生成AIは営業のどこに使えるのか?プロセス別の使い方と企業事例・定着の進め方
営業部門で生成AIをどう使えるかを調べると、提案書やメールの下書きといった文章作成の話が中心に出てきます。ただ、決裁の場で問われるのは、商談の数や受注率が実際に変わるのかという点です。
この記事では、営業のどの工程に生成AIを使えるのかを早見表で整理しました。そのうえで、プロセスごとの使い方、国内外の企業事例、現場に定着させるまでの進め方を順に説明していきます。
営業で生成AIに任せられる仕事と人が担う仕事
営業の仕事は、リード選定から商談準備、商談当日、商談後の記録と分析へと続く流れです。生成AIを使えるのは、この流れのなかで発生する「調べる」「書く」「まとめる」「分類する」という作業です。
営業プロセスのどこで何を任せられるのかを一覧にまとめました。詳しい使い方は、後半のセクションで扱います。
| 営業プロセス | 生成AIに任せられること | 期待できる効果 | 解説セクション |
|---|---|---|---|
| リード選定・リサーチ | 公開情報や過去の接点履歴の要約 | 1件あたりの調査時間の短縮 | 商談前のリサーチと商談準備 |
| 商談準備 | 想定課題と質問項目の洗い出し | 準備の質のばらつきの抑制 | 商談前のリサーチと商談準備 |
| 提案書・メール作成 | たたき台の作成と表現の調整 | 初稿づくりの負担軽減 | 提案書とメールの下書き作成 |
| 商談当日 | 想定質問と切り返しの事前準備 | 持ち帰り回答の削減 | 商談中の質疑対応と練習 |
| 育成・練習 | 顧客役との対話練習と改善点の指摘 | 新任者の立ち上がりの短縮 | 商談中の質疑対応と練習 |
| 商談後の記録 | 議事録と次アクションの整理 | 報告・入力の時間短縮 | 商談後の議事録と社内システムへの入力 |
| 振り返り・分析 | 失注理由の分類と傾向の抽出 | 対策を検討する材料の確保 | 失注分析とパイプラインの振り返り |

営業が売る活動に使えている時間は4割
Salesforceが営業職4,050名に実施した調査によると、平均的な営業担当者が売る活動へ使えている時間は業務時間の40%でした。Z世代の担当者では35%まで下がります。残りの時間を占めるのは、リサーチや資料づくり、報告、システムへの入力です。
新規開拓には週のうち丸1日近くを使っているにもかかわらず、48%が十分な開拓活動の時間を確保できていないと答えました。この状況が、営業部門でのAI利用を後押ししています。
同じ調査で、見込み客の調査や予測、メール作成などに何らかのAIを使う営業組織は87%でした。自律的に作業を進めるAIエージェントについては、54%がすでに使った経験を持ち、2027年までに使う予定があると答えた人は9割近くを占めます。
出典:The Productivity Gap: New Survey Shows 9 in 10 Sellers Are Betting on AI and Agents To Help(Salesforce)(2026年2月)
AIが担う作業と人が判断する場面の切り分け
営業の仕事がまるごと置き換わるわけではありません。生成AIに任せやすいのは、材料がそろっていて出力の形が決まっている作業です。相手の反応を見ながら方針を決める場面や、価格と条件を詰める場面は人が担います。
- 任せやすい作業:公開情報の収集と要約、過去のやり取りの整理、提案書やメールの初稿、議事録の作成、失注記録の分類
- 人が担う場面:顧客との関係づくり、価格や納期の交渉、社内の合意形成、提案内容の最終確認、出力に含まれる事実誤認の検証
- 分担の原則:出力は完成品ではなく下書きとして扱い、顧客に出す前に人が必ず確認する
最初に着手する業務としては、商談後の議事録と報告書の作成が向いています。手順が決まっていて成果を確認しやすく、失敗しても顧客に影響が及びにくい業務だからです。
営業プロセス別の生成AIの使い方
ここからは営業の流れに沿って具体的な使い方を説明します。効果を実感しやすいのは、商談が終わったあとの記録や報告です。手順が決まっているぶん指示を作りやすく、削減できた時間もはっきり見えます。
