「AIを導入したけれど、成果が出ない」。営業・マーケティングの責任者から、そんな声をよく聞きます。

生成AIのアカウントは全社に配った。営業もマーケティングも、毎日のように使っている。提案書の下書きは確かに早くなった。それでも、商談の数も受注率も、目に見えては変わっていない。

私は、明確な成果が出始めるのは、人がAIに頼む使い方を抜け、業務の流れの中でAIが動く段階に入ってからだと考えています。小規模な調査や議事録づくりを速くするだけでは、改善の効果は小さいのです。浮いた時間は、行き先を決めなければ、別の調べものや手直し、ときには休憩や雑談に消えていきます。社員が怠けているわけではありません。一人ひとりの手元で浮いた時間は、仕組みがなければ会社の力にまとまらないのです。

本記事では、営業・マーケティングのAI活用を5つのレベルに分けて整理します。そのうえで、日本企業がいまどのレベルにいるのか、なぜ成果につながらないのかを、公開されている調査から確かめます。読み終えたときに、自社の現在地と、次に手をつけるべき場所が見えてくる構成です。

営業・マーケティングのAI活用、5つのレベルとは?

当社では、営業・マーケティングのAI活用を5つのレベルで捉えています。分ける軸は、AIが何を起点に動いているかです。人の依頼で動くのがレベル1と2、顧客や社内の行動を起点に動くのがレベル3、データの変化を起点に判断しながら動くのがレベル4です。

レベル中身
レベル1 汎用AIの個人活用担当者がAIチャットに、その都度頼む
レベル2 BOTによる定型業務自動化プロンプトに沿って、AIが定型業務を代行する。呼び出すのは人
レベル3 ワークフローによる業務プロセス自動化決められた仕様で、業務が流れごと動く
レベル4 データ・AI・システム連携による高度化データの変化を捉え、AIとデータで判断しながら動く
レベル5 外販自社で磨いた仕組みを、商品として外に提供する

レベル1:汎用AIの個人活用

ChatGPT、Gemini、Claudeといった汎用のAIチャットを、担当者が自分の仕事に使う段階です。企業調査をさせる、提案書のたたき台をつくらせる、メールの文面を整える。使うたびに、背景から説明して頼みます。

レベル2:BOTによる定型業務自動化

よく使う頼み方を、プロンプトと資料ごとAIに仕込んでおく段階です。GeminiのGemやChatGPTのプロジェクトのように、知識と手順を入れたAI(ここではBOTと呼びます)をチームで使い回します。商談の音声を渡せば、決まった書式の議事録が返ってくる。製品資料を入れたBOTに聞けば、問い合わせへの回答案が出てくる。毎回の説明がいらなくなり、品質もそろいます。

ただし、BOTを呼び出すのは人です。誰かが音声ファイルを渡さなければ、議事録はできません。

レベル3:ワークフローによる業務プロセス自動化

人が呼び出さなくても、業務の流れの中でAIが動く段階です。起点は「行動」です。フォームが送られた、商談が終わった、資料がダウンロードされた。その一回の出来事をきっかけに、決められた手順が流れごと動きます。

ZapierやMake、n8nといったワークフローツール(複数のツールを決まった順につなぐ道具)で組むことが多いでしょう。AIは、流れの中の作業を担います。議事録をつくる、要約する、CRMに入れる項目を抜き出す。ただし、どこへ流すかは、最初に決めた仕様のままです。

当社でも、商談の議事録はこの形で回しています。オンライン商談が終わると、文字起こしをもとにAIが決まった観点で要約をつくり、議事録として保存されます。担当者は、できあがった要約を確かめるだけです。

レベル4:データ・AI・システム連携による高度化

起点が「データの変化」に変わる段階です。一回の行動ではなく、積み重なったデータと比べて何が変わったかを捉えます。見込み客が料金ページを見る回数が急に増えた。既存顧客の利用が3か月続けて減っている。先方の担当者が替わった。

そのうえで、変化の意味を判断し、相手や状況に応じて打ち手を変えます。判断の手段は、点数づけ、決めたルール、AIによる分類・判断を使い分けます。優先度が高ければ営業に即時に渡し、まだ早ければナーチャリングに回す。受注や失注の結果を見て、判断の基準も直していきます。顧客への送信や価格のように、外したときの損失が大きいものには、人の承認を残します。

レベル5:外販

社内で磨いた仕組みを、商品として外に提供する段階です。自社の営業で成果が出たAIの仕組みを、顧客向けのサービスや、顧客と直接話すAIエージェントとして提供します。どの会社にも必要な段ではありません。社内で培った仕組みを外に売る、事業の選択肢の一つです。

