過去1年間、企業がGo-To-Market（GTM）テクノロジーに向き合う姿勢に明確な変化が見られた。収益責任者たちは、GTMエンジニアやAIアーキテクトを自組織の中枢に直接取り込みつつある。数百の組織を見渡すと、業界の求人情報には「GTMアーキテクト」といった肩書が並び、取締役会からの明確な指令が浮かび上がる。すなわち、エンタープライズ向け言語モデルを展開し、カスタムな社内ワークフローを構築し、営業活動をゼロから自動化せよ、というものだ。
机上では、この戦略には大きな戦略的魅力がある。社内エンジニアリングチームがClaudeやChatGPTのようなプラットフォーム内でカスタムエージェントを構築できるなら、経営陣が多数の個別アプリケーションのライセンスを購入する必要性を再評価するのは自然なことだ。しかし、数多くのアカウントでこうした社内構築の展開を見てきたなかで、私は一貫したパターンを目にしてきた。一部の独自構築は確かに生産性向上をもたらす一方で、他の多くは12カ月の開発を経て静かに停滞する。その違いは、エンジニアリングのスキルやモデルの知能に起因することはほとんどない。むしろ、経営陣が初日から構築戦略の基盤をどこに置くかにかかっている。
独自アプリケーションが停滞する理由
組織が広範なAI指令を受け取ると、最初の衝動は迅速に動くことだ。チームはエンタープライズ向けモデルへのアクセス権を確保し、LLMを主要CRMに直接接続し、取締役会に大きなテクノロジー上のマイルストーンを報告する。これは初期の勢いを生むが、私の経験では、時間の経過とともに有意義な商業的成果を生み出せないことが多い。
主な障害は、基盤となるデータインフラの内部にある。社内CRMレコードにのみ接続されたAIエージェントは、営業担当者を効果的に導くために必要な、より広範な市場コンテキストを欠いている。該当アカウントが最近人員を調整したのか、キーバイヤーが異動したのか、見込み顧客がソフトウェアをどう活用しているのかを、独立して判断することはできない。
信頼できるエージェント型の出力を実現するには、会話インテリジェンス、メール活動、インテントシグナル、過去のアカウント関係を統合されたコンテキストグラフに縫い合わせる必要がある。しかし、こうした複雑なデータパイプラインを構築するには、プロンプトロジックを書くよりもはるかに大きな運用上の労力が求められる。多くの社内構築が勢いを失うのは、まさにこの地点である。
ヘッドレス・インテリジェンスを基盤にする
このダイナミクスは、現代のセールステクノロジーにおける根本的な現実を示している。フロントエンドのアプリケーション層は急速に進化するが、堅牢なデータ基盤は時間とともに価値を複利的に増していく。今日構築したカスタムインターフェースは、数四半期は革命的に感じられるかもしれないが、ユーザーの期待は絶えず変化する。同じ時間軸の中で、インテント、関係履歴、市場シグナルを集約するインテリジェンス層は、より多くのデータが流入するにつれて、ますます強力になっていく。
ZoomInfoでは、自社の業務内でこの摩擦を認識したため、「Mesh」と呼ばれる社内ワークスペースを構築した。Meshを通じて、当社のGTMエンジニアはデータ基盤をClaudeやChatGPTなどのモデルと接続し、業務特化型のカスタムエージェントを構築している。この環境での運用を通じて確信したのは、収益チームが求めているのは、大規模なデータインフラをゼロから維持する負担を負うことなく、独自のワークフローを柔軟に構築できることだということだ。
CROとしての日々の業務の中で、私はこの柔軟なアーキテクチャの実用的な価値を直接体感している。オープンエンドな戦略分析を行う際には、スピードと柔軟性ゆえにClaude内のカスタム・ヘッドレスツールを日常的に利用している。同時に、複雑なプロンプトを組み立てることなく即座にアカウントコンテキストが必要な場合には、目的特化型の収益ソフトウェアに頼っている。
開発にゴーサインを出す前に検討すべき重要事項
独自スタックを構築すべきか、既存のソフトウェアを購入すべきかを判断するGTMリーダーにとって、中核的な運用上の制約を評価することは不可欠だ。最初に考慮すべき変数は、現実的な時間軸である。CROという役職には時期的なプレッシャーがつきものであり、測定可能なパイプライン成果を出すまでに独自のデータインフラ構築に1年を費やすことは、組織にとって大きなリスクとなり得る。
だからこそ、リソース配分にも同様の精査が必要だ。カスタム構築が、日々のレベニューオペレーションの管理で多忙なRevOps（レベニューオペレーション）マネージャーの副次的なプロジェクトになってしまえば、その取り組みは必然的に滞る。そうしたシナリオでは、確立されたデータ基盤を活用しつつ、専門のGTMエンジニアを戦略的に配置する方が、投じた努力に対してはるかに高いリターンが得られる。取締役会は初期のAIロールアウトを歓迎するかもしれないが、継続的なパフォーマンス評価の基準は常に売上維持率（NRR）やパイプラインの推進速度へと立ち戻るのだ。
複利的に成長するGTMアーキテクチャの設計
収益アーキテクチャの未来は、社内ソフトウェア開発と従来型のアプリケーション購入のオール・オア・ナッシングの選択ではない。勝ち残る位置にいる組織は、ハイパー特化型ワークフロー向けにカスタムの社内エージェントを構築しつつ、それらのツールを確立されたインテリジェンス基盤で支えるハイブリッドな運用モデルを採用するだろう。
カスタムGTMアプリケーションは、強靭なコンテキストグラフの上に構築されたときに、真の運用上の優位性をもたらす。フロントエンドのユーザーインターフェースは今後も進化し続けるが、深いアカウントインテリジェンスは収益パフォーマンスを牽引する不変の要素であり続ける。データ基盤を優先することで、社内開発が長期的なビジネス成果をもたらすことが保証され、収益チームがどこで働いていようとも、複利的な優位性を維持できる。
