AIで営業提案の品質を高めるには?提案づくりの工程と品質チェックの実践例を紹介

営業・マーケ・CS部門のAI活用を無料カウンセリングで相談する
磯野 留以(いその るい)
磯野 留以(いその るい)

最終更新日:

📋 この記事の要点

  • 最初に作るのはスライドではなく、顧客にどのような判断・行動をしてもらうかという提案のゴールです。
  • 「問題」のような抽象度の高い言葉は、人がAIに定義を渡すことが重要です。たとえば問題を、現場の不便ではなく、会社にとっての機会損失やコスト増として定義します。
  • 良い施策かどうかは、顧客の問題とのつながりと具体性で判断します。他社に置き換えても中身が変わらない施策は見直します。
  • ゴール設定、構成、磨き込みなどの工程に分け、人が確認する場面を設けます。
  • 最終出力の前にAIが基準に沿って自らレビューし、満たさなければ作り直します。事実確認と最終的な提案判断は人が担います。

この記事は13分で読めます

営業・マーケ・CS部門のAI活用を 無料カウンセリングで相談する→

AIで提案書を作っても、なぜ手直しが必要になるのか?

手直しが必要になる理由の一つは、AIに文章作成を任せる際に、提案の目的や「良い提案」の判断基準をAIと共有できていないことです。

「文章は整っているが、顧客に響く提案になっていない」。こうしたときは、プロンプトの言い回しだけでなく、AIに渡した情報と作業の進め方を見直してみましょう。

たとえば、次のような状態では、文章を長くしても提案の質が上がるとは限りません。

  • 顧客の現状は書かれているが、何が事業上の問題なのかが曖昧
  • 製品の機能は説明されているが、その顧客が導入する理由につながっていない
  • 提案を読んだ後、顧客にどのような判断をしてほしいかが決まっていない

AIに任せたいのは、文章を増やすことではなく、顧客に合った提案を組み立てる作業です。そのためには、完成物だけでなく、作る工程を整える必要があります。
 

実践例:AIと人が協力して提案アウトラインを作る

ここでは、HubSpotの営業マネージャーが設計し、本人とチームのメンバーが実際に利用している、提案アウトライン作成用のAIエージェントについて、その工程と品質チェックの仕組みと流れを紹介します。

この例の特徴は、最初の入力から完成までを一度に生成するのではなく、ゴール設定、問題の整理、構成の検討、磨き込みという工程に分けていることです。重要な段階には、人による確認・承認を組み込みます。

AIが作業を進めるプロセスにおいて、以下の各フェーズの完了時に「人による承認」を挟む協働型で進行します。

  • ゴール設定
  • 課題の提示(定義)
  • 内容の磨き込み
  • 提案構成の作成

※本内容は独自のプロセスを示すものであり、特定のHubSpot製品における標準機能や、導入直後から使える機能のご紹介ではありません。

2026_10_xx_Webセミナー_第1回

以下では、工程を順に追うのではなく、設計上の5つのポイントに分けて説明します。

営業・マーケ・CS部門のAI活用を 無料カウンセリングで相談する→

 

1. 提案のゴールを先に決める

まず、「良い資料を作る」ではなく、提案によって顧客にどのような判断・行動をしてもらいたいかを、人が決めます。

たとえば、ゴールが下記のように異なれば、提案に盛り込むべき内容も変わります。

  • 課題について、顧客と共通認識を持つ
  • 関係部門を交えた検討の場を設定する
  • HubSpot CRM導入に向けた具体的な評価を始めてもらう

ゴールが曖昧なまま進めると、機能説明を増やしても、顧客が次に何を判断すればよいか分からない提案になりがちです。人がゴールを定義してから、AIに構成を考えてもらうことが重要です。
 

2. 「問題」を、現場の不便ではなく会社への損失まで定義する

次に、「お客様の抱える問題を定義する」というフェーズに入ります。このフェーズでは、「お客様の抱える問題」を「『会社の本来の理想状態』と『現状の差』が、会社にどのような機会損失やコスト増をもたらしているか」という構造で定義しています。AIに「問題を整理して」と頼むだけでなく、何を問題として認めるかを伝えます。