一方、リード選定や提案の切り口づくりは、指示の出し方に慣れるまで時間がかかる作業です。商談後の業務から始めて、慣れてきたら商談前の業務へ広げるとよいでしょう。

商談前のリサーチと商談準備
訪問前に顧客企業のウェブサイトやニュース、決算資料を読み込む作業には、1件あたり数十分から数時間かかります。公開情報を読ませて事業の概況や直近の動き、想定される課題を整理させると、この時間を短縮できます。過去の商談履歴やメールのやり取りをあわせて渡せば、前任者からの引き継ぎ資料に近い内容まで出力できるでしょう。
指示に含めたい要素は、次の4点です。
- 相手の情報:業界、規模、想定される部署と役職
- 自社の提案領域:扱う商材と、今回持ち込みたいテーマ
- 確認したい論点:予算の時期、意思決定者、競合の利用状況
- 出力形式:A4一枚に収まる箇条書き、想定質問は5つまで、といった指定
出力に含まれる企業情報や数値は、そのまま信じずに公式サイトや開示資料で事実確認をしてください。古い情報や別会社の情報が混ざる場合があり、商談の場での事実誤認は信頼を損ないます。
提案書とメールの下書き作成
提案書づくりで時間を取られるのは、ゼロから構成を考える段階です。顧客の課題や提案の骨子、想定効果を渡してたたき台を作らせ、人が構成を組み替えて加筆する分担にすると、初稿づくりの負担が下がります。過去に受注した提案書の構成をひな型として一緒に渡しておくと、出力は自社の型に沿った内容に近づくはずです。
メールも同様で、商談メモと目的を渡せば、お礼と次回の提案を含む文面の案が短時間でそろいます。担当者ごとに文体がばらつく問題も、ひな型の共有で抑えられるでしょう。
- 提案書:課題の整理、構成案、想定効果の記述、想定される反論への回答案
- メール:初回接触、商談後のお礼、失注後の再アプローチ、日程調整の各パターン
- 注意点:一般論のまま送らない。顧客固有の事情を人が加筆してから提出する
商談中の質疑対応と練習
商談当日にその場で答えられず持ち帰る回数が増えるほど、意思決定は先送りされます。商談前に想定質問と切り返しの案を作らせておけば、準備の抜けを減らせます。価格の妥当性や競合との違いなど、質問の傾向が決まっている項目ほど効果的です。
練習の場でも生成AIを使えます。顧客役との対話を繰り返し、会話の内容から改善点の指摘を受け取る方法です。
前述のSalesforceの調査では、顧客対応の前に十分な練習機会がないと答えた営業担当者が47%、商談の内容についてフィードバックを受ける機会がまれだと答えた人が46%でした。指導する側の時間が足りない現場ほど、練習の相手役をAIに任せる意味があります。
出典:The Productivity Gap: New Survey Shows 9 in 10 Sellers Are Betting on AI and Agents To Help(Salesforce)(2026年2月)
この使い方を組織の規模で運用している例が、後半で紹介する住友生命の取り組みです。
商談後の議事録と社内システムへの入力
商談の録音や手書きメモを渡すと、決定事項、顧客の懸念、次に取るべき行動を分けて整理した議事録が出力されます。営業支援システムの入力項目に合わせた形式を指定しておけば、貼り付けるだけで報告が済みます。
- 議事録の出力項目:商談の要約、顧客の課題、示された懸念、合意事項、双方の次アクションと期限
- 報告の効率化:日報や週報の形式を指定し、複数の商談メモをまとめて処理する
- 入力の負担軽減:システムの必須項目に沿った形式で出力させ、転記の手間を減らす
ここで削減できるのは時間だけではありません。報告が滞ると商談記録が積み上がらず、後の分析にも出力の精度にも影響が出ます。記録の質は、後半で扱う「出力が一般論にとどまる」問題に直結する部分です。
失注分析とパイプラインの振り返り
蓄積した商談記録をまとめて読ませ、失注の理由を分類させる使い方もあります。価格や時期、競合、決裁者の反対といった観点で分ければ、個別の商談では見えなかった傾向が浮かび上がる場合もあるでしょう。マネージャーが対策を検討する材料として役立ちます。
