製品
営業マネージャーと担当者が商談後に1対1で振り返り、見落としを洗い出しながら案件の情報をその場で記録しているシーンです。

営業支援システムに、商談の中身が残らない理由

営業支援システムを導入し、案件の金額もフェーズも次回の予定も、入力欄はきれいにそろっています。それでも、その商談で顧客が何に迷い、担当者がどう答えたのかを書き残す欄は見つかりません。仕組みとして残っているのは進捗であって、顧客との対話ではないのです。

なぜ振り返りの材料は記憶しか残らないのか

残るのは進捗、残らないのは対話

営業支援システムの入力画面には、案件名、金額、フェーズ、次回のアクションが並びます。日報にも訪問先と結果を書く欄があります。どれも、商談が終わったあとの状態を記録するための項目です。一方で、その商談で顧客が何に引っかかり、担当者がどう切り返し、どこで話の流れが変わったのかを書き残す場所は、標準の項目としては用意されていません。案件の進み方は誰でも一覧できるのに、商談の進め方は担当者の頭の中にしか残りません。この差は、同行のあとの指導の場面ではっきり出ます。マネージャーが「あの場面ではどう答えたのか」と尋ねても、返ってくるのは要約された記憶です。記憶は時間とともに都合よく整理され、うまく運ばなかった箇所ほど輪郭がぼやけます。担当者が異動すれば、その記憶も一緒に組織から出ていきます。入力欄が用意されていない情報は、どれだけ必要でも記録として残らないのです。

引き継ぎで消える商談の文脈

担当が変わるたびに、後任は案件一覧から履歴を読み直します。金額とフェーズの推移は追えますが、なぜ提案が通らなかったのかは読み取れません。前任者への聞き取りで補うほかなく、どこまで聞けたかによって引き継ぎの質が変わります。営業支援システムが整っている組織でも、この部分は人の記憶に頼り続けていると言えます。

残す情報の設計を、どこから見直すか

記録の範囲を決める

いまの営業支援システムに何が残っているかを、結果と過程に分けて洗い出します。金額やフェーズは結果側、ヒアリングで何を聞き出せたかは過程側です。過程側の欄が一つも見つからないなら、振り返りの材料は最初から記録の対象に入っていません。

評価の基準を言葉にする

同じ商談を二人のマネージャーが見て、評価が食い違うことがあります。何を良い対話とみなすかが言葉になっていないためです。段階ごとに何を確認するのかを決めておくと、記録した対話を同じ土台で読めます。

練習の記録を残す場所

本番の商談は毎回一度きりで、同じ場面をやり直せません。だからこそ、練習の場で交わした対話を記録として残せるかが問われます。そこまで担う仕組みが、いまの営業支援システムの中にあるでしょうか。

交わした対話が、そのまま記録に残ります

AIによる練習の即時評価レポートで、多面的な振り返りと項目別のスコアの内訳を確認できる画面です。

対話の記録と段階別の評価

UMU AIロープレを活用すると、AIが顧客役を担い、担当者が実際に話した内容がそのまま記録に残ります。導入トークからヒアリング、異議対応までを段階ごとに分けた評価レポートが練習直後に出るため、どの場面で話の流れを取り違えたのかを本人とマネージャーが同じ画面で確認できます。

同じ基準で読めば、指導の言葉もそろいます

成果を上げている担当者の勝ちパターンを展開し、実証されたトークをAIの評価基準に組み込んでチーム全体の水準を引き上げる画面です。

共通の評価基準の組み込み

自社で成果につながったトークや、承認済みの訴求ポイントを、AIの評価基準としてあらかじめ組み込めます。拠点や担当者が違っても、AIは同じ観点で練習の記録を評価します。マネージャーが個々の感覚で講評する場面が減り、改善点を同じ言葉で伝えられるようになります。

チーム全体の課題が、データで見えてきます

チームのデータを可視化するパソコン向けダッシュボードで、スコア分布のヒートマップと学習成果のワンクリック出力を備えた画面です。

チーム単位の練習データ集計

段階ごとにまとまった練習の記録を、拠点別や項目別に絞り込んで確認できます。個人の課題か、育成の設計そのものに原因があるのかを切り分けられるため、次に強化する場面を数字で選べます。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マネージャーの役割です。

対話の記録を育成に活かす企業の例

製薬分野のグローバル大手企業

グローバルトップクラスの製薬企業の事例です。製薬チームのマネージャーがAIシミュレーションを活用し、1対1のコーチングスキルを高めています。

研修講師は製品ラインごとに3名で、一人ひとりの練習に評価者が付き添えませんでした(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、高頻度の練習を全社で回しました。

その結果、累計102,834回の練習記録が残り、成績と練習回数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)。

バイオ分野の大手企業

バイオテクノロジー分野の大手企業の事例です。AIを活用し、ライフサイエンス領域における営業研修のデジタル変革を進めています。

研修後の評価に主観が入りやすく、行動の変化を把握しにくい状況でした(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、標準化されたAI評価と練習レポートを研修後のフォローに組み込みました。

その結果、行動変容の兆しを練習レポートで確認でき、担当者からは「自分のタイミングで繰り返し取り組める」という声も届いています(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