コンテンツへスキップ

AI×営業の最新事例|生成AI・AIエージェントで変わる提案・見積・顧客対応(2026年)

経営層向け要約(2026年11月)

  • 営業領域のAIは、2025年までの「文章を作る生成AI」から、2026年はCRMや基幹システムと連携して商談記録の更新、リードの選別、受注処理まで実行する「AIエージェント」へ移りつつあります。三菱電機(2026年11月)やSiemens(2026年9月)など、大手製造業が全社・グローバル規模での採用を公表しました。
  • 成果が数字で公表されているのは、RFQ(見積依頼)対応、受注処理、問い合わせ対応など「定型的で件数が多い業務」です。ABBはRFQへの回答を1〜4日短縮、JPW Industriesは手作業の受注処理を1件16〜24時間から1時間未満に短縮したと報告しています(いずれもベンダー公表値)。
  • 成果を出した企業に共通するのは、AIより先にCRM・製品マスタ・ナレッジを整えていたことです。製造業では、SAP SDなどの受注・価格・品目データとCRMをつなぐ設計が、営業AIの効果を大きく左右します。

営業は、製造業のなかでも生成AIやAIエージェントの効果が見えやすい領域です。問い合わせ、見積依頼、注文書、商談記録といった文書が大量に発生し、その多くがベテラン担当者の経験に依存しているためです。一方で、価格や納期の誤回答はそのまま取引条件になるため、どこまでAIに任せるかの線引きが欠かせません。この記事では、2024年7月〜2026年11月に公表された国内外12件の事例を用途別に整理し、成功要因と始め方を解説します。数値はすべて公開資料に記載されたものに限り、ベンダーの事例ページやプレスリリースに基づく数値はその旨を明記しています。

この記事でわかること

  • 2025〜2026年に営業AIで何が変わったか(生成AIからAIエージェントへ)
  • 商談支援、提案・見積、リード対応、受注・サポート、育成・部門間調整の5つの用途別に見た最新事例12件(国内7件・海外5件)
  • 成果を出した企業に共通する条件と、つまずきやすいポイント
  • 製造業が営業AIを始めるための6つのステップ(データ準備とSAP連携を含む)

1. 全体動向

2023〜2024年の営業AIは、メール文面や提案書のたたき台を作る「個人のアシスタント」が中心でした。2025年に入ると、SalesforceのAgentforce、MicrosoftのCopilot、SAPのJouleとAIエージェント群など、CRMやERPに組み込まれたエージェント機能が各社から本格的に提供され、2026年には次の3つの変化がはっきりしてきました。

  • 「作る」から「実行する」へ:議事録から商談情報を自動更新する、問い合わせに回答して必要なら担当者に引き継ぐ、注文書を読み取って受注処理する、といった業務の一部をAIが実行するようになりました。
  • 個人利用から全社展開へ:三菱電機はSalesforceとグローバル包括契約を結び、FA事業でAgentforceを採用しました。Siemensは18,000人の営業担当者向けに、AIエージェントでインバウンドリードを選別しています。
  • 営業単独から部門横断へ:日立製作所は、営業・生産管理・調達の各AIエージェントを連携させて納期調整を自動化する技術を発表しました(2027年中に提供予定)。営業の回答品質は、生産や在庫のデータとつながって初めて上がるという認識が広がっています。

営業領域の主な用途と、本記事で取り上げる事例の対応は次のとおりです。

用途 AIが担う主な作業 主な事例
商談支援・CRM更新 議事録・メールの要約、商談情報の更新、商談前の顧客サマリー 三菱電機、Sandvik Coromant、Endress+Hauser
提案書・見積・RFQ対応 仕様書の読み取り、製品選定、技術BOMや見積の下書き ABB、日立製作所、共栄産業
リード対応・顧客接点 問い合わせへの一次対応、リードの見極め、予約受付 Siemens、ホンダセールスオペレーションジャパン
受注処理・技術サポート 注文書の読み取りと登録、技術的な問い合わせへの回答 JPW Industries、Endress+Hauser、イノアック住環境
営業育成・部門間調整 商談ロールプレイ、営業・生産・調達間の納期調整 日野出、日立製作所

2. 用途別の最新事例

以下の数値は、各社または導入ベンダーが公表したものです。ベンダーの事例ページやプレスリリースに基づく数値は「ベンダー公表」と記載しています。「見込み」「目標」とされている数値は実績ではない点にご注意ください。

