スー・ベラゴドゥ氏は、米国を拠点とするAI、成長、プロダクトのアドバイザリー企業、インテレクタス・アドバイザーズのマネージングパートナーである。
セールス、マーケティング、成長戦略にAIを導入する急速な流れの中で、多くの組織が回避可能なミスを犯している。それは、AIを万能薬として扱い、モデルやエージェントが全知全能でも完璧でもないことを忘れてしまうことだ。監視されないままでは、これらのシステムは既存の欠陥を拡大し、新たなリスクをもたらし、顧客獲得（GTM）エンジンへの信頼を損なう可能性がある。
テクノロジーおよびプロダクトリーダーにとっての課題は、AIエージェントをGTMに組み込めるかどうかということだけではない。信頼性、人間による監視、そして回復力を持ったシステムとして拡張できるよう、責任を持って導入する方法が重要なのだ。以下では、GTMにおける監視のないAIの主な失敗モード、実際のリスク、そして初日から組み込むべきガードレールと設計原則について詳しく説明する。
なぜ今これが重要なのか
AIはすでにGTMチームの働き方を変革している。AIを組み込んだ多くのセールス/GTMツールは、メールの自動作成、通話の要約、成約可能性の予測などを行っている。ガートナーは、2028年までに60%のセラー業務が生成AIシステムによって実行されると予測している。しかし、私が話した多くの組織やリーダーは失望を報告している。AIイニシアチブが失敗するのは、テクノロジー自体の問題ではなく、壊れたプロセスの上に重ねられたり、十分なガードレールなしに構築されたりするからだ。
GTMスタックが脆弱で、バランスを欠いていたり、整合性がない場合、AIはそれを修正するのではなく、その脆弱性を増幅させる。これが私が「ブラインドAI」と呼ぶものの危険性だ。この記事では、「ブラインドAI」とは、十分な人間の監視、検証、ガバナンス、透明性なしに展開されるAIまたはエージェントシステムを意味する。それはデフォルトモードでの自動化であり、調整モードではない。
GTMにおけるブラインドAIの失敗モード
ゴミを入れると増幅されたゴミが出る（データ品質リスク）
率直だが反論の余地のないルール：AIエージェントは取り込むデータの品質に左右される。基盤となるGTMデータがノイズだらけ、整合性がない、サイロ化している、または古い場合、その上に重ねるAIはそれらの欠陥を継承し、拡大する。
顧客関係管理（CRM）の記録には、重複、古い人物や企業の情報、不完全なフィールド、一貫性のないフォーマットが含まれていることが多い。マーケティング、セールス、カスタマーサクセスチームが接続されていないデータサイロを使用している場合、AIエージェントは矛盾するガイダンスを提供したり、相反するシグナルを追いかけたりする可能性がある。検証されていないサードパーティのデータ拡充は、バイアスや誤ったシグナルをもたらす可能性がある。
AIが壊れたワークフローロジック（例：未定義のステージ、欠落した引き継ぎ、曖昧な責任者）に適用されると、モデルはそれらの壊れた経路を「最適化」するが、これは望ましい状態ではない。
教訓：AIを重ねる前に、データの衛生管理、スキーマの整合性、プロセスの明確化、計測に大きく投資すること。
エージェントとチーム間の不整合
リードスコアリング、アウトリーチ、通話支援、解約予測などの機能に基づく複数のAIエージェントを持つGTMスタックでは、エージェント間の対立や矛盾のリスクが生じる。スコアリングエージェントは「高いポテンシャル」としてリードを押し出す一方、アウトリーチエージェントはそれを価値がないと判断するかもしれない。マーケティングエージェントは、セールスエージェントが「不適合」とフラグを立てたリードに対してナーチャリングキャンペーンを実行するかもしれない。統一されたロジックがなければ、エージェントは互いに干渉したり、担当者や顧客に矛盾する指示を出したりする可能性がある。