この基準を設けた背景には、AIと提案を壁打ちする中で、課題が表面的になった経験がありました。設計したマネージャーの振り返りでは、「CRMで情報を一元化して営業を効率化する」といった、抽象的で手触り感のない内容になっていたといいます。

このマネージャーが物足りないと感じたのは、その説明が担当者個人の困りごとにとどまり、会社として取り組む理由になっていなかったことです。このまま上申しても、承認を得るには説得力が弱いと判断しました。

そこで、問題を「会社への損失」と定義し、次の構造で整理する基準を設けました。

問題を整理する構造:本来は、成果が出ている状態である。しかし現状は、そこから遠ざかっている。その結果、機会損失またはコスト増が起きている。

2026_10_xx_Webセミナー_第1回 (1)

さらに、顧客固有の数値・場面・制約を入れ、現場の不便が売上・利益・コスト・リスク・成長速度などへどうつながるかを確認します。「一元化できていない」「見える化できていない」という状態だけでは、この基準を満たしません。

これは現場の困りごとを軽視するという意味ではありません。現場で起きていることを、「会社(経営層)が意思決定するための論点」へと昇華させるということです。同時に「背景・事象・問題・原因・解決方針」が論理的につながっているかも確認します。マネージャーによると、この「問題の定義と構造」をAIに指示した結果、AIがおおむね期待通りの品質で課題を整理・出力できるようになりました。

なお、運用上の重要なルールとして、未確認の情報をAIに「事実」として捏造させてはいけません。理想とする「成果が出ている状態」が顧客からヒアリングできていない場合、そこをAIに勝手に埋めさせるのはNGです。顧客に確認できた「事実」とAIが導き出した「仮説」は明確に区別し、追加された仮説を採用・修正・却下する判断は、必ず営業担当者自身が行います。
 

3. お客様へ提案する施策を磨き込み、そのお客様への個別化を目指す

次に、「お客様へ提案する施策を磨く」というフェーズに入ります。この実践での良い施策とは、「顧客固有の背景や状況から生まれた問題から因果的に導かれており、顧客の担当者が明日からすぐに着手できる具体度がある施策」です。具体的な言葉を増やすだけでなく、その顧客の状況から導かれているかを確認します。

このマネージャーがもう一つ直面したのは、AIが提案する施策が「Webセミナーでナーチャリング」「営業の属人性の解消」といった抽象的な表現にとどまることでした。「もっと個別化して」と伝えても、Webセミナーのタイトルが付く程度で、提案の中身は十分に深まらなかったといいます。

そこで、施策を磨き込む専用の工程を設けました。過去に自身が提案した、質が高いと考える施策を参考にしながら、良い施策の判断基準をAIに伝えるようにしました。人とAIが対話する流れの中で、施策そのものを見直す時間を設けています。

確認するのは、次の3要素です。あくまで一例ですが、HubSpotのSFAを提案するときのサンプルとともに紹介します。

顧客個別化の要素

悪い施策例

良い施策例

「誰が」と「いつ」が、十分に具体的であるか

必要なタイミングで〜

毎週木曜の営業担当6名との1on1の時に、3名の営業部長が〜

顧客固有の課題に紐づいた具体的な解決策であるか

受注率を上げるために〜

現在は〇〇という理由で10%に落ち込んでいる受注率を、約2pt上げるために〜

担当者がすぐに着手できるほどに解像度が高いか

HubSpotで案件管理を強化する

金額100万円以上の案件の受注確度を高めるために、毎週定例前に「決裁者との接点・導入予定時期・競合状況」の3項目の入力を必須とする。

さらに、この提案アウトライン作成のAIエージェントの仕掛けとして、顧客に提案予定の施策が、顧客固有の文脈から出てきたものであるかを確認する際は、「他社置換検査」を推奨します。社名や業界、固有名詞、数値を同業種の別企業のものに置き換え、それでもその施策がほぼ変わらないのであれば、不合格として見直します。

