その生成AIのロールプレイング、前後の伸びを比べられますか
生成AIのロールプレイングで練習の回数を増やせても、対話が毎回変わる分、同じ人の伸びを前後で比べる足場は揺らぎます。顧客側の条件・評価の配点・測る場面という三つを固定することで、毎回違う対話のまま伸びを追えます。
生成AIのロールプレイングを測る側の課題
受講の前と後で同じ場面を試したくても、AIの出方が毎回変わるため、2回の結果を並べて見られません。
前回より点が下がっても、本人の課題なのか、相手が手強い設定に振れたのかを切り分けられません。
部署ごとに測る場面が違うと、平均点の差が個人差なのか設定差なのか判断できず、次に何を直すべきかを現場に伝えられないのです。
対話は変え、測る枠は固定
毎回変わる対話と、変えない基準
点が動いても、育成部門は理由を説明しきれません。足りないのは練習量ではなく、何を変えて何を固定するかの切り分けです。UMU AIロープレでは、対話は変えたまま測る枠を固定できます。
測る枠を固定する三つの手立て
役職・懸念・持ち時間を先に決めておくことで、対話が毎回変わっても、受講の前後を同じ条件で比べられます。
UMU AIロープレでは、商談の段階ごとに配点と基準を自社で設定できます。点が動いた理由を、本人の変化として読み取れます。
測る場面をそろえて集計すれば、個人差と設定差を切り分けられます。育成部門は、次に何を直すかを現場に具体的に返せます。
顧客像の条件を固定できます
役職と懸念を設定したAI顧客
役職・性格・懸念点・持ち時間を細かく設定でき、一つのシナリオに複数の顧客像を用意できます。条件をそろえたまま対話だけが変わるため、受講の前後で同じ場面をもう一度試せます。
UMU AIロープレで採点の基準を固定
配点と重みづけの設定
段階ごとの評価項目と重みづけを自社で設定でき、採点の根拠まで確認できます。配点を決めるのは育成部門で、AIが担うのは同じ基準で採点する部分です。
生成AIのロールプレイングを段階別に集計
段階ごとのチーム傾向
メンバー・期間・シナリオで絞り込み、商談の段階ごとにチームの傾向を確認できます。同じ場面で集めた記録なので、個人差と設定差を切り分け、現場に返す打ち手を選べるようになります。
生成AIのロールプレイング活用の3事例
比較検証で確かめた製薬大手
営業5,500名が全国に分散し、練習の機会が偏っていました。
UMU AIロープレを導入し、同一の場面で方式を比べました。
オンラインで練習した群の業績が、対面で学んだ群を上回りました（出典：導入企業へのヒアリング）。
支社差を埋めた生保大手
支社ごとに指導のやり方が違い、育成の質がそろいませんでした。
UMU AIロープレで、全支社に同じ練習の場を用意しました。
育成プロセスの標準化が、支社をまたいで進んでいます。
店舗網が急拡大した通信系小売
店舗網の拡大で採用が増え、新人の育成が追いつきませんでした。
UMU AIロープレで、新人が同じ場面を何度も練習しました。
出店が続いても、新人が同じ手順で練習を終えられています。
UMUが選ばれる理由
UMUとは
導入実績
セキュリティ・コンプライアンス
AI活用基盤
