AIか人かの基準はエンゲージメント―Revenue業務10選

はじめに

AIエージェントに任せる業務と、人間が残すべき業務の境界は、「その業務をAIに渡すと、顧客とのエンゲージメント（関与の深さ）が上がるか、下がるか」で決まる。工数がどれだけ減るかではない。ここで言うRevenue業務とは、マーケティング・営業・カスタマーサクセスにまたがる、売上創出に関わる一連の業務を指す。本記事ではこの大基準を、業務単位で判定できる3つの技術的基準（判断の可逆性・交渉の有無・人間が担う付加価値）に落とし、Revenue業務10個を仕分けた。結果は、AIに任せられる業務6個・人間が残すべき業務2個・判断が割れるグレーゾーン2個である。

「AIエージェントに、どこまで仕事を任せていいのか」――現場でそう感じていないだろうか。SFA再構築やMA活用の現場では、AIエージェント導入の議論が先行し、任せる範囲の線引きが追いついていない。AIエージェントを試験導入したものの、どこまで権限を渡していいか判断できず、結局ほとんどの業務を人間が確認し直している、という声も少なくない。

必要なのは、どの業務をAIに任せ、どの業務を人間が引き取るかを判断できる、再現可能な基準だ。以下で、その基準と仕分けの結果を示す。

AIと人間の分担は、なぜ「精神論」では決まらないのか

現場が欲しいのは「協力の仕方」ではなく「線引きの基準」

国内の記事の多くは、「AIと人間は共存すべきだ」「AIは定型業務、人間は信頼構築や創造性」という二分法で終わる。この整理は間違ってはいないが、実務では次の一歩を教えてくれない。現場が知りたいのは、目の前の業務のうちどれをAIに渡し、どれを自分が持ち続けるべきかという具体的な線引きだ。この曖昧さのまま導入が進むと、担当者ごとに判断がばらつき、同じ業務でもAIに任せる人と任せない人が混在する事態になる。

Gongのデータが示す、業務単位の代替/残存の実例

Gong Labsの分析は、AIの活用が実際に進んだ業務を、机上の想定ではなく商談データから特定した点に価値がある。対象になったのは、メール作成やCRM入力といった、日々繰り返される定型業務だった。「AIが得意そうな業務を並べた」のではなく、「実際に代替が進んだ業務を後から突き止めた」のだ。机上の分類ではなく実際の行動データから導いた点が、この後の3基準を裏付ける土台になる。精神論ではなく、実測データが業務単位の境界を描いている（具体的な数値は後の章で示す）。

Forresterが示す新しい構図―AIバイヤーとAIセラーが交渉し合う時代

Forresterは、AIエージェント同士が交渉を代行する時代の到来を予測する（詳細は後述）。買い手側も売り手側も、それぞれ自社のAIエージェントを窓口にして交渉が進む未来像だ。人間の役割は、そこで単純に消えるわけではない。むしろ、AI同士が定型のやり取りを担うようになるほど、人間が介入すべき局面はより際立って見えるようになる。では、何を物差しに介入すべき局面を見極めるのか。

線引きの物差しは「エンゲージメントが上がるか」

AIと人間の線引きは、AIに任せて工数を削るための作業ではない。定型業務が手から離れれば担当者の時間は空くが、問題はその時間を何に振り向けるかだ。ワンマーケティングは、Revenue業務でAIを使う狙いを、顧客とのエンゲージメントを上げることに置いている。だから線引きの物差しも、「AIに任せると楽になるか」ではなく「AIに任せてエンゲージメントが上がるか」になる。逆に、人が向き合うからこそ関与が深まる業務をAIに渡せば、エンゲージメントは下がる。どちらに転ぶかが、AIか人かの分かれ目だ。

エンゲージメントが上がる条件は、突き詰めると4つに絞られる。適切な人に／適切なチャネルで／欲しい内容を／欲しいタイミングで届けられているか、である。この4つは人手だけでは同時に満たせない。担当者一人が数百件のリードの検討状況を追い、それぞれの関心に合う情報を、相手に合うチャネルで、動きが出た当日に届けることは物理的にできない。逆に、AIはこの4つを絶え間なく回し続けられる。ここがAIの持ち場になる。

代替可否を分ける3つの技術的基準

「エンゲージメントが上がるか」は方向を示すが、そのままでは目の前の業務を仕分けるには抽象的だ。業務単位で判定できるよう、3つの技術的基準に分解する。

判断の可逆性―ミスの取り返しがつく業務か

メールの文面やCRMへの入力ミスは、後から修正できる。だが価格提示や契約条件の言及は、一度発した瞬間に相手の期待値を形成し、撤回が信頼を損なう。可逆性の低い業務ほど、AIの誤判定が持つコストが跳ね上がる。そのコストを支払うのは工数ではなく、相手からの信頼――エンゲージメントそのものだ。

