製品
AIを活用した練習の全体像を、ゼロコードでの設定から精密なデータ診断までつなぐ、再現度の高い一貫したトレーニングの仕組みとして示した図です。

ロールプレイの具体例を、営業以外の5つの職種から集めました

ロールプレイの具体例を探すと、営業の商談場面ばかりが並びます。しかし実際に練習が必要な場面は、店頭の接客からクレーム対応、管理職の1on1、採用面接、他部門への説明まで、職種をまたいでいます。必要なのは場面の名前ではなく、相手役に何を設定するかという設計なのです。

集めた具体例が練習にならないのはなぜか

場面名だけでは相手役が動けません

店頭の接客を例にとります。ロールプレイの具体例として手元に残るのは、「レジ前で迷っているお客様に声をかける」という一行だけ、ということが少なくありません。この一行では、相手役を任された先輩スタッフが何を演じればよいか判断できません。お客様がすでに商品を手に取っているのか、値札を見て棚に戻したところなのか。同伴者の有無や、閉店間際という時間帯まで決めておかないと、相手役はその場の思いつきで反応を返すほかなく、練習のたびに難易度が変わってしまいます。カスタマーサポートのクレーム対応でも事情は同じです。「お客様が強い口調で申し出をされている」とだけ書かれた具体例では、一度の謝罪で収まる相手なのか、上長を呼ぶよう求めてくる相手なのかという、いちばん分かれ道になる部分が練習に含まれません。担当者は本番で最も困る局面を一度も通らないまま、練習を終えてしまうのです。

相手役を担える人が社内にいません

管理職の1on1になると、この難しさはさらに増します。部下役を同僚が演じれば遠慮が入り、上司が演じれば練習そのものが評価の場に変わります。研修で学んだ内容は、1週間で約70%が失われるという調査結果もあります(出典:Gartner)。相手役を探しているうちに、学んだ型は使われないまま薄れていくと言えます。

職種を問わないロールプレイ設計の勘所

相手の前提条件

採用面接の面接官を練習するなら、候補者の経歴と志望度、そして警戒の強さまで決めておきます。「転職が3回目で、条件面を最も気にしている候補者」とまで具体化すると、面接官役が何を掘り下げるべきかが定まります。

想定される反応の幅

相手がどこまで態度を変えるかも、あらかじめ幅として決めます。謝罪で落ち着く場合と、担当者の交代を求めてくる場合の両方を用意しておくと、練習は一度で終わらず、対応の幅が広がります。

練習の終了条件

他部門への説明のように成果が見えにくい場面ほど、終わり方を決めます。相手が次回の打ち合わせ日程を口にしたら成功とし、資料の再送を求められたらもう一度やり直します。この線引きがあってはじめて、担当者は自分の到達点を自分で判断できるようになります。

相手の前提条件を、細かく設定できます

役職や性格、話し方、背景まで自由に設定できる多面的なAI顧客ペルソナで、現場で出会う複雑な相手像を忠実に再現できる画面です。

AI相手役のペルソナ設定

UMU AIロープレを活用することで、役職や性格、話し方、背景まで自由に設定したAIが相手役を担います。慎重な候補者、感情的なお客様、関心の薄い他部門の担当者といった複数のタイプを同時に用意できるため、職種ごとのロールプレイを同じ環境の中で組み立てられます。

想定される反応を、あらかじめ組み込めます

あらかじめ登録した異議のシナリオライブラリを使い、最も対応が難しいお客様からの申し出を安全な環境で練習できる画面です。

異議・申し出のシナリオライブラリ

自社で実際に起きた申し出や反論を、AIとの対話の流れの中にあらかじめ登録できます。AIは頃合いを見てそれを持ち出すため、担当者は最も答えにくい場面を安全な環境で通れます。その場で慌てる対応から、準備したうえで落ち着いて返す対応へと変わっていきます。

終了条件は、評価基準として決められます

評価ロジックが見える設定可能な評価の仕組みで、自社の営業戦略に深く沿うように配点を柔軟に調整できる画面です。

評価基準と配点の自社設定

どの段階を、どの重みで見るのか。UMU AIロープレでは、評価の基準と配点を自社の育成方針に合わせて決められます。採点の中身が見えない状態から、何をもって合格とするかを言葉にした状態へ移せます。AIが担うのは反復練習と評価基準の統一までであり、目標設定や動機づけは引き続き管理職の役割です。

営業以外の職種でも活用が進んでいます

日本大手の食品スーパー

日本大手の食品スーパー企業の従業員が、従来の集合研修を離れ、屋外のベンチでタブレットを使い接客の基準を練習しているシーンです。

日本大手の食品スーパー企業では、お客様からの申し出への対応を体系的に学ぶ機会がなく、現場の対応品質にばらつきが出ていました(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、対応が最も難しい対話を安全な環境で繰り返し練習できる体制を構築しました。

その結果、全社員3,300名が店舗で起こりやすい場面をそのまま練習でき、対応品質と現場の負担の両方に手を打てるようになりました(出典:導入企業へのヒアリング)。

日本大手の製薬企業

日本大手の製薬企業のチームリーダーが、AIとの模擬対話で1on1のコーチングスキルを磨いているシーンです。

日本大手の製薬企業では、新任チームリーダー約100名が、研修で学んだコーチングを1on1で使えるようになるまでに時間がかかっていました(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、「行動コーチング」「スキルコーチング」「動機づけコーチング」の3種類の対話を、全3セッションに分けて練習しました。

その結果、段階を分けた反復練習により、第3セッション時点でコーチングを実践した割合は98.1%に達しました(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