「ChatGPTを使い始めました。次は営業やマーケティングにもAIを活用したいと思っています」
こういった声を最近よく耳にします。AIへの関心は確実に高まっています。でも、多くの企業が「何から手をつければいいかわからない」という状態でもあります。
実は、AIを業務に活用するための準備の本質は、AIツールを選ぶことでも、プロンプトを磨くことでもありません。データを整えることです。
AIに質問すると、もっともらしい答えが返ってきます。でも、それが自社のビジネスや顧客の状況を踏まえたものになっているかというと、そうではないことがほとんどです。
なぜなら、AIはあなたの会社の文脈を知らないからです。
顧客がどんな課題を持って問い合わせてきたか。商談でどんな質問が出て、なぜ失注したか。リピートしてくれているお客様の共通点は何か。こういった情報が入力されていなければ、AIはいくら賢くても的外れな答えしか出せません。
整備すべきデータを理解するために、3層構造で考えると整理しやすいです。
会社名、役職、業種、規模など、基本的な顧客情報です。多くのCRMには入っていますが、古くなっていたり、項目が統一されていなかったりすることが多い層です。
メールを開封したか、資料をダウンロードしたか、Webサイトのどのページを見たか。こうした行動の記録です。HubSpotのようなMA/CRMツールが自動的に収集してくれる部分もありますが、設定が必要です。
ここが最も重要で、最も整備されていない層です。商談メモ、提案資料、ミーティングの録音・文字起こし、失注した際に営業が書いた一言メモ、こういった「人間が解釈した情報」です。
AIの精度を本当に左右するのは、この第三層の文脈データです。
第三層のデータが整備されていない状態でAIを導入すると、何が起きるでしょうか。
AIは処理してくれます。でも、処理する元データが「商談メモはフリーテキストで人によって書き方がバラバラ」「失注理由は空欄が7割」という状態であれば、AIが出す答えも当然信頼できないものになります。
さらに問題なのは、「AIが判断した」という形式的な根拠ができることで、間違った意思決定が加速してしまうリスクです。
標準化なきAI導入は、混乱を自動化するだけです。
第三層のデータを整備するために必要なのは、入力ルールの設計です。
商談メモを「フリーテキスト」ではなく「選択肢＋自由記述」の組み合わせにする。失注理由を「その他」にまとめず、具体的な選択肢を10項目用意する。顧客の課題を「予算感」「決裁フロー」「導入時期」などの構造化された項目として記録する。
こうしたルールを設計し、現場が入力できる仕組みを作ることが、AI活用の本当のスタートラインです。
どのAIを選ぶかよりも、どんなデータをどう持つかの方が、最終的な成果に大きく影響します。
整備されたデータの上にAIを乗せれば、営業のフォローアップの優先順位付け、失注パターンの分析、コンテンツ制作のテーマ抽出など、さまざまな場面で具体的な価値が生まれます。
AI活用を本格化させたいとお考えであれば、まずデータ基盤の現状を確認することをお勧めします。どこから手をつければいいかわからない場合は、ぜひご相談ください。