営業目標は、必要な受注件数や商談数、週ごとの行動まで落とし込まなければ、現場で実行できる計画にはなりません。
AIは営業計画を自動で決めるツールではなく、前提条件を整理し、複数の計画を比較し、弱点や別案を検討するための壁打ち相手として活用できます。
AIに任せるのは、条件の整理、必要行動量の試算、複数案の比較、計画の抜け漏れの指摘です。一方、営業目標の妥当性、担当者への割り振り、顧客との関係性、市場環境を踏まえた最終判断は人が行います。
重要なのは、AIが出した数字を正解として受け取ることではありません。AIとの対話を通じて、「この計画は本当に実行できるのか」「別の達成方法はないか」と問い直し、現場に合った行動計画へ調整することです。
営業目標だけでは具体的な行動計画にならない
売上目標だけを共有しても現場は動きにくい
営業組織では、月間や四半期の売上目標が設定されます。しかし、売上目標は最終的な結果であり、その数字だけでは日々の行動を決められません。
例えば、「今月の売上目標は1,000万円」と共有されても、営業担当者が知りたいのは、目標の数字だけではありません。
必要な受注件数は何件か。今ある案件だけで達成できるのか。新たに何件の商談を作る必要があるのか。週ごとにどのような活動を進めればよいのか。
ここまで具体化されていなければ、営業担当者は自分なりの解釈で動くことになります。
ある担当者は大型案件を優先し、別の担当者は訪問件数を増やし、さらに別の担当者は既存顧客への提案を増やすかもしれません。
目標は共通でも、行動の基準がそろっていない状態です。
活動量が担当者任せになりやすい
営業目標から具体的な行動を考える作業を担当者個人に任せると、経験や考え方によって計画の精度に差が出ます。
経験のある担当者は、過去の実績から必要な案件数や商談数を感覚的に判断できるかもしれません。一方、経験の浅い担当者は、売上目標から必要な行動を逆算できず、目の前の案件対応に追われやすくなります。
営業マネージャーが「今月は訪問件数を増やそう」「提案数を増やそう」と指示しても、その活動量が目標達成につながるとは限りません。
訪問件数を増やしても、対象顧客が適切でなければ商談化しない可能性があります。提案数を増やしても、顧客課題の理解が浅ければ受注率は上がりません。
必要なのは、単に行動を増やすことではなく、目標と現在の案件状況を踏まえ、何をどの程度増やすべきかを考えることです。
経験や勘だけで計画を立てる限界
営業計画には、現場経験による判断が欠かせません。しかし、経験や勘だけに頼ると、前提条件が変わったときに計画を見直しにくくなります。
例えば、過去には10件の商談から3件受注できていたとしても、今期も同じ結果になるとは限りません。
商品構成の変更、顧客予算の縮小、競合の増加、担当エリアの変更などによって、過去の数字がそのまま使えない場合があります。
また、経験豊富な営業マネージャーほど、自分の中では計画の根拠が分かっていても、それを担当者へ十分に説明できていないことがあります。
「例年このくらいで達成できている」「この案件を取れれば大丈夫」といった判断には、複数の前提が含まれています。
AIへ営業計画を相談するには、その前提を言葉や数字として伝えなければなりません。この過程によって、経験や勘の中にある判断基準を整理しやすくなります。
AIは営業計画の壁打ち相手として使う
AIに売上目標や平均受注額を入力すれば、必要な受注件数や商談数を計算できます。
ただし、計算するだけであれば、表計算ソフトでも対応できます。営業計画でAIを使う意味は、計算を自動化することだけではありません。
AIには、次のような相談ができます。
- 現在の案件数で目標達成が見込めるか
- 案件の一部が翌月へずれた場合、どのような代替案があるか
- 担当者ごとの活動量や案件負荷に偏りがないか
- 計画の前提条件に抜け漏れや矛盾がないか
- 活動量を増やさずに達成確率を高める方法はあるか
- この計画に反対する立場から見ると、どこに問題があるか
AIは営業計画の決裁者ではありません。営業マネージャーや営業担当者が、考えを整理し、異なる選択肢を検討するための相談相手です。
AIへ相談する前に営業条件を整理する
売上目標・平均受注額・期間を明確にする
AIへ相談する前に、まず営業計画の基本条件を整理します。
最低限必要なのは、売上目標、計画期間、平均受注額です。
例えば、月間売上目標が1,000万円で、平均受注額が100万円であれば、単純計算では10件の受注が必要です。
ただし、すべての案件が同じ金額とは限りません。大型案件と小型案件が混在している場合は、案件の種類を分けて考えた方が現実的です。
