HubSpotの年次カンファレンス「UNBOUND 2026」のセッション「Everyone Added AI to Their Sales Org. Most Did It Wrong.（誰もが営業組織にAIを追加したが、大半はやり方を間違えている）」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。

この記事のポイント

• 個人任せのAI導入の限界：営業組織の87%がAIを導入しているものの、各自がバラバラにエージェントを作り1つのシステムとして管理できていないため、売上に直結していません。
• 組織を作り直す「3つの層」：①データと「共通の脳」を整えるツール層、②全員のマネージャー化を進める人の層、③90%のルール処理と10%のAIを仕分けるプロセス層を順に構築します。
• HubSpotでの実践ステップ：重複プロパティの削除と定義の統一から始め、取引レコードへの商談文脈の集約、条件分岐ワークフローとAIの使い分けへと段階的に進めます。

出典：株式会社100作成のセッションまとめ資料

セッション情報

※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）

なぜAIを導入しても売上は伸びないのか？

結論：全員が自分専用のAIエージェントをバラバラに作り、組織の「1つのシステム」として誰も管理していないためです。

登壇者のGorish Aggarwal氏は、営業組織におけるAI活用の厳しい現実を3つの調査データで示しました。

• 87%の営業組織がすでにAIを使用している（Salesforce「State of Sales 2026」）
• しかし、87%が2025年の売上目標を未達で終えている（Clari Labs 2026年調査）
• AIによって成果が改善したと回答した企業はわずか28%にとどまる（Highspot「GTM Performance Gap Report」）

2022年のChatGPT登場以降、多くの経営者がAI化を現場に丸投げし、担当者が各自で独自のエージェントを作った結果、次の3つの問題が起きています。

• 全員が「自分だけの真実」を持つ：コミットやパイプラインの定義が揃っておらず、担当者ごとに別々の売上予測が出力される。
• AIの推奨が一般論にとどまる：AIが自社の製品や顧客の文脈を理解しておらず、当たり障りのない一般的な助言しか返ってこない。
• 組織に学習が積み上がらない：3月に起きた失注理由を組織で記憶できず、6月の別商談でもまるで初見かのように同じ失敗を繰り返す。

結果として、AIは「優秀な人をさらに優秀にし、苦戦している人にはより速くミスをさせるツール」になってしまいました。誰かがAIを使うたびに組織全体が賢くなる状態を目指し、個人任せにせず「ツール」「人」「プロセス」の3層を下から順番に作り直す必要があります。

【ツール層】データと「共通の脳」をどう整えるのか？

結論：不要なCRM項目を削除してデータの完全性を高めたうえで、商談・チーム・会社の文脈を理解する「1つの脳」と、それを制御する「ハーネス（管理基盤）」を構築します。

AI時代はデータがそのままAIの行動に直結し、データの誤りが増幅されます。「予算が無限なら何を作るか」という調査でも、CRO（最高収益責任者）の最多回答は「最新のAIモデル」ではなく「統合データ基盤」でした。

1. きれいなデータは「削除」から始まる

たとえばCRM内に「データソース」を示す項目が5つあると、AIエージェントは毎回違う項目を参照してしまいます。 「信頼できるか」「何を意味するか」「本当に必要か」の3つを問い、CROの判断で4つを削除して1つに絞ります。 項目の定義は必ず人が決め、エージェントには「過去データの補完」だけを任せます。あわせて次の2点も整備します。

• データの完全性：ある順調に見えた商談の失注理由は、顧客が計画凍結を伝えてきた「録音されていない1本の電話」でした。電話、対面、メール、Slack、製品利用ログなど、あらゆる顧客のシグナルを漏れなく捕捉します。
• エンティティ解決（名寄せ）：電話口の「Mike」とCRM上の「Michael」が同一の決裁者であっても、4つのツールに別々の記録があるとAIは判断できません。すべてのシグナルを正しい1人の人物に紐付けます。

出典：株式会社100作成のセッションまとめ資料

2. 会社全体で共有する「1つの脳（共通の文脈層）」を作る

APIやMCP（Model Context Protocol）は生データへの接続手段にすぎず、データの「意味」までは教えてくれません。整備したデータの上に、次の3つの理解を持つ「共通の脳」を作ります。

• 商談の理解：何が起き、誰が関与し、顧客の要件を満たしているか。
• チームの理解：各担当者の文体のクセ、強みと弱み、目標数字。
• 会社の理解：ポジショニング、価格と値引きルール、ターゲット顧客層、フェーズ移行条件などのプレイブック。

