This markdown file is for LLM indexing. Not for human reading. Refer this [link](https://btob-ai-workers.turnint.site/decks/pub_VDnaqfI701559cnS9DzUUUX) for human-readable version. ## BtoB AI Workers - AI導入・活用支援 # BtoB AI Workers ## AI導入・活用支援 次の成長のために AIを使う ![BtoB AI Workers Logo](logo) --- ## 目次 # 目次 1. AI導入・活用支援とは 2. AI導入・活用が失敗するのか？ 3. 支援の考え方と体制 4. 具体的な支援内容 5. 事例・進め方 6. 料金 --- ## AI導入・活用支援とは # AI導入・活用支援とは ## 自社の状況に最適な「AIの選定、導入」を、 ## 「誰でも活用できる仕組み」と共に提供するサービスです --- ## 他のAI関連サービスとの違い # 他のAI関連サービスとの違い 成果検証まで一気通貫でサポート 現場を「置いてけぼり」にしない伴走型支援 | | BtoB AI Workers | AIコンサル | Sier | | :--- | :---: | :---: | :---: | | **AI活用の設計** | 〇 | 〇 | × | | **現場への落としこみ** | 〇 | 〇 | △ | | **実務への関与** | 〇 | △ | △ | | **成果検証** | 〇 | × | 〇 | --- ## AIプロフェッショナル紹介 # AIプロフェッショナル紹介 現場での各種支援プロセスの効率化を実施 AIを最大限活用し、顧客への提供価値最大化を目指します ![青木 徹氏の写真](profile_aoki) AIエンジニア **青木 徹** aoki toru | 経歴 IBMおよび複数のスタートアップにて、業務効率化・ DX推進プロジェクトを担当し、業務整理からシステム導入までを一貫して経験。 ・各種生成 AIの特性を踏まえ、業務プロセス設計・ツール選定・運用設計まで落とし込み、現場で使われ続ける形に定着させることを強みとする。 ![小柴 鷹介氏の写真](profile_koshiba) AIエンジニア **小柴 鷹介** koshiba yosuke | 経歴 ・京都大学大学院で宇宙物理学を専攻後、株式会社リクルートに入社。 SUUMO分譲マンション領域でプロダクト責任者として事業成長を牽引。 ・課題ヒアリング〜要件定義を強みに、 PoC開発・ AIエージェント構築・ AI導入支援を手がける。 --- ## 代表紹介：名生 和史 # 代表紹介 ## 名生 和史 Myo Kazushi ![profile_picture](profile_picture) ### | 経歴 - **楽天グループ**：法人営業組織のマネジメント／採用を経験 - **SmartHR**：ABM体制構築・営業 /マーケの仕組み化を推進 - **才流**：BtoB営業・ BtoBマーケのコンサルに従事 --- ## インサイドセールス専門書を執筆 ![book_cover_and_reviews](book_cover_and_reviews) 立ち上げ〜商談獲得までの実務を体系化。 現場で再現できる“型”を日本初の専門書として整理。 [https://amzn.asia/d/8KjtSwE](https://amzn.asia/d/8KjtSwE) ## 法人営業・ BtoBマーケ支援の実績多数 ![consulting_cases](consulting_cases) SaaS/IT中心に“商談化〜再現性づくり”まで伴走。 累計100社以上の支援経験に基づき、最短で成果を出す型を実装。 [https://sairu.co.jp/member/38687/](https://sairu.co.jp/member/38687/) ## SalesZine等に掲載／メディア登壇 ![media_features](media_features) BtoBの「再現性」「運用」をテーマに、記事・登壇多数。 現場で使えるノウハウとして発信しています。 [https://saleszine.jp/article/detail/7424](https://saleszine.jp/article/detail/7424) --- ## メンバー紹介 # メンバー紹介 BtoBマーケを戦略〜実行まで担ってきた社員が在籍しています ## 鴨田 崇司 kamota shuji ![鴨田 崇司の顔写真](kamota_profile_image) - BtoBマーケティング - BtoCマーケティング 上智大学外国語学部卒業後、専門商社に入社。マーケティング関連業務に従事後、外資系コンサルティング会社にてBPR及びPMO業務に従事し、その後独立。課題発見から具体的解決策の立案と実行が強み。 会議におけるファシリテーションから、1on1でのヒアリングなど、対人業務での評価も高い。 ## 岡本 大典 Okamoto Daisuke ![岡本 大典の顔写真](okamoto_profile_image) - BtoBマーケティング - 採用マーケティング 富士通株式会社に新卒入社。公共向けソリューション営業を担当。その後シスコシステムズ合同会社に入社し、日本・アジア太平洋地域を担当する採用担当として、セキュリティ・ネットワーク領域を中心に、採用戦略立案から実行までをリード。現在はスタートアップ支援特化の人材紹介会社にて、セキュリティ、フードデリバリー領域専任の立ち上げ、GTM採用に従事。グローバル・日本市場双方を理解した視点で、立ち上げ期の採用戦略立案から実行支援に強みを持つ。 ## 金内 博冬 kaneuchi hiroto ![金内 博冬の顔写真](kaneuchi_profile_image) - BtoBマーケティング - インサイドセールス 法政大学経済学部卒。営業支援スタートアップに創業メンバーとして参画し、インサイドセールスの運用設計・KPI管理・改善と自社マーケティングを推進。年商5億円規模までの成長に貢献。 Speeeではデータ活用コンサルタントとして、基幹システムリプレイスやデジタルマーケ案件の構想〜実装・定着を支援。現在は独立し、スタートアップ向けに BtoBマーケティングの実行支援を行っている。 ## 長谷川 拓也 Hasegawa takuya ![長谷川 拓也の顔写真](hasegawa_profile_image) - カスタマーサクセス - 採用マーケティング 三陽商会バーバリー事業部エリアマネージャーを経て、リクルートで営業・企画・マネジメントを経験後、GA technologies／イタンジで執行役員として数十億円以上規模の組織成長を牽引。