交渉の有無―価格や条件で互いの希望がずれる局面か

価格・納期・契約条件では、買い手は安く早く欲しく、売り手は収益と実現可能性を守りたい。この希望のずれを埋める作業が交渉であり、どこまで譲るかという判断を必ず含む。

Forresterは、2026年に売り手の20%が「AIエージェント主導の見積交渉」への対応を迫られると予測する。売り手は自社のAIエージェントを介し、動的なカウンターオファーで買い手側のAIエージェントに応じる構図だ。ただしAI同士のやり取りになっても、どこまで譲るかを決められるのは、その譲歩の責任を負える人間しかいない。希望がずれる局面かどうかが、AI単独で完結できるかの分かれ目になる。

人間が担う付加価値―対話そのものが成果を左右する業務か

Gong Labsが1,418社・100万件の商談を分析した結果、AIの活用が進んだのはメール作成・CRM入力・フォローアップ・商談前リサーチだった。いずれも、担当者が代わっても成果が変わりにくい業務である。一方でAIの推奨アクションを全て実行した担当者は勝率が50%向上している。この差は、AIに渡した定型業務の分だけ、担当者が「高付加価値な対話」に時間を割けたことの表れという見方もできる。

顧客との信頼関係の構築はその代表だが、それだけではない。課題の深掘り、提案の組み立て、経営層との折衝――人間が向き合うこと自体が成果を左右する業務は、まとめて高付加価値な業務と言える。エンゲージメントの源泉はここにあり、AIに渡すと源泉ごと手放すことになる。

Revenue業務10選―3つの基準に沿った判定

基準がそろったところで、実際の業務に当てはめてみたい。Revenue業務は、分解しようと思えばいくらでも細かくできる。リード獲得ひとつをとっても、広告運用・フォーム設計・架電リストの管理と、数十の作業に割れる。ただ、そこまで細かくすると判定はほぼ自明になり、現場が線引きに迷うのは、もう少し粗い「業務のまとまり」の単位だ。

そこで本記事では、マーケティング・営業・カスタマーサクセスの典型業務から、Gong Labsの分析で実際にAI活用が進んでいた4業務（メール作成・CRM入力・フォローアップ・商談前リサーチ）を含む10個を代表として選んだ。10個でRevenue業務の全てを尽くすわけではない。自社に当てはめるときは、この10個を雛形に、自社の業務一覧へ同じ3基準を展開してほしい。

AIに任せてよい業務（6個）――任せることで担当者の時間が対話に回り、エンゲージメントを上げる側に働く。

1. CRM入力・データクレンジング―入力ミスは後から修正できる。可逆性が高い。重複登録や表記ゆれも、後から名寄せ・再入力すれば済み、相手との関係には影響しない
2. アプローチ・フォローアップメールの文面生成―Gong Labsのブログによれば、営業会話でのAI言及頻度は2022年11月比で伸びている。AI生成メールの作成数も2023年2月比で伸びている。両指標とも大きな伸び率だが、比較の基準時点が異なる点に注意したい（同社ブログ、直近更新2026年3月）。定型文面は撤回コストが低い。誤った言い回しがあっても、次のメールで言い直せば取り返せる
3. 商談前リサーチ―企業情報・過去のやり取りの要約は、交渉も人間ならではの対話も発生しない準備作業。要約に誤りがあっても、担当者が商談前に読んで気づける範囲であれば実害は小さい
4. 商談後の議事録・ネクストアクション提案―記録の性質上、誤りがあっても後工程で訂正可能。次アクションの提案がずれていても、担当者が採否を判断する一段階が残っている
5. リードの優先順位付け（スコアリング）―スコアの見直しは容易で、相手との関係を損なわない。優先順位を誤っても、対応の順番が入れ替わるだけで、顧客に伝わる形の失敗にはなりにくい
6. 既存顧客のヘルススコア監視・解約予兆アラート―検知は通知に過ぎず、意思決定は人間に残る。誤検知があっても、担当者が確認して除外すれば済む

人間が残すべき業務（2個）――AIに渡すと、エンゲージメントが下がる側に働く。

7. 価格・契約条件の交渉―互いの希望がずれる局面は撤回コストが高く、双方に人間の最終意思決定者が要る。一度提示した金額・条件は相手の期待値として固定され、後から覆すと信頼を損なう
8. エグゼクティブとの関係構築―人間が向き合うこと自体が価値になる業務の代表で、AIに渡すと価値の源泉ごと手放すことになる。過去のやり取りの積み重ねそのものが次の商談での説得力になるため、担当者を代えるだけでも目減りする

