HubSpotの年次カンファレンス「UNBOUND 2026」のセッション「From AI Experiments to Automation That Converts」の様子をレポートします。 記事の前半ではセッションの内容を整理し、後半では株式会社100の解説として、日本でHubSpotを活用する企業がどのように実践へ落とし込むべきかをまとめます。
出典：株式会社100作成のセッションまとめ資料
| 項目 | 内容 |
|---|---|
| セッション名 | From AI Experiments to Automation That Converts |
| 会場 | Impact Stage |
| 開催日 | 2026年9月16日（水） |
| 登壇者 | Ari Echt-Wilson 氏（Director, Global Demand Automation, HubSpot） |
※本記事のセッション内容は、株式会社100がまとめたものです。「株式会社100の解説」は当社の独自見解となります。
セッションの内容は、以下のまとめ資料（PDF）でもご覧いただけます。 まとめ資料を開く（PDF）
「なんとなく良さそう」という主観や話題性ではなく、客観的なデータと証拠に基づいて成果が出る仕組みを作るためです。
一斉配信メールの反応率が低下する中、HubSpotのAri Echt-Wilson氏のチームは、AIによる個別化（パーソナライズ）によって転換率を改善し、メール施策の大半を「1to1配信」へと移行しました。昨年の登壇でAIの登場を「写真の発明」にたとえた同氏は今回、100回以上の実験から得た実践的な手順を共有しました。 AIで数千通のメールを量産できても、データ検証を伴わない「この文面が良い」というセンス（Taste）は、ただの「個人の思い込み」に過ぎません。 観察と実験結果を通じて、仮説（「〜だと思う」）を確信（「〜だとわかる」）に変えることがゴールです。
ここで定義される「AIメール」は、単なる下書き支援ではありません。ワークフローのリストから1件ずつ顧客の文脈を集め、AIが件名・本文・訴求点を執筆し、人の確認を介さずに自動送信する仕組みを指します。
そのためには事前の構造づくりが不可欠であり、以下の「4つのステップ」で進めることが提唱されました。
出典：株式会社100作成のセッションまとめ資料
個人の振り返りとチームの議論を通じて、自社にとっての「良いメール」を評価基準として言語化します。
Echt-Wilson氏は「もし明日、メール施策をすべてAIに引き継ぐとしたら何を指示しますか？」と会場に問いかけました。AIは数千通のメールを瞬時に書けますが、その土台となる「良さ」の定義は人間にしかできません。
基準づくりは以下の3段階で進めます。
Echt-Wilson氏は、「会社に戻ったら、まずはメールを1通選び、その良さを定義することから始めてほしい」と呼びかけました。
出典：株式会社100作成のセッションまとめ資料
「コンタクト」「会社」「関わり方のコンテキスト」という3種類のデータ源から入力項目を選び、個別に効果を検証します。
アウトリーチの質は、AIに渡すデータの質で決まります。Echt-Wilson氏はデータ源を以下の3類型に分類し、一度にすべてを詰め込むのではなく、個別に試すことを推奨しました。
セッションでは、実際に大きな成果が出た4つの実験例が紹介されました。
出典：株式会社100作成のセッションまとめ資料
5要素のフレームワーク「CRAFT」に加え、お手本メールと「ルール一覧」を渡して指示を構造化します。
AIに指示を出す工程では、すべてのプロンプトで「CRAFT」という基本形を使用します。
出典：株式会社100作成のセッションまとめ資料
この5要素に加え、「手本となるメールの例」と、プロンプト末尾に「ルール一覧」を渡します。ルール一覧は先ほどの評価基準表（ルーブリック）を起点とし、本番前のテスト出力で見つかった違和感や逸脱を追記して磨き上げていきます。
本番前に20件以上のテスト出力でプロンプトを修正し、従来の固定メールを残したABテストで効果を検証します。
実験は「AIは初回では人間に負ける」という前提に立ち、以下の5段階で進めます。
HubSpotでの実装手段としては、当日発表された「Nurture Agent」と、ワークフロー内で情報収集から送信までを組める「Breezeのワークフローアクション」の2つが紹介されました（同チームの約6か月にわたる実験の多くは後者で行われました）。 最後にEcht-Wilson氏は、AIメールをジャズの即興演奏になぞらえ、「強固な構造（ルールと枠組み）を作って走らせた人が勝つ」と締めくくりました。
