製品
会議テーブルに2部の提案書を並べて見比べている顧客と、その正面で落ち着いた表情を保つ営業担当者が向かい合っているシーンです。

営業の提案ツールでそろうのは、提案書までではありませんか

営業の提案ツールを入れてから、提出される提案書の形はきれいにそろいました。構成も、根拠の並べ方も、誰が作ってもほぼ同じです。ところが商談の帰り道に聞こえてくる話は、以前とあまり変わりません。同じ提案書を見せたはずなのに、その場で受けた質問への答え方は、担当者ごとに違っているのです。

提案書がそろうと、何が見えなくなるのか

そろったのは提案書の中身まで

提案ツールが決めているのは、提案書に何をどの順で書くかというところまでです。ここまでは設計どおりに動きます。ところが、提案書を相手に見せた後に起きることは、ツールの外側にあります。「この数字の前提は何ですか」「うちの場合はどうなりますか」。こうした問いが出た瞬間から、担当者は自分の言葉で答えることになります。準備した資料のどこにも書いていない条件を、その場で組み立て直す必要が出てきます。営業マネージャーが同席していれば、担当者ごとに答え方が違うことに気づく場面もあるはずです。ある担当者は前提条件から丁寧に説明し、別の担当者は結論だけを伝えて次の話題に移ります。同じ提案書を持って行っても、相手が受け取る印象はここで分かれます。提案ツールが整えたのは提案書の側までであり、提案書を見せた後のやりとりは、もともと守備範囲の外にあると言えます。

ばらつきは消えず、移っただけ

セールスイネーブルメントの視点では、ばらつきが消えたわけではありません。提案書という形のあるものから、その場のやりとりへ移っただけです。提案書は1つでも、そこから先の受け答えは担当者の人数だけあります。移った先には、提案書と違って形が残りません。だから、差があること自体が見えにくくなるのです。

標準化はどこで止まるのか

ツールの範囲は提案書まで

提案ツールが標準化するのは、提案書に何を書くかというところまでです。相手に見せた後のやりとりは、最初から設計の対象に入っていません。ここは仕様の話であり、ツールの出来不出来とは別の問題になります。

答え方は担当者ごとに違う

だから、同じ提案書を使っていても、その場で出た質問への答え方は担当者ごとに変わります。前提条件をどこまで開示するか、想定外の条件をどう言い換えるか。判断はその瞬間に、一人ひとりの手元で下されます。

やりとりに形が残らない

その結果、どこで差がついたのかを後から確かめられません。提案書はファイルとして残りますが、やりとりは声で消えていきます。うまくいった商談の要因も、そうでなかった商談の分かれ目も、記録として手元に残らないのです。

提案書の後の質問こそ、先に練習できます

よく出る異議や質問を練習シナリオに登録し、AIの顧客役が会話の途中で投げかける設定画面です。

想定質問を組み込んだ練習シナリオ

UMU AIロープレを活用することで、提案書を出した後に出やすい質問を、練習シナリオへ先に組み込めます。価格の根拠や、自社に当てはめたときの条件が代表例です。AIが顧客役としてその場で問い返すため、本番の前に同じ問いを受けられます。

答え方を変えて、同じ問いを何度も試します

営業担当者の受け答えに合わせて、AIの顧客役が態度や返答を変えていく対話練習の画面です。

答え方に応じて変わるAIの反応

AIの顧客役は、担当者の答え方に応じて反応を変えます。前提から説明したときと、結論から伝えたときで、返ってくる問い返しも変わります。同じ提案に対する一つの問いを、言い方を変えながら何度でも試せます。相手の予定を押さえる必要もありません。

やりとりの違いを、後から確かめられます

チーム全体の練習データをプロセス別に集計し、絞り込みながら確認できるダッシュボードの画面です。

練習記録とプロセス別のスコア

練習では、何をどう答えたかが記録として残ります。セールスイネーブルメントの担当者は、答え方の違いをプロセス別のスコアで確認できます。記録は順位づけや監視のためではありません。AIが担うのは反復練習と評価基準の統一までで、目標設定と動機づけは上司や先輩の役割です。

話す練習を仕組みにした企業の事例

生命保険・新人育成

オフィスのデスクで画面に向かい、身ぶりを交えながら対話練習に取り組んでいるシーンです。

日本の大手外資系生命保険会社では、新人営業の育成が各支社主導で行われ、育成の質にばらつきが生じていました(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、オフラインOJT研修の群と、UMUで学習と練習を行う群を比べるABテストを実施しました(出典:導入企業へのヒアリング)。

その結果、3カ月後には、オフラインOJT群との比較で顧客向け提案数が30%増加しました(出典:導入企業へのヒアリング)。

生命保険・5万人規模

自宅の書斎で画面に向かい、対話練習に取り組んでいるシーンです。

日本最大級の生命保険会社では、5万人の営業担当者が3,000拠点に分散し、集合研修だけで全員をカバーしきれない状態でした(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、知識のインプット中心の研修から、アウトプット型の実践練習への転換を目指しました(出典:導入企業へのヒアリング)。

同社からは「AIによる即時フィードバックにより、営業担当者は自分のペースで継続的に練習しやすくなりました」という声をいただいています(出典:導入企業へのヒアリング)。

資料をダウンロード 導入について相談する

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
資料をダウンロード