つまり、社名や数字を差し込んだだけでは、真に個別化したことにはなりません。顧客と合意を得た問題が顧客固有であっても、施策がそこから導かれていなければ修正します。

このマネージャーは、専用の磨き込み工程と判断基準、過去の施策例を組み合わせることで、自身が求める水準の施策をAIに出させられるようになったと振り返っています。
 

4. 構成を段階的に作り、人が確認する

ゴールと問題を整理したら、提案の骨組みを作ります。最初からスライドの細部に入らず、目次や説明の順番を先に確認します。

人が見るべきなのは、文章の表現だけではありません。

  • 顧客の問題から解決策へ、話が自然につながっているか
  • 相手が判断するために必要な情報があるか
  • 今回の提案のゴールと、最後に求める行動が一致しているか

この段階で方向を合わせておくと、完成に近づいてから構成全体を見直す事態を避けやすくなります。
 

5. 最終出力の前に、AIが自らレビューして作り直す

この設計例では、最終的なアウトプットを人に渡す前に、AIエージェントが自分の出力を次の3つの基準でレビューします。基準を一つでも満たしていなければ人にはアウトプットを出さず、基準を満たすまでAIが自分で作り直します。

2026_10_xx_Webセミナー_第1回 (2)

確認する観点

確認する内容

一貫性

ゴール、アウトライン、スライド構成の内容がずれていないか

基準への適合

問題の定義や、決めた出力形式を守っているか

顧客への適合

数字、場面、制約が、その顧客の情報に基づいているか      

つまり、人が受け取るのは、AIが3つの基準を満たしたと判断したアウトプットです。形式や定義の抜け漏れを人が一つずつ指摘する手間が減り、顧客理解や提案方針の判断に時間を使いやすくなります。

ただし、AIの自己レビューで誤りがなくなるわけではありません。参照元の正確さ、顧客の実態との一致、提案の妥当性は、人が別に確認します。実装時は、情報が足りない場合や、作り直しを繰り返しても基準に届かない場合に、人へ判断を戻すルールも決めておくとよいでしょう。
 

プロンプトを工夫することと、工程を設計することは何が違う?

プロンプトは主に「何をどう依頼するか」を決めるものです。一方、工程の設計では、参照する情報、使えるツール、確認する順番、承認、評価・修正の仕組みまで考えます。本記事では、こうしたAIの実行環境や制御の設計を「ハーネスエンジニアリング(ハーネス設計)」と呼びます。

アプローチ

整えるもの

営業提案での例

プロンプトエンジニアリング

指示

提案アウトラインの作成を依頼する

コンテキストエンジニアリング

情報

顧客の状況、商談履歴、確認済みの課題を渡す

ハーネスエンジニアリング

工程・確認基準

ゴール確認、構成作成、承認、点検、修正の流れを決める

これらは、どれか一つに置き換わる関係ではありません。明確な指示と必要な情報を用意したうえで、AIと人がどう協力するかを整えます。

なお、OpenAIのハーネスエンジニアリングに関する記事も、エージェントのための環境やフィードバックの設計を扱っています。ただし、同記事はソフトウェア開発の事例であり、営業で同じ効果を保証するものではありません。

営業・マーケ・CS部門のAI活用を 無料カウンセリングで相談する→

 

自社では、何から始めればよい?

ここでは、AIを活用した提案書づくりについて、自社で何から始めればよいかを紹介します。最初に取り組むのは、AIの設定ではなく「良い提案とは何か」を決めることです。そのうえで、基準、コンテキスト、ハーネスの順に整えます。
 

Step 1:良い提案とは何かを定義する

まず、自社にとっての良い提案を一言で定義します。

本記事で紹介したHubSpotの営業マネージャーのチームでは、「お客様の感情が動き、こちらが意図した方向に動いてくれる提案」を良い提案としています。

実際には、ゴールが設定できていることや、問題がしっかり定義されていることなどが中身として入ってきます。ただし最初は細かな要素に入らず、良い提案とはどのような提案かを抽象的に定義してみることが大切です。
 

Step 2:良い提案を要素に分解し、守るべき基準を決める

次に、Step 1の定義を要素に分解し、それぞれでどのような基準が守られていればよいかを決めます。

本記事の例でいえば、「提案のゴールが決まっているか」「問題が会社への損失として定義されているか」「施策が顧客固有で、他社に置き換えると成り立たない内容になっているか」といった基準です。
 

