製品
拠点の異なる担当者が、自社の実績あるトークと基準にもとづく同じAIシナリオで練習し、どの地域でも一貫した説明を保てるシーンです。

保険会社の営業で、練習の回数は女性も男性も同じですか

「今日も朝から終日外回りで、支社に立ち寄れたのは夕方遅く。掲示板には、参加できなかった勉強会の案内がまだ貼ってありました……」保険会社の営業では、女性も男性も同じ商品研修と意向把握の手順を学んでいるはずなのに、練習と相談の回数だけが人によって開いていきます。その差を生んでいるのは適性ではなく、機会が誰にどれだけ回ってきたかという設計の側にあるのです。

差を決めるのは練習の回数です

力量の差はどこで生まれるか

保険会社の営業で成果が分かれる地点は、覚えた知識の量よりも、お客様を前にした対話を何回、口に出して試したかにあります。意向把握の質問をどの順で置くか、保障内容をどこまで噛み砕くか、家族に相談したいと言われた瞬間にどう受け止めるか。どれも手順として覚えることはできますが、声に出す練習を重ねない限り、面談の場では出てきません。商品研修や資格取得は、この反復練習を支える土台としては働きますが、反復そのものの代わりにはならないのです。そのため育成設計で問うべきは、研修の中身より、一人ひとりが月に何回、対話を試せているかという回数の側になります。ところがこの回数は、担当者ごとに大きく開いてしまいます。

回数を分けているのは偶然です

保険の営業は外勤が中心で、支社に戻る頻度も、担当する地域の広さも、面談が入る時間帯も人によって違います。そのため勉強会に参加できるかは、その日たまたま支社にいたかどうかで決まります。先輩に切り返し方を相談できるかも、席が近いか、廊下ですれ違ったかといった偶然に左右されます。回数の差が生まれる原因は、こうした働き方の構造にあります。構造から生まれている以上、個人の努力だけで埋めるのは難しく、練習の設計そのものを組み替える必要が出てきます。

練習機会が偏る3つの構造

勉強会に出られる日が偏ります

支社の勉強会は開催時刻が決まっており、その時間に外回りが入っていれば参加できません。日程を動かせるのは一部の担当者だけで、参加の可否は、その日たまたま支社にいたかどうかで決まってしまうのが現実です。

相談は居合わせた人に頼ります

勉強会に出られなかった分は、先輩への相談で埋めることになります。ところが外勤中心の職場では、相手が席にいる時間は限られます。その結果、席の近い担当者ほど相談が増え、遠い担当者ほど機会を逃してしまいます。

振り返りの観点がそろいません

相談する相手が人ごとに変わると、返ってくる指摘の観点も変わります。ある先輩は意向把握の順番を、別の先輩は説明の長さを指摘します。そのため同じ面談を振り返っても、次に直す点が人によって変わるのです。

3分で、相手を説得できるか試してみよう

業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。

循環器内科部長に新しい脂質低下薬を紹介する
あなたはMR(医薬情報担当者)です。王部長への初めての正式訪問で、外来の合間の時間を使って製品を紹介します。
顧客に重大疾病保険を紹介する
あなたは保険代理人です。李様は以前に重大疾病保険についてご相談されましたが決めきれずにいたため、今回は対面でお話しする約束をしました。
顧客に高価格帯の定番ハンドバッグを紹介する
あなたはベテランのレザーグッズ販売員です。陳様が来店され定番のハンドバッグをご覧になっているので、声をかけてご案内します。
不動産デベロッパーの調達責任者にエレベーターを提案する
あなたはエレベーターメーカーの営業です。ある不動産デベロッパーの調達部・趙マネージャーを訪問します。この案件は複数のサプライヤーで比較検討が進んでいます。
訪問目標
新薬の有効性と安全性の優位性を王部長に明確に伝え、有効性・安全性への懸念を解消し、外来の対象患者に試していただけるよう合意を得ます。
対話相手
王部長|某大手総合病院 循環器内科 部長医師
“部長、3分だけお時間をいただけますか。先生の外来で、スタチン不耐容の患者さんや、単剤では脂質管理目標に届かない患者さんについて、現在はどのように処方を調整されていますか?”
ワンクリックで入力
送信
ログイン / 新規登録でご利用いただけます。各シナリオ10回まで練習可能です
3分で、相手を説得できるか試してみよう

業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。

循環器内科部長に新しい脂質低下薬を紹介する
あなたはMR(医薬情報担当者)です。王部長への初めての正式訪問で、外来の合間の時間を使って製品を紹介します。
顧客に重大疾病保険を紹介する
あなたは保険代理人です。李様は以前に重大疾病保険についてご相談されましたが決めきれずにいたため、今回は対面でお話しする約束をしました。
顧客に高価格帯の定番ハンドバッグを紹介する
あなたはベテランのレザーグッズ販売員です。陳様が来店され定番のハンドバッグをご覧になっているので、声をかけてご案内します。
不動産デベロッパーの調達責任者にエレベーターを提案する
あなたはエレベーターメーカーの営業です。ある不動産デベロッパーの調達部・趙マネージャーを訪問します。この案件は複数のサプライヤーで比較検討が進んでいます。
訪問目標
新薬の有効性と安全性の優位性を王部長に明確に伝え、有効性・安全性への懸念を解消し、外来の対象患者に試していただけるよう合意を得ます。
対話相手
王部長|某大手総合病院 循環器内科 部長医師
“部長、3分だけお時間をいただけますか。先生の外来で、スタチン不耐容の患者さんや、単剤では脂質管理目標に届かない患者さんについて、現在はどのように処方を調整されていますか?”
ワンクリックで入力
送信
ログイン / 新規登録でご利用いただけます。各シナリオ10回まで練習可能です

