NewsHub.JP
NewsHub.JP

Sansanの商談AI、準備時間削減が変える営業組織と人材戦略

by 渡辺 由紀
URLをコピーしました

商談の前後まで広がる営業AI改革の射程

顧客との商談に必要な仕事は、会議室やオンライン会議で話す時間だけではありません。相手企業の調査、過去の接点確認、提案資料の作成、議事録、顧客管理システムへの入力まで、前後に多くの付帯業務が発生します。社外会議の生産性を高めるには、この一連の流れを対象にする必要があります。

Sansanが営業担当者539人を対象に実施した2026年の調査では、商談は1人当たり月平均9.7回、1回の準備時間は平均61分でした。54.9%は、相手企業や担当者の情報を十分に集められないまま商談に臨むことがあると回答しています。準備時間を減らすだけでなく、限られた時間で必要な情報へ到達することが課題です。

Sansanの公開資料で確認できる代表的な成果は、商談準備時間を1人当たり月17.8時間削減した事例です。一方、「月60時間」という数字については、対象人数や集計範囲を特定できる公開資料が確認できません。効果を評価する際は、チーム全体か1人当たりか、準備だけか報告まで含むかを分けて読む必要があります。

分散データを即戦力に変えるSansanの設計

準備・記録・共有をつなぐ一連の業務設計

Sansanの特徴は、生成AIを単独の文章作成ツールとして使うのではなく、社内に蓄積された顧客情報と結び付けている点です。2026年9月に提供を始めた「AIサーチ」は、名刺情報、商談履歴、330万件以上の企業情報、公開されたWeb情報を横断して参照し、企業や人物の概要をまとめます。

営業担当者が手作業で複数のシステムを巡回すると、「情報がない」のか「見つけられない」のかを判別しにくくなります。横断検索は、この探索コストを下げる仕組みです。移動中にスマートフォンから確認できれば、訪問直前の更新情報や過去の接点も準備に反映できます。

商談の各工程では、AIと人の役割を次のように切り分けられます。

工程AIが支援しやすい作業人が担う判断
商談前企業動向の収集、過去履歴の要約、提案骨子の下書き顧客課題の仮説、優先論点、提案方針
商談中音声の文字起こし、論点や宿題の抽出質問、感情の把握、合意形成
商談後議事録、報告文、顧客管理システムへの登録案記録の確認、次回行動、社内調整

重要なのは、AIの出力をそのまま顧客へ渡すのではなく、人が事実と文脈を確かめる工程を残すことです。営業では、過去の経緯や組織内の力関係など、データだけでは捉えにくい事情が意思決定を左右します。

公開実績で確かめる削減効果の現在地

Sansanが2025年に公表した社員927人への社内調査では、生成AIの業務活用率が99%に達しました。98%が仕事の質の向上を感じ、71%は1日30分以上の時間短縮を実感したと回答しています。ただし、いずれも社員の自己評価を含む社内調査であり、外部企業に同じ効果が表れるとは限りません。

同社のContract Oneチームでは、カスタムGPTを累計5000回活用し、商談準備を1人当たり月17.8時間削減したとされています。統合報告書2025によると、2025年5月期には生成AI教育へ約5800時間、関連投資へ7200万円を充てました。ツールを配るだけでなく、学習時間を業務として確保した点が活用率を支えています。

社内情報を横断検索する「Sansan GPT」の開発事例では、従来1~2時間かかった提案準備が30分~1時間になりました。実装時には、顧客管理システム内の不要な項目を除き、長い音声書き起こしを先に要約するなど、AIが参照しやすい形へデータを整えています。短縮効果の源泉は、生成AIの性能だけでなく情報整備にもあります。

外部の利用事例では、明電舎が40万枚以上の名刺と数千件以上の商談履歴を集約し、情報の確認・収集時間を平均30~40%短縮しました。引き継ぎ時の確認や調査も従来の約3分の2になったとする導入結果が公表されています。ベンダー発表の事例という留保は必要ですが、情報の一元化が準備と引き継ぎの双方に効く構造は読み取れます。

削減時間を訪問と提案品質へ戻す人材戦略

訪問件数だけにしない時間の再配分

AIで時間が浮いても、その時間が自動的に売上へ変わるわけではありません。訪問件数を増やすのか、提案を深めるのか、残業を減らすのかを経営側が決めなければ、空いた時間は別の事務作業に吸収されます。件数だけを評価すると、AI導入が仕事の密度を高めるだけの結果にもなり得ます。

HubSpotの営業調査では、営業職の生成AI活用率が1年間で28.9%から43.4%へ上昇しました。ほぼ毎日使う人は週平均3.6時間の削減を実感する一方、商談準備時間は週1日以上使う人が約87分、利用していない人が約63分でした。因果関係は示されていませんが、AI利用者が浮いた時間を削るだけでなく、準備の深掘りに回している可能性があります。