Step 3:コンテキストをAIと共有する

提案は、お客様の情報があってこそ成り立ちます。顧客の状況、商談履歴、確認済みの課題などを、AIがいつでも参照できる状態にしておきます。

顧客情報や商談記録をAIと共有する際は、所属組織のルールと、利用するサービスの利用条件を確認してから扱います。
 

Step 4:ハーネスを設計する

Step 1〜3で決めた内容をもとに、どのような順序でゴールまで進めるかというプロセスを、AIのハーネス上で設定します。本記事の例でいえば、ゴール設定、問題の提示、施策の磨き込み、提案構成の記載という工程に、人が承認する位置と、出力前にAIが自らレビューする基準を組み込むことにあたります。

自社の場合には具体的にどう進めればよいか分からない場合は、無料カウンセリングを行っておりますので、ぜひHubSpotにご相談ください。

営業・マーケ・CS部門のAI活用を 無料カウンセリングで相談する→

 

営業提案にAIを使う際によくある質問

AIが作った提案を、そのまま顧客に出してもよいですか?

そのまま提出するのではなく、人が事実・条件・提案の妥当性を確認します。特に、顧客の課題、製品の対応範囲、料金、導入条件などは、AIの生成結果だけを根拠にしないことが重要です。
 

顧客情報が足りない場合は、どう進めればよいですか?

まずは、AIに渡すコンテキストを整理しましょう。顧客の基本情報、商談履歴、確認済みの課題、やり取りの記録がツールや担当者ごとに散らばっていると、AIは顧客固有の提案を作れません。どの情報がどこにあり、何が足りないかを洗い出し、AIが参照できる状態にまとめます。

コンテキストを一か所にまとめる方法の一つとして、HubSpotはAgentic Customer Platformを提供しています。顧客データ、ビジネスとチームのコンテキスト、業界インテリジェンス、ドメイン知識を1つのプラットフォームに集約し、人とAIエージェントが同じコンテキストを共有できるようにするものです。
 

AIを使えば、マネージャーのレビューは不要になりますか?

レビューをなくすのではなく、人が確認する内容を絞ることを目指します。形式や定義の点検をAIに支援してもらい、顧客理解や提案方針など、判断が必要な点に人の時間を使います。
 

最初の試行では、何を記録すればよいですか?

ゴールとの不一致、修正内容、未確認情報、人の最終確認までの時間を記録するのがおすすめです。どこで人の判断が必要だったかも残しておくと、次に改善する工程を選びやすくなります。これらは試行時の評価項目の例であり、今回の実践で測定した結果ではありません。
 

AIに何を任せ、何を人が決めるかを設計する

営業提案のAI活用は、資料を速く作ることだけが目的ではありません。経験豊富な担当者の考え方や確認基準を、チームで使える形にする取り組みでもあります。

まずは、良い提案の定義と品質基準を言葉にしてみましょう。そのうえで、AIに整理・生成・点検を任せ、人が顧客理解と提案の判断を担う。こうした分担を小さく試すことが、営業品質を高める第一歩になります。
 

自社に合う営業AI活用を相談したい方へ

どの業務をAIに任せるか、どこで人が確認するかは、営業プロセスや扱う情報によって異なります。本記事の設計例は、HubSpotの営業部門での実践をもとにしています。

HubSpot Japanが提供する無料カウンセリングでは、お客様のGTM(マーケティング・営業・カスタマーサービス)業務プロセスや固有の背景課題をもとに、AIに任せる範囲、実行環境の整え方、目指す成果を整理させていただきます。成果につながるAI活用のご支援ができれば幸いです。

営業・マーケ・CS部門のAI活用を 無料カウンセリングで相談する→

HubSpotではこの他にもマーケティングやセールスに役立つ資料を無料で公開していますので、ぜひこちらからご覧ください。

 

SFA (営業支援システム) 導入の基礎ガイドと実践用チェックリスト

-->
トピック:

SFA

トラフィックやリードを増やしたり、営業活動の生産性やカスタマーサービスの質を高めたりする方法をご紹介いたします。

営業・マーケ・CS部門のAI活用を無料カウンセリングで相談する