検討を開始。10%を超えた場合はDraftモードに戻します。
各段階で重要なのは、人間がAIの判断を「監視」するのではなく「育てる」姿勢です。修正履歴はAIの学習データとなり、次第に判断精度が向上していきます。
aileadによるエージェンティックワークフローの実現
エージェンティックワークフローの起点となるのは、高品質な対話データです。aileadはTeams、Zoom、Google Meetの主要Web会議ツールに対応し、商談録音から構造化データへの変換を自動化します。
aileadが提供する価値は、エージェンティックワークフローの「トリガー」と「燃料」の両方です。会議の終了が自動的にワークフローのトリガーとなり、録音から生成される構造化データがエージェントの判断材料（燃料）になります。
Salesforce連携（カスタムオブジェクト対応）により、構造化データのCRM反映もシームレスに行えます。既存のSalesforceフィールド構成を変更する必要はなく、BANT情報や議事録を適切なオブジェクトに自動マッピングします。
400社以上の導入企業で実証されている効果として、SFA入力工数の90%削減、新人営業の立ち上がり期間50%短縮があります。これらの成果は、対話データの蓄積量に比例して向上していきます。データが増えるほどAIの判断精度が上がり、自動化できる範囲が広がるという好循環が生まれます。
セキュリティ面では、ISO/IEC 27001:2022（ISMS）認証を取得しており、エンタープライズ企業のセキュリティ要件に対応しています。
まとめ
エージェンティックワークフローは、営業プロセスの自律化における次のステップです。RPAでは対応できなかった「判断を伴う処理」を自動化し、営業担当者がより本質的な顧客対応に集中できる環境をつくります。
導入のポイントは3つです。まず商談後のフォローアップという最もROIの高いフェーズから始めること。次にRPAとのハイブリッド設計で定型処理と判断処理を適切に分離すること。そしてSuggest、Draft、Approveの3段階で段階的に自動化範囲を拡大すること。
営業プロセスの自律化に関心のある方は、ぜひ無料デモでaileadのエージェンティックワークフローをご体験ください。