創出時間の使い道も、「提案の質を高める思考」が43.9%で最多でした。「休憩や労働時間の短縮」が38.2%、「業務改善の検討」が34%、「顧客との対話や関係構築」が32.3%と続きます。AI活用の成果を訪問件数だけで測ると、提案品質や従業員の回復時間といった効果を取りこぼします。

営業担当者には、AIが作った企業概要を読み上げる以上の役割が求められます。BtoB購買調査では、買い手の63.5%が売り手へ接触する時点で複数候補の選定以降まで進んでいました。一方、AI検索や生成AIがまとめた情報を信頼できるとした割合は37.8%で、調査対象の情報源の中で最も低い結果です。

買い手自身がAIで比較表や社内説明資料を作る時代には、営業担当者の価値は情報量だけでは決まりません。相手企業固有の制約を聞き出し、選択肢の違いを説明し、社内決裁を前へ進める役割が重要です。削減時間は、こうした対話や合意形成へ優先的に再配分する必要があります。

個人利用を組織能力へ変える標準化

生成AIを一部の得意な社員だけが使うと、準備時間と提案品質の差がかえって広がります。Sansanの営業担当者がプロンプトをテンプレート化し、準備時間を従来の4分の1程度にした事例は、個人の工夫を組織資産へ変える重要性を示します。

HubSpotの調査でも、会社が利用を許可しただけの場合、週1回以上使う人は47.2%でした。研修や共有プロンプト、顧客管理システムとの連携など、業務プロセスまで組み込んだ企業では74.8%に上昇しています。定着を左右するのは、社員の意欲だけではなく業務設計です。

日本企業は、この組み込みで課題を抱えています。IPAのDX動向2025では、生成AIを導入・試用・検討する企業のうち、部署の業務プロセスへ組み込んだ割合は日本が13.1%でした。米国の37.8%、ドイツの37.9%と差があります。

人材育成では、正解例だけをAIに出させる運用にも注意が必要です。若手が顧客課題を考える前に提案骨子を受け取れば、仮説をつくる力が育ちにくくなります。最初に本人が仮説を記録し、その後にAI案と比較する研修なら、効率化と学習を両立できます。管理職には、文章の細部を直す役割から、問いの質や顧客理解を指導する役割への転換が求められます。

顧客情報と成果測定に残る四つの難所

個人情報・誤回答・業務監視への防波堤

第一の難所は顧客データの管理です。個人情報保護委員会は、個人情報を生成AIへ入力する場合、利用目的に必要な範囲かを確認し、サービス提供者が入力データを機械学習へ利用しないことなどを確かめるよう注意を示しています。名刺、音声、商談履歴を扱う仕組みでは、入力範囲、保存期間、閲覧権限、削除手順の明文化が欠かせません。

第二は誤回答です。公開情報が古かったり、同姓同名の人物を取り違えたりすれば、商談前の仮説そのものが崩れます。重要な数値には出典と取得日を表示し、担当者が原資料へ戻れる設計が必要です。

第三は過度な業務監視です。音声記録や活動ログを人事評価へ流用すれば、社員は失敗を避ける無難な会話に傾きます。営業支援のデータと評価用データを分け、利用目的を社員と顧客へ説明することが信頼の前提です。

IPAの営業秘密管理調査では、生成AIの業務利用について何らかのルールを設けた企業は52.0%でした。利用を認める企業と認めない企業がほぼ半数ずつに分かれています。全面禁止か無制限利用かではなく、公開情報、社内限定情報、個人情報を区分する運用が現実的です。

「月60時間」を成果へ翻訳する測定法

第四の難所が、削減時間の測り方です。「月60時間」と示す場合でも、チーム全体と1人当たりでは意味が大きく異なります。導入前後で商談件数が変われば、総時間が減っても1件当たりの負担は増えている可能性があります。

測定時には、対象者数、測定期間、商談件数、準備から報告までの作業範囲をそろえる必要があります。平均値だけでなく中央値も確認すれば、一部の長時間案件による偏りを把握できます。AIの利用料、データ整備、研修、確認作業もコストに含めるべきです。

IPAのDX動向2026調査は、国内企業のAI活用が広がる一方、効果は業務効率化や迅速化に集中し、企業価値の創出は限定的だと指摘しています。時間削減をゴールにせず、受注率、顧客満足、残業、離職意向まで追って初めて、人材戦略としての成果を判断できます。

営業組織が次に整える実装指標と役割分担

導入の第一歩は、商談前後の業務を「探索」「作成」「入力」「判断」に分け、AIへ任せる範囲を決めることです。まず特定チームで準備時間、記録時間、提案の修正回数を測り、導入後も同じ条件で比較します。

次に、創出時間の配分方針を社員と共有します。訪問件数、提案品質、顧客との対話、管理職の育成時間、残業削減を並べ、役割ごとに優先順位を定めます。件数を増やす場合も、成約率や顧客満足が低下していないかを同時に確認する必要があります。