案件の停滞についても、最終接触からの日数や次アクションの有無を整理させれば、フォローの漏れを見つけられます。
- 失注分析:直近半年の失注記録を分類し、上位3つの理由と該当件数を出す
- パイプラインの確認:停滞している案件を抽出し、次に取るべき行動の候補を挙げる
- 進め方:まず1人が試す → 使えた指示文をチームで共有する → 定例会議の資料として定着させる
営業で使う生成AIツールの選び方
営業で使う生成AIのツールは、大きく4種類です。汎用の対話型AIから始めるか、営業に特化したツールを入れるかで、初期の費用と手間が変わります。
| 種類 | 代表的な使い方 | 導入のしやすさ | 向いている場面 |
|---|---|---|---|
| 汎用の対話型AI | 提案書やメールの下書き、リサーチの要約 | 高い。既存の業務を変えずに始められる | まず効果を確かめたい段階 |
| 商談解析・議事録ツール | 商談の文字起こしと要約、発言の分析 | 中程度。録音の運用ルールが必要 | 報告と記録の負担が大きい組織 |
| 顧客管理システム組み込み型 | 顧客データを参照した要約と次アクションの提示 | 中程度。既存システムとの接続が前提 | 顧客管理システムの入力が定着している組織 |
| 営業特化のAIエージェント | 商談準備から報告までの一連の作業の代行 | 低い。業務フローの見直しを伴う | 営業プロセス全体を作り替える段階 |

4種類の使い分け
判断の基準は、いま時間を奪われている作業がどこにあるかです。提案書やメールの作成が負担の中心であれば、汎用の対話型AIで十分でしょう。費用も小さく、効果を確かめてから次の投資を決められます。
商談後の入力そのものが滞っているなら、顧客管理システムに組み込まれたAIや商談解析ツールのほうが効果を出しやすい構成です。営業特化のAIエージェントは、商談準備から報告までを一貫して任せる段階で選択肢に入ります。
法人で導入する前に確認する5項目
営業で使う場合、入力する情報には顧客名や価格、商談で聞き出した社内事情が含まれます。個人向けのプランをそのまま使うと、情報の扱いで問題が生じかねません。導入前に次の項目を確認してください。
- 入力した内容がAIの学習に使われない設定になっているか
- データがどこで処理されるか。国内での処理を求める規程があるか
- 管理者が利用状況を把握し、禁止する情報の入力を止められるか
- 既存の顧客管理システムや営業支援システムと接続できるか
- 効果が出た指示文を組織で共有し、全員が同じ品質で使える仕組みがあるか
企業の活用事例
ここからは、営業部門で生成AIを実際に使っている企業の取り組みを紹介します。海外では、AIを提供する企業が自社の営業組織で効果を測り、その数字を公開する例が出てきました。
数字を読むときは、業務時間の削減にとどまる事例と、受注率や商談数といった営業指標まで動いた事例を分けて読むと理解しやすいはずです。
マイクロソフトの営業組織で受注率が20%向上
マイクロソフトは、自社の営業担当者にCopilot for Salesを展開し、その効果を測定しました。営業担当者はOutlookやTeamsから離れずに、商談前の要約の確認や顧客管理システムの更新、フォローアップの作成を済ませられます。社内で先に使い、その結果を製品の改善へ反映させる進め方です。
主な成果(マイクロソフト)
- 営業担当者1人あたりの売上:9.4%増
- 営業担当者1人あたりの商談数:5%増
- 個人の受注率:20%向上
出典:Closing the deal with Microsoft 365 Copilot for Sales at Microsoft(Microsoft)(2025年8月)
Salesforceが未対応のリードにAIエージェントを充てた取り組み
Salesforceは、対応しきれずに放置していたリードにAIエージェントを充てました。人手では追いきれない量の見込み客に対して、AIが接触と初期の対応を担う運用です。同社の営業責任者は、以前は取りこぼしていたリードを拾い直せるようになったと説明しています。