2-1. 商談支援・CRM入力の自動化

企業 取り組み 成果・状況
三菱電機(電機・FA) 2016年から使うSalesforceのCRMを基盤に、FA事業でAgentforceを採用。商談内容のレビューと改善に向けた示唆の提示、営業記録や議事録に基づく商談情報の自動更新を進めています。Agentforce Coworkerは、顧客情報や商談状況の要約、提案内容の検討・レビュー、日報・週報のドラフト作成への適用を検証中です。全社共通の連携基盤にはMuleSoftを使います。 2026年11月にSalesforceとのグローバル包括契約を発表。FA事業で活用中、Coworkerは検証段階で全社展開も視野。定量効果は未公表。
Sandvik Coromant(切削工具・スウェーデン) 10年以上使ってきたDynamics 365 SalesにMicrosoft Copilot for Salesを追加。メールの要約と返信案、連絡先の自動登録、Teams会議の要約とフォローアップ案、商談の要約をOutlookやTeamsの中で利用しています。 メール要約で1日平均20分を削減。メール要約をCRMのメモに残す作業が3分以上から10秒に、取引ごとに約3分短縮(ベンダー公表)。
Endress+Hauser(計測機器・本社スイス) Sales Cloud内で使う営業向けAIエージェントを展開する計画。商談前に顧客の直近の受注・サービス案件・商談を要約し、通話後はフォローメールの下書き、関連製品の提案、Sales Cloudへの記録まで行う設計です。 サービス用エージェントと合わせて3年間でROI 212%を見込む(ベンダー公表の見込み値)。営業エージェントは展開計画の段階。

ポイント:三菱電機は約10年、Sandvik Coromantは10年以上のCRM活用の蓄積の上にAIを載せています。商談記録の自動更新は、入力されたデータが後工程(代理店との情報共有、提案品質の向上)で使われることが前提になっています。

2-2. 提案書・見積・RFQ対応

企業 取り組み 成果・状況
ABB India(電機・重電、インド) SAP Business AIを使い、SAP BTP上にRFQ処理の仕組みを構築。SAP Document AIで50〜500ページの仕様書から構造化データを抽出し、生成AIハブ(SAP AI Core)で技術BOMを作成して、自社カタログから最適な製品を選びます。AIが作った見積書は担当者が確認し、類似RFQのために保存されます。 年間最大100万件のRFQが対象。回答時間は大型入札(全体の約20%)で1日、中小案件(約80%)で4日短縮。年間2,700万米ドルのコスト削減を見込む(ベンダー公表、削減額は見込み)。
日立製作所(電機・IT) 提案活動を支援する専門組織「クリエイティブプロポーザルセンタ(CPC)」が、APMPの手法に自社の成功ナレッジを掛け合わせた6フェーズ・約50アクションの提案フレームワークを、アクション単位でAIエージェント化。顧客とのやり取りで得た情報を入力すると、提案に役立つ洞察を出力し、最終的に1つの画面に統合する構想です。 6フェーズすべてをカバーするAIエージェントが揃い、業務で利用中。定量効果は未公表。アウトプット形式の設計と、人が確認するタイミングの設計が重要だったとしています。
共栄産業(基礎資材・特殊ホース等) 4,000社以上の取引先からの相談・見積依頼に対応するため、TISのRAG型生成AIシステムをカスタマイズして導入。見積書作成と問い合わせ対応を支援し、日常業務と連動してナレッジを半自動で収集する仕組みを構築しました。 2024年11月から運用。見積データなどを随時蓄積して回答精度を高めている段階で、定量効果は未公表。

ポイント:見積・RFQ対応は「資料が長い」「製品の組み合わせが多い」「ベテランに仕事が集中する」という、製造業営業の典型的なボトルネックです。3社とも、AIが作るのは下書きや候補までとし、最終判断は人が行う設計になっています。

2-3. リード対応・顧客接点

企業 取り組み 成果・状況
Siemens(総合電機・ドイツ) 月2,500件を超える未選別のインバウンドリードに対し、Sales Cloud上で「エンゲージメントエージェント」と「クオリフィケーションエージェント」の2つを連携。前者がCRMデータを使った個別メールで接触し、後者が予算や時期などを確認して、有望な案件だけを担当営業に引き渡します。あわせて、Teamcenter SLMとAgentforceを連携し、営業が技術的に有効で製造可能なアップグレードだけを見積もれるようにする構想も発表しました。 18,000人の営業担当者向けに展開し、132か国のインバウンドリードの100%に対応していると発表(ベンダー公表)。パートナー開拓用のAI SDRエージェントは今後の計画。
ホンダセールスオペレーションジャパン(自動車販売) Agentforceを導入し、アプリ「My Honda」での24時間365日の顧客対応(データに基づく提案、チャットでの試乗予約受付)と、販売店スタッフの情報収集・提案準備の支援、顧客の関心に基づく商談示唆の提供に活用しています。 企画から3か月足らずでPoCを開始し、顧客対応は全国展開フェーズ。定量効果は未公表。