その後、ベンチャー企業の執行役員の事業部門全般及び人事責任者として前年対比 200%以上の成長を牽引。採用を「設計」だけで終わらせず、スカウト運用・選考設計・進捗管理まで一気通貫で実行し、採用成果にコミットします。 --- ## 会社紹介とご支援実績 # 会社紹介 | ご支援実績 ## 支援企業数 100社以上 ※ベンチャー〜大手企業まで幅広く対応実績あり ## 支援企業の規模 ![Pie Chart showing the scale of supported companies. Startups: 60%, Large enterprises: 20%, Local SMEs: 20%.](pie_chart) ```mermaid pie title 支援企業の規模 "スタートアップ企業" : 60 "大手企業" : 20 "地方中小企業" : 20 ``` - スタートアップ企業: 60% - 大手企業: 20% - 地方中小企業: 20% ## 主な支援企業 ![Logos of various supported companies including Rakuten Payment, M&A Co-Creation, Empower X, セールスブレイン, where I belong Wib, Lis Inc., Maroo, Brave work, SUMATEN, ツクチム, VIE, ゼトスタ Z.START, Robinson Consulting, Open Reach Tech, Miuit.](supported_companies_logos) --- ## Voiceover 支援実績は累計100社以上。スタートアップ60%、大手・地方中小企業が各20%。幅広い規模の企業の課題を解決してきました。 --- ## よくある課題 # よくある課題 --- ## AI導入におけるよくある課題 # よくある課題 AIを導入しても、多くの企業が成果につなげられていません - **業務で使われていない** 「便利そう」で止まり、仕事のやり方は変わらない - **AI活用に関わる担当者がいない** 社長や役員が片手間で見るだけ - **やめどきがわからない** 続けるべきか、やめるべきか判断できない --- ## 業務で使われていない # 業務で使われていない ツールやAIは増えたが、業務プロセスは何も変わっていない ### 導入目的が「効率化」で止まっている - 何の業務を、どう変えるかが定義されていない - 「便利そう」「工数削減できそう」がゴールになっている ### 業務プロセスが前提のまま - 既存フローに無理やり AIを当てはめている - 業務の順番・役割・判断点が再設計されていない --- ## AI活用における担当者不在の弊害 # AI活用に関わる担当者がいない 推進役が不在であるが故に、AI活用が蔑ろになりがち | # | 担当者がいないことにより起きる弊害 | | --- | --- | | 01 | **方針が決まらない**
何から始めるべきか判断されない | | 02 | **業務に落とし込まれない**
現場の業務フローと接続されない | | 03 | **定着・改善が進まない**
使われているか誰も見ていない | | 04 | **成果が評価されない**
効果測定の基準がない | --- ## プロジェクトの「やめどき」の判断基準 # やめどきが分からない 判断軸がないまま、試行錯誤だけが続いている ## よくある状態 - とりあえずPoCを続けている - 成果が出ないが、止める理由もない - 現場の不満は出ているが整理なし **「やめどき」が定義されていない** ## あるべき姿 - 目的とKPIが事前に定義されている - 継続・改善・中止の判断基準がある - 判断が感覚ではなくデータで行われる **進める・止めるを決められる状態** --- ## AI導入・活用支援の特徴 # AI導入・活用支援の特徴 --- ## AI支援の特徴 # AI支援の特徴 貴社担当者の直下で、 AIを導入すべき領域を判定 現場を踏まえた導入を心がけます ![AI導入の体制図](ai_implementation_structure) ```mermaid graph TD A[貴社担当者] --> B[BtoB AI Workers] B --> C[営業担当] B --> D[マーケ担当] B --> E[人事担当] B --> F[経理担当] B --> G[経理担当] ``` --- ## 現場起点でAIが使われるまで落とし切る支援プロセス # 現場起点でAIが使われるまで落とし切る支援プロセス 導入だけで終わらせず、業務に定着するところまで伴走 ![支援プロセスのフローチャート](support_process_flowchart) ```mermaid graph TD A[現状業務の把握・課題整理] --> B[AI導入領域の選定・設計] B --> C[PoC・小さな実装による検証] C --> D[現場定着・運用支援] style A fill:#f2f2f2,stroke:#ccc style B fill:#f2f2f2,stroke:#ccc style C fill:#f2f2f2,stroke:#ccc style D fill:#0055A5,stroke:#0055A5,color:#fff ``` --- ## BtoB AI WorkersのAI活用支援が選ばれる理由 # BtoB AI WorkersのAI活用支援が選ばれる理由 「AI導入」ではなく「業務効率化」をゴールに ## 現場理解を前提にした設計 - 営業・マーケ・人事・経理など部門別の業務理解 - 実務レベルで「どこに AIを使うべきか」を判断 - 理論先行・ツール先行にならない設計 ## 成果・定着を重視した導入 - 使われない AIは導入しない - 小さく試し、効果が出る形に磨き込む - 現場負荷・運用コストまで考慮 ## 社内調整を巻き取り - 部門間の調整・合意形成を支援 - 現場と意思決定者の橋渡し - 「誰が・どう使うか」を明確化 --- ## 支援事例 # 支援事例 --- ## 営業・インサイドセールスにおける架電録音分析と議事録自動化 営業・インサイドセールス | #録音分析 #議事録自動化 #振り返り効率化 #Zoom連携 # 架電録音から議事録・評価を自動生成し、振り返りの質を向上 #録音分析 #議事録自動化 #振り返り効率化 #Zoom連携 ｜ 難易度 ★★☆☆☆ ## 導入前の課題 - 1日100件の架電録音があっても、聞き返す時間がない。 - 振り返りは週1回のMTGで口頭共有のみ、改善が進まない。 - 新人へのフィードバックに具体性がない。 - マネージャーが全員分の録音を聞くのは物理的に不可能。 ## 導入後の効果 - 週次MTGが「なんとなくの感想共有」から「**事実ベースの具体的な議論**」に変化した。 - 新人が毎日業後に「どう会話すべきだったか」を**AIと壁打ちする習慣**が生まれた。 - マネージャーは「**AIが低評価した架電**」だけ確認すればOKになった。 ## 解決策 ![解決策のフロー図](solution_flowchart) ```mermaid graph LR A[架電] --> B[Zoom 録音データ 自動取得] B --> C[AIエージェント 分析] C --> D[・文字起こし全文