主な成果(Salesforce)
- AIエージェントが接触したリード:4か月で13万件
- 創出された商談:3,200件
出典:The Productivity Gap: New Survey Shows 9 in 10 Sellers Are Betting on AI and Agents To Help(Salesforce)(2026年2月)
Anthropicの営業チームが担当4,000社の優先度づけを自動化
Anthropicの営業責任者は、担当する4,000社についてAIに任せた業務を公開しました。対象は商談前の資料づくりと週次の売上見込みの取りまとめ、そして担当領域の優先度づけです。
売上見込みの資料づくりでは、営業支援システムのSalesforceから案件情報を、社内のデータベースから利用実績を集め、決まった書式のレポートへ組み立てるところまで自動で進みます。担当者は、出来上がった資料に解釈を加える作業に集中できます。
主な成果(Anthropic)
- 週次の売上見込みの取りまとめ:週あたり約3時間の削減
- 担当4,000社の優先度づけ:部門横断で数百時間かかっていた作業を夜間の処理で完了
- 商談前の準備:過去のやり取りや社内の情報を集めた資料を自動で用意
出典:How an Anthropic sales leader uses Claude Cowork to run a 4,000-account book(Anthropic)(2026年5月)
全研本社が提案の受注率を高め外注費を削減
国内の事例では、全研本社がChatGPT Enterpriseを全社に導入しました。営業メールや提案資料の初稿づくりが主な用途です。
導入前は、見込み客の調査や提案資料の作成に時間を取られ、顧客と向き合う時間が限られていました。現在は初稿を短時間で用意でき、担当者は提案の中身を詰める作業へ時間を振り向けられます。
主な成果(全研本社)
- 提案の初期審査の通過率:15〜20%増
- 新規案件の受注率:5〜10%増
- 最終提案の承認率:約30%増
- 外注していた業務の内製化により、年間の外注費を約5,000万円削減
- 週あたりの利用率:全社で90%超
出典:Zenken boosts a lean sales team with ChatGPT Enterprise(OpenAI)(2026年1月)
住友生命の営業職員の練習を支えるAIロールプレイング
当社がご支援した事例が、住友生命の取り組みです。営業職員が顧客役のAIと対話し、応対の内容から改善点の指摘を受け取る仕組みで、2024年4月から運用が始まりました。当社が担当したのは、企画構想の支援から技術検証、システムの実装と運用までです。
2025年12月には機能を強化し、性別や年代、家族構成の異なる顧客像を想定した対話と、台本のない自由な会話にも対応しました。会話の要約から修正すべき点を判定し、その場で示す仕組みも備えます。
取り組みの規模とねらい(住友生命)
- 新人層の営業職員が身につけるべき標準的な話法の習得を目的に導入
- 台本のない自由な対話と、会話内容にもとづく即時の助言
- 指導する側の時間に左右されずに練習量を確保する運用
出典:エクサウィザーズ、住友生命とAIロールプレイングシステムの機能を強化(エクサウィザーズ)(2026年1月)
紹介した5社の取り組みを一覧にまとめました。
| 企業 | 領域 | 取り組み | 主な成果 |
|---|---|---|---|
| マイクロソフト | 商談準備・報告 | 業務アプリ内で顧客情報の参照と更新を完結 | 1人あたり売上9.4%増、受注率20%向上 |
| Salesforce | リード対応 | 未対応のリードにAIエージェントを充当 | 4か月で13万件に接触し3,200件の商談を創出 |
| Anthropic | 商談準備・案件管理 | 売上見込みと優先度づけの自動化 | 週約3時間の削減、4,000社の優先度づけを夜間で完了 |