GTMエンジニアリングは、レベル3以降の領域

当社では、レベル3以降を「GTMエンジニアリング」の領域と定義しています。GTM(Go-to-Market)とは、マーケティング・セールス・カスタマーサクセスを通じて、市場・顧客と関わり、収益を生み続ける活動全体のことです。そのうえで、GTMエンジニアリングを次のように定義しています。「GTMエンジニアリングとは、データ・AI・システムを組み合わせ、GTMプロセスを自動化・最適化することで、再現性のある収益システムへと進化させ続ける活動である。」

レベル3で、流れが人の手を待たずに回ります(自動化)。レベル4で、誰に、いつ、何をするかの精度が上がります(最適化)。GTMエンジニアリングは両方を扱います。入口はレベル3、目指すのはレベル4です。進め方の全体像は、GTMエンジニアリングとは何かで詳しく扱っています。

日本企業は、どのレベルにいるのか?

多くの企業は、人がAIに頼むレベル1〜2にいると見ています。導入はほぼ行き渡りました。しかし使い道は個人の作業の補助が中心で、期待を大きく上回る成果を得ている企業は、1割に届きません。

PwC Japanグループの調査(生成AIに関する実態調査2026春 6カ国比較)によると、売上高500億円以上の日本企業で、生成AIの活用・推進度は87%に達しました。ところが、期待を大きく上回る効果を出している割合は9%で、調査した6カ国の中で最も低い数字です。米国は38%、英国は32%でした。同調査は日本企業の活用の特徴を、「既存業務の効率化や個別タスク支援が中心」で「ツール利用の域を出ない面」がある、と表現しています。

大企業に限った話ではありません。総務省の白書(令和8年版 情報通信白書)では、自社の何らかの業務で生成AIを使っていると答えた日本企業は86.4%でした(活用方針を「わからない」と答えた企業を除いた割合)。最も多い使い道は「議事録・メール作成補助」で約7割。導入の効果を実感している割合も、この使い道が約7割と突出しています。

IPA(情報処理推進機構)の調査(DX動向2026)で、導入・試験利用・検討中の企業の使い道を見ても、同じ姿が浮かびます。文書や音声の要約が82.5%、文書・レポートの作成が80.5%と、個人の作業の補助が中心です。「業務プロセス・ワークフローの自動化・最適化」を利用用途に挙げた割合は21.2%にとどまります。AIエージェント(目的を与えると、自ら調べ、判断し、システムを操作して仕事を進めるAI)を使っている部署は、営業で8.1%、マーケティングで7.3%です。

議事録や要約などは、人がその都度AIやBOTを呼び出して行う場合はレベル1〜2、業務の出来事を起点に流れごと動く場合はレベル3に当たります。用途別の数字だけでは、その内訳までは分かりません。それでも、レベル3以降に近い「業務プロセス・ワークフローの自動化・最適化」を利用用途に挙げた企業が2割ほどにとどまることから、多くの企業はレベル1〜2にいると見ています。

なぜ、成果が出ないのか?

理由は大きく三つあります。使い方が個人の作業の補助で止まっていること。浮いた時間に行き先がないこと。そして、業務プロセスそのものを組み替えていないことです。

1. 使い方が、個人の作業の補助で止まっている

総務省の白書によると、生成AIの影響を「作業時間の短縮などによる業務の効率化」と捉える日本企業は61.6%で、最も多い答えでした。調査したほかの3か国では、「製品・サービスの質の向上」がいちばん多く挙がっています。

一人ひとりの作業は確かに速くなります。しかし、それだけでは顧客に届く価値も、商談の数も変わりません。IPAの同じ調査でも、AIの効果があったと答えた企業に具体的な効果を聞くと、「業務の効率化・迅速化」が91.6%だった一方、「売上や利益の向上」は3.9%でした。この数字だけで因果は言えませんが、効率化の手応えが売上に届いていない構図と重なります。

2. 浮いた時間に、行き先がない

一人ひとりの作業を速くしても成果が出にくいことには、裏付けがあります。デンマークで生成AIの導入と労働市場の記録を突き合わせたNBERの研究(Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI)では、AIの出力を確かめるといった新しい仕事が生まれる一方で、収入にも、記録上の労働時間にも、目に見える変化は出ていませんでした。作業は短くなっても、確かめて直す仕事が増え、全体では時間が浮かないのです。

浮いた時間が別の仕事に吸われることは、昔から知られています。Forbes JAPANの記事(AIで浮いた時間はどこへ消えた?「パーキンソンの法則」という罠)が紹介するように、仕事は与えられた時間を満たすまで膨らみます。

私は、効率化したのであれば、既存業務に必要な人員とコストは実際に下がるはずだと考えています。ところが人の配置を変えなければ、人件費はそのままで、ツールの費用だけが上乗せされます。浮いた時間と人を、どの仕事に振り向けるか。それを決めない限り、効率化は成果になりません。