・サマリ
・顧客の反応 /温度感
・トークの良かった点 /改善点
・ネクストアクション] D --> E[Google Drive 保存] ``` --- ## 商談録画の自動分析・活用による受注率向上とリード発掘 ```markdown 営業・フィールドセールス | #商談録画分析 #受注率向上 #リード発掘 #商談準備効率化 # 受注率向上とリード発掘を両立｜商談録画の自動分析・活用 #商談録画分析 #受注率向上 #リード発掘 #商談準備効率化 ｜ 難易度 ★★★★☆ ## 導入前の課題 - 商談後のSFA入力が属人的で、BANT情報の抜け漏れが発生することも多々発生。 - 1時間超の商談録画を見返す余裕がなく、重要な発言を忘れたまま次回提案に臨んでしまう。 - 商談中に出てきた新たなリード情報を拾いきれていない。 ## 導入後の効果 - 商談準備が**60分→40分に削減し提案数が増えた**上で、質の高い商談で**受注率が1.6倍高く**なった。 - 商談後は「確認」のみとなり、**BANT入力漏れがゼロに**なった。 - 商談中の何気ない発言から別部署の**新規リードを月平均4件発掘**できるようになった。 ## 解決策 ![ワークフロー](workflow) ```mermaid graph LR A[商談終了
オペレーターアイコン] --> B[商談データ
自動取得
Zoom/Google Meetアイコン] B --> C[AIエージェント
分析
AIアイコン群] C --> D[・文字起こし全文
・BANT情報抽出
・案件確度スコア
・新規リード情報
・ネクストアクション
ドキュメントアイコン] D --> E[SFA / Google Drive
自動連携
HubSpot/Google Driveアイコン] ``` ``` --- ## 面接録画から評価シートを自動生成し、選考スピードと精度を向上 人事・採用 | #面接分析 #評価シート自動化 #採用精度向上 #面接官バラつき解消 # 面接録画から評価シートを自動生成し、選考スピードと精度を向上 #面接分析 #評価シート自動化 #採用精度向上 #面接官バラつき解消 ｜ 難易度 ★ ★ ★ ☆ ☆ ### 導入前の課題 - 面接官によって評価基準がバラバラで、同じ候補者でも評価が割れる。 - 面接後の評価シート記入が曖昧な記載になりがち。 - 面接官が忙しく、評価シート提出が遅れて選考スピードが落ちる。 ### 導入後の効果 - 評価シートに選考者の発言が記載されるようになり、面接官間の認識ズレが大幅に減少した。 - 評価シート作成が面接直後に完了し、選考リードタイムが平均2日短縮した。 - 不採用時も根拠を示せるようになり、エージェントへのフィードバック品質が向上した。 ### 解決策 ![Solution Flow](solution_flow) ```mermaid graph LR A[面接] --> B[zoom\n面接データ\n自動取得] B --> C[AIエージェント /\nRAG による検索] C --> D[・文字起こし全文\n・評価項目ごとのスコアと根拠\n・候補者の強み /懸念点サマリー\n・次の選考で確認すべきポイント] D --> E[Google Drive\n保存] ``` --- ## ヒアリングから提案書骨子を自動作成し属人化を解消 **営業・インサイドセールス ｜ #提案書自動化 #ヒアリング活用 #RAG #提案品質向上** # ヒアリング →骨子自動生成し、提案書作成の属人化を解消 **#提案書自動化 #ヒアリング活用 #RAG #提案品質向上 ｜ 難易度 ★★★★☆** ### 導入前の課題 - ヒアリング内容を提案書に落とし込むのに毎回 2〜3時間かかる。 - 営業担当者ごとに提案書の構成・質にバラつきがある。 - 提案の方向性で合ってるかを上司に相談したいが、忙しくて捕まらない。 - 過去の類似提案を参考にしたいが、探すのが面倒で結局ゼロから作っている。 ### 導入後の効果 - 提案書のたたき台作成が 2時間→ 30 分に短縮、商談から提案までのリードタイムが半減した。 - 提案内容について AIと壁打ちできるようになり、上司の時間を使わず自走できる営業が増えた。 - 新人でも過去提案を参考にした骨子が作れるようになり、提案品質が底上げされた。 ### 解決策 ![商談データから提案書骨子を自動生成しNotionへ連携するプロセスの図形](solution_flow) ```mermaid graph LR A[初回商談] --> B[商談データ
自動取得]; B --> C[AIエージェント /
RAG による検索]; C --> D[・顧客課題
・提案の方向性・ゴール
・今後の受注までの流れ
・次回商談骨子 / 類似資料
・ネクストアクション]; D --> E[Notion連携]; ``` --- ## 営業日報から週次サマリー・課題を自動抽出し、マネジメントを効率化 営業・インサイドセールス | #営業日報 #週次レポート自動化 #課題抽出 #マネジメント効率化 # 営業日報から週次サマリー・課題を自動抽出し、マネジメントを効率化 #営業日報 #週次レポート自動化 #課題抽出 #マネジメント効率化 | 難易度 ★ ★ ☆ ☆ ☆ ### 導入前の課題 - 日報が 活動の羅列 になっていて、マネージャーが全部読む時間がない。 - 日報を書く側も誰も読んでないと感じてモチベーションが下がっている。 - チーム全体で何が起きているか把握するのに、週次 MTGまで待つしかない。 ### 導入後の効果 - マネージャーの作業が サマリレポートで把握 & 気になる日報だけを深掘りすることに変化した。 - 週次MTGが「情報共有」から「課題解決の議論」にシフトし、会議の質が向上 ### 解決策 ![日報からGoogle Drive保存/Slack通知までのフローチャート](solution_flowchart) ```mermaid graph LR A[日報入力] --> B[日報データ収集] B --> C[AIエージェント