「平均受注額100万円」と一つの数字にまとめるのではなく、「既存顧客への追加提案は平均50万円、新規案件は平均150万円」と分ければ、複数の売上構成を比較できます。
AIには、既存顧客を中心にした案、大型案件を中心にした案、小型案件を積み上げる案など、異なる達成方法を提示させることができます。
現在の案件状況と商談期間を伝える
次に、現在の案件数、案件の進行段階、受注予定時期、平均的な商談期間を整理します。
案件数だけを見ても、今月の売上をどの程度見込めるかは判断できません。
商談を始めたばかりの案件と、見積提出後の案件では、今月中に受注する可能性が異なります。
また、平均商談期間が2か月の事業であれば、今月作った新規商談が今月の売上になる可能性は低くなります。
この時間差を伝えずにAIへ相談すると、「新規商談を増やして今月の不足分を補う」といった、計算上は成立していても実行できない案が出ることがあります。
AIへは、案件数だけではなく、案件の状態や受注時期まで伝える必要があります。
既存案件と新規開拓を分けて考える
営業計画では、現在進行中の案件と、これから作る新規案件を分けて考えます。
既存案件は、受注時期や確度を確認しながら、今月の売上見込みを考えます。一方、新規開拓は、接触から商談化、提案、受注までの期間を踏まえて計画します。
例えば、今月不足している売上を補うために新規接触件数を増やしても、商談期間が長い事業では今月の売上には間に合いません。
この場合、新規開拓は翌月以降の案件形成として計画し、今月の不足分については、既存案件の進行促進や既存顧客への追加提案など、別の方法を検討します。
AIには、「今月の売上を補う行動」と「翌月以降の案件を作る行動」を分けて提案させると、短期と中期の計画を混同しにくくなります。
担当者の人数・経験・稼働時間を加える
必要な活動量を算出できても、それを営業担当者へ均等に割り振ればよいとは限りません。
担当者によって、経験、担当顧客、現在抱えている案件数、商談に使える時間が異なるためです。
例えば、営業担当者が4人いるからといって、必要な商談数を単純に4等分すると、経験の浅い担当者へ過大な負荷がかかる可能性があります。
反対に、経験豊富な担当者へ重要案件を集中させすぎると、その担当者が計画全体のボトルネックになります。
AIには、担当者ごとの案件数、過去の実績、1週間に対応できる商談数などを伝え、負荷の偏りを整理させることができます。
ただし、本人の成長状況、顧客との相性、社内での役割、育成方針などは、数字だけでは判断できません。最終的な割り振りは営業マネージャーが行います。
不明な数字は仮置きと明示する
営業計画に必要な数字が、すべて正確にそろっているとは限りません。
平均受注率が分からない、商談化率を計測していない、活動件数の記録が不十分といった場合もあります。
その場合は、数字がそろうまで計画を作らないのではなく、仮の前提を置いて検討します。
例えば、「平均受注額は直近案件を参考に100万円と置く」「案件のうち今月受注できる割合は暫定的に3割と置く」とAIへ伝えます。
重要なのは、仮の数字を事実として扱わないことです。AIへの入力時にも、社内で計画を共有するときにも、推測値であることを明示します。
受注実績、案件数、商談期間、活動実績などが継続的に記録されていると、感覚ではなく実績を基に前提を置きやすくなります。
営業情報を残す仕組みを利用している場合も、必要な数字だけを整理し、顧客名や担当者名などを含める必要があるか確認してからAIへ渡します。
売上目標を実行可能な行動へ分解する
目標から受注件数・商談数を考える
営業計画を具体化する最初の段階は、売上目標を必要受注件数や商談数へ分解することです。
例えば、売上目標が1,000万円、平均受注額が100万円であれば、必要受注件数は10件です。
仮に、商談から受注へ進む割合を25％と置けば、計算上は40件の商談が必要になります。
ただし、AIを使う目的は、この数字を出すことだけではありません。
40件の商談を現在の営業人数で実行できるのか。既存案件から何件を見込めるのか。商談数を増やす以外に、平均受注額や案件の進行を改善する方法はないか。
AIには、計算結果を示させた後に、実行可能性や別の達成方法を問い直します。
必要な数字を出すことは計画作成の入口であり、数字をそのまま活動目標へ置き換えることが目的ではありません。
受注の組み合わせを複数考える
必要受注件数が分かっても、その達成方法は一つではありません。