判断が割れるグレーゾーン業務（2個）

9. 見積の一次提示―ドラフト作成はAIでも、提示の言い回し・タイミングの最終判断は人間に残る余地がある。金額の骨子（可逆性の低い部分）はAIが用意し、伝え方・タイミング（相手との関係に響く部分）は担当者が握る、という工程分解が現実的な落としどころになる
10. 初回アプローチ先の絞り込み―リスト作成のロジックはAIでよいが、「誰に人間の時間を割くか」という配分判断は、関係構築の初期投資でもあるため人間が最終決定に関与すべき局面が残る。AIが出したリストをそのまま実行するのではなく、上位候補への配分は担当者が最終確認する運用が無難だ

この仕分けが成り立つ前提―自社のデータとプロセス

同じ業務でも、データが未整備な会社では判定が変わる

AIが「誰に・どのチャネルで・何を・いつ」を判定する材料は、CRMやMAに残った履歴しかない。同じ「リードの優先順位付け」でも、履歴と項目定義が揃っている会社ではAIに任せられ、ばらついている会社では任せた結果を信用できない。つまり10業務の仕分けは、業務の性質だけで決まるのではなく、自社のデータとプロセスがどこまで整っているかで動く。

これは感覚ではなく、数字にも出ている。ワンマーケティングは「レベニューオペレーション調査レポート2026」（BtoB営業・マーケティング職400名調査）を実施し、組織・プロセス・人材の成熟度とAI活用スコアの間に強い相関（r=0.71）を確認している。データ・ツール基盤が未成熟な企業のAIスコアは1.76にとどまるが、整っている企業では2.89に達する。この相関から言えるのは、土台が未整備のままでは、可逆性の高い業務でさえAIに任せた結果を信頼しにくくなる、ということだ。

導入初期につまずく典型的な症状

線を引く以前に、CRMの入力項目がバラバラで、同じ顧客が重複登録されている。商談履歴がSFAとMAで分断され、AIが参照すべき一次情報がどこにあるか分からない。

案件のステージ定義が担当者ごとに違えば、AIは今どの段階の商談かを正しく判定できない。過去の失注理由が自由記述のテキストで散らばっていれば、AIはそこから学習できず、フォローアップの精度も上がらない。企業名の表記ゆれ（略称・旧社名・支店名の混在）が残っていれば、同一顧客の履歴を一つに束ねられず、積み上げた関係が記録の上では分断される。

担当者が異動・退職するたびに、暗黙知として蓄積されていた顧客の背景情報が引き継がれず、AIが参照できる記録には残らない。この状態では、積み上げた人間関係を、AIどころか後任の担当者にも渡せていないことになる。

こうした状態でAIエージェントを稼働させると、10業務の仕分けそのものが土台の欠陥によって狂う。エンゲージメントを上げるはずのAIが、間違った相手に、ずれた内容を届け続けることになる。

この仕分けは、AIエージェントへの投資対効果を試算する際の前提にもなる。どの業務をAIに任せられるかが明確になって初めて、投資規模と回収見込みの議論が成立する。投資判断の場に技術的な代替可否の一覧がなければ、経営層への説明は「AIは便利そうだ」という印象論に留まってしまう。

まとめ

Q1. AIエージェントに全部任せていい業務はあるか

ない。今回のRevenue業務10個でも、AIに任せられたのは6個にとどまり、2個は人間が残すべき業務、2個は判断が割れるグレーゾーンとして残った。AIに任せてよいとされた6個も、担当者が結果を確認する一段階を残しておくのが安全だ。

Q2. 人間が残るべき業務の共通点は何か

AIに渡すと顧客とのエンゲージメントが下がる、という一点に尽きる。具体的には、判断の取り返しがつかず、価格や条件で互いの希望がずれ、人間が担うこと自体が付加価値になる業務――価格交渉やエグゼクティブとの関係構築がこれにあたる。この3つの性質は互いに独立ではなく、多くの場合セットで現れる。

Q3. グレーゾーンの業務はどう扱えばいいか

見積の一次提示や初回アプローチ先の絞り込みのように、AIによる下準備と人間による最終判断を分離できないか検討する。全てを一方に寄せず、工程を分解するのが最初にとれる対応だ。性質の違う要素が1つの業務に混ざっている場合は、要素ごとに担当を分けて考えると判断しやすい。

Q4. この仕分けを自社で始めるには何から見ればいいか

まず個別タスクの代替可否ではなく、組織構造そのものを疑うことだ。6senseの調査では、BDR（新規開拓を担う営業職種）組織がマーケティング配下に置かれる比率が20%から37%に上昇している。AIが定型業務を巻き取ることで、役割自体がどの部門に属すべきかという問いが生まれている。個々の業務を仕分ける前に、この組織設計の問いが自社にも当てはまるかを確認しておきたい。本記事で示した3つの基準は個々の業務の仕分けに使えるが、それを支える組織図まで変える必要があるかどうかは、また別の検討が要る。現場の業務仕分けと、組織図の見直しは、着手のタイミングが異なってよい。