【ITニュース解説】Three Sales Ops Automations, With What They Actually Cost

セールスオペレーションにおける自動化は、ビジネスの効率を飛躍的に向上させる可能性を秘めている。今回紹介するのは、実際に構築された3つの自動化システムについて、その導入コストや運用費用、そして何よりも構築過程で直面した具体的な問題点とそこから得られた教訓を詳述した事例だ。これら3つのシステム全体を構築するのにかかった費用は6,500ドル、月々の運用費用は270ドルだった。その結果、月間でおよそ50時間もの手作業が削減され、投資回収期間は約2ヶ月という驚異的な短さで実現されたという。これらの数字も重要だが、それぞれのシステムを構築する際に何がうまくいかなかったのか、その詳細こそが、今後システム開発に携わる人々にとって最も価値のある情報となるだろう。

最初の事例は、B2B SaaS企業におけるリードの評価とスコアリングの自動化だ。このクライアントでは、毎月200件以上の問い合わせがウェブサイトのフォームを通じて寄せられていた。しかし、営業チームは各リードに対して毎日2時間もの時間を費やして手動でリサーチを行い、そのリードが返信する価値があるかどうかを判断していた。これは、リストを整理するためだけに毎日膨大な時間を費やしている状況だった。

この課題に対し構築されたのは、フォームが送信されると自動的にワークフローが起動するシステムだ。まず、データプロバイダーが企業の詳細情報を補完する。次に、AIモデルが企業の概要とフォームに入力された内容を読み取り、1から5までの理想顧客プロファイル（ICP）スコアを割り当て、そのスコアの理由も文章で生成する。高いスコアのリードは営業担当者に通知され、優先的に対応される。低いスコアのリードはナーチャリングプロセスへと送られるが、決して破棄されることはない。このシステム導入により、手動でのリサーチ時間は1日2時間以上から約20分へと大幅に削減された。営業担当者は、到着順ではなく、スコアの高い上位20%のリードに集中できるようになり、生産性が向上した。このシステムの構築には6日間と3,500ドルがかかり、運用にはデータプロバイダー、モデル、プラットフォームの利用料を合わせて月180ドルが必要だ。

しかし、このシステムには初期の失敗があった。最初のバージョンでは、企業情報がほとんどないリードに対しても、システムは自信満々にスコアを割り振ってしまっていた。例えば、空っぽの企業説明からでも、なぜか「2」といったもっともらしい数字が出てしまうのだ。これでは、営業担当者はすぐにそのスコアに対する信頼を失ってしまった。信頼を一度失うと、それを取り戻すのは非常に難しい。この問題を解決するため、システムは再構築された。新しいバージョンでは、モデルが自身のスコアの「自信度」を別途表明するように変更された。自信度が低い、つまり閾値を下回るリードは「未スコア」として人間の判断に委ねられ、もっともらしいが誤ったスコアが付けられることはなくなった。この教訓は普遍的だ。スコアリングシステムは、「わからない」と言えないと、最終的には無視されてしまうということを示している。

二つ目の事例は、ロジスティクス企業におけるパイプラインレポートの自動作成だ。この企業では、運用マネージャーが毎週金曜日に3〜4時間かけてスプレッドシートを手作業で編集し、リーダーシップ会議用のパイプラインレポートを作成していた。データをコピー＆ペーストし、ステージごとの変換率を手計算し、手動でサマリーを作成するという非常に時間のかかる作業だった。

この作業を自動化するために構築されたのは、毎週金曜日の午前7時に自動でパイプラインデータを取得し、ステージ変換率、平均取引規模、担当者ごとのパフォーマンス、そして前週からの変動を計算するシステムだ。さらに、AIモデルがこれらのデータに基づいて、何が変化したのかを短い平易な文章で要約する。このデータと要約は、午前8時までにチームのチャネルに自動で共有されるようになった。これにより、運用マネージャーの手動でのレポート作成時間は3〜4時間からゼロへと削減された。また、レポートが毎週同じ方法で計算されるため、週ごとの比較がようやく意味を持つようになり、データの信頼性と一貫性が向上した。構築には3日間と1,800ドル、運用には月60ドルがかかっている。