| 全研本社 | 提案準備 | 提案資料とメールの初稿づくり | 新規案件の受注率が5〜10%増、外注費を年約5,000万円削減 |
| 住友生命 | 育成 | AIとの対話による応対練習 | 標準的な話法の習得と指導の効率化 |

顧客情報を扱う営業で環境を分ける場合の選択肢
商談メモには顧客名や価格、社内の検討状況が含まれます。この情報を入力する前提に立つと、学習への利用を止められること、データの処理を国内で完結できること、管理者が利用状況を把握できることが導入の条件です。個人向けのプランでは、この3点を満たせない場合があります。
当社は、こうした要件を満たしたうえで営業部門の業務に使える法人向け生成AIサービスとして「エクサベース AI」を提供しています。導入から現場への定着までを当社の専門家が伴走する体制で、2026年7月時点の導入実績は1,700社・15万人です。サービスの詳細は、エクサベース AIのサービスページからご確認いただけます。
営業で生成AIが定着しない4つの原因と対処
ここまで紹介した数字は、いずれもうまくいった取り組みの結果です。実際には、導入したものの一部の担当者しか使わないまま利用率が落ち込む例も見られます。成果が出ている組織に共通するのは、使い続けられる仕組みを整えたうえで数字を伸ばした点です。
営業部門で生成AIが定着しない原因は、大きく4つに分かれます。原因ごとに対処の方法が違うため、自社がどれに当てはまるかを先に見極めてください。

使い方が共有されず個人の工夫で終わる
担当者が試行錯誤の末に見つけた効果的な指示文は、その人のメモに残るだけで、ほかのメンバーには伝わりません。結果として、速くなるのは試した本人の作業だけで、部署全体の提案書作成時間は変わらないまま終わります。
指示文を個人の工夫から組織の資産に変える仕組みが必要です。
- 効果が出た指示文をひな型として登録し、チーム全員が呼び出せる状態にする
- 用途別に整理する。商談準備、提案書、議事録、失注分析といった単位で分ける
- 月に一度、使われているひな型と使われていないひな型を確認し、内容を更新する
出力が一般論にとどまり提案に使えない
生成AIが自社の商品情報や過去の提案、商談履歴を参照できない状態では、出力は誰にでも書ける一般論に落ち着きます。提案書のたたき台としては物足りず、担当者は結局ゼロから書き直すことになるでしょう。
社内の資料や顧客管理システムのデータを参照させる設定を加えると、出力は自社の文脈に沿った内容へ変わります。ただし、参照させるデータそのものが古い、あるいは入力されていなければ、精度は上がりません。
Salesforceの調査でも、AIを使う営業リーダーの51%がシステムの分断がAI活用の足かせになっていると答え、74%がデータの重複や誤りを直す作業に取り組んでいました。売上を伸ばした上位層に限れば、データの整備を優先している割合は79%です。
出典:The Productivity Gap: New Survey Shows 9 in 10 Sellers Are Betting on AI and Agents To Help(Salesforce)(2026年2月)
商談記録の入力を軽くする取り組みと、社内データを参照させる取り組みは、片方だけでは効果が出にくい関係です。
顧客情報の入力ルールが決まっていない
営業の現場では、顧客名や担当者名、価格、与信の状況といった情報が日常的にやり取りされます。ルールを決めないまま使い始めると、担当者は判断に迷い、使用を控えるか、何も考えずに入力するかのどちらかへ傾く可能性があります。
- 入力してよい情報と、してはいけない情報を具体例で示す
- 学習への利用を止める設定と、データの処理場所を確認して社内に周知する
- 管理者が利用状況を確認できる状態にし、禁止する語句を登録する
ルールは短くまとめ、営業部門の会議で一度説明したうえで、いつでも参照できる場所に置く運用が現実的でしょう。判断に迷った時点で、現場は使うのをやめてしまいます。
効果が測れず次の投資判断ができない
