第7章 組織・ガバナンスの整え方
7-1. なぜ基盤だけでは維持できないのか
第4章から第6章で、データの設計、アーキテクチャ、AI活用の実装を述べてきた。最終盤の本章が扱うのは、それらを維持し続けるための組織の仕組みである。
なぜ独立した章を割くのか。第2章で述べた事実に立ち返る——データは、放置すると劣化し続ける唯一の資産である。第3章で見た汚染源の大半は、システムではなく人と業務プロセスから発生していた。名刺の取込、フォームの設計、入力の運用、定義の解釈。つまり、どれだけ正しく基盤を構築しても、それを扱う組織の側にルールと責任の仕組みがなければ、基盤は完成した瞬間から第3章の状態へ戻り始める。
生成AIの配布についても同じことがいえる。ルールがないままAIツールを全社に開放すると、次の状態が発生する。個人が自己流のプロンプトで顧客向け文書を作り、品質がばらつく。顧客の機密情報が、学習に利用されるツールへ無自覚に入力される。部門ごとに別のツールが契約され、出力の管理者が誰もいない。第1章で見た「AI活用が個人利用の域を出ない62.4%」とは、まさにこの状態——組織の仕組みがないまま、個人の裁量にAIが委ねられた状態——である。
本章では、維持の仕組みを三つに分けて整える。データの品質を守る仕組み(7-2)、AIを安全に使う仕組み(7-3)、そしてそれらを担う人と体制(7-4)である。
7-2. データガバナンス——品質を維持するルールと責任
オーナーシップ:全項目に「品質責任者」を定める
データ品質の劣化は、多くの場合「誰の仕事でもない」ことから始まる。企業の属性情報は誰が正しく保つのか。商談ステージの更新は誰が徹底させるのか。答えが曖昧な項目は、必ず劣化する。
対策は、データオーナー表の作成である。第4章で設計した主要データ項目——企業属性、パーソン情報、行動データ、商談データ、ユニット・役割——のそれぞれに、「入力の責任者(誰が・いつ入れるか)」と「品質の責任者(劣化していないかを誰が監視するか)」を定めて一覧化する。表そのものは1枚で足りる。重要なのは、全項目の責任者欄が埋まっていることと、それが役職名ではなく特定の担当として運用されることである。
入力ルール:徹底は意志ではなく設計で実現する
第3章の汚染源②⑤(入口の汚染・入力の乱れ)への恒久対策は、通達ではなくシステム設計である。必須項目の入力をSFA上で強制する。会社名・部署の表記は選択式・自動補完にして自由入力を減らす。ステージの更新には遷移条件(次のステージに進むために必須の項目)を設定する。人の注意力に頼るルールは必ず破られる——破れない形にしておくことが設計である。
あわせて、第6章①(議事録の自動入力)のようなAIによる入力代行は、ガバナンスの観点でも最良の施策であることを再確認しておく。入力の負荷が下がれば、ルールへの抵抗も下がる。
リード引き渡しのSLA:第1章の課題への構造的回答
データガバナンスの中で、部門を跨ぐために特に明文化が必要なのが、マーケティングから営業へのリードの引き渡しである。第1章で見た通り、「目標共有」(2.31)と「リードステージの定義」(2.23)は日本のBtoB組織の最弱項目であり、リードが営業の持ち物として死蔵される構造の根にあった。
対策はSLA(部門間の合意)の文書化である。定めるべき項目は四つ。
- 引き渡し条件:どの状態のリードを営業に渡すか(スコア閾値、行動条件、属性条件——第6章③のスコアリング設計と一体で決める)
- 対応期限:営業は受け取ってから何営業日以内に接触するか
- 差し戻し基準:条件を満たさなかったリードは、どのような理由付きでマーケに戻すか
- 戻り先:差し戻されたリード・失注した案件は、どのナーチャリングシナリオに戻すか(第2章の循環の実装)
四つ目が最も忘れられやすく、最も重要である。差し戻しの行き先が定義されて初めて、レベニューサイクルは循環になる。
定期メンテナンス:四半期の型に組み込む
汚染源④(陳腐化)への対策は、イベントではなく定常業務にする。四半期に一度、次の三点を棚卸しする。名寄せ候補(あいまい一致で保留されたレコード)のレビュー。配信エラー(ハードバウンス)起点の退職・異動確認。長期未更新レコードと休眠データの処置判断。第3章の点検リスト10項目を、この四半期レビューのアジェンダとしてそのまま使えばよい。
7-3. AI利用ガバナンス——安全に使える範囲を広げるためのルール
入力ポリシー:何を、どのAIに入れてよいか