3. 業務プロセスを組み替えていない

成果が出ている企業ほど、業務の流れそのものに手を入れています。DX全体で見ても、IPAの調査でDXに取り組んでいると答えた企業のうち、全社レベルの業務プロセス最適化に取り組んでいる、または完了している割合は、DXの成果が出ていると回答した企業で53.8%、出ていないと回答した企業で29.5%でした。相関であって因果ではありませんが、見過ごせない差です。総務省の白書も、ヒアリングしたAI活用の先進企業の多くが「個人作業の効率化に留まらず、AI活用を前提とした業務の抜本的な変革」に取り組んでいると記しています。

営業・マーケティングは、リレーに似ています。一人ひとりの足が速くなっても、マーケティングから営業へ、営業から受注後の担当へのバトンパスが遅ければ、チームのタイムは縮みません。レベル3はバトンパスを自動にします。問い合わせから最初の連絡までの時間が縮み、取りこぼしが減る。レベル4は「誰に、いつ、何を渡すか」をデータで判断します。追うべき相手に、追うべき時期に手が届くようになり、商談化率や受注率に効いてきます。

レベル1〜4を分ける3つの境目とは?

レベル1〜4の間には、性質の違う3つの境目があります。1から2は「その都度頼むか、仕込んで使い回すか」。2から3は「人が呼び出すか、行動を起点に動くか」。3から4は「決まった流れで動くか、データの変化を起点に判断しながら動くか」です。

2から3:人が呼び出すか、行動を起点に動くか

いちばん大きな境目です。全社員がBOTを使いこなしていても、一人ひとりが呼び出しているなら、それはレベル2です。反対に、一つの業務だけでも、商談の終了をきっかけに議事録づくりからCRMへの記録までが流れで動くなら、レベル3に入っています。

途中に人の確認が残っていても構いません。違いは、動き出すきっかけが人の依頼なのか、業務の出来事なのかにあります。

3から4:決まった流れか、判断しながら動くか

見分けるには、同じデータで考えるのが早いでしょう。「料金ページを見た」に反応して担当者に通知するのは、レベル3です。「料金ページを見る回数が、先週から急に増えた」を捉えて、優先度を判断し、打ち手を変えるのがレベル4です。

言い換えると、違いは「評価」の段があるかどうかです。仕組みが動く流れを、シグナル検知(変化を捉える)、分析・評価(意味と優先度を判断する)、実行(顧客接点と業務を動かす)の三段で捉えると、レベル3には真ん中の評価がありません。決まった出来事に、決まった手順が動きます。レベル4は、積み重ねたデータと照らして、重要か、今動くべきか、誰が何をするかを判断してから動きます。

「閲覧回数で優先度を変えるのは、MA(マーケティングオートメーション)のリードスコアリングで昔からやっている」と感じた方もいるでしょう。確かに、点数づけ自体は新しくありません。違いは、その点数が使われ、直され続けているかです。人が最初に決めた重みで点数を足し、誰も見直さないまま、一定の点を超えたら通知するだけなら、それはレベル3の延長です。レベル4は、変化の意味を判断して打ち手まで変え、受注・失注の結果から判断の基準を直し続けます。

レベル4には、ツールをつなぐだけでは届きません。少なくとも次の3つが要ります。

  • 共通のデータ:同じ顧客を同じ顧客として扱えること。マーケティングの接点、営業の商談、受注後の利用状況が、一つの顧客の記録としてつながっている
  • 判断の基準:何をもって優先度が高いとするかを、言葉とルールにしてあること
  • 結果から直す仕組み:どのシグナルでどう判断し、何をしたかを記録に残し、受注・失注の結果と突き合わせて判断の基準を直し続けること

道具では、レベルは決まらない

注意したいのは、使っている道具でレベルは決まらないことです。n8nでも、共通のデータと判断の基準の上で、AIが行き先を変える流れは組めます。反対に、高価なツールを入れても、手順が毎回同じならレベル3です。問うべきは道具の名前ではなく、AIが何を起点に、どこまで判断して動いているかです。

先進企業は、どのレベルで動いているか?

