「AIで営業を効率化」という言葉はよく見かけますが、実際に何をどこまで自動化できているのかは、記事によって書いてあることがバラバラです。「商談後の報告書作成が要らなくなる」といった威勢のよい謳い文句も多く、どこまでが実態でどこからが宣伝文句なのか、外からは判断しづらいのが正直なところだと思います。
この記事では、企業が自社の実績として公表している数字だけを拾い、営業支援AIの現在地を整理します。実名も数字も出さずに「劇的に改善」とだけ書かれている記事は除外し、公表資料や事例ページで確認できたものに絞りました。うまくいっている部分と、まだ数字が出ていない部分の両方を書きます。
商談の記録・入力を代わりにやらせる
営業AIの中でもっとも導入が広がっているのが、商談内容の録音・要約・SFA（営業支援システム。商談履歴や見込み客の情報を一元管理する仕組み）への自動入力です。商談中は会話に集中し、記録作業をAIに任せるという発想です。
図面・測量関連のソフトウェアを扱う株式会社インフォマティクスは、AI音声解析サービス「bellSalesAI」を導入しています。同サービスを提供するベルフェイス株式会社の発表によると、商談要点の整理と議事録作成にかかる工数が約50%削減され、あわせて対面営業活動のSalesforceへの登録件数が前年同期比で約20%増加したとされています。これは提供元であるベルフェイス社が自社サービスの導入事例として公表した数字である点は踏まえて読む必要があります（出典：ベルフェイス株式会社プレスリリース、2026年4月8日、https://www.atpress.ne.jp/news/581172）。入力の手間が減ったことで、そもそも記録に残す商談自体が増えたと読み取れます。
この種のツールに共通するのは、「話した内容をテキスト化する」だけでなく「SFAのどの項目に何を入れるか」まで踏み込んでいる点です。入力ルールが担当者ごとにばらついていた会社ほど、効果を実感しやすいと考えられます。
訪問先・提案先をAIに選ばせる
記録の自動化の次に進んでいるのが、「誰に何を提案しに行くか」自体をAIに提案させる取り組みです。
大塚商会は、20年以上蓄積した商談データと売上明細データをもとに、営業担当者へ訪問先候補を自動提案する「AI行き先案内」を導入しています。分析基盤を提供するdotData社の導入事例ページによると、AI行き先案内で提案したAI商談は2020年上期から2021年上期の1年で約3倍の7万4300件に増加し、全体の商談件数も2021年第1四半期に8.4%の増加率を達成したと報告されています。また、特徴量設計にかかる処理も従来の数カ月から数日に短縮されたとされています。こちらもツール提供元が自社サイトに掲載している事例である点には留意が必要です（出典：dotData導入事例、https://jp.dotdata.com/resources/case-study/how-otsuka-shokai-increased-their-business-deals/）。
この事例のポイントは、AIが商談の中身を考えているわけではなく、「誰に会いに行くべきか」という優先順位づけに使われている点です。提案内容や話し方は引き続き営業担当者が担っています。
全社規模でAIを使う企業の場合
一方で、営業に限らず生成AIを全社的に使い込んでいる企業もあります。株式会社リコーは、社内のSFA/CRMに独自開発の生成AIレコメンド機能を組み込み、2024年5月に3拠点で試験導入したのち、同年8月には全国48拠点・約7400人の営業担当者に本格展開したと公表しています。顧客の属性や購買履歴、商談履歴をもとに提案内容の候補を示し、あわせて「なぜその提案に至ったか」の理由も表示する仕組みです(出典：リコー、https://jp.ricoh.com/release/2024/0729_1)。
ただしこのリリースでは、導入規模は明記されている一方、商談成約率や工数削減といった定量的な成果は公表されていません。7400人規模で使われているという事実だけでも導入の本気度はうかがえますが、「数字で効果が語られていない事例もある」ことは、営業AIを検討するうえで知っておいてよい点だと思います。
パナソニック コネクトのように、自社向けAIアシスタント「ConnectAI」を国内約11,600人の社員に展開し、2024年のAI活用による業務時間削減効果が44.8万時間に達したと公表している企業もあります（出典：パナソニック コネクト プレスリリース、https://news.panasonic.com/jp/press/jn250707-2）。ただしこの数字はプログラミング、手順書などのドキュメント作成、文書レビューといった用途を含む全社的な効果であり、営業活動に限定した数字ではない点には注意が必要です。
うまくいかない部分・限界
公表されている事例の多くは、成功した部分だけを切り取って発表されています。実際に営業現場でAIを使う場合、いくつか壁があることも書いておきます。
1つ目は、AIが提案した訪問先や提案内容をそのまま鵜呑みにできない点です。過去のデータに基づく提案は、既存の取引パターンを踏襲しやすく、新規開拓や変則的な商談には弱い傾向があります。データが少ない新商品や、担当者の異動直後で履歴が薄い顧客では、精度が落ちやすいというのは、AI活用の解説記事でも繰り返し指摘されている点です。
2つ目は、議事録や入力の自動化についても、専門用語や社内独自の略称が多い業界では、AIの要約がずれることがあり、結局担当者による確認・修正の工程が残るケースがあるという点です。「入力がゼロになる」というより「入力の手間が減る」と捉えたほうが実態に近いと考えられます。
3つ目は、SFAへの入力ルールや商談データの蓄積が元々整っていない会社では、AIが学習する土台自体が薄く、効果が出るまでに時間がかかることです。大塚商会の事例も、20年分のデータ蓄積があったからこそ精度が出ています。データがない状態からいきなり高精度な提案を期待するのは現実的ではありません。
4つ目は、コストと運用負荷です。録音・要約系のツールは月額課金のものが多く、営業人数が多い会社ほど費用がかさみます。また、顧客との会話を録音・解析することになるため、業種によっては情報管理や顧客への説明について社内でのルール整備が別途必要になります。導入して終わりではなく、運用ルールを誰が管理するかを決めておく必要があります。
では自社では何から始めるか
以上を踏まえると、いきなり「訪問先をAIに選ばせる」ような高度な活用から始めるのは、多くの中小企業にとってハードルが高いかもしれません。まずは商談の録音・要約・SFA入力といった、比較的リスクの小さい記録業務の自動化から試す、という選択肢が考えられます。ここであれば、精度が多少ずれても営業活動そのものへの影響は限定的です。
その上で、SFAや案件管理に蓄積されたデータの量と質を見直し、「そもそもAIに学習させられるだけのデータが社内にあるか」を確認する段階を挟むのも一つのやり方です。データが薄い場合は、AIツールの導入より先に、商談記録を残す運用を整えるほうが遠回りに見えて近道になることもあります。どちらから着手するかは、自社の営業データの蓄積状況を見ながら判断するのがよいと思います。