製品
伸び悩む業績レポートを前に、経営層と営業マネージャーが厳しい表情で今後の対策を話し合っている会議のシーンです。

営業組織改革とは、成果を再現する仕組みづくり

営業組織改革と聞くと、組織図の見直しや評価制度の変更を思い浮かべる方が多いかもしれません。ただ、成果を左右しているのは、一部の担当者が持つ成果の出し方が組織全体で再現できるかどうかです。改革の起点は、この再現性にあります。

UMUの取り組みを詳しく知る

組織改革が実際に変えるもの

制度変更で終わらせない

組織改革というと、組織図や評価制度の設計変更に関心が集まりがちです。ただ、担当者の日々の商談での動き方が変わらなければ、数字は動きません。制度を整えることは出発点にすぎず、現場の行動が変わって初めて改革は前に進むと言えます。

現場の行動を変える設計

成果を生んでいる一部の担当者の進め方を、組織全体で再現できるようにしていく取り組みです。優秀な数名だけに依存する状態から、チーム全体で安定して成果を出せる状態へと変えていくことが、改革の中身なのです。

成果が一部の担当者に偏る理由

具体的な根拠のない主観的なフィードバックだけが示され、改善の手がかりをつかめずにいる担当者の状況を描いたイラストです。

成果の出し方が暗黙知になる

成果を出している担当者の多くは、自分がなぜうまくいくのかを言葉にしきれていません。顧客の反応を見て質問の切り返し方を変える判断は、経験の中で自然と身についた感覚に基づいています。この感覚が本人にとどまっている限り、同じ成果を他のメンバーが再現するのは難しいのです。

評価が主観にとどまる

商談の良し悪しを振り返る場面でも、判断の多くは見る人の印象に委ねられています。同じ商談でも、評価する人によって指摘する点が変わることは少なくありません。何がよくて何を直すべきかを組織で共通の基準として持てていないため、改善の方向がメンバーごとに分かれやすいと言えます。

標準化と育成が追いつかない現実

大量のコーチング依頼を一人で抱え込み、対応しきれずに疲弊しているマネージャーの状況を描いたイラストです。

暗黙知は資料化しきれない

成果を出す担当者の判断を、手順書やトークスクリプトに書き起こそうとする取り組みは、これまで数多く試みられてきました。もっとも、いつ質問を掘り下げ、どの言葉で顧客の不安をほぐすのかといった判断の細部は、文章にした時点で抜け落ちてしまいます。読めば分かることと、その場でできることの隔たりは、なかなか埋まらないのです。

コーチングが追いつかない

仮に基準を言葉にできても、それを一人ひとりに伝え、練習に付き合うには、マネージャーの時間が欠かせません。一人のマネージャーが見られる範囲には、どうしても限りがあると言えます。人手による指導だけに頼る限り、現場が忙しくなるほど育成の質にばらつきが出やすくなります。

人手だけに頼らない練習の仕組み

同じ基準で全員が練習する

AIシミュレーションロールプレイでは、成果を出す担当者の進め方を評価基準としてAI側に組み込み、全員が同じ基準で練習と評価を受けられます。顧客役をAIが務めるため、相手の都合を待たずに何度でも実践に近い対話を繰り返せます。個人にとどまっていた判断の型を、組織で共有できる形に近づける取り組みと言えます。

AIが担うのは練習と評価

ここで大切なのは、AIがすべての育成を肩代わりするわけではないという点です。AIが担うのは、反復練習の相手役と、評価の基準を統一する部分に限られます。目標設定や動機づけ、顧客との信頼関係づくりまで代わりに行うわけではないのです。だからこそ、人にしかできない仕事にマネージャーが集中できるようになります。

AIロールプレイが変える営業の現場

各地に分散した多くの担当者が、AIに支えられて同時に質の高い練習に取り組んでいる様子を描いたイラストです。

新任担当者の立ち上がり

配属されたばかりの担当者は、上司の空き時間を待つ必要がありません。通勤中や商談の合間に、AIを相手に対話練習を重ねられます。質問の流れや反論への切り返しを、顧客と向き合う前に繰り返し試せるのです。マネージャーが一人ずつ付き合っていた頃と比べ、立ち上がりの期間を縮めていけます。

拠点をまたぐ品質の統一

複数の拠点を持つ組織では、同じ商材でも説明の仕方が担当者ごとに分かれがちです。全拠点が同じAIシナリオで練習し、共通の基準で評価を受けられます。地域による対応のばらつきも抑えやすくなると言えます。さらにマネージャーは、練習データからどの拠点のどの段階でつまずいているのかを把握できます。

まとめ

改革の本質は成果の再現性

営業組織改革の中心は、制度や組織図の変更ではありません。一部の担当者に偏った成果の出し方を、組織全体で再現できる状態に近づけることにあります。

定着を阻むのは属人化と主観評価

成果を生む判断が個人の経験にとどまり、評価も見る人の主観に委ねられている状態では、改革はかけ声で終わりがちです。成果の出し方を共有できる形に整え、誰が見ても同じ基準で評価できる土台づくりが欠かせません。

AIが担うのは練習と基準の統一

AIとの実践練習は、反復の相手役と評価基準の統一を引き受けます。一方で、目標の設定や動機づけ、信頼関係づくりは人にしか担えません。人とAIの役割を分けて考えることが、現実的な改革の一歩になります。

UMUが選ばれる理由

1,000社突破
導入企業数
1億人超
ユーザー数
208以上
対応エリア
100社突破
Fortune 500企業導入
UMUとは
2015年の設立以来、10年以上にわたりエビデンスに基づく「学習の科学」に特化
ATDをはじめとする世界的な専門機関と連携し、学習の科学の知見をビジネス現場に実装
導入実績
世界トップ20製薬企業のうち18社
世界トップ5医療機器メーカーのうち4社
国内トップ5製薬企業のうち4社
国内トップ5保険会社のうち4社
国内人気企業ランキングTOP20の半数近くが導入
セキュリティ・コンプライアンス
ISO/IEC 27001:情報セキュリティマネジメントシステム (ISMS) の国際規格
ISO/IEC 27017:クラウドサービスに関する情報セキュリティ管理の国際規格
SOC 3:セキュリティ・可用性に関する第三者監査報告書
ISO/IEC 27018:クラウド上の個人情報保護に関する国際標準
ISO/IEC 27701:プライバシー情報管理に関する拡張標準
GDPR:EU一般データ保護規則
HIPAA:米国の医療情報保護に関する連邦法
ISO/IEC 42001:AIマネジメントに関する国際標準
AI活用基盤
最新のエンタープライズ向けAIモデルを採用
企業データの漏洩・再学習ゼロ
エンタープライズ水準の高度なAIカスタマイズ
ハルシネーションのリスクを効果的に低減
多様なデータに対応し、実務での活用を支援
資料をダウンロード