による分析] C --> D[・今週のハイライト
（受注・大型商談進捗など）
・要注意案件
（停滞・失注リスク）
・個人別トピックサマリー] D --> E[Google Drive保存
/ Slack通知] ``` --- ## ES選考の自動スコアリング・評価による効率化 人事・採用化 | #ES選考 #スコアリング自動化 #評価理由言語化 #採用効率 # ES選考の自動スコアリング・評価し、属人化・工数を解消 #録音分析 #議事録自動化 #振り返り効率化 #Zoom連携 ｜ 難易度 ★★☆☆☆ ### 導入前の課題 - 繁忙期に数百〜数千件の ESを読む必要があり、採用担当が大幅な残業 と 他の業務が疎かになっている。 - 読む人によって評価基準がブレて、通過・不通過の判断が属人的になる - 採用・不採用の理由を残していないため、後から振り返れない ### 導入後の効果 - ES選考の一次スクリーニング工数が 1件10 分→ 1分に短縮、繁忙期の残業が大幅減。 - 評価理由が言語化されることで、理由をチーム内で共有・議論できるようになった。 - 面接で聞くことが明確になり、面接官の準備時間が削減した。 ### 解決策 ![AIエージェントによるES評価フロー](es_evaluation_flow) ```mermaid graph LR A[ES提出] --> B[ESデータ収集] B --> C[AIエージェントによる評価] C --> D[スプレッドシート] D -.-> E[・基本情報\n・総合評価\n・評価軸ごとのスコア / 根拠\n・強み・懸念点サマリー\n・面接で深掘りポイント] D --> F[Google Drive保存 / ES結果通知] ``` --- ## 請求書PDFから仕訳ドラフトを自動生成し、経理の月末残業を半減 バックオフィス・総務 | #請求書処理 #仕訳自動化 #経理効率化 #ダブルチェック # 請求書PDFから仕訳ドラフトを自動生成し、経理の月末残業を半減 #請求書処理 #仕訳自動化 #経理効率化 #ダブルチェック｜難易度 ★ ★ ★ ☆ ☆ ## 導入前の課題 - 毎月届く請求書を 1件ずつ目視で確認し、手入力で仕訳を切るのに膨大な時間がかかる。 - 請求金額と発注金額の照合漏れで、後から差額に気づくことがある。 - 月末に請求書が集中し、経理担当が残業続きになる。 ## 導入後の効果 - 請求書処理が 1件5分→ 1分に短縮、月末の残業時間が削減 - 仕訳の勘定科目が過去データに基づいて統一 - 経理担当は「確認・承認」に集中できるようになり、本来やるべき分析業務に時間を使えるように ## 解決策 ![workflow diagram](workflow_diagram) ```mermaid graph LR A[請求書受領
Gmailアイコン] --> B[請求書データ
収集
歯車アイコン] B --> C[AI OCR
PDFデータ抽出
AI関連アイコン] C --> D[AIエージェント / RAG
勘定科目・税区分 自動判定
AI関連アイコン] D --> E[問い合わせサマリー
メール下書き
スプレッドシート・Gmailアイコン] ``` --- ## 問い合わせメールの自動分類と回答ドラフト生成による対応高速化 カスタマーサポート・ CS | #問い合わせ対応 #メール自動分類 #回答ドラフト #対応スピード向上 # 問い合わせメールを自動分類・回答ドラフト生成し、初動対応を高速化 #問い合わせ対応 #メール自動分類 #回答ドラフト #対応スピード向上 | 難易度 ★ ★ ★ ☆ ### 導入前の課題 - 問い合わせメールが 1日数十件届き、内容を読んで回答するのに時間がかかる。 - 担当者によって回答の書き方・トーンがバラバラで、品質が安定しない。 - 似たような問い合わせに毎回ゼロから回答を書いている。 - 緊急度の高い問い合わせが埋もれて、対応が遅れることがある。 ### 導入後の効果 - 問い合わせの振り分け作業がゼロになり、受信から対応開始までの時間が減少 - 回答ドラフトをベースに修正するだけになり、 1件あたりの対応時間が10分→ 3分に。 - 緊急度の高い問い合わせは即時通知により、クレームに発展する前に対応できるケースが増加 ### 解決策 ![処理フロー図](flowchart) ```mermaid graph LR A[問い合わせ\n受信] --> B[メール内容\n取得] B --> C[AIエージェント分\n類・優先度判定] C --> D[AIエージェント / RAG\n過去の類似対応から回答案を作成] D --> E[・請求書サマリー\n・仕訳ドラフト] ``` --- ## ヘルプドキュメントから FAQを自動生成し、問い合わせ件数を削減 カスタマーサポート・ CS | #FAQ自動生成 #ヘルプセンター #問い合わせ削減 #セルフサービス促進 # ヘルプドキュメントから FAQを自動生成し、問い合わせ件数を削減 #FAQ自動生成 #ヘルプセンター #問い合わせ削減 #セルフサービス促進 ｜ 難易度 ★★★☆☆ ### 導入前の課題 * ヘルプセンターの記事はあるが、検索しても目的の情報にたどり着けず問い合わせが来る * FAQを充実させたいが、ヘルプ記事から要点を抜き出して書き直す時間がない * 機能アップデートや UI変更のたびに FAQの更新が追いつかない ### 導入後の効果 * 「よくある質問」が実際の問い合わせ傾向と一致し、FAQ経由の自己解決率が 30 % 向上した。 * 問い合わせ件数が月 200件→ 140件に減少し、 CSチームが複雑な案件に集中できるようになった。 ### 解決策 ![NotionやGmail --- ## アンケート自由記述のポジネガ分類・要約による顧客の声の可視化 # データ分析・可視化 | #アンケート分析 #ポジネガ分類 #VOC分析 #顧客理解 # アンケート自由記述をポジネガ分類・要約し、顧客の声を可視化 **#FAQ自動生成 #ヘルプセンター #問い合わせ削減 #セルフサービス促進** | 難易度 ★★★★☆ ## 導入前の課題 - NPS調査やCS調査の自由記述が数百件あり、全部読むのに 3日ほどかかる。 - ポジティブ・ネガティブの仕分けを手作業でやっていて、担当者の主観が入る。 - 経営陣からの質問に主観ベースでの報告になっている。 - 自由記述を読んで終わりで、プロダクト改善や施策に活かせていない。 ## 導入後の効果 - 自由記述の分析が 3日→ 5時間に短縮し、報告までのリードタイムが短縮した。 - ポジネガ分類が自動化され、担当者による判定のブレがなくなった。 - 質問に対して事実ベースでの報告ができるように。 - 分析結果をプロダクトチームと共有する習慣ができた。 ## 解決策 ![ワークフロー図](workflow_diagram) ```mermaid graph LR A[アンケートデータ生成] --> B[ポジネガ分類・トピック抽出分析レポート生成] B --> C[・ポジティブ / ネガティブ等の件数・割合\n・トピック別の分類\n・各トピックの代表的な声\n・改善優先度の高いトピック] C --> D[Google Drive保存] ``` --- ## 社内チャットの質問に AIが自動回答し、質問対応時間を削減 **バックオフィス・総務 | #ナレッジ管理 #社内FAQ #Slack連携 #RAG #属人化解消** # 社内チャットの質問に AIが自動回答し、質問対応時間を削減 **#ナレッジ管理 #社内FAQ #Slack連携 #RAG #属人化解消** ｜ **難易度 ★ ★ ★ ☆ ☆** ### 導入前の課題 - Slackで同じ質問が何度も飛び交い、回答者が毎回同じ説明をしている。 - ナレッジベースはあるが、更新せず情報が古いまま。 - 特定の人に質問が集中し、その人がいないと業務が止まる ### 導入後の効果 - 学習済みの質問は AIが即座に回答し、担当者の対応工数が削減 - 担当者が回答した内容が自動でナレッジ化され、運用負荷なく精度が向上していく - 特定の人への質問集中が緩和され、属人化リスクが低減 ### 解決策 ![解決策のフローチャート](solution_flowchart) ```mermaid graph LR A[Slackで質問] --> B[AIエージェント・ RAG\n検索/ 質問への回答生成] B --> C[Slackで自動回答] C ~~~ D[AIエージェント・ RAG\n担当者が回答したものを別途学習] ``` --- ## 店舗アンケートの自由記述から店舗別の課題・強みを自動抽出し、改善アクションを促す 店舗・小売 | #店舗運営 #アンケート分析 #多店舗管理 #VOC活用 # 店舗アンケートの自由記述から店舗別の課題・強みを自動抽出し、改❹アクションを促す #店舗運営 #アンケート分析 #多店舗管理 #VOC活用 ｜ 難易度 ★★★☆☆ ### 導入前の課題 - 各店舗のアンケートは集まるが、自由記述を読む時間がなく放置されている。 - 数値評価だけでは見えない定性的な問題を見落としている。 - せっかくの顧客の声が現場改❹に活かされず、集めて終わりになっている。 ### 導入後の効果 - POSデータも参照しながら、課題のある店舗の店長等に状況を把握した上でヒアリングできるようになった。 - 店長が自店舗のフィードバックを客観的に振り返り、自発的に改❹に取り組む事例が少しずつ増えてきた。 ### 解決策 ![アンケートを撮影しAIを用いて分析、レポートを出力・確認するまでのフロー](solution_flowchart) ```mermaid graph LR A[アンケート
撮影] -->|画像データ抽出| B(AI OCR
画像データ抽出) B -->|データ化| C(アンケート
データ化) C -->|分析レポート生成| D(AIエージェント・RAG分
析レポート生成) D -->|レポート出力| E(店舗ごとのレ
ポート出力) E -->|確認| F[レポート
確認] style A fill:#fff,stroke:#fff style F fill:#fff,stroke:#fff style B fill:#fff,stroke:#fff style C fill:#fff,stroke:#fff style D fill:#fff,stroke:#fff style E fill:#fff,stroke:#fff ``` --- ## アンケート結果の属性別分析とレポート生成 # 分析レポート生成 #アンケート分析 #セグメント分析 #属性分析 #インサイト抽出 # アンケート結果を属性別に分析し、セグメントごとの傾向を見える化 #アンケート分析 #セグメント分析 #属性分析 #インサイト抽出 ｜ 難易度 ★★★☆☆ ## 導入前の課題 - アンケート結果は全集計のみで、属性ごとの違いが見えていない。 - 年代・職種・利用歴などで傾向が違うはずだが、分析する時間がない。 - クロス集計を手作業でやると工数がかかり、定期的な分析ができていない。 ## 導入後の効果 - 全体平均では見えなかった属性ごとの傾向の解像度が高くなり、施策検討できるようになった。 - 定期的な属性別レポートが自動生成され、分析業務の属人化の解消・施策検討の時間が増えた。 - 特定セグメントの不満や要望が可視化され、ターゲットを絞った改善ができるようになった ## 解決策 ```mermaid graph LR A[アンケートデータ回収
![Google Sheets](google_sheets_icon)] --> B(AIエージェント分析レポート生成
![AI Models](ai_models_icons)) B --> C[・属性別の回答傾向
・属性別の自由記述サマリー
・施策に繋がるインサイト提案
![Document](document_icon)] C --> D[担当者へ自動メール
![Gmail](gmail_icon)] ``` --- ## 人材マッチングの自動化による提案スピードと精度の向上 人材マッチング | #SES #エンジニアマッチング #案件管理 #自動化 # 案件メールと自社エンジニア DBを自動マッチングし、提案スピードと精度を向上 #SES #エンジニアマッチング #案件管理 #自動化 ｜ 難易度 ★ ★ ☆ ☆ ☆ ## 導入前の課題 - 案件メールが届いても、誰が対応可能か確認するのに時間がかかる。 - エンジニアのスキルや稼働状況が属人的に管理されており、把握しきれていない。 - マッチング判断が担当者の記憶頼りで、提案漏れが発生している。 ## 導入後の効果 - 案件受信から提案候補のリストアップまでが自動化され、対応スピードが向上した - 担当者の記憶に頼らず網羅的にマッチングできるようになり、提案漏れが減少した - エンジニアの強みが言語化されることで、提案メールの説得力が上がった ## 解決策 ![解決策のフローチャート](solution_flowchart) ```mermaid graph LR A[案件メール
受信] --> B[案件情報の抽出] B --> C[AIエージェント
人材DB参照 /マッチング評価] C --> D[担当者へ自動メール /