Sansanの事例が示す本質は、AIが会議そのものを代替することではありません。分散した情報を再利用できる状態に整え、人が対話と判断へ時間を戻すことです。削減時間の使途まで設計し、社員の学習機会と裁量を守れる組織ほど、社外会議の効率化を持続的な営業力へ変えられます。

参考資料:

渡
渡辺 由紀

雇用・人材戦略・キャリア

雇用・人材戦略・キャリアを専門に取材。高専人材の争奪戦から中途採用市場の変化まで、「働く」を取り巻く構造変化を解き明かす。

関連記事

川邊健太郎氏のAIソロ起業が問う一人会社と人材戦略の大転換期

元LINEヤフー会長の川邊健太郎氏が進めるAIソロ起業は、従業員ゼロの奇策ではなく、採用難と生成AI浸透が交差する時代の組織実験です。開発、法務、経理、営業をAIに任せる会社で人間に残る仕事、人材戦略の再設計、孤独とガバナンスの課題を国内外の企業調査やフリーランス白書を踏まえ、採用実務の視点から解説。

高年収窓際族を生まないAI時代の人材再配置戦略と学び直し改革

AIで管理職や専門職の仕事が消えるより先に、役割の空白が可視化されています。JILPTやOECDの調査、DX人材不足、職務給の動きから、高年収の窓際化を防ぎ、意欲ある人を事業へ戻す再配置とリスキリングの設計を解説。人手不足下で人を余らせない評価、社内公募、学習投資の実務上の勘所を深く丁寧に読み解く。

生成AI就活で揺れる不正線引き、企業が問う採用評価基準の再考

マイナビ調査では2027年卒の84.9%が就活でAIを利用し、Web面接中の参照も57%に広がっています。AI禁止か容認かだけでは不十分です。ES、面接、Webテストで何を本人の能力として測るのか、企業が透明なルールと実務型評価へ採用を組み替える要点を、人事の実務視点と学生の納得感の両面から丁寧に解説。

AI時代の新卒採用減少、企業が進める量から質への人材戦略大転換

AI活用で定型業務が減るなか、27年卒の大卒求人倍率は1.62倍でも採用は二極化しています。富士通のジョブ型、ENEOSの職種別募集停止、クボタの239人から60人への抑制を手がかりに、企業が量から質へと移る採用戦略、AI面接の広がり、育成空白のリスク、就活生が今磨くべき実務の力と具体策を読み解く。

社員AI無駄遣い抑制へ、企業が急ぐ成果評価制度の新基準づくり

Uberは従業員ごとに月1,500ドルのAIコーディングツール上限を導入し、Amazonは利用量ランキングを停止しました。AI活用を熱量や利用回数ではなく、成果・費用・リスクで測る段階に入った背景を整理し、管理職が評価制度で見直すべき費用指標、品質指標、例外運用の要点を人材戦略の視点から丁寧に解説。

最新ニュース

リーマン予想をAIで証明か、アンソロピック研究者発表を徹底検証

アンソロピックの数学者レベント・アルポゲ氏がClaudeとリーマン予想を証明したと発表。17万5187個のLeanファイルは独立検証を通過した一方、クレイ数学研究所の正式認定と人間が読める証明は未完です。AIが探索し形式証明系が検算する新しい研究工程の実力、限界、企業の競争優位と将来像まで読み解く。

デビット決済が電子マネーを逆転、預金争奪戦で銀行サービス激変

2026年1〜6月のデビット決済額は3兆2272億円となり、SuicaなどIC型電子マネーの2兆7957億円を初めて上回った。預金残高に連動するポイント還元、約4000円の利用単価、銀行の狙いを整理。還元率だけでは見落としやすい補償や対象外取引を含め、決済市場の構造変化と家計の選択軸を多角的に読み解く。

日本人の半数「努力したくない」 意欲低下を招く日本型雇用の構造

野村総合研究所の調査で「努力や訓練が必要なことはあまりやりたくない」とする日本人が49.8%に達し、11年で15.5ポイント増えた。若者より50代・60代で目立つ背景を、実質賃金の低迷、管理職の負担、学び直しの機会格差、調査上の注意点から検証。意欲を個人責任にしない人材戦略の具体的な改革を解説する。

NVIDIA株14%急落、SEC会計調査で問われる企業の開示統治

米証券取引委員会(SEC)がNVIDIAの会計処理を調査しているとロイターが報道し、同社株は14.01%安の125.53ドルで引けた。調査内容は非公表だが、地理別売上の集計変更や顧客集中、売掛金・投資・保証の膨張が焦点候補となる。過去の開示違反と経営移行も踏まえ、今後、投資家が確認すべき論点を解説。

S&P500調整入り、AI株高ピーク説を業績と資金循環で検証

S&P500は7日続落し、10月の最高値から11%超下落して調整局面に入った。NVIDIAの記録的な増収やAnthropicの大型IPOでも売りを止められなかった背景を、AI投資の資金循環、金利、企業統治、市場評価の変化から分析。AI需要の終焉か、期待先行相場の健全化かを見極める指標を投資家向けに解説。