ポイント:どちらも、AIが一次対応や選別を担い、人の営業は確度の高い商談に集中するという役割分担です。製造業のBtoBでは、展示会やWebサイトからの問い合わせの選別にそのまま応用しやすい型です。

2-4. 受注処理・技術サポート

企業 取り組み 成果・状況
JPW Industries(産業機械・米国) メールやFAXで届く毎月数千件の注文書を、導入パートナーのAcxiomと構築したAgentforceの仕組みで抽出・確認・処理。定型的なサポート問い合わせもAIエージェントが解決し、担当者向けのナレッジベースを整備しました。 手作業の受注処理が1件16〜24時間から1時間未満に(95%短縮)。業務量が15%増えたなかでケース解決時間を約40%短縮、返品は28%減(ベンダー公表)。
Endress+Hauser(計測機器・本社スイス) 年間95,000件を超えるサポート案件に対し、顧客ポータル上のAgentforceが32,000件超のナレッジ記事やマニュアルをRAGで検索して回答。解決できない場合はコールバックを予約し、会話履歴付きでService Cloudに案件を作成します。パイロットでは機能を「記事の提示」と「コールバック予約」の2つに限定しました。 年間約47,500件(約50%)の自律対応と、サービス生産性30%向上を見込む(ベンダー公表の見込み値)。最初のエージェントは約1か月でテスト段階に。
イノアック住環境(住宅・建築資材) FAXで届く注文書をOCRサービスで文字データにし、RPA(SynchRoid)で基幹システムへ自動登録。生成AIではありませんが、受注入力の自動化の比較対象として掲載します。 1枚あたり約3分かかっていた入力作業がほぼなくなり、月約300時間を削減、入力ミスも解消(ベンダー公表)。

ポイント:受注処理は、書式が決まっている帳票ならOCR+RPAで十分な場合があります。一方、取引先ごとに書式が異なる注文書や、品番の表記ゆれ、自由記述の指示を読み解く必要がある場合は、生成AIやAIエージェントの価値が出やすくなります。自社の注文書の実態を見て技術を選ぶことが大切です。

2-5. 営業育成・部門間の調整

企業 取り組み 成果・状況
日野出(包装資材の専門商社・福岡) 紙の週報中心だった営業管理をSales Cloudに一元化(ログイン率95%超)したうえで、Agentforceの営業コーチング機能を導入。案件ごとの顧客課題をもとに、AIが商談相手役を務めるロールプレイを全営業担当者が商談前に実施しています。 導入前1年間の平均と比べ、新規商談件数127%、新規の顧客行動130%(ベンダー公表)。
日立製作所(技術発表) 注文変更や特急注文が入った際に、営業AI・生産管理AI・調達AIなど各部門のAIエージェントと協調し、部材在庫、設備、許容残業時間、過去の納期交渉実績などの制約を踏まえた全体最適なスケジュール変更案を立案する「AIオーケストレーション技術」を開発。数理最適化と機械学習を組み合わせ、最終判断は人が行います。 技術発表の段階。顧客とのPoCを進め、2027年中に「HMAX Industry」のラインアップとして提供予定。ERPやMESとの連携を強化するとしています。

ポイント:日野出は製造業ではありませんが、BtoBの中堅企業が「先にCRMを定着させ、次にAI」という順番で成果を出した例として参考になります。日立の発表は、営業の納期回答を生産・調達の計画と連動させる方向性を示しています。

3. 事例から見える成功要因と落とし穴

成功要因

  1. CRMとナレッジの蓄積が先にある:三菱電機(2016年からCRMを活用)、Sandvik Coromant(10年以上Dynamics 365を利用)、Endress+Hauser(32,000件超のナレッジ記事)など、AIが参照するデータが整っていた企業ほど早く成果が出ています。日野出もログイン率95%超を達成してからAIを導入しました。
  2. 対象業務を絞って始める:Endress+Hauserはパイロットでエージェントの機能を2つに限定し、日立CPCは約50のアクションからAIに向くものを選んでエージェント化しました。
  3. 人の確認を組み込む:ABBは最終見積を担当者が確認し、日立のオーケストレーション技術も最終判断は人が行う設計です。AIの出力は「下書き」や「候補」と位置づけられています。
  4. 既存システムとの連携を前提に選ぶ:ABBは既存のSAP環境との統合のしやすさを理由にSAP Business AIを選び、三菱電機はMuleSoftを全社の連携基盤にしています。Endress+HauserもSAPの受注・顧客データをSalesforceにつないでいます。
  5. 業務KPIで効果を測る:JPWの受注処理時間、日野出の新規商談件数のように、AIの利用率ではなく業務の成果指標で効果を示しています。

