ジョナサン・レヴァノン（グロースマーケティング担当副社長、Sapiens）
B2Bのグロースマーケティングは長らく、標準的なKPI（マーケティング有望リード、パイプライン量、リード獲得単価）で測定されてきた。だが、直線的な購買ジャーニーを前提に設計されたこれらの指標は、複雑化・非線形化する今日のB2B購買行動を評価するには急速に不十分になりつつある。AIがインテリジェントなビジネス指標の新時代を牽引しているのだ。
微細なパターン、微妙なコンバージョントレンド、ペルソナ別の行動などを分析できるようにすることで、AIはすでにグロースの責任者がパフォーマンスを理解する方法を変えている。
ここでは、AIがグロース分析をどのように変革しているのか、そしてAIを単なるレポーティングツールから真の成長エンジンへと転換するためにチームが何をすべきかを、より深く掘り下げていく。
従来のKPIが力不足になる領域
現代のB2Bにおける購買意思決定には、複数のステークホルダー、長期のサイクル、数十に及ぶデジタル接点をまたぐエンゲージメントが伴う。AIは、こうしたサイクルを通じて生じる微細なパターンの発見を可能にする。たとえば、社員の階層ごとのエンゲージメントの違い、ステークホルダーのペルソナに基づくコンテンツ嗜好、営業のタイミングのパターン、その他の変数である。言い換えれば、グロース分析はもはや、事後に収集される受動的な測定にとどまらない。機会を予測するプロアクティブなインテリジェンスツールになり得るのだ。昨年、予測AIツールを利用した収益チームの89%が、生産性の40%超の向上を報告しており、プロアクティブなAI駆動のインテリジェンスがリアクティブな指標を上回っていることを裏づけている。これらのツールは、チャネル横断のパフォーマンス洞察をリアルタイムで生成し、セグメント別に異常や新たなトレンドを特定することで、手作業の調査を減らし、GTM（市場投入）までのタイムラインを加速できる。
AI駆動の成長を阻む障壁
効率が高まる一方で、多くの組織ではデータの断片化や不整合が原因で、AIのアウトプットが限定的だと感じている。しかしAIの制約は、AIそのものに起因することはまれである。問題はむしろ、AIに投入されるデータの品質、構造、アクセス性だ。強固なデータ基盤がなければ、アルゴリズムがどれほど高度でもAIのアウトプットは限界を抱えたままである。
グロースデータは、マーケティングオートメーション、CRM、プロダクトシステム、営業ツールなど、さまざまな分断された（しばしばサイロ化した）ソースから得られる。これらのデータソースを隔てるサイロのせいで、定義やガバナンスが統一されず、AIによる洞察そのものが信頼できなくなる。ガートナーの最新データ＆アナリティクスのガイダンスレポートは、AIが価値を提供するのは、定義とデータガバナンスがすべてのソースとステークホルダー間で緊密に整合している場合に限ると強調している。
もう1つのつまずきは、企業がすでに抱える従来型のデータアーキテクチャ（既存のデータ構造）が、多くの場合、AI駆動のインテリジェンスではなく標準的なデータレポーティングのために構築されている点だ。多くのエンタープライズのデータ環境は、新たなパターンを検知するよりも、過去の実績を説明するプラットフォームを中心に設計されてきた。いま求められているのは、過去の事象に説明を付与するだけではなく、将来の機会を見越せるツールへと進化し、AIインテリジェンスを能動的に支えることである。
グロースチームは依然として重要なのか
AI駆動の自動化が広がるにつれ、人間が主導するグロースチームが無意味になるのではないかと懸念するプロフェッショナルもいる。だがAIはグロースチームを排除するのではなく、その能力と責務を移し替え、実行から戦略へと軸足を移させている。2027年までに、ビジネス上の意思決定の半分がAIエージェントによって拡張または自動化される見込みだ。しかし、AIが「どのように（how）」に強みを発揮する一方で、「なぜ（why）」においては人間が不可欠である。洞察をビジネス文脈で解釈し、戦略的優先順位を定義し、新たなシグナルに基づいてGTMプランを設計するのは人間の役割だ。
グロースチームは、パフォーマンストラッカーからインテリジェンスのオーケストレーターへと進化し、データとAIのアウトプットを、連携した収益創出イニシアチブへと変換する責務を担うことになる。
受動的データから能動的グロースインテリジェンスへ
では、グロースチームは受動的なデータ評価から能動的なグロースインテリジェンスへ、どのように移行すればよいのか。
まず、ペルソナを中心に統合されたデータ基盤を構築し、マーケティング、営業、プロダクト、顧客データを具体的な購買担当者の役割に沿って整理することから始められる。あらかじめ定義したガバナンスを確立すれば、一貫性、正確性、アクセス性が担保される。ガバナンスが標準化された後は、静的な統計ではなく、行動変化、エンゲージメントの異常、早期の意向シグナルを報告する分析を優先できるようになる。
次に、AIは置き換えではなく補完として、人間の判断を拡張する戦略的コパイロットとして導入すべきだ。面倒な作業を加速し、洞察の発見を増やすことで、社員がより戦略的な監督に集中できるようになる。
最後に、成功指標はリード量だけでなく、パイプラインの速度、コンバージョン効率、案件規模、営業サイクルの長さ、勝率、GTMスピードといった事業成果に沿って再定義すべきである。
より賢い成長とは、単に実行が速いことではない
データ面および組織面の障壁を乗り越えた組織は、需要のシフトや購買意向をより早期に可視化できる。AI駆動のインテリジェンスは、まさにそれを可能にする──過去の指標に反応するのではなく、将来に向けた示唆に基づいてプロアクティブに行動することだ。
AIはグロースリーダーシップの必要性をなくすのではない。効果的な成長がどのようなものかについての期待値を引き上げ、より賢明で意図的な意思決定を後押ししている。実際、真の競争優位は、より多くのAIツールを採用することではなく、それらを適切に使いこなすために必要なデータ基盤と、人と機械のシナジーを築くことにある。受動的なKPIから能動的なインテリジェンスへと転換できるグロースチームこそが、この市場で競争するうえで最も有利な位置に立つ。グロースの未来は、単に自動化されるだけではない。情報に基づくものとなる。
