太陽光設備の営業に生成AI、建物調査の月120時間削減を検証したPoC

個々の作業単位ではなく、受注までの営業活動全体を一本の流れとして構造化してから課題を抽出したことが、この検討の起点になっています。そのうえで、負荷が増える対面営業には「効率化と支援」、縮小するインサイドセールスには「人の代わりを務める代行」、ターゲット選定には「抽出精度の向上」と、プロセスごとに異なる役割をAIに割り当てました。同じ生成AIでも期待する働きを変えるこの切り分けがあることで、検証の目的と評価軸がぶれにくくなります。

提案書作成では、数値と文章の担当を明確に分けた設計が実用性を左右したと考えられます。電力使用の基礎数値や、そこから導かれる経済性・環境性の効果数値は正確性が求められるため、あらかじめプログラムされた計算式で算出し、生成AIには提案ストーリーの検討や調査、スクリプト・助言の作成を任せる。数字の信頼性を機械的に担保したうえで、判断や表現の部分にAIを充てる分担だからこそ、営業現場で使える形になったのではないでしょうか。しかも初回訪問はテンプレート通り、2回目は対話で得た情報を反映、3回目は見積もりを織り込んで営業社員が手を加えて最終化と、訪問回数ごとに情報の入り具合に合わせて生成の深さを変えている点も、実務の流れに沿った設計です。

ツールの置き場所をPowerPointのアドインにした判断も見逃せません。デジタルツールが導入後に使われなくなるのはよくあることで、とりわけ臨機応変さが求められる営業では、専用ツールを開いてまで使う必然性が感じられにくい。普段の作業画面の中に機能を差し込み、営業担当が現場で感じたことを自分の手で反映できる余地を残したことは、定着のハードルを下げる現実的な打ち手です。