支社に戻らなくても練習の回数は増やせます

モバイルから24時間いつでも回数制限なくAIロープレを行い、高頻度の短時間練習で独り立ちまでの期間を半分に縮められる画面です。

移動の合間に重ねる練習

移動中や面談の待ち時間に、スマートフォンから対話練習を始められます。UMU AIロープレは24時間いつでも利用でき、回数の上限もありません。相手の予定を押さえる必要がないため、支社に戻れる日が少ない担当者でも、月あたりの練習回数を自分で決められます。

相手を待たずに、改善点が毎回分かります

対話が終わった数秒後に構造化された評価レポートが生成され、段階ごとの採点と改善が必要なポイントを特定できる画面です。

対話直後の構造化された評価

練習が終わった瞬間に、意向把握や保障内容の説明といった段階ごとのスコアと改善点を確認できます。何人が同時に使っても順番待ちは起きず、支社にいる担当者も外にいる担当者も、同じ精度の指摘を得られます。AIが担うのは反復練習と評価基準の統一までで、目標設定や動機づけは引き続き人の役割です。

誰が見ても同じ基準で、面談を振り返れます

成果を出している担当者のトークをAIの採点基準に組み込み、チーム全体の水準を引き上げるしくみを示した画面です。

全拠点に共通する評価基準

成果を出している担当者の切り返しや、自社が定めた説明手順を、そのまま採点の基準として設定できます。設定した基準は拠点を問わず同じものが適用されるため、どの支社の担当者も同じ観点で自分の面談を振り返れます。誰に相談したかで次に直す点が変わる、という状況が起こりにくくなります。

保険業界で活用が進んでいます

生命保険分野の外資系大手

大手生命保険会社の事例として、多数の営業担当者が自宅からの練習でも高い頻度で商談の備えを保てる様子を表したイラストです。

日本市場で事業を展開する生命保険分野の外資系大手企業では、新人育成が各支社の主導で行われ、指導の方法も基準も支社ごとに異なっていました(出典:導入企業へのヒアリング)。

そこでUMU AIロープレを活用し、一部のOJTを対AIの練習に置き換えたうえで、成約に至った担当者の練習記録を学習コンテンツとして共有しました。

その結果、3カ月後にはAIで練習したグループの顧客向け提案数が30%増加し、育成の対象を2,000名から7,000名超へ広げられる体制が整いました(出典:導入企業へのヒアリング)。

3,000拠点の生命保険大手

大手生命保険会社の事例として、営業担当者が空港での待ち時間にスマートフォンで商品提案のトークを練習する様子を表したイラストです。

全国3,000拠点に5万人の営業担当者を抱える生命保険分野の大手企業では、紙媒体と集合研修を中心とした学習が主流で、全員を継続的にカバーできない状態が続いていました(出典:導入企業へのヒアリング)。

そこでUMU AIロープレを導入し、知識を入れる学習から、実際に声に出すアウトプット型の練習へと切り替えました。

担当者からは「本部が初めて、各地域の支社や営業拠点で行われる朝礼に関与できるようになりました」という声が寄せられ、現場へのAIによるフィードバックとマネージャーの評価が同じ流れで届く体制が整いました(出典:導入企業へのヒアリング)。

導入について相談する 資料をダウンロード

UMUが選ばれる理由

28,000社突破
国内導入企業
1億人超
世界203カ国でユーザー
100社が導入
Fortune 500企業
約5,000製品中で1位
ITreview Best Software in Japan 2022
UMUとは
2015年に設立されたグローバルAIソリューションカンパニーです。AIを活用したオンライン学習プラットフォーム「UMU」を核に、学術的な根拠に基づいた実践型AIリテラシー学習プログラム「UMU AILIT(ユーム エーアイリット)」、セールスイネーブルメントソリューション「UMU AIロープレ」などの提供により、AI時代の企業や組織における学習文化の醸成とパフォーマンス向上を支援しています。
導入実績
業界トップクラスの生命保険会社・電機メーカー・製薬会社など、日本を代表する大企業が導入
製薬、金融・保険、製造、小売など幅広い業界で活用
従業員1,000名以上の大企業を中心に、営業教育や新入社員研修で導入が拡大
導入事例インタビューを公式サイトで多数公開
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策
SOC 3:トラストサービス規準報告書
ISO/IEC 27018:クラウドサービス上における個人情報セキュリティに関する国際規格
ISO/IEC 27701:プライバシー情報マネジメントシステム (PIMS)
GDPR:EU一般データ保護規則
HIPAA:医療保険の相互運用性と説明責任に関する法律
ISO/IEC 42001:人工知能マネジメントシステム (AIMS)
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
企業データの外部共有・AI再学習への利用なし
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
デモを予約する