最初に定めるべきは、情報の分類と、ツールごとの許可範囲の対応表である。情報を三分類する——公開情報(自社サイト掲載レベル)、社内情報(戦略・数値)、顧客情報(個人情報・商談内容・機密)。一方でAIツール側も、入力データの学習利用の有無・保存場所・契約形態で分類する。そのうえで「顧客情報を入力してよいのは、学習利用がなく法人契約で管理された指定ツールのみ」といった対応を明文化する。
個人情報保護法上の論点——個人データの第三者提供に当たるかどうか、利用目的の範囲内か——は、契約形態と処理の内容によって判断が分かれるため、指定ツールの選定時に法務確認を一度通し、以後は「指定ツールを使う限り安全」という状態を作る。判断を都度現場に委ねないことが要点である。
出力の品質管理:自動化の許可レベルを段階で定める
AIの出力が顧客に届くまでに、人がどこで関与するかを施策別に定める。基準は三段階でよい。
- レベル1(人が確定):提案書、重要顧客への個別メール——AIはドラフトのみ、送付は人の判断
- レベル2(人が抜き取り確認):ナーチャリングメールの生成配信——事前にサンプル確認、配信後に品質モニタリング
- レベル3(自動実行):議事録の下書き作成、スコア算出、ブリーフ生成——出力が社内利用にとどまるもの
第6章の各ユースケースにこのレベルを割り当てておけば、「どこまで自動化してよいか」の議論を施策のたびに繰り返さずに済む。
禁止リストではなく、許可を広げるガイドとして設計する
AI利用ルールの設計思想として強調したい点がある。締め付けを目的にしたルールは、野良利用——個人アカウントでの無断利用——を増やし、かえって統制を失う。ルールの目的は「安全に使える範囲を、明確にし、広げていくこと」に置く。指定ツールの利用申請は簡便にし、新しいユースケースの追加手続きを定め、四半期ごとに許可範囲を見直して拡張する。使いたい人が正規ルートで使える状態を保つことが、最も効果的な統制である。
7-4. 体制と人材——内製化への道筋
レベニューサイクル全体を見る機能を置く
7-2と7-3のルールには、運用の担い手が要る。ここで必要になるのが、マーケティングにも営業にも属さず、レベニューサイクル全体のデータとプロセスに責任を持つ機能——一般にRevOps(レベニューオペレーション)と呼ばれる役割である。
担う仕事は本書がここまで述べてきたことの運用そのものである。データオーナー表とSLAの管理、四半期メンテナンスの主催、MA/SFA/DWHの設定と連携の維持、AIユースケースの実装と品質モニタリング、そして経営への数値報告(第8章)。
なぜ独立した機能である必要があるのか。マーケ所属の担当者が営業のデータ品質を正すことは、組織力学上難しい。逆も同じである。部門の利害から一歩離れた位置に置くことで、サイクル全体の最適化が初めて機能する。
専任組織は不要——兼任1名から始める
RevOpsという言葉から専門部署の新設を想像する必要はない。現実的な始め方は、兼任1名+外部パートナーである。
社内の1名(マーケティング運用かSFA管理の経験者が適任)がオーナーとなり、初期の設計——名寄せ、基盤構築、ユースケース実装——は外部の専門支援を使って立ち上げる。重要なのは、外部に「作業」ではなく「型の移転」を求めることである。設計の意図、判断の基準、運用の手順が社内のオーナーに引き継がれる形で進めれば、外部依存は段階的に減る。
育てるべきスキルは三つの掛け合わせである——MA/SFAの運用スキル、データの理解(第4章・第5章の内容を自社の言葉で説明できること)、AI活用の設計力(第6章のユースケースを自社業務に翻訳できること)。三つを一人で完備した人材は市場にほぼ存在しないため、採用で解決しようとせず、社内の運用経験者に残りを足していく方が早い。
内製化の三段階
外部依存から自走までの現実的な経路を示す。
- 依存期:設計と構築を外部が主導し、社内オーナーは意思決定と社内調整を担う
- 伴走期:運用(四半期メンテナンス、SLA管理、ユースケース追加)を社内が主導し、外部は設計レビューと新技術の導入支援に回る
- 自走期:社内チーム(この頃には2〜3名)が全体を運用し、外部は定期の健全性診断のみ
第1章で見た通り、先進レベルに到達した7.5%の企業が最も差をつけていたのは人材育成だった。土台の整備と人の育成は、別のプロジェクトではなく同じプロジェクトの両面である。
環境は整い、維持の仕組みもできた。最後に残るのは、この投資を経営の言葉——売上とパイプライン——に接続することである。次章で扱う。
