製品
人材育成の責任者が、構造化された能力成長レポートを手に、経営層へ育成投資の効果と業績への影響を説明しているシーンです。

セールスイネーブルメントのスキルマップは何を見て評価しますか

セールスイネーブルメントのスキルマップを整備しても、半年後には誰も開かなくなるケースがあります。項目を細かくすれば評価は形だけになり、粗くすれば担当者ごとの差が見えません。使われ続ける一覧表とそうでない一覧表を分けるのは、項目の粒度と、評価の根拠をどこに置くかという二点なのです。

その一覧表は、なぜ開かれなくなるのか

粒度を決めないまま項目が増えます

スキルマップを作るとき、多くの組織はまず営業プロセスを分解し、必要な行動を書き出していきます。丁寧に進めるほど項目は増え、五十を超える一覧表になることも珍しくありません。ところが評価の段になると、項目が多すぎて一つひとつの場面を思い出せず、印象でチェックを入れる作業に変わってしまいます。逆に項目を絞りすぎると、今度は担当者ごとの差が見えなくなります。たとえばヒアリング力という一項目に、質問の設計も相手の反応の読み取りも含まれてしまうと、三段階で評価をつけたところで、次に何を練習させればよいのかが分かりません。どちらの状態でも、一覧表は残り続けるのに、育成会議で参照されなくなります。粒度を決めないまま項目を並べると、評価に時間がかかるだけでなく、育成の打ち手そのものが曖昧なままになるのです。

評価者が変われば結果も変わります

行動変容の段階まで継続的に測定している企業は、全体の20%に届きません(出典:Prospeo 2026)。セールスイネーブルメントのスキルマップに実績の数字を並べても、商談の対話がどう変わったかまでは映りません。その部分は、いまも評価者の記憶に委ねられたままです。

どこまで決めればスキルマップは動くのか

項目は行動の単位で決めます

項目の粒度に迷ったら、評価者がその場面を思い浮かべられるかどうかを基準にしてみてください。「提案力」では場面が浮かびませんが、「予算が合わないと言われた直後の切り返し」なら、誰が見ても同じ場面を指せます。行動が起きる単位まで下ろすと、抽象的な項目が統合されるため、項目数はむしろ絞り込めます。

評価は誰の目を入れるか

同じ担当者でも、本人が付ける評価と上司が付ける評価は一致しません。どちらかを正解と決めず、両方を並べて差が大きい項目から確認していくと、認識のずれ自体が、育成で最初に扱うべき論点だと言えます。

更新の頻度は何に合わせるか

商品や競合が変われば、必要なスキルも変わります。年に一度の見直しでは間に合わず、かといって毎月の手作業も続きません。評価の記録が日々たまる仕組みを持てるかどうかが、一覧表を生かし続けられるかどうかの分かれ目になります。

項目は、練習できる単位まで下ろせます

商談のプロセスごとに評価基準と配点を自社で設定できる、評価エンジンの設定画面です。

プロセス別の評価基準と配点設定

UMU AIロープレでは、導入からヒアリング、価値訴求、異議対応、クロージングまで、商談のプロセスごとに評価基準と配点を自社で設定できます。セールスイネーブルメントのスキルマップの項目を、そのまま練習シナリオの採点軸に置けるため、一覧表の一行ずつが、練習して確かめられる単位に変わります。

評価する人が変わっても、基準はぶれません

決められた言葉の有無ではなく、商談のどの場面でどの打ち手を選んだかを評価するAIの評価画面です。

対話の中身に基づく評価

UMU AIロープレの評価は、決められた言葉を口にしたかどうかでは決まりません。設定した商談プロセスと基準に沿って、どの場面でどの打ち手を選んだかを見ます。AIが担うのは基準の統一と記録までで、そこから何を伸ばすかを決めるのはマネージャーの役割です。それでも評価の根拠が記録として残るため、一覧表の一貫性は大きく変わります。

一覧表は、練習のたびに最新になります

チームの練習データをプロセス別や異議の種類別に集計し、育成の課題を一覧で把握できるダッシュボード画面です。

チーム全体の課題分布の把握

UMU AIロープレを活用することで、練習の記録はプロセス別、異議の種類別に集計されます。個人だけの課題なのか、チーム全体が同じ場面でつまずいているのかを切り分けられます。そのため更新を年に一度の棚卸しに頼らず、次にどの項目を鍛えるかをデータから判断できるようになります。

能力の可視化から着手した企業の例

体外診断分野の大手企業

体外診断分野の大手企業で、医療機器の営業チームが製品説明と臨床コミュニケーションのスキルをAIとの練習で高めている事例のシーンです。

体外診断分野の大手企業では、5名の育成担当者が1,500名の営業担当者の能力認定を担い、認定は四半期に1回しか実施できませんでした(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、企業が定めた5つの訪問プロセスに沿って、練習と評価を同じ基準で行える体制を構築しました。

その結果、認定は日程を待つものから随時受けられるものへ変わり、認定通過者の実訪問における成約率が22.4%向上しました(出典:導入企業へのヒアリング)。

全国展開の眼鏡チェーン

全国展開の眼鏡チェーンで、店舗の担当者がタブレットを使いAIとの対話練習に取り組んでいる事例のシーンです。

全国展開の眼鏡チェーンでは、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のキャリアパスへ切り替え、傾聴力や伝達力を座学だけで見極めにくい状況がありました(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、次世代リーダー候補が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繰り返し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」という声が寄せられ、定義しにくいスキルを型として学べる点が評価されています(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