既存顧客からの追加受注を中心にするのか。新規顧客の案件を増やすのか。大型案件を重視するのか。小型案件を積み上げるのか。
AIには、複数の受注構成を出させ、それぞれの特徴を比較させます。
大型案件を中心にした案は必要な受注件数を減らせますが、特定案件への依存が高くなります。
小型案件を積み上げる案は売上を分散できますが、商談や提案、受注後の対応件数が増えます。
AIの役割は、どちらが正しいかを決めることではありません。各案の必要行動、負荷、リスクを整理し、人が選びやすくすることです。
月間計画を週単位へ落とし込む
月間の活動量が決まっても、月末まで一つの数字で管理すると、進捗の遅れに気づきにくくなります。
例えば、月間40件の商談が必要だからといって、単純に毎週10件と設定すればよいとは限りません。
月末は既存案件のクロージングが増えるため、新規商談の創出は月初から中旬に寄せた方がよい場合があります。
AIには、営業プロセスを考慮しながら、週ごとの活動配分を複数提案させます。
例えば、1週目は新規接触と初回商談を多めにする、2週目は提案機会を増やす、3週目は進行案件の確認を重視する、4週目はクロージングと翌月案件の準備を行う、といった配分です。
週ごとの役割を決めることで、月末になってから商談不足に気づく状況を避けやすくなります。
日単位では件数だけでなく時間を見る
日単位へ計画を落とす場合は、毎日同じ活動件数を割り当てるのではなく、実際に使える時間を確認します。
商談には、顧客と話す時間だけでなく、事前準備、移動、提案書作成、商談後の記録や社内調整も必要です。
例えば、1件の商談に準備と記録を含めて2時間かかるのであれば、1日6時間の営業活動時間で対応できる件数には限界があります。
AIには、必要な活動時間を含めて日程案を作らせることができます。
ただし、AIが作った予定をそのまま採用するのではなく、実際の訪問予定、社内会議、顧客対応の緊急度と照らし合わせて調整します。
担当者ごとの計画へ落とし込む
チーム全体の行動量を決めた後は、担当者ごとの計画へ落とし込みます。
AIには、担当者ごとの目標、案件状況、商談可能件数などを一覧で伝え、負荷の偏りを整理させます。
例えば、Aさんは案件数が多いものの受注時期が先で、Bさんは案件数が少ないものの短期受注が見込める、といった違いがあります。
単純な案件数だけではなく、案件の状態や必要な対応時間まで含めて考える必要があります。
AIに「今月の目標に対して案件が不足している担当者」「対応負荷が高い担当者」「支援が必要な担当者」を整理させると、営業マネージャーが確認すべき点を見つけやすくなります。
ただし、AIの分類を人事評価や担当者への指示にそのまま使うべきではありません。
営業マネージャーは担当者との面談を通じて、案件の難しさ、顧客側の事情、本人の見通しを確認し、計画を修正します。
前提を変えて複数の営業計画を比較する
計画結果に影響する条件を変えてみる
営業計画は、一つの前提だけで作ると、状況が変わったときに崩れやすくなります。
そこで、AIへ条件を変えた場合の影響を確認します。
例えば、次のような変更です。
- 見込み案件の一部が翌月へずれる
- 平均受注額が想定より下がる
- 営業担当者の稼働時間が減る
- 新規商談の立ち上がりが遅れる
重要なのは、条件ごとに細かな計算を繰り返すことではありません。
どの前提が変わると計画全体への影響が大きいのか。行動量を増やせば対応できるのか。別の案件構成や活動方法へ切り替える必要があるのか。
AIには、変更前と変更後の数字だけでなく、計画上の影響と取り得る対応を整理させます。
これにより、営業マネージャーは、優先して確認すべき前提や、計画の崩れやすい箇所を把握できます。
標準案・慎重案・挑戦案を作る
複数の営業計画を比較する場合は、標準案、慎重案、挑戦案の3つに整理すると分かりやすくなります。
標準案は、現在の実績や案件状況を基にした計画です。
慎重案は、案件の遅延や平均受注額の低下など、計画に不利な変化を見込んだ案です。
挑戦案は、大型案件の受注や営業品質の改善など、一定の成果を見込んだ案です。
AIには、各案について、必要な行動、期待できる結果、想定されるリスクを一覧で比較させます。
営業マネージャーは、どれか一つを選ぶだけでなく、別の案へ切り替える条件も考えます。
例えば、2週目終了時点で新規商談数が計画を大きく下回っていれば慎重案へ切り替える、大型案件が提案段階まで進んだら挑戦案を維持する、といった基準です。
複数案と切り替え条件を持つことで、計画が外れたときにも、その場の思いつきだけで対応することを避けられます。
活動量を増やさない案も比較する