案件応募への下書きメール] ``` --- ## 顧客の発言から刺さりそうな事例を自動レコメンドし、提案の説得力を向上 営業・インサイドセールス | #営業支援 #事例活用 #RAG #提案力向上 # 顧客の発言から刺さりそうな事例を自動レコメンドし、提案の説得力を向上 **#営業支援 #事例活用 #RAG #提案力向上** ｜ **難易度 ★★★☆☆** ### 導入前の課題 - 事例集はあるが数が多く、商談中にどれを出すべきか判断できない - 顧客の課題に合った事例を探すのに時間がかかり、後から送ることになりがち - 営業担当によって事例の引き出しに差があり、提案の質にばらつきがある ### 導入後の効果 - 商談後、関連事例がわかり、フォローアップのスピードが向上した。 - 事例の活用頻度が上がり、どの事例が刺さりやすいか傾向が見えるようになった。 - 顧客の課題に寄り添った提案ができるようになり、商談の進展率が改善した。 ### 解決策 ![解決策のフローチャート](solution_flowchart) ```mermaid graph LR A[初回商談
アイコン: オペレーター] --> B[商談データ
自動取得
アイコン: Zoom, Google Meet] B --> C[AIエージェント
商談分析 / 事例DB検索
アイコン: AIモデル] C --> D[担当者へ通知
アイコン: Slack] D --- E["・フォローアップメール文案
・課題が近い事例（上位 3件）
・業界・規模が近い事例
・各事例の刺さりポイント解説"] style E fill:none,stroke:none,color:black ``` --- ## AIによるキーマン情報の自動収集と受付突破率の向上 営業・インサイドセールス | #リスト生成 #エンタープライズ開拓 #キーマン特定 #受付突破 # 会社名からキーマン情報を自動収集し、受付突破率を向上 #リスト生成 #エンタープライズ開拓 #キーマン特定 #受付突破 **｜ 難易度** ★★☆☆☆ ### 導入前の課題 - エンタープライズ開拓をしたいが、会社名しか分からず誰に連絡すべきか不明。 - 代表電話にかけても担当者名が分からないと「繋げません」で終わる - 企業HPやニュース記事からキーマンを探すのに 1社30 分以上かかる。 ### 導入後の効果 - 「○○部の△△様いらっしゃいますか」と名指しできるようになり、受付突破率が大幅に向上。 - キーマン調査が「 1社30 分」から「 50 社まとめて 20分」に短縮、架電数を増やせるようになった。 - 「先日のカンファレンスでご登壇されてましたよね」 など具体的なフックで会話を始められるようになった。 ### 解決策 ![処理フロー](flowchart_image) ```mermaid graph LR A[Google Sheets
会社名を記載] --> B[AIエージェント
Google Gemini, ChatGPT, Claude
バイネーム等を自動収集] B --> C[Google Sheets
・想定キーマン(氏名・役職・部門)
・情報ソース
・最近の発言・関心事項
・受付突破時のトークヒント] C --> D[Google Drive
保存] ``` --- ## 顧客の業界ニュースから課題仮説を自動生成し、テレアポのトスアップ数を向上 営業・インサイドセールス | #業界ニュース #テレアポ #仮説提案 #アポ獲得 # 顧客の業界ニュースから課題仮説を自動生成し、テレアポのトスアップ数を向上 #業界ニュース #テレアポ #仮説提案 #アポ獲得 | 難易度 ★☆☆☆☆ ### 導入前の課題 - テレアポで「御社も ○○でお困りでは？」と仮説をぶつけたいが、準備する時間がない - 架電数を優先するあまり、 1件1件の質が低くアポ率が上がらない - ベテランは業界ネタから仮説を立てられるが、若手は「お時間いただけますか」としか言えない ### 導入後の効果 - 「○○の規制強化で御社も影響受けてませんか？」と仮説ができるようになり、会話が続くケースが増加。 - 仮説構築から課題を引き出せるようになり、アポ獲得率が向上 - 新人でも業界ネタ×仮説のトークができるようになり、FSへのトスアップ件数が増加 ### 解決策 ![解決策のフロー](solution_flow) ```mermaid graph LR A[キーワード記載\nGoogle Sheets] --> B[ニュースを自動収集\nGoogle News] B --> C[AIエージェント 仮説・トークを生成\nOpenAI / Claude] C --> D[・ニュース概要\n・想定される課題仮説\n・架電時のぶつけ方\n・刺さった場合の次の質問] D --> E[毎朝\nSlack通知] ``` --- ## 業界ニュースを自動収集・分析し、ISトークスクリプトを継続的に改善 営業・インサイドセールス | #トークスクリプト #業界ニュース #IS改善 #ナレッジ蓄積 # 業界ニュースを自動収集・分析し、 ISトークスクリプトを継続的に改善 #トークスクリプト #業界ニュース #IS改善 #ナレッジ蓄積 難易度 ★★☆☆☆ ### 導入前の課題 - トークスクリプトが作成時のまま放置され、市場の変化に対応できていない。 - 業界の法規制やトレンドが変わっても、トークに反映されるまで数ヶ月かかる。 - 新人は古いスクリプトをそのまま使い、顧客に刺さらないトークを続けてしまう。 ### 導入後の効果 - 「先週○○のニュースがありましたが」と最新ネタでアイスブレイクできるようになり、会話の入り口がスムーズに。 - スクリプトが常に最新化され、「古いトークで失注」がなくなった。 - マネージャーがスクリプト改善に時間を使わなくてよくなり、メンバーの商談同席に時間を割けるように。 ### 解決策 ![キーワード記載からトーク生成までのフロー](flowchart) ```mermaid graph LR A[キーワード記載\niOSアイコン] --> B[ニュースを自動収集\nGoogle ニュースアイコン] B --> C[AIエージェント 仮説・トークを生成\nAIアイコン] C --> D[・アイスブレイクの更新案\n・課題喚起トークの更新案\n・顧客が気にしていそうなポ\nイント\niOSアイコン] ``` --- ## データ分析・可視化による業務時間の自動分析 データ分析・可視化 | #稼働分析 #時間可視化 #生産性向上 #業務改 # 稼働ログから業務時間の使い方を自動分析し、改❹すべきポイントを可視化 #トークスクリプト #業界ニュース #IS改❹ #ナレッジ蓄積 ｜ 難易度 ★ ★ ☆ ☆ ☆ **導入前の課題** * 忙しいと言っているが、実際に何に時間を使っているか分からない。 * メンバーごとの業務バランスが見えず、負荷の偏りに気づけない。 * 本来やるべき仕事に時間を使えているか、感覚でしか分からない。 **導入後の効果** * 会議に週20時間使っていることが可視化され、不要な会議の削減が進んだ。 * メンバー間の業務負荷の偏りが数値で分かり、タスクの再分配ができるようになった。 * 作業時間が取れない原因が明確になり、集中タイムの確保など具体的な対策が打てるようになった。 **解決策** ![Solution workflow](solution_workflow) ```mermaid graph LR A[自社システム