さらに、人間のチーム（セールス、マーケティング、レベニューオペレーション）が緊密に連携していない場合、AI導入は摩擦を悪化させる可能性がある。AIは、あるチームのKPI（例：メールの開封率）を別のチームのKPI（例：パイプラインの質）を犠牲にして最適化するかもしれない。
教訓：エージェント間のオーケストレーション（「指揮者」またはエージェント制御層）と、共有目標を持つ人間のチーム間の強力な連携が必要である。
戦略的焦点の喪失
AIはしばしばチームをプラグアンドプレイのソリューション、クイックウィン、メトリクスの最適化（例：開封率の向上、より多くのメールをより速く送信する）に誘惑し、ポジショニング、ターゲティング、差別化、価値提案などの戦略的GTMテーマを強化するのではなく、それらを弱めてしまう。これは戦術的AIの罠である：表面的なメトリクスは向上するかもしれないが、ブランドの一貫性を希薄化し、メッセージを混乱させ、戦略的ポジショニングを損なう可能性がある。
例えば、数十のブログ投稿、マイクロキャンペーン、アウトバウンドシーケンスを生成するかもしれないが、それらは理想的な顧客プロファイルから逸脱したり、あなたの声を希薄化したり、コアとなる差別化要因を誤って表現したりする可能性がある。
教訓：AIを導入する場合でも、戦略を中心に据えること。AIを使ってポジショニングを強化し、それから逸脱しないようにする。戦術的な利益に気を取られて、長期的な一貫性を失わないようにする。
信頼の侵食、過剰な自動化、疎外感
セールス担当者、顧客、または内部のステークホルダーが、AIが「カーテンの裏で」意思決定を行っていると感じるようになると、内部的にも外部的にも信頼を損なうリスクがある。担当者は、理解できないAIの提案によって置き換えられたり、過度に管理されたり、疑問を持たれたりすると感じるかもしれない。顧客はロボット的なパターン、不自然なメッセージング、的外れなパーソナライゼーションを検出し、それが信頼を損なう可能性がある。AIが見逃したり、誤った場合、経営陣やステークホルダーは信頼を失うかもしれない。
これはAIを使用する際の信頼問題につながる。モデルがトレーニングされ、さまざまなトピックに流暢になるにつれて、ユーザーは何が真実かを見分けるのに苦労し、事実的に不正確な情報を信頼してしまう可能性がある。
教訓：可視性、人間による上書き機能、説明、フィードバックループ、ガードレールを組み込んだ設計を行うこと。
規制、プライバシー、コンプライアンスのリスク
顧客や見込み客と対話するAIの出力は、意図せずに規制やコンプライアンスルール（例：虚偽表示、無許可の主張、個人データの誤用）に違反する可能性がある。監視がなければ、エージェントがポリシーに違反する恐れがある。
生成AIのガバナンスに関する議論では、多くのこうしたリスクが強調されている：ハルシネーション（幻覚）、データ漏洩、不透明性、バイアス、設計リスクなどだ。
非機能要件（NFR）ダッシュボード、ロールベースのアクセス、承認ワークフローなどのレガシーガバナンスモデルは、エージェントがリアルタイムで知識を消費し生成するため、エージェント時代には不十分である。
教訓：コンプライアンスレビュー、ポリシー制約、監査証跡、倫理的ガードレールを最初からエージェントアーキテクチャに組み込むこと。
まとめと行動喚起
GTMにAIを導入することは刺激的で必要なことだが、盲目的に行うと複合的な失敗を招く可能性がある。不清潔なデータ、整合性のないチーム、欠落した洞察、壊れたワークフローの上にモデルやエージェントロジックを重ねても、AIはあなたを救わない—それはあなたの欠陥を拡大するだけだ。
成功するためには、人間の知性、ガバナンス、透明性、ガードレールを組み込んで構築する必要がある。エージェント層を段階的に導入し、計測し、監視し、監査する。人間をしっかりとループに入れ、効率性だけでなく信頼性もアーキテクチャの原動力とすること。