営業目標が未達になりそうな場合、「訪問件数を増やす」「電話件数を増やす」といった行動量の追加が検討されがちです。
しかし、すでに担当者の稼働が限界に近い場合、件数を増やしても営業品質が下がる可能性があります。
AIには、活動量を増やす案だけでなく、活動量を増やさずに達成確率を高める案も出させます。
例えば、提案対象を絞る、既存顧客への追加提案を増やす、進行中の案件で確認すべき条件を整理する、社内支援を付けるといった方法です。
営業計画を比較する際は、「どれだけ活動するか」だけではなく、「どの活動へ時間を使うか」も検討します。
短期と中期の計画を混ぜない
今月の売上不足を補う行動と、翌月以降の案件を作る行動は分けて考える必要があります。
今月の売上が不足しているからといって、新規接触件数だけを急増させても、短期間で受注に至らない事業では不足を補えません。
一方で、今月の既存案件だけに集中すると、翌月以降の商談が不足する可能性があります。
AIには、短期の売上確保と中期の案件形成を分けて整理させます。
営業マネージャーは、今月の目標を守るための活動と、翌月以降に必要な活動の両方が計画に含まれているか確認します。
AIと計画の弱点や別案を検証する
実行できる行動量か確認する
計算上は成立していても、現場で実行できない計画は意味がありません。
例えば、1人当たり毎日複数件の商談を設定していても、準備、移動、提案書作成、商談後の対応を含めると実行できない可能性があります。
AIには、活動件数だけでなく、活動に必要な時間も含めて実行可能性を確認させます。
活動量が現実的でない場合は、担当者へ努力を求めるのではなく、対象顧客、案件構成、活動方法、目標の前提を見直します。
特定の案件や担当者への依存を確認する
営業計画が、特定の大型案件や特定の営業担当者に依存している場合があります。
例えば、売上目標の半分を1件の大型案件で見込んでいる場合、その案件が遅れるだけで計画全体が大きく崩れます。
また、経験豊富な担当者に重要案件が集中している場合、本人の負荷や不在が組織全体のリスクになります。
AIには、売上構成や担当者別の計画を示し、「依存度が高い箇所を指摘してください」と依頼します。
指摘を受けた後は、代替案件の準備、担当者間の支援、進捗確認の頻度などを人が決めます。
前提条件の抜け漏れを確認する
営業計画では、数字の整合性だけでなく、前提条件の抜け漏れを確認する必要があります。
必要商談数は計算されていても、商談を作るための接触活動が計画されていないことがあります。
受注件数は達成できても、受注後の納品や導入対応の負荷が考慮されていない場合もあります。
AIには、作成した計画を提示し、「不足している前提」「矛盾している条件」「実行時に問題になりそうな点」を挙げさせます。
第三者へ説明するつもりで計画をAIへ伝えることで、自分たちが暗黙に置いていた前提にも気づきやすくなります。
営業品質を落とす計画になっていないか確認する
営業計画では、活動件数を増やすことに意識が向きやすくなります。
しかし、商談数を増やすために準備時間を削れば、顧客理解が浅くなり、提案の質が下がる可能性があります。
メールや電話の件数を増やしても、対象顧客の選定が不十分であれば、商談化につながらないこともあります。
AIには、「この活動量を実行した場合、商談準備、顧客対応、提案品質にどのような影響が出る可能性がありますか」と相談します。
活動量を増やす案と同時に、活動対象を絞る案、商談の進め方を見直す案、社内支援を加える案も出させます。
営業マネージャーは、必要件数だけでなく、1件ごとの品質を維持できる計画かを確認します。
反対意見や別案を出してもらう
AIを壁打ち相手として使う場合、自分の案を肯定させるだけでは不十分です。
作成した計画を提示し、「この計画に反対する立場から問題点を挙げてください」と依頼します。
また、「既存顧客を中心にした案」「新規開拓を重視した案」「活動量を増やさない案」など、異なる方向の案を出させます。
自分とは異なる前提で考えさせることで、計画の選択肢を増やせます。
AIの反対意見が正しいとは限りませんが、見落としを探すための材料になります。
営業会議や担当者面談の準備に使う
AIとの壁打ちは、営業マネージャーだけで計画を完成させるために使うものではありません。
例えば、月初の営業会議前に、担当者別の目標、案件数、受注予定、活動計画を整理し、AIへ次のように相談します。
「担当者ごとに、今月の目標達成に対して不足している点と、確認すべき質問を整理してください」
AIの回答を担当者の評価にそのまま使うのではなく、面談や会議で確認すべき論点を作るために利用します。