ここからは、本セッションの内容を日本企業が実践するためのポイントを、株式会社100の見解として解説します。
日本企業では、メール作成のノウハウが優秀な担当者の「暗黙知」になっているケースが少なくありません。 まずはHubSpotのマーケティングEメールや営業メールの履歴から、反応の良かった文面をピックアップし、件名・長さ・トーン・NG表現などを基準表にまとめることから始めましょう。特に日本のBtoB取引においては、敬語のレベル感や「いつもお世話になっております」といった定型挨拶の扱いなど、商習慣に合わせたルールを明文化しておくことで、CRAFTやルール一覧の精度が格段に上がります。
日本企業のCRMでは、「部長」「マネージャー」「リーダー」など役職名の表記ゆれがあったり、Webチャットの履歴が別ツールで管理されていたりすることがよくあります。 3つのデータ類型（Contact / Company / Context）を活用するには、まずHubSpotのプロパティで役職区分を正規化し、チャット履歴をコンタクトレコードに紐付けておくことが大前提となります。データが整ったうえで、まずは「役職のみ」「チャット履歴のみ」など、1つの入力データに絞って検証を始めるのが現実的です。
人の目を介さない自動送信には、事前の品質確認が欠かせません。 まずは自社の契約プランや日本語環境で「Nurture Agent」や「Breezeのワークフローアクション」がどのように動作するかを確認しましょう。そのうえで、最低20件のサンプル出力を行い、不自然な日本語やプロンプトの抜け漏れを修正します。いきなり全面移行するのではなく、従来の固定メールを対照群として残し、商談化率などを冷静に比較しながら段階的に広げていくアプローチを推奨します。
人が下書きを編集して送るのではなく、ワークフロー内で1件ずつの情報収集から執筆、送信までを人の確認なしに自動で行う「1to1配信」を指します。送信前に人間が手直ししないからこそ、事前の基準づくりとプロンプト設計が極めて重要になります。
Context（文脈）、Role（役割）、Action（行動）、Format（形式）、Tone（トーン）の5要素で指示を構造化するフレームワークです。実践においては、この5要素に加えて「過去のお手本メール」と「禁止事項のルール一覧」をセットで渡す運用が効果的です。
本番送信の前に、実在する20件以上の連絡先データをテストモードで流し、生成された文面を確認します。もし意図しない表現があれば、文面を直接直すのではなく「プロンプト側」を修正して再テストします。日本語特有の敬称のズレや業界用語の誤用も、この段階で洗い出してルール一覧に追記しておくと安全です。
これから始める組織向けの「Nurture Agent」と、本格的に規模を広げたい組織向けの「Breezeのワークフローアクション」の2つが紹介されました。自社の契約プランや利用環境で使えるかを確認したうえで、まずは固定メールとの比較テスト（ABテスト）ができる設計でスタートすることをおすすめします。
本セッションでは、HubSpot社内で実施された100回以上の実験から導き出されたAIによる個別化メール自動送信の手順として、「基準づくり（Taste）」「データ選択（Research）」「プロンプト指導（Coach）」「対照実験（Experiment）」という4つの柱が示されました。感覚や話題性でAIを使うのではなく、過去の成果メールから商習慣も踏まえた評価基準を作り、CRMデータを整え、最低20件のテスト出力と対照実験を繰り返す地道な構造づくりこそが、AIの自動化を確かな成果へとつなげる土台となります。まずはHubSpotの履歴から反応の良かったメールをピックアップして基準表にまとめ、1つの入力データに絞った小さな検証から始めてみてはいかがでしょうか。
株式会社100では、本セッションで語られたアプローチを日本企業が実践できるよう、過去の成果メールをもとにした評価基準の明文化や、HubSpotのプロパティにおける役職表記の正規化・チャット履歴の紐付けといったCRMデータの整備、BreezeのワークフローアクションやNurture Agentを活用したテスト検証から対照実験の設計まで一貫してご支援しております。「優秀な担当者のメール作成ノウハウが暗黙知になっていて基準を作れない」「CRMの表記ゆれが多く、AIに読み込ませるデータの土台が整っていない」といったお悩みをお持ちの方は、ぜひお気軽にご相談ください。