（稼働ログ）] --> B[業務カテゴリ分類 /
時間配分分析] B --> C[個人別サマリー出力] C --> D[Google Drive保存
/ Slack通知] ``` --- ## 競合のMeta広告を自動収集・分析し、効果の出ている訴求パターンを特定 マーケティング | #競合分析 #Meta広告 #広告クリエイティブ #訴求開発 # 競合のMeta広告を自動収集・分析し、効果の出ている訴求パターンを特定 #競合分析 #Meta広告 #広告クリエイティブ #訴求開発 ｜ 難易度 ★★★☆☆ ### 導入前の課題 - 競合がどんな広告を出しているか把握したいが、定期的にチェックする時間がない - 競合の広告を見ても、どれが効果的なのか判断できない - 自社の広告クリエイティブを考えるとき、参考情報が整理されていない ### 導入後の効果 - 配信期間の長い広告を効果ありと判断でき、競合の勝ちパターンが見えるようになった。 - クリエイティブ制作時に参考にできる事例集が自動で蓄積されるようになった。 ### 解決策 ![解決策のフロー図](solution_flowchart) ```mermaid graph LR A[競合の広告主名
登録] -->| | B[広告データ取得] B -->| | C[AIエージェント広
告分析] C -->| | D[長期配信中の広告一覧
訴求パターン別の傾向] D -->| | E[Google Drive
保存] ``` --- ## 競合LPの構成・訴求・心理テクニックの自動分析 マーケティング ｜ #LP分析 #競合分析 #訴求設計 #心理学的アプローチ # 競合LPの構成・訴求・心理テクニックを自動分析し、改❹のヒントを抽出 **#LP分析 #競合分析 #訴求設計 #心理学的アプローチ** ｜ **難易度 ★★★☆☆** ### 導入前の課題 - 競合のLPを見ても、何が効いているのか言語化できない。 - LP改❹の打ち手がデザイナーや制作会社任せになっている。 - 競合分析に時間がかかり、定期的な実施ができていない。 ### 導入後の効果 - 競合LPの構成パターンが 系的に整理され、自社 LPに足りない要素が明確になった。 - 心理学的アプローチが言語化されることで、制作会社への依頼が具 的にできるように。 - LP改❹の議論が感覚ベースからデータベースに変わり、施策の優先順位がつけやすくなった。 ### 解決策 ![解決策のプロセスを示すフローチャート](solution_process_flowchart) ```mermaid graph LR A[URL入力] --> B[サイト構成情報
取得] B --> C[AIエージェント
LP構成・訴求を分析] C --> D[構成・訴求サマリー
心理学的アプローチ] D --> E[Google Drive保存
/ Slack通知] ``` --- ## メルマガ配信結果の自動分析とコンテンツ最適化 # マーケティング | #メルマガ改④ #配信分析 #コンテンツ最適化 #開封率向上 ## メルマガの配信結果と内容を自動分析し、高パフォーマンスのパターンを特定 **#メルマガ改④ #配信分析 #コンテンツ最適化 #開封率向上** ### 難易度 ★★★☆☆ ### 導入前の課題 - メルマガの開封率・クリック率を見ているが、なぜ良かったのか言語化できない。 - 過去の配信データが蓄積されているが、振り返りに活用できていない。 - 担当者の経験と勘に頼っており、ノウハウが属人化している。 ### 導入後の効果 - 開封率が高い件名の法則が見え、件名作成の迷いがなくなった。 - 過去データから勝ちパターンが抽出され、新人でも一定水準のメルマガが作れるようになった。 - 配信曜日・時間帯の最適解が分かり、同じ内容でも成果が向上した。 ### 解決策 ![Solution Flowchart](solution_flowchart) ```mermaid graph LR A[メルマガ配信データ取得] --> B[AIエージェント配信データ分析] B --> C[Google Drive 保存] subgraph 分析結果 D[- 開封率が高い件名の共通点
- クリック率が高い本文 /CTAの特徴
- 効果的な配信曜日・時間帯
- セグメント別の反応傾向] end B -.-> D ``` --- ## Google Analyticsデータを自動分析し、サイト改善の打ち手を可視化 マーケティング | #GA分析 #サイト改❹ #CVR向上 #データ活用 # Google Analyticsデータを自動分析し、サイト改❹の打ち手を可視化 #GA分析 #サイト改❹ #CVR向上 #データ活用 ｜ 難易度 ★ ★ ★ ☆ ☆ ## 導入前の課題 - Google Analyticsのデータは見ているが、どこを改❹すべきか分からない。 - GA分析ができる人が限られており、その人が忙しいと改❹が止まる。 - 分析に時間がかかり、改❹サイクルが遅い。 ## 導入後の効果 - 離脱ポイントがデータで可視化され、改❹すべき箇所が明確になった。 - GA分析の属人化が解消され、誰でもデータに基づいた改❹提案ができるように。 - 分析レポートが自動化され、改❹サイクルのスピードが上がった。 ## 解決策 ![解決策のフロー図](solution_flow) ```mermaid graph LR A[GA4データ
取得] --> B[AIエージェント
GA4データ分析] B --> C[・分析現状サマリー
・離脱分析
（コンテンツ/CTA配置など）
・流入経路分析
・CV貢献分析] C --> D[Google Drive