このシステムも初期段階で問題を経験した。導入から2週間後、レポートが実際には存在しない大幅な減少を示してしまったのだ。原因は、APIトークンの期限切れにより、あるデータソースから全くデータが返されなかったことだ。しかし、システムはその「データがない」という状況を律儀に「ゼロ」として処理し、架空の危機を報告してしまった。結果として、リーダーシップは存在しない問題に午前中を費やすことになった。この経験から、システムは改良された。現在では、データソースが欠落した場合は、自信たっぷりの「ゼロ」を出すのではなく、「レポートを構築できませんでした」と明確かつ強く通知するように変更されている。このようなガード機能がないレポーティング自動化システムは、誤った警報を生成するだけのものになってしまうという教訓が得られた。

三つ目の事例は、停滞案件に対するアラートシステムだ。このクライアントでは、営業担当者が動きのない案件のフォローアップを忘れがちだった。交渉段階に入ってから30日間、何の活動もないまま放置される案件が多く、収益機会が失われていた。

この問題を解決するために構築されたのは、毎日全てのオープン案件をチェックするシステムだ。もし7日間、メール、電話、メモといった活動が一切ない場合、担当者にタスクが生成され、最後のやり取り、取引規模、ステージ滞在日数などのコンテキスト情報が添付される。さらに14日間活動がない場合は、マネージャーにもアラートが送られる仕組みだ。このシステム導入後、30日以上活動のない案件がパイプライン全体の約40%から8%へと劇的に減少した。構築には2日間と1,200ドル、運用には月30ドルと最も低コストだ。

このシステムには、筆者自身が「二度と最初のような形では構築しない」と述べるほどの失敗があった。最初のバージョンにおけるマネージャーへの14日アラートは、営業担当者からは「監視」と受け取られてしまったのだ。その結果、営業担当者たちはアラートのカウントをリセットするために、形だけの活動を記録するようになり、データは改善するどころか、むしろ悪化してしまった。この状況を受け、アラートの仕組みは変更された。マネージャーには週に一度、どの案件か特定できない形で、停滞している案件の総数をサマリーとして報告する形に改められた。この変更により、営業担当者の形だけの活動はすぐに止まった。この教訓は、システムが監視目的で導入されると、監視される側はその監視を回避しようと創造的に行動するというものだ。アラートシステムを構築する際は、担当者をサポートする目的で設計すべきであり、監査目的で設計すべきではないことを示唆している。

これら3つのシステム全体を通して見ると、構築にかかった費用は合計6,500ドル、月々の運用費用は270ドルだった。そして、各チームから削減された手作業の時間は月間でおよそ50時間にも及ぶ。もし、1時間あたりの人件費を60ドルと仮定すると、これは月間3,000ドル相当の人件費削減に相当する。したがって、投資回収期間は約2ヶ月と計算できる。それ以降は、削減された時間が事業に貢献する「回復されたキャパシティ」となる。ただし、この数字には正直な注意点がある。50時間削減されたからといって、そのまま50時間分の新しい生産につながるわけではない。人は回復した時間を100%の効率で新しい生産に転換できるわけではないからだ。実際には、営業担当者はより多くの電話をかけることができるようになり、運用マネージャーは金曜日にレポート作成に追われることがなくなった、という形で価値が実現された。これは間違いなく投資に見合う価値だが、0.3人分の人材を新たに雇用したのとは異なる種類の価値だ。

これら3つの自動化システムに共通するパターンがある。どれも「賢い」システムではない。それぞれが、一貫性があり、頻度が高く、そして人間による高度な判断がそれほど必要とされないタスクを対象とし、そのタスクを人間から切り離して自動化したものだ。そして、本来の「判断」の部分は依然として人間に残されている。例えば、スコアリングシステムは「誰に電話をかけるべきか」を決定するのではなく、「どの順番でリードを確認すべきか」を示すだけだ。レポートシステムはデータを「分析」するのではなく、「集計」して見やすくする。アラートシステムは「追い詰める」のではなく、「思い出させる」役割を果たす。

そして、上で述べた3つの失敗はすべて、システムがその入力データが正当化する以上に「自信過剰」に振る舞った結果として生じたものだ。これは、システムを設計する上で最も注意すべき失敗モードであり、ベンダーにシステムの費用を尋ねる前に、彼らがこの問題にどのように対処しているかを尋ねることが非常に重要だ。これらの事例は、システムエンジニアとして、単に技術を導入するだけでなく、人間の行動、ビジネスプロセス、そして予期せぬ事態を深く理解し、それらを考慮に入れた堅牢でユーザーフレンドリーなシステムを設計することの重要性を教えてくれるだろう。