出典：株式会社100作成のセッションまとめ資料

「共通の脳」が判断を変える例

決裁者のMikeから「注文書（見積書）を送ってほしい」とメールが来たとします。生データだけを見るAIは「受注だ！」と祝いますが、「4週間前の通話で価格がネックになっており、競合も評価中である」と記憶している脳があれば、「これは価格交渉の入り口だ」と正しく解釈し、対応を変えることができます。

ただし、この脳も「メンテナンス放置」「脳を経由しない単体ワークフローの乱立」「特定の個人やベンダーへの依存」によって簡単に壊れます。放置されたファイルが6個なら人間でも把握できますが、60個でズレが生じ、600個になるとAIは自信満々に間違った回答を出します。 単体のAIワークフローを買い足すのではなく、シグナル取得・文脈理解・権限接続・実行を一貫して担う「ハーネス（Forrester社が提唱するRevOpsハーネス）」と一体で運用することが重要です。

【人の層】リーダーと担当者の役割はどう変わるのか？

結論：リーダー自らが手を動かして全体統括し、担当者全員がエージェントの「マネージャー」になり、組織には専任の「設計者」を置きます。

KPMGの2026年第2四半期調査によると、「1人の明確なリーダーが説明責任を持つ組織」は57%がAIから価値を得ているのに対し、「責任者不在の組織」では21%にとどまり、36ポイントもの差がつきました。人の層における処方箋は以下の3つです。

出典：株式会社100作成のセッションまとめ資料

1. リーダーが自ら手を動かしてオーナーシップを持つ
   リーダー自身がフォーキャストや商談を1つ選び、エージェントへの指示出しと出力の判定を実践し、その姿をチームに見せます。これを20回ほど繰り返すと、リーダー自身も「AIの良い出力とは何か」が分かるようになります。CROが全体責任を持ち、脳の各パーツにも1人ずつ責任者を指名します。
   
   
2. 全員がエージェントの「マネージャー」になる
   現場の営業担当者（IC）も、全員がAIエージェントを管理するマネージャーになります。適切な指示出しと出力の検査に責任を持ち、AIの出力の良し悪しを見極める「Taste（審美眼・目利き力）」を養うことが不可欠です。
   
   
3. 専任の「GTMアーキテクト」を置く
   営業組織内に「GTMアーキテクト（営業組織を1つのプロダクトとして設計できる、高度なソフトウェアエンジニア）」を配置します。この適任者がいるかどうかで、成果には50%や100%といったレベルではなく「桁違いの差」が生まれます。

【プロセス層】AIが学び続ける仕組みをどう作るのか？

結論：日々の勝敗から「脳」を更新し、業務の約90%をルール処理・約10%をAIに仕分け、エージェントを「新入社員」と同じように採用・管理します。

過去の勝敗からAIが継続的に学ぶよう、プロセス層では次の3つを実行します。

出典：株式会社100作成のセッションまとめ資料

1. AIにも学習させる（記憶の複利効果）
   受注・失注・取りこぼしのすべてで「脳」を更新し、3月の失注の教訓を6月の類似商談に活かします。10チーム・計100人から同時に学べば、100商談目には「過去99商談分の経験」が組織の記憶となり、複利で判断の質が上がります。状況把握はAIで事前に済ませ、人間の会議は「意思決定」から始めます。
   
   
2. 「何が意思決定するか」を仕分ける（90:10の法則）
   業務の全ステップを「ルール」「モデル（LLM）」「人」のいずれかに割り当てます。入出力が固定ならルール、文脈の解釈が必要なときだけモデル、前例のない初回やルール変更時は人が担います。成功している企業は、業務の約90%を固定ルールで処理し、AIモデルを使うのは約10%に絞っています。
   
   
3. すべてのエージェントを「新入社員の採用」として扱う
   AIエージェントを導入する際は、人間の新入社員と同じように次の5つを定義します。

• オーナー：管理責任者1人と、バックアップ1人。
• 読めるもの（閲覧権限）：参照を許可する「脳」やシステムの範囲。
• 変えられるもの（編集権限）：単独で自動更新してよい項目や下書き。それ以外は「人間への提案」にとどめる。
• 承認者：顧客へのメール送信や価格確定の承認者（※値引きの下限値はプロンプトに書かず、必ず人が握る）。
• オンボーディング：いきなり本番稼働させず、テスト運転（シャドー運転）で人間の判断と比較・承認した後に本稼働させる。

