「AIを使っているのに、なんか他のベンダーと変わらない気がする」——そんな感覚が出てきていないだろうか。
ツールは持っている。リサーチも事前にやっている。なのに、商談の場で「また同じような話を聞いた」という顔をされる。AIを使いこなしているはずなのに、差がついている実感がない。
この記事では、AI活用が当たり前になっていく時代に何が起きるのか、そして「AIを使う人」と「AIで差をつける人」の間にある本質的な違いを、B2Bエンタープライズセールス30年の現場経験をもとに解説する。具体的には、AI民主化が生むパラドックスと、そこから抜け出すための「1＋1＝3以上」の設計思想について掘り下げていく。
AIが「事前準備」を変えようとしている
元HubSpot CROが語った2026年の予測
元HubSpot CRO（最高収益責任者）のマーク・ロベルジュが、2026年の最大のシフトとして語った予測がある。「AIが事前ミーティングのアカウントリサーチを自動実行し、AE（アカウントエグゼクティブ）のロールプレイ練習用にアカウント特化のバイヤーエージェントを生成する」というものだ。
正直に言うと、これを聞いて「予測」というより「もう起きていること」に近いと感じた。
なぜそう思うか。実は自分自身、すでに似たようなことを実装しているからだ。プロスペクト（見込み顧客）のシグナルを検知し、そのアカウントの状況を分析し、「自分が持っているソリューションで何が解決できるか」という仮説を自動で生成するアプリを自作している。さらに、以前作ったロールプレイアプリに「バイヤーの性格」を加えると、マークが言うような"アカウント特化バイヤーエージェント"にかなり近いものが見えてくる。
「僕レベルでできる」という事実が意味すること
一点、強調しておきたいのは、これは特別な技術力がある人間だけの話ではないということだ。外資系IT企業を渡り歩いてきたセールスの人間が、自力でアプリを組んでいる。それが現実として起きている。
であれば、もっと豊富なエンジニアリングリソースや予算を持っている大手企業は、さらにその先を行っていると考えるのが自然だ。SalesforceのEinstein、HubSpotのAI機能、各種セールスインテリジェンスツールの進化を見ても、この方向性は疑いようがない。
営業の事前準備にかかる時間と質は、AIによって確実に変わっていく。これは前提として受け入れるべき現実だ。
「民主化」が生む逆説
全員が同じベースラインに立つ世界
AIによるリサーチや仮説生成が民主化される——一見、これは良いことに聞こえる。準備に時間をかけられなかった営業担当者でも、質の高い事前情報を持って商談に臨めるようになる。底上げが起きる。
ただ、ここに大きな落とし穴がある。
全員が同じ質の事前準備を持って商談に来るということは、裏返せば「AIが出したリサーチをそのまま使うだけでは差別化にならない」ということだ。競合もやっている。他の誰もがやっている。均質化された情報を持った営業が顧客のもとに押し寄せる世界では、顧客の側が「また同じような話か」と感じるのは当然の流れだ。
情報の均質化が営業の価値を下げるパラドックス
これは単なる危惧ではない。すでに似たような現象は起きている。
たとえばSEOコンテンツの世界では、AIで生成された記事が大量に溢れた結果、読者が「どれも似たような内容だ」と感じて離れていくという現象が起きた。営業の世界でも、同じことが起きる可能性がある。AIが出してきた業界動向の分析、競合比較、課題仮説——それを全員が持ってくるなら、情報そのものの価値はゼロに近づいていく。
ツールが民主化された後に残るのは、結局のところ人間の質だ。では、その「人間の質」とは何か。
1＋1＝3以上を設計するとはどういうことか
AIは「答え」ではなく「出発点」
AIが出してきた分析は、あくまで出発点だ。データを集め、パターンを見つけ、整理する——それはAIが圧倒的に得意なことだ。でも、そこで止まってしまう営業は、AIに使われているだけになる。
重要なのは、そこに何を重ねるかだ。