落とし穴

  • ナレッジの品質不足:Endress+Hauserは、エージェントを訓練する過程で多くのナレッジ記事が古い、またはわかりにくいことに気づき、書き直しと再構成を行いました。古い価格表や廃番品の情報が残っていると、AIはそれをもとに回答してしまいます。
  • 見込み値と実績の混同:Endress+HauserのROI 212%やABBの2,700万米ドルは「見込み」です。社内の投資判断では、実績値と見込み値を分けて扱う必要があります。
  • 言い回しによる回答のぶれ:Endress+Hauserは、質問の言い方の違いで回答が変わることを確認し、質問例のリストを使ってテストを繰り返しました。顧客向けに公開する前の評価プロセスが欠かせません。
  • 営業だけで完結させる設計:納期、在庫、価格の回答は、生産・調達・会計のデータとつながっていなければ精度が上がりません。
  • 価格・契約条件の誤回答:見積や納期をAIが顧客に直接返す場合、誤りがそのまま取引条件になるおそれがあります。承認フローとAIの回答範囲を設計段階で決めておく必要があります。

4. 製造業が始めるためのステップ

  1. 対象業務を1つ選び、現状を測る:件数が多く、所要時間を測れる業務(RFQへの一次回答、受注入力、技術問い合わせ、商談記録の入力)から始めます。導入前に、処理時間・件数・エラー率・回答までのリードタイムを測っておくと、効果を説明しやすくなります。
  2. データの所在と責任者を確認する:顧客・商談はCRM、品目・価格・在庫・受注はERP(SAP S/4HANAのSDやMMなど)、仕様書や技術資料は文書管理システム、というように、AIが参照するデータの置き場所と管理責任者を整理します。品目マスタや顧客マスタの重複・表記ゆれは、AI導入前に直しておくべき最優先の課題です。
  3. ナレッジを整える:FAQ、製品マニュアル、過去の見積とその根拠、問い合わせへの回答履歴を、AIが検索できる形に整理します。古い情報を廃棄するルールと、更新を担当する部門を決めておきます。
  4. AIに任せる範囲と人が承認する範囲を決める:下書き、候補の提示、システムへの自動登録など、AIに任せる範囲を明文化します。価格、納期、契約条件は人が承認する範囲とし、金額や顧客の重要度で承認レベルを分けると運用しやすくなります。
  5. 既存システムとつなぐ:SAPを使う企業では、SAP BTP上のSAP Business AI、Jouleのエージェント、SAP Sales Cloudの見積作成エージェント(共有メールボックスを監視して見積を自動作成)などの選択肢と、SalesforceやMicrosoftなど既存CRMのAI機能を比較します。どれを選ぶ場合でも、受注・価格・在庫データをAPI経由で参照・更新できる設計と、権限管理・ログ取得が必要です。
  6. 小さく始めて測り、広げる:パイロットで効果と誤り率を測り、プロンプトやナレッジを改善してから対象部門や地域を広げます。三菱電機のように、AIエージェントの内製化を見据えて人材育成を並行して進めると、展開が速くなります。

まとめ

2025〜2026年の事例を見ると、営業AIは「文章を作る道具」から「CRMや基幹システムの中で業務を実行するエージェント」へ移りつつあります。数字で成果が示されているのは、RFQ対応、受注処理、問い合わせ対応といった件数の多い定型業務で、いずれもAIの出力を人が確認する設計になっています。また、成果を出した企業の多くは、AI導入の何年も前からCRMとナレッジを整えていました。製造業が営業AIで成果を出すには、まず対象業務を絞り、受注・品目・価格・顧客のデータを整え、ERPとCRMをつなぐことが近道です。

AI活用のご相談

営業・見積・受注業務へのAI適用、SAP SDとCRMのデータ連携、マスターデータの整備について、現状の業務とシステムを踏まえてご支援します。まずはお問い合わせください。