「作業が速くなった」という感想だけでは、追加の投資を決裁できません。営業部門で使う以上、測る指標も営業の指標であるべきです。導入の前に測定項目を決め、試験導入の期間中は同じ基準で比較してください。
- 時間の指標:商談1件あたりの準備時間、議事録と報告にかかる時間
- 活動の指標:1人あたりの商談件数、新規接触件数
- 成果の指標:受注率、商談の平均期間
- 定着の指標:週あたりの利用者の割合、ひな型の利用回数
4つをすべて追う必要はありません。まず時間と定着の指標で使われている状態をつくり、そのうえで商談件数と受注率の変化を見れば、投資判断の材料はそろうはずです。
営業の生成AI活用を支えるエクサベース AI
当社は、市場シェアNo.1※を獲得した法人向け生成AIサービス「エクサベース AI」を提供しています。前のセクションで挙げた4つの原因に、サービスの機能と支援がどう対応するかを整理しました。
※ 「デロイト トーマツ ミック経済研究所「LLM(大規模言語モデル)を自律的に連携させ非定型業務を自動化するAIエージェント ソリューションサービスの市場動向 2025年度版 」「富士キメラ総研「2026 生成AI/AIエージェントで飛躍するAI市場総調査」<2024年度実績・サードパーティ対話型生成AIアプリケーション・ベンダーシェア>」
※2026年7月時点
| 定着を妨げる原因 | 汎用のツールで起きやすいこと | エクサベース AIでできること |
|---|---|---|
| 使い方が共有されない | 効果が出た指示文が個人のメモに残る | 指示文のひな型を標準搭載し組織で共有。自社の業務に合わせたエージェントの作成にも対応 |
| 出力が一般論にとどまる | 社内資料や商談履歴を参照できない | 社内データとの連携により自社の文脈に沿った出力を生成 |
| 入力ルールが決まっていない | 学習利用や処理場所を制御できない | 学習への利用を遮断しデータ処理を国内で完結。管理者による利用状況の把握と禁止語句の登録に対応 |
| 効果が測れない | 削減時間を個人の感覚でしか把握できない | 業務ごとの削減時間を自動で集計し画面上で確認 |
用途に応じてGPT、Gemini、Claudeなど複数のAIモデルを使い分けられる点も特徴です。営業部門向けには、商談の準備から報告までを担う「エクサベース セールスエージェント」も提供しています。商談前の情報整理から商談中の助言、報告作成、成果分析まで、自律的に営業担当者をサポートする4つの専門エージェントを搭載を搭載しています。
出典:営業に特化した複数のAIエージェントを提供開始、事務作業を大幅削減し商談数・成約率向上を実現(エクサウィザーズ)(2026年3月)
導入から定着までは当社の専門家が伴走し、課題の洗い出しから指示文のひな型づくり、効果測定までを一緒に進める体制です。
サービスの機能や料金は、エクサベース AIのサービスページをご覧ください。
まとめ
営業で生成AIを使う場面は、商談前のリサーチから提案書とメールの下書き、商談中の質疑対応と練習、商談後の議事録作成やシステム入力、失注分析まで広がっています。
成果を出している企業は、作業時間の削減にとどまらず、受注率や商談数といった営業の指標まで動かしました。
導入を進める手順は、次の4つです。
- まず試す:商談後の議事録と報告書の作成から始める。手順が決まっていて成果を確認しやすい
- 型にする:効果が出た指示文をひな型として登録し、チーム全員が同じ品質で使える状態にする
- 精度を上げる:自社の商品情報や商談履歴を参照させ、出力を一般論から自社の提案へ近づける
- 広げる:入力ルールと測定項目を決めたうえで、部門全体へ展開する
顧客情報を扱う以上、学習への利用の遮断、データ処理の場所、利用状況の把握は導入の前提条件です。この条件を満たしながら営業部門での活用を進めるなら、エクサベース AI をご検討ください。
※ 料金やモデルの仕様、利用上限などの最新情報は変更される可能性があるため、導入検討の際は必ず各サービスの公式ウェブサイトにて最新の金額・情報をご確認ください。
※ 記載されている会社名、製品・サービス名は、各社の登録商標または商標です。