株式会社100の解説：HubSpotでどう実践するか？

ここからは、今回のセッション内容を日本のHubSpotユーザー企業がどう実践に落とし込むべきか、株式会社100の見解を解説します。

1. 不要なプロパティを整理し、データの完全性を高める

日本の営業組織でも、担当者ごとにヨミ（確度）の基準が異なったり、似たようなカスタムプロパティが乱立したりするケースが多く見られます。 まずは営業責任者が主導し、HubSpot内の重複プロパティを棚卸しして削除・統合しましょう。その上で、Data Hubのデータ品質管理ツールや重複管理機能を活用し、複数チャネルに散らばる顧客データを名寄せします（※ご利用中のプランで該当機能が使えるか事前にお確かめください）。項目の定義は人が決め、AIには過去データの補完だけを任せるのが鉄則です。

2. 商談のシグナルをCRMに集約し「共通の脳」の土台を作る

商談の経緯が口頭報告や個人のメモにとどまり、CRMに記録されないケースも少なくありません。 HubSpotのプラットフォーム基盤を活かし、メール、通話記録、会議メモをすべて「取引（Deal）」レコードに紐付けて集約しましょう。さらに、価格基準、よくある反論への対応、取引ステージの移行条件などのプレイブックを明文化し、更新責任者を1人決めます。HubSpotのAI「Breeze」を活用する際も、こうして整えた正しい文脈を参照させることで精度が劇的に向上します。

3. 「90%のルール処理」と「10%のAI活用」を仕分け、責任者を決める

「AIに何を任せるか」が現場任せになり、プロンプトが属人化している例も散見されます。 セッションで語られた「約90%がルール、約10%がAIモデル」という目安に沿い、HubSpotのワークフローを設計し直しましょう。定型的なプロパティ更新などは従来の「条件分岐ルール」で確実に処理し、商談メモからの課題抽出やメールの下書き作成といった「解釈が必要な10%の領域」にだけAIアクションを割り当てます。 Sales Hub等でフォーキャストを管理する際も、各自動化ワークフローに必ず「オーナー」と「承認者」を設定し、失注理由は確実に取引プロパティへ書き戻して次の学習に活かすサイクルを作ることが重要です。

よくある質問（FAQ）

Q1. 営業組織でAIを導入したのに売上が伸びないのはなぜですか？

現場の担当者が各自で勝手にAIエージェントを作り、コミットなどの定義が揃わず、組織の「1つのシステム」として誰も管理していないためです。HubSpotで実践する場合、まずは取引ステージやフォーキャスト区分の定義を社内で統一することが出発点になります。

Q2. きれいなデータを作るために最初に取り組むべきことは何ですか？

CRM内の重複項目をCRO（営業責任者）の判断で削除し、商談の録音漏れをなくし、別ツール間の同一人物を名寄せすることです。HubSpotでは不要なプロパティを整理したうえで、データ品質管理ツールなどを活用して重複レコードを統合する進め方が有効です。

Q3. 業務プロセスでは「ルール」と「AI」をどう使い分ければよいですか？

成功している企業は、業務の約90%を固定ルールで処理し、文脈の解釈が必要な約10%だけに大規模言語モデル（AI）を使い、値引き下限の決定や送信承認は人間が握っています。HubSpotにおいても、従来の条件分岐ワークフローと、AIによる要約・下書き機能を明確に分けて設計することが大切です。

Q4. AIエージェントを「採用」として扱うとはどういうことですか？

人間の新入社員と同様に、①オーナー（責任者）、②閲覧できる範囲、③書き換えられる範囲、④承認者、⑤テスト運転によるオンボーディング、の5つを明確に定義することです。HubSpotのワークフローやAIエージェントを導入する際も、必ず管理担当者とテスト期間を設ける運用が求められます。

まとめ

今回のセッションでは、営業組織の87%がAIを導入しながらも売上に結びついていない現状に対し、ツール層、人の層、プロセス層の3つを順番に作り直す重要性が示されました。データと「共通の脳」を整え、経営者の実践と全員のマネージャー化を進め、業務の約90%をルール処理に仕分けて残りの約10%にAIを割り当てることで、組織全体を賢くする1つのシステムとして統合・管理できるようになります。HubSpotで実践する第一歩として、まずは重複プロパティの整理と言葉の定義の統一から始めてみてはいかがでしょうか。

株式会社100では、不要なプロパティの棚卸しや複数チャネルに散らばる顧客データの名寄せ、取引レコードへの商談文脈の集約、そしてルール処理とHubSpotのAI「Breeze」を使い分けるワークフロー設計まで、営業組織の土台作りを一貫して支援しています。「カスタムプロパティが乱立してデータを統合できない」「AIに何を任せるかが現場任せで属人化している」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。