保存] ``` --- ## POSデータから顧客セグメントを自動分析し、販促施策の精度を向上 店舗・小売化 | #POSデータ #顧客セグメント #購買分析 #販促最適 # POSデータから顧客セグメントを自動分析し、販促施策の精度を向上 #POSデータ #顧客セグメント #購買分析 #販促最適化 | 難易度 ★★★☆☆ ### 導入前の課題 - POSデータは大量にあるが、分析まで手が回らない。 - 優良顧客と離反しそうな顧客の区別ができていない。 - どの商品をどの顧客層に訴求すべきか、経験と勘で判断している。 - データ分析ができる人がおらず、外部に依頼するとコストがかかる。 ### 導入後の効果 - 顧客セグメントが可視化され、販促施策のターゲティング精度が向上。 - 離反しそうな顧客を早期に検知し、フォロー施策を打てるようになった。 - データ分析の属人化が解消され、店舗スタッフでもセグメント情報を共有できるようになった。 ### 解決策 ![処理フロー図](flowchart) ```mermaid graph LR A[自社システム\n(POSデータ取得)] --> B[AIエージェント\nPOSデータ分析] B --> C[・セグメント構成比の推移\n・セグメント別の特徴サマリー\n・セグメント別の推奨アプローチ\n・注目すべき顧客リスト] C --> D[Google Drive\n保存] ``` --- ## 架電データによる業界別接続率の向上 営業・インサイドセールス | #架電分析 #時間帯最適化 #接続率向上 #IS効率化 # 架電データから業界別の繋がりやすい時間帯を分析し、接続率を向上 #架電分析 #時間帯最適化 #接続率向上 #IS効率化 ｜ 難易度 ★ ★ ☆ ☆ ☆ ### 導入前の課題 - 架電しても繋がらないことが多く、無駄な時間が発生 - 業界によって繋がりやすい時間帯が違う気がするが、把握できていない。 - 架電リストを上から順に消化しており、時間帯を意識した架電ができていない。 - 接続率を上げたいが、何を改善すればいいか分からない。 ### 導入後の効果 - 業界別のゴールデンタイムが可視化され、接続率向上 - 繋がりにくい時間帯を避けることで、架電の空振りが減少 - 架電リストを時間帯で振り分けるようになり、チーム全体の効率が改善 ### 解決策 ![解決策のフロー図](flowchart_image) ```mermaid graph LR A[録音データ\n自動取得\nzoom] --> B[録音データ分析\n会話から接続率を分析\nSpark, ChatGPT, Anthropic] B --> C[・業界別接続率\n・避けるべき時間帯\n・接続率の推移\n・曜日別の傾向\nSpreadsheet] C --> D[Google Drive\n保存] ``` --- ## Google広告のパフォーマンス自動分析による改善キャンペーンの特定 **マーケティング | #Google広告 #広告分析 #ROAS改❹ #パフォーマンス可視化** # Google広告のパフォーマンスを自動分析し、改❹すべきキャンペーンを特定 **#Google広告 #広告分析 #ROAS改❹ #パフォーマンス可視化** **｜ 難易度 ★ ★ ★ ☆ ☆** ### 導入前の課題 - Google広告の管理画面は見ているが、どこを改❹すべきか判断できない。 - キャンペーンが増えるほど全体把握が難しくなり、成果の悪い広告を放置しがち。 - 広告運用の知見が特定の担当者に偏っており、その人が休むと改❹が止まる。 ### 導入後の効果 - 成果の悪いキャンペーンを早期に検出し、無駄な広告費を削減できるようになった。 - 広告運用の属人化が解消され、誰でもデータに基づいた改❹判断ができるようになった。 - レポート作成が自動化され、分析・施策立案に時間を使えるようになった。 ### 解決策 ![処理フロー](solution_flow) ```mermaid graph LR A[広告データ取得\nGoogle Adsアイコン] --> B[AIエージェント広\n告分析\nAI関連アイコン] B --> C[・キャンペーン別パフォーマンス\n・キーワード別の CPC・CVR\n・広告クリエイティブ別の成果\n・追加すべき除外キーワード\nスプレッドシートアイコン] C --> D[Google Drive\n保存\nGoogle Driveアイコン] ``` --- ## ご支援までの流れ・料金 # ご支援までの流れ・料金 --- ## 導入までの流れ（ご支援開始まで） # 導入までの流れ（ご支援開始まで） 6つのステップでご支援開始。 ![導入までの流れを示すフローチャート](flowchart) ```mermaid graph LR A((Step0)) --> B((Step1)) B --> C((Step2)) C --> D((Step3)) D --> E((Step4)) E --> F((Step5)) subgraph S0 [ ] A1[初回相談] end subgraph S1 [ ] B1[情報整理] end subgraph S2 [ ] C1[検証内容の整理] end subgraph S3 [ ] D1[スコープ設計] end subgraph S4 [ ] E1[ご提案] end subgraph S5 [ ] F1[支援開始] end A --- S0 B --- S1 C --- S2 D --- S3 E --- S4 F --- S5 style A fill:#0056b3,color:#fff style B fill:#fff,stroke:#0056b3,stroke-width:2px,color:#0056b3 style C fill:#fff,stroke:#0056b3,stroke-width:2px,color:#0056b3 style D fill:#fff,stroke:#0056b3,stroke-width:2px,color:#0056b3 style E fill:#fff,stroke:#0056b3,stroke-width:2px,color:#0056b3 style F fill:#0056b3,color:#fff ``` - Step0: 初回相談 - Step1: 情報整理 - Step2: 検証内容の整理 - Step3: スコープ設計 - Step4: ご提案 - Step5: 支援開始 --- ## 料金プラン # 料金プラン 実態に合わせて選べる、3つのプラン ## アドバイザリープラン **月額 30万円～～** - AI活用テーマの整理・優先順位付け - 週次の壁打ち・レビュー（オンライン中心） - ツール選定・設計方針のアドバイス ## 現場伴走プラン ![おすすめ](recommended_badge) **100万円～～** - 現場ヒアリング・業務整理 - AI導入領域の設計・PoC支援 - 定着までの運用設計・改善支援 ## フルサポートプラン **要相談** - AI活用プロジェクトのPMO代行 - 部門横断の調整・意思決定支援 - 実装・運用・改善まで一気通貫支援 --- ## お気軽にお問い合わせください # お気軽にお問い合わせください AI導入、活用について少しでも不安なことがあればいつ でもご相談ください ![日程調整ボタン](button) 日程調整はこちらから *(指のアイコンがボタンを指しています)*