営業部門の業務にAIを組み込む

チャプター 2

3つの領域で、実際に動くものを作る

議論を止めて、動くものを作ることにしました。対象は3領域です。

ひとつめは技術文書のAI検索。PDFや図面をアップロードし、「M8ボルトの締め付けトルクは」といった質問を自然言語で投げると、AIが該当箇所を特定して回答し、根拠になったページを示します。回答だけを返すと確認できないので、根拠の提示までを含めた形にしました。

ふたつめは品質検査レポートの自動生成。検査データを入力すると異常値や傾向を分析し、レポートの形にして出します。みっつめは見積支援で、新しい案件の仕様から過去の類似案件を探し、参考になる金額レンジと根拠案件を並べます。

3つとも、営業の現場で日々発生していて、担当者に聞けばすぐ具体例が出てくる業務です。派手さより、現場が自分の仕事として想像できることを優先して選びました。

チャプター 3

実データで試せる状態まで持っていく

3本とも、サンプルではなく実際のデータで試せるところまで作りました。手元のファイルを入れて動かしてみれば、使えるかどうかは数分で分かります。

デモ用に整えたデータで動かすと、たいていうまくいきます。ただ現場のファイルは、書式が揃っていなかったり、古い記載が混ざっていたりする。そこで動くかどうかが本当の判断材料なので、最初から実データを前提にしました。

検討の論点が「入れるかどうか」から「どう使うか」に移り、営業部門でのAI活用の議論が実物ベースで進むようになりました。

チャプター 4

動くものがあると、議論の質が変わる

実物を触ってもらうと、出てくる意見が変わります。資料を前にした議論では「精度はどのくらいか」「セキュリティは大丈夫か」といった一般論が続きますが、動くものがあると「この項目も検索できるようにしてほしい」という具体的な要望に変わります。

後者のほうが、導入に向けて前に進んでいます。一般論への回答をいくら重ねても意思決定には近づきませんが、具体的な要望は、使う場面を思い浮かべている人からしか出てこないからです。

広げていくとしても、この3本が起点になります。最初から全体像を描いて一気に導入するのではなく、実際に使われた1本を横に広げていくほうが、結果として速く着地します。