大塚商会がAIで訪問先を提案、1年で商談約3倍となった営業データ活用

最も効いた工夫は、AIが提示した特徴量、つまりAIが判断の手がかりとして数値化した項目の意味を、分析部門と業務部門が共同で読み解く工程を挟んだことでしょう。予測モデルが弾き出す相関は、そのままでは現場にとって根拠の見えない指示になりかねません。数字の裏にある顧客の状況を業務側の土地勘と突き合わせて言葉にしたことで、提案は「なぜこの会社に行くのか」を担当者自身が説明できる情報へと姿を変えたと考えられます。納得感を後から補うのではなく、変換の工程として仕組みに組み込んだ点が要点です。

提案の出口を、営業担当者が日頃から触れている場所に置いた設計も見逃せません。AI行き先案内は既存の営業ツールSPRと連携し、訪問先の候補をカレンダーの予定として書き込む形をとりました。専用画面を開いて確認するという一手間を挟まない作りは、「AIを使うかどうか」という判断そのものを日々の動線から外してしまいます。新しい道具を現場に定着させる難所は、たいてい機能の優劣ではなく、この一手間の有無に潜んでいるものです。

分析の下ごしらえを自動化したことも、土台として大きな意味を持ちます。従来なら数カ月を要することもあった特徴量の設計が数日規模に縮まれば、精度そのもの以上に、仮説を試せる回数が変わってきます。市場や顧客の動きを追いかけるには、一度作り込んだモデルを長く使うより、短い周期で試し直せる体制のほうが噛み合うのではないでしょうか。