自分の現場経験、その顧客との過去の文脈、業界特有のニュアンス、担当者が置かれている組織の力学——これらはAIには出せない。データとして存在していないか、あるいはデータとして言語化されていないことがほとんどだからだ。AIが整理した情報の上に、こうした人間にしか持てない洞察を重ねることで、初めて「商談で使える本物の仮説」になる。
これが、1＋1＝3以上を設計するということだ。
BECQAのB（Business）が問うていること
BECQAフレームワークで言えば、これはまさにB（Business）の領域の話だ。
Businessとは、顧客の業界・事業の文脈を理解し、「なぜ今この会社にとってそれが問題なのか」という仮説を立てることを指す。AIはデータと情報を揃えてくれる。業界トレンドも、競合他社の動向も、顧客企業の最近のプレスリリースも、瞬時に整理できる。
ただ、「なぜ今この会社にとってそれが問題なのか」「この担当者はどんな組織の文脈でその課題を抱えているのか」という解釈は、人間の仕事だ。AIにはその会社の意思決定者がどんな経緯でその役職に就いたかはわからないし、先月の社内会議でどんな議論があったかも知らない。そこを埋めるのが、営業としての洞察力であり、関係構築から得た情報だ。
仮説構築の精度を上げる具体的な方法については、[顧客の課題を仮説として整理するBusiness分析の実践]でも詳しく解説している。
「掛け算」を設計する3つの視点
では具体的に、どうすれば1＋1＝3以上の設計ができるのか。現場で意識していることを3つ挙げる。
1. AIの出力を「疑う練習」をする AIが出してきた仮説や分析を、そのまま受け取らない。「これは本当にこの会社に当てはまるか」「別の解釈はないか」と一度立ち止まる習慣が、人間の洞察を引き出す。AIが「この業界では〇〇が課題」と言っても、目の前の顧客がそれを課題と感じているかどうかは別の話だ。
2. 「文脈の差分」を持ち込む AIが知らないことを意識的に持ち込む。過去の商談で担当者が漏らした一言、業界イベントで拾ってきた肌感覚、競合がどう動いているかの現場情報——これらはAIには生成できない。この「文脈の差分」こそが、商談の場で顧客に「この人は分かっている」と感じさせる要素になる。
3. AIとの「往復」を増やす AIに一度聞いて終わりではなく、自分の解釈をAIにぶつけ直す使い方が効く。「自分はこう思うが、反論してくれ」「この仮説の穴はどこか」と問い直すことで、思考の質が上がる。AIを壁打ち相手として使うイメージだ。
次に広がる差は「どう使うか」ではなく「何を掛けるか」
「AIを使う」は前提条件になる
少し前は、「AIを使っているかどうか」が差になった。今はそれが縮まりつつあり、2026年に向けてさらに縮まっていく。AIを使うことは、もはや差別化要因ではなく前提条件になっていく。
これはある意味で平等化だ。準備の質が底上げされる。それ自体は良いことだと思っている。ただ、その先に何が起きるかをきちんと見ておく必要がある。
差がつくのは「人間の解釈の質」
次に差がつくのは、AIの出力に自分の洞察をどう掛け算できるか、だ。
同じツールを使い、同じ情報にアクセスしながら、商談の場で「この人と話すと毎回発見がある」と顧客に思われる営業と、「また同じような提案か」と思われる営業の差——それは情報の量でも、準備の有無でもなく、人間としての解釈の深さになっていく。
これはある意味、AI時代が「営業の本質」を問い直す契機でもある。情報収集や整理はAIに任せればいい。その分、解放された時間と認知リソースを、より深い顧客理解と仮説の精度向上に使えるかどうか。そこが勝負になっていく。
エンタープライズセールスにおける仮説構築と診断型質問の連携については、[診断型質問で商談の質を変えるQのアプローチ]も参照してほしい。
関連記事
AIを使いこなしている人と、そうでない人の差が縮まっていく。これは事実だし、良いことでもある。
でも次のステージで問われるのは、「AIをどう使うか」という技術論ではない。「AIの出力に、自分だけが持てる洞察をどう掛け算できるか」という、人間としての仕事の質だ。
ツールが民主化された後に残るのは、結局、人間の質だ。そしてその質は、一朝一夕では身につかない。だからこそ、今からその「掛け算の設計」を意識して始めることに意味がある。