AIの試算と担当者本人の認識が異なる場合は、なぜ差が出ているのかを確認します。
案件の確度を高く見ている理由、活動件数を増やせない事情、顧客側の決裁状況など、数字だけでは分からない情報を会話によって補います。
目的に応じてAIへの質問を変える
AIへ「営業計画を作ってください」とだけ依頼すると、一般的な計画が出てきやすくなります。
実務では、目的に応じて質問を変えることが重要です。
計画の不足を確認する場合
「この営業計画について、目標達成に必要な前提が不足していないか確認してください。特に、案件の受注時期、担当者の負荷、活動時間の観点から指摘してください」
複数案を比較する場合
「現在の案件状況を基に、標準案、慎重案、挑戦案を作成してください。各案について、必要な行動、主なリスク、切り替え条件を整理してください」
別の達成方法を考える場合
「現在の活動件数を大きく増やさずに目標達成の可能性を高める方法を、案件構成、顧客対応、社内支援の観点から提案してください」
一度の指示で完成した計画を求めるのではなく、回答を見ながら条件を追加し、質問を重ねていきます。
AIに渡す情報に顧客名、担当者名、契約条件、未公開情報などが含まれる場合は、自社で利用しているAIサービスの情報管理条件を確認し、必要に応じて匿名化します。
AIの試算を基に人が営業計画を決める
目標や前提条件の妥当性を判断する
AIは、与えられた条件を基に計画を作ります。
入力した平均受注額が実態より高ければ、必要受注件数は少なくなります。案件の受注時期を楽観的に置けば、今月の売上見込みも大きくなります。
そのため、AIの試算を採用する前に、前提となる数字が自社の実態に合っているか確認します。
過去実績がある場合でも、対象期間、商品、担当者、顧客層によって数字は異なります。
全社平均の実績を、新規担当者の新規開拓計画へそのまま使うと、実態から離れた計画になる可能性があります。
平均値があるかではなく、今回の計画に使える数字かを人が判断します。
市場環境や顧客との関係性を反映する
営業計画には、数字に表れにくい条件があります。
繁忙期や決算期、顧客の予算執行時期、競合の動き、業界環境などです。
また、同じ案件数でも、長年取引している顧客と初めて接点を持つ顧客では、受注までの進み方が異なります。
AIにこうした条件を伝えることはできますが、その影響を正確に数値化できるとは限りません。
顧客との関係性や意思決定の背景を踏まえ、どの案件を計画へ含めるか、どの案件に働きかけるかは人が判断します。
担当者の経験差や育成方針を考慮する
担当者ごとの計画を作る場合、過去実績だけで割り振ると、育成の観点が抜けることがあります。
経験の浅い担当者へ難易度の低い案件だけを割り振れば、短期的には計画を安定させられるかもしれません。
一方で、将来を考えれば、上司の支援を付けたうえで難しい案件を経験させる必要もあります。
営業計画は、目標達成だけでなく、担当者の成長やチームづくりにも関係します。
AIの試算は現在の実績を基にしやすいため、育成目的、役割分担、本人の成長課題は営業マネージャーが加えて判断します。
実績を見ながら計画を修正する
営業計画は、月初に作成した内容を月末まで守り続けるものではありません。
案件の進捗、商談数、受注金額、活動の遅れなどを確認し、前提との差が大きくなったら見直します。
AIには、計画と実績の差を整理させ、どの前提を変更すべきか検討させることができます。
ただし、数字が計画を下回ったからといって、すぐに活動量を増やせばよいとは限りません。
商談数が不足しているのか、案件の進行が遅いのか、平均受注額が下がっているのかによって、取るべき対応は異なります。
計画の見直しでは、結果だけでなく、どの段階で計画との差が発生したのかを確認します。
営業目標を行動計画へ落とすうえで、AIは有効な壁打ち相手になります。
AIに任せられるのは、営業条件の整理、必要行動量の試算、複数案の比較、計画の弱点や抜け漏れの指摘です。
一方、営業目標の妥当性、市場環境、顧客との関係性、担当者の経験や育成方針を踏まえた最終判断は、人が行う必要があります。
AIに計画を決めてもらうのではなく、AIとの対話によって考える材料を増やし、現場の実態に合わせて選択・調整することが重要です。
よくある質問（FAQ）｜営業目標をAIで行動計画に落とす際の疑問を解決
営業目標をAIで行動計画へ落とし込む際に、営業マネージャーや営業担当者が迷いやすいポイントをまとめました。AIへ任せる範囲と、人が判断すべき内容を踏まえて簡潔に解説します。
