製品
営業担当者が、腕を組んだ懐疑的な様子のAI顧客とパソコン越しに対話し、相手の感情の変化を示すタグを見ながら練習しているシーンです。

ソリューション営業で仮説が外れた瞬間、会話を立て直せますか

「このあたりが課題ではないでしょうか」と切り出した瞬間、相手の表情が曇りました。ソリューション営業では、こちらから仮説を先に置く場面が避けられません。用意してきた仮説が外れたとき、その場で切り替えられずに言葉を探してしまうことはありませんか。分かれ目は、外した直後の数十秒にあるのです。

仮説が外れた後、会話が止まるのはなぜか

押し続けた数十秒で起きること

事前に情報を集め、「この会社ならここが課題のはずだ」と見立てて商談に臨みます。ソリューション営業では珍しくない進め方です。仮説が当たれば、相手は自分の状況を具体的に話し始め、商談は一気に進みます。難しいのは、外れたときです。相手の事情はこちらの想定と違い、挙げた課題はすでに手が打たれていたり、いま優先されていなかったりします。ここで多くの担当者が、用意した資料を前にして、外した仮説をそのまま押し続けてしまいます。準備に時間をかけたぶん、引っ込めにくくなるのです。しかし相手からは「うちのことを分かっていない」と受け取られ、そこから先は説明を聞く姿勢に戻ってもらいにくくなります。逆に、外れたとその場で認めて「では、いま優先されているのはどのあたりでしょうか」と尋ね直せれば、会話は続きます。取り下げるのは仮説であって、提案の可能性ではありません。

相手はすでに調べています

Gartnerが2026年に発表した調査では、B2Bの購買担当者の67%が、営業担当者を介さない購買体験を望むという結果が出ています(出典:Gartner 2026年)。相手は会う前に自分で情報を集め、社内での優先順位も決めています。こちらの見立てと相手の状況がずれやすくなっていると言えます。

立て直す力は、どこで身につくのか

仮説を出す力と、下ろす力

仮説を組み立てる準備と、外れたと判断して仮説を下ろす動きは、別のものです。前者は事前の情報収集で精度を上げられますが、後者は、外れた場面を実際に通った回数がものを言います。想定と違う反応から聞く側に戻る往復を何度か経験して、はじめて本番でも同じ動きができます。

同僚が相手では起きない

社内のロールプレイングでは、相手役の同僚がこちらの仮説をあっさり受け入れてしまいます。外れた場面そのものが再現されないため、立て直しの練習だけが手つかずのまま本番を迎えます。

練習の場に何が要るか

必要なのは、外れる場面を意図して用意でき、立て直しの良し悪しを同じ基準で確認できる環境です。それを人の手だけで用意するのは、日々の商談を抱えた現場には負担が大きくなります。

想定と違う反応に、その場で向き合えます

営業担当者の受け答えに応じて、AIがその場で反応や態度を変えながら対話を進める練習画面です。

反応が変わるAI顧客

UMU AIロープレでは、AIが担当者の出方に応じて態度を変えます。外した仮説をそのまま押し続ければ相手は口数を減らし、いったん取り下げて尋ね直せば、自分の状況を話し始めます。想定と違う反応から会話を立て直すまでを、本番の前に何度でも試せます。

外れる場面を、意図してつくれます

役職や性格、話し方、背景を自由に設定し、複数の顧客像を同時に用意できるAI顧客の設定画面です。

複数の顧客像の設定

役職や話し方、背景を自由に設定でき、考え方の異なる顧客像をいくつも同時に用意できます。用意した仮説が当たらない相手をあえて置けば、外れた場面から始まる練習ができます。担当者は、自分がつまずきやすい相手を選んで繰り返せます。

切り替えを、同じ基準で振り返れます

発言に含まれる言葉だけではなく、どの場面でどのように対応したかを、自社の基準に沿って評価するAIの評価画面です。

対話の進め方の評価

評価の対象は、決められた言葉を口にしたかどうかではありません。どの場面でどう動いたかを、自社が定めた基準に沿って確認できます。押し続けた回と切り替えた回の差が残るため、次に直す点がはっきりします。AIが担うのは反復練習と評価基準の統一までで、目標設定や動機づけは人の役割です。

対話の練習を仕組みにした企業の例

500店舗超のアパレル企業

アパレル企業のエリア担当者が、移動中の車内でタブレット画面に向かい、商品説明や接客のトークを確認しているシーンです。

国内外100都市以上に500店舗超を展開する高級アパレルグループでは、新人の販売スタッフに高級顧客層との対話経験が不足していました(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、効率を重視する外資系企業の役員や、業界知見を持つファッションバイヤーなど、想定の異なる顧客タイプを再現しました(出典:導入企業へのヒアリング)。

異なる顧客タイプを相手に練習を重ねた結果、会員獲得率は前年比42%増加しました(出典:導入企業へのヒアリング)。

生命保険業界の大手外資系企業

生命保険会社の営業担当者が、オフィスのデスクでパソコンに向かい、資産設計の提案を想定した対話練習に取り組んでいるシーンです。

日本で事業を展開する大手外資系の生命保険会社では、新人育成が支社ごとに進み、指導の方法や基準にばらつきがありました(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、対面のOJT研修を受けたグループと、AIで練習したグループを比較する検証を実施しました(出典:導入企業へのヒアリング)。

3カ月後には、AIで練習したグループの顧客向け提案数が30%増加し、育成方法の違いが提案という行動の量に表れました(出典:導入企業へのヒアリング)。

資料をダウンロード デモを予約する

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