製品
商談を終えた営業マネージャーと担当者が1on1で振り返りを行い、見落としを洗い出しているシーンです。

セールスコーチを置いても、現場の商談が変わらない理由

営業マネージャーをセールスコーチとして育てるプログラムを実施しても、数カ月後には1on1が案件の進捗確認だけに戻っていることがあります。その課題の根幹は、コーチ役の熱意ではなく、日々の業務のなかで全員分の商談を確認する時間を確保できない仕組みにあります。

なぜコーチングは現場に行き渡らないのか

1on1が進捗確認で終わる背景

セールスコーチの役割は、多くの場合、成績を評価されて昇格した営業マネージャーが担います。プレイヤーとしての実績は十分でも、他者の商談を分解して言葉にする経験は多くありません。どこを見て、何を指摘すればよいかという基準が個人の感覚に委ねられるため、指導の中身はマネージャーごとに変わります。さらに、日々の予実管理や社内会議に時間を取られ、営業チーム全員の商談を確認する余裕は残りません。優先されるのは、数字が大きく落ち込んだ担当者への対応です。その結果、平均前後で伸び悩む層は、指導の対象から外れたまま数カ月を過ごします。育成を担当する立場から見れば、コーチング施策は計画どおりに動いています。しかし現場では、月に一度の1on1が案件の進捗確認で終わり、商談の中身にまで踏み込めていないのです。

練習の回数が成績を分ける

ある大規模な営業組織では、3,662名による10万回を超える対話練習の記録を分析した結果、練習回数と成績の間に明確な正の相関が確認されました(出典:導入企業へのヒアリング)。コーチングが一部の担当者にしか行き渡らない状態は、そのまま練習量の差となり、チーム内の成績差として表れていると言えます。

コーチング力が身につく条件

型を言葉にする段階

コーチングの力は、対話の場数だけでは安定しません。まず、成果につながった商談を要素に分解し、どの発言がどの結果を生んだのかを言葉にする段階が必要です。優秀な担当者の勘や癖として残っている判断を、誰でも参照できる基準に置き換えます。この基準があって初めて、指摘の内容がマネージャーごとにぶれなくなります。

練習量が確保できない

基準を決めても、それを使う場面は月に数回の1on1に限られます。コーチ役もメンバーも、実際の商談以外で試す機会がありません。学んだ型は、使われないまま記憶から薄れていきます。

基準を全員で共有する手段

では、限られた時間のなかで、同じ基準による練習とフィードバックを全メンバーに用意するには、どうすればよいのでしょうか。ここで検討されるのが、コーチ役の一部を仕組みで補うという考え方です。

優れた商談の型を、評価の基準にできます

成果を出している担当者の話し方をAIの評価基準に組み込み、チーム全体が同じ基準で練習できる画面です。

自社基準を組み込んだAI評価

UMU AIロープレを導入することで、成果を出している担当者の話し方や、社内で標準とされている異議への応じ方を、AIの評価基準として設定できます。指摘の根拠が個人の感覚から共通の基準に移るため、どのマネージャーが確認しても同じ観点でフィードバックを返せます。

練習の回数は、相手の予定に縛られません

営業担当者が移動中にスマートフォンでAIとの対話練習を高頻度に行えるシーンです。

すき間時間の反復練習

UMU AIロープレを活用することで、AIが相手役を務めます。日程調整も順番待ちも不要になり、通勤中や商談の合間にスマートフォンから練習を始められます。同じ場面を何度繰り返しても相手に気を使う必要がなく、月に一度の1on1を待たずに型を使う回数を増やせます。

誰に何を指導すべきかが、データで見えます

マネージャーがチーム全体の課題分布と個人別スコア推移をダッシュボードで確認しているシーンです。

チーム全体の課題分布

練習のたびに、プロセスごとのスコアと改善点が記録されます。UMU AIロープレのダッシュボードでは、異議対応で課題を抱える人が多いのか、特定の担当者だけの傾向なのかを切り分けられます。AIが担うのは反復練習と評価の統一までで、目標設定や動機づけは引き続きマネージャーの役割です。

コーチング力の育成に取り組む企業の事例

日本大手の医薬品メーカー

大手医薬品メーカーの新任チームリーダーがAIとの対話でコーチングの型を練習している事例のシーンです。

新任チームリーダー約100名が、プレイヤー業務と並行してメンバー育成も担い、研修で学んだコーチングを1on1で使いこなす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ロープレで3種類のコーチング対話シナリオを用意し、全3セッションにわたって繰り返し練習しました。

その結果、第3セッション時点で98.1%がコーチングを実践し、そのうち93.1%がメンバーの変化を実感したと回答しました(出典:導入企業へのヒアリング)。型として反復したことで、知識が1on1で使える状態に変わったのです。

全国展開の眼鏡チェーン

全国展開する眼鏡チェーンで次世代リーダー候補がAIとの対話練習に取り組んでいる事例のシーンです。

エリアマネージャー候補の育成を実績による抜擢型から立候補型に切り替えたことで、傾聴力や伝達力を鍛える場が新たに必要になりました(出典:導入企業へのヒアリング)。

そこで約5カ月にわたり、次世代リーダー候補がUMU AIロープレで時間や場所を問わずコーチング力とプレゼンテーション力を練習できる環境を整えました。

担当者からは「感覚的な指導から、言葉と図解で論理的に伝えられるようになりました」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