スティーブン・マクファーレン氏は、AI搭載の事業計画・業績管理プラットフォームであるPigmentのグローバル営業責任者である。
AIは過去1年間、ビジネスの会話を支配してきた。ほぼすべての大手エンタープライズソフトウェアベンダーがAIエージェント戦略を発表し、取締役会はAIがどのように生産性を向上させるかを問い、ベイン・アンド・カンパニーの調査によれば、営業における初期のAI導入は一部企業で成約率を30%以上向上させており、売上チームにおけるAI採用の可能性を裏付けている。
この勢いにもかかわらず、売上組織全体で私が目にする馴染み深い状況がある。一部の領域ではAIに対する熱意と迅速に動くプレッシャーがあり、他の領域では躊躇があり、その間には混在した結果がある。
市場全体を見渡すと、AI導入に最も苦戦しているチームは、必ずしもツールが不足しているチームではなく、私が「売上アーキテクチャ・ギャップ」と呼ぶものに捕らわれているチームだ。これは、AIの理論的な可能性と組織の実際のデータおよび運用準備状況との間に広がる空間である。このギャップは、抽象的な「雑然としたデータ」の問題ではない。設計上の欠陥なのだ。売上システムが共通の定義、クリーンなインプット、部門横断的な連携の上に構築されていない場合、AIは効果を生まない。実際には、混乱を増幅させる。テクノロジーが強力になればなるほど、そのギャップはより厳しいものになる。
AIはチームメイトのように話すが、ほとんどのGTMシステムは依然として他人のように振る舞う。
AI機能が進化するにつれ、テクノロジー自体がこれらの基盤をさらに重要にする形で変化している。単純なコパイロットから、プロアクティブで継続的に動作するシステムへと移行しているのだ。問題は、これらのシステムの多くが依然として他人のように振る舞い、文脈を理解せずにアウトプットを生成し、チーム間で矛盾する情報を表示し、価格設定、パイプライン、マージンの断片化された定義を継承していることだ。
真のAIチームメイトはその逆を行う。ビジネスの文脈を理解する―メトリクスの定義方法、過去の意思決定の理由、ある機能の変更が他の機能にどう波及するかを理解するのだ。しかし、AIがチームメイトとして機能できるのは、基盤となる土台が存在する場合のみだ。これらのエージェントは、既に存在するデータ、前提、プロセスを継承する。四半期計画を遅らせていた同じ不整合とボトルネックが、今では何千もの自動化された意思決定全体に伝播する。
ほとんどの売上チームでは、これらの基盤はせいぜい一貫性がない。2025年を通じて、同じ運用上のギャップが何度も表面化した。
• CRMデータには一貫性のないフィールドと定義が含まれていた。
• 予測は部門によって異なる前提に基づいて構築されていた。
• テリトリーとクォータモデルは切り離されたスプレッドシートに存在していた。
• 財務と営業は互換性のないタイムラインで再予測を行っていた。
AIはこれらの問題を修正しなかった。単に大規模にそれらを可視化しただけだ。面白いことに、テクノロジーがより自律的になるにつれ、基盤のギャップのコストは増加する。AIが断続的ではなく継続的に動作する場合、これらのギャップは摩擦点であることをやめ、システム的な障害になり得る。
昨年の関税の混乱がその点を証明した。
今年、GTMの脆弱性をこれほど明確に露呈したトレンドはなかった。関税率が一夜にして跳ね上がり、場合によってはわずか数日後に逆転したとき、営業、財務、オペレーションチームは、価格設定、カバレッジ、マージンのシナリオをリアルタイムでモデル化することを余儀なくされた。
多くの企業では、マージンが維持できるかどうかを理解するためだけに、スプレッドシートの調整に数日を費やした。他の企業は数時間で動いた。なぜなら、チーム間で共有されたデータモデルと一貫した定義から作業していたからだ。一部の企業は迅速に方向転換した。クリーンなデータ、共有された定義、一貫した運用リズムを持っていた。対応するために完璧なAIは必要なかった。基本が彼らを支えたのだ。他の企業は苦戦した。AIツールが不足していたからではなく、計画インフラがプレッシャーの下で崩壊したからだ。意思決定は遅くなった。シグナルは互いに矛盾した。リーダーは信頼できないデータを待った。ボラティリティは戦略を破壊しなかった。その下にある基盤の弱さを明らかにしたのだ。
データの信頼性と組織の連携
AIは売上オペレーションを再定義するが、それはいくつかの基本的な動きを行う組織に限られる。
1. データの健全性を優先する。
データの信頼性をバックオフィスの業務として扱う組織は、断片化された予測と遅い意思決定に終わる。パイプラインの健全性、共有された定義、一貫したメトリクスは、経営幹部の責任がある場合にのみ定着する。これらの責任が下方に委任されると、不整合は避けられなくなる。
2. 営業、財務、人事を1つの計画モデルと1つのケイデンスで連携させる。
各チームが計画の異なるバージョンで動作している場合、AIはそれぞれに対して異なるバージョンの真実を生み出す。多くの企業が依然として最も効率的なテクノロジースタックを決定しようとしており、より少ないプラットフォームに機能を統合しつつある中で、これはさらに重要になる。
3. 自動化を標準化する前に定義を標準化する。
年間経常収益（ARR）、生産性、テリトリーの成熟度、パイプラインカバレッジのいずれであっても、モデルは組織がこれらの用語を共有して理解している程度にしか優れていない。小さく始め、ファネルの最上部のインタラクションなど、ワークフローの1つのコンポーネントに焦点を当て、組織全体に徐々にスケールすることで、最終的に効率性と生産性が向上する。
4. AIに魔法ではなく説明可能性を求める。
AI生成のインサイトがクォータ、予測、報酬をますます形作る世界では、リーダーはアウトプットがどのように導き出されたかについての透明性を必要とする。営業担当者は、特に営業のような関係性重視の分野では、推奨が表示される理由を理解できない限り、AIを信頼したり採用したりしない。
売上リーダーがここから進むべき道
売上におけるAIは、より自律的な段階に入りつつある。エージェントが継続的に動作する場合、すべての前提はより速く移動し、すべての不整合はより広く拡散し、すべての不整合はより高価になる。組織の基盤が加速に十分耐えられるほど強固であることを確認してほしい。