海外では、商談の記録を一本ずつの議事録で終わらせず、全商談をまたいで使えるデータとしてためる企業が出てきています。レベル3の流れの上に、レベル4に向けた土台を積んでいる形です。

米国のVercelは、その分かりやすい例です。SaaStrがまとめた同社CPOの登壇内容(How Vercel runs on AI agents)によれば、商談の通話が終わると自動で処理が動き出し、AIが会話を話題・異議・案件の段階・関係者に整理します。コーチングの提案は社内のSlackに投稿され、CRMの更新案も作成されます。ここまでは、商談の終了という行動を起点にしたレベル3です。

同社はさらに、その結果をほかの商談の要約や異議と一緒に索引にためています。失注した案件は、一件残らず振り返りにかけます。だから、ある商談で出た異議が、ほかの商談でも繰り返し出ているかを確かめられます。一つの商談への反応を超えて、商談の積み重ねを横断して読めるデータがたまっている。ここに、繰り返し出る異議を捉えて打ち手を変える判断を載せれば、レベル4になります。

この事例から読み取れるのは、レベル4が突然つくられるわけではないことです。商談の終了を起点にした一本の流れ(レベル3)があり、そこにデータがたまっていくから、横断して判断できるようになります。レベル3は、レベル4の土台でもあるのです。

どの業務を、どのレベルで回すべきか?

レベルは、一段ずつ上がっていく階段ではありません。業務ごとに、適したレベルがあります。すべての業務をレベル4にする必要はなく、レベル1で十分な業務もあります。レベルが高いこと自体に、価値があるわけではありません。目的は、業務と現場のプロセスを変えることです。レベルは、それに合わせて選べば十分です。

ただし、自分たちがいまどのレベルにいるのかを見えるようにしておくことは重要です。現在地が分からなければ、どの業務を、どこまで変えるべきかも決められないからです。

営業の現場では、BOT(レベル2)で十分なことも少なくありません。商談の準備や提案の下書きは、担当者が自分のタイミングで、自社の資料を入れたBOTを呼び出せば足ります。顧客ごとに状況が違い、担当者の判断が中心になる仕事を、無理に流れとして自動化する必要はありません。

自社に当てはめるときは、会社全体ではなく、リード獲得、ナーチャリング、商談化、商談・提案、クロージング、受注後のフォローといったプロセスごとに、いまどのレベルにあるかを書き出します。そのうえで、変えたい業務に合わせて、どのレベルで回すかを決めます。

手をつける順番は、売上に近い業務からです。全部の業務を同時に直そうとすると、どれも中途半端に終わります。

レベル3の仕組みをつくるのは、道具の話に見えて、実は業務設計の話です。どの行動を起点にし、AIに何をさせ、結果をどこへ流すのか。それを決めずにツールをつないでも、流れは途中で止まります。

レベル4の仕組みは、さらに業務設計の比重が上がります。判断に使うデータがたまっていることが前提になるため、レベル3の流れが先にあると進めやすくなります。止まりやすい場所も決まっています。

  • 同じ会社がCRMに何件も登録されていて、一つの顧客の記録にならない
  • 営業とマーケティングで「優先度が高い顧客」の定義が合っていない
  • 受注・失注の理由が入力されておらず、判断の基準を直す材料がない

判断の基準は、現場の営業やマーケターが頭の中に持っている「この顧客は今が買い時だ」という感覚を、言葉とデータに置き換えたものです。一般的なスコアのひな形には、自社の勝ち方は入っていません。自社の受注と失注の記録から、勝ちやすい条件と負けやすい兆しを読み取り、判断の基準に組み込む。ここが他社との差になります。そのためにも、現場をよく知る人の関わりが欠かせません。

まとめ:重要なのは、活用ではなく業務プロセスの変革

営業・マーケティングのAI活用は、AIが何を起点に動いているかで5つのレベルに分けると、現在地がはっきりします。

  • レベル1と2は、人の依頼でAIが動く段階。手元の時間は浮くが、行き先を決めない限り成果は数字に表れにくい
  • レベル3は、行動を起点に、決まった流れで業務が動く段階。レベル4は、データの変化を起点に、判断しながら動く段階
  • レベルの高さが目的ではない。業務と現場のプロセスを変えることが目的で、レベルはそれに合わせて選ぶ。ただし、いまどのレベルにいるかは見えるようにしておく

重要なのは、AIを活用することではありません。業務プロセスを変革することです。つまり、プロセスに必要なコストやリソースを、明確に下げることです。

そのうえで、浮いたリソースをどこに当てるのか。それを戦略的に意思決定することが欠かせません。これは、担当者のレベルではできません。経営層や事業責任者が、はっきりと意思決定する必要があります。テクノロジーを、現場任せにしてはいけないのです。

ギアソリューションズは、GTMエンジニアリングという業務プロセス変革のソリューションを提供しています。ただし、仕組みをつくるだけでは足りないと考えています。浮いたリソースをどこに当てるかまで含めて決めることが、成果を分けます。「AIは使っているが、成果につながっていない」「どのプロセスから手をつけるべきか分からない」という課題をお持ちの方は、お気軽にご相談ください。

5つのレベルの考え方は、11月26日に刊行する『GTMエンジニアリングの教科書』でも扱っています。

参考情報