営業パイプラインの停滞案件をAIで検出する方法
約10分で読めます
営業パイプラインの停滞、気づいたときには手遅れになっていませんか？
月末の数字を追いかけながら、ふと「あの案件、先月から動いていないな」と気づく。でもそのとき、すでに競合に取られていた——そんな経験をしている方は少なくないのではないでしょうか。
特に商談数が多い営業チームでは、個々の案件の停滞を担当者の感覚だけで管理するのは難しいのが実情です。この記事では、AIを使って営業パイプラインの停滞案件を早期に検出し、適切なタイミングでアクションを取れるようにする方法を解説します。
停滞案件が見えにくい理由と、AIが有効な背景
なぜ停滞は「後から気づく」のか
営業パイプラインの管理でよくあるのが、「ステータスは更新されているけれど、実態は何も動いていない」というパターンです。CRMのステータスが「商談中」のまま2週間、3週間と経過しているケースは、多くの組織で起きています。
担当者は自分の案件を追いかけるのに精いっぱいで、マネージャーも全案件を細かく追う時間がない。結果として、停滞が可視化されないまま月末を迎えることになります。
正直なところ、これは「管理の怠慢」ではなく、人間の注意リソースの限界の問題だと感じます。案件が20件、30件と積み上がると、どうしても目が届かない部分が出てきます。
AIが停滞検出に向いている理由
AIは「パターンの異常を見つける」ことが得意です。人間が直感で気づきにくい「更新頻度の低下」「次のアクション設定の欠如」「商談フェーズの長期停留」といったシグナルを、データから拾い上げることができます。
具体的には、以下のようなデータをAIに渡すことで、停滞リスクの高い案件を優先的にリストアップさせることが期待できます。
- 最終更新日からの経過日数
- 商談フェーズの滞在期間
- 次回アクション（コール・メール・訪問）の設定有無
- 顧客からの最終応答日
- 案件金額と受注確度の変化
これらを組み合わせて分析することで、「このまま放置すると失注リスクが高い案件」を早期に浮かび上がらせることができます。
AIで停滞案件を検出する具体的な手順
ステップ1：CRMデータを整理してエクスポートする
まず前提として、AIに渡すデータを準備する必要があります。SalesforceやHubSpot、Kintoneなど、使っているCRMからCSV形式でエクスポートしましょう。
最低限含めたい列は以下です。
- 案件名
- 担当者名
- 商談フェーズ
- 最終更新日
- 次回アクション予定日
- 受注確度（%）
- 案件金額
意外な落とし穴だったのが、「次回アクション予定日」が空欄のまま放置されているケースが多いという点です。この項目が埋まっていない案件は、それだけで停滞リスクのシグナルになります。
ステップ2：ChatGPTにデータを貼り付けて分析を依頼する
エクスポートしたCSVデータ（または一部を貼り付け）をChatGPTに渡し、以下のようなプロンプトで分析を依頼します。
【基本プロンプト例】
以下は営業パイプラインのデータです。
最終更新日から14日以上経過している案件、または次回アクション予定日が設定されていない案件を抽出し、停滞リスクが高い順にリストアップしてください。
あわせて、各案件に対して「なぜ停滞リスクが高いか」を1〜2文で説明してください。
[ここにCSVデータを貼り付け]
このプロンプトを使うと、ChatGPTは停滞案件を優先順位付きで一覧化し、各案件の「停滞理由の仮説」まで出力してくれます。マネージャーが週次レビューで使うたたき台として活用できます。
ステップ3：停滞理由を仮説立てしてアクションを決める
AIが出力したリストをもとに、担当者またはマネージャーが「なぜ止まっているか」を確認します。よくある停滞パターンは以下のとおりです。
- 顧客側の意思決定が止まっている（予算凍結・担当者交代）
- 担当者がフォローを後回しにしている
- 提案内容への懸念が解消されていない
- 競合との比較検討が長期化している
パターンが分かれば、取るべきアクション（再提案・電話確認・追加資料送付など）も絞り込みやすくなります。
ステップ4：週次で自動チェックの仕組みをつくる
スプレッドシート（Google SheetsやExcel）にCRMデータを連携し、GASやPower Automateを使って「一定期間更新のない案件に自動でフラグを立てる」仕組みを作ると、より実務に組み込みやすくなります。AIはその後段の「フラグが立った案件の分析・コメント生成」を担う形が効率的かもしれません。
AI停滞検出の強みと、見落としがちな注意点
強み：見落としゼロに近づける
AIを使った停滞検出の最大の強みは、人間の「なんとなく気になる案件」という感覚的な管理から、データに基づいた優先順位付けに移行できる点です。担当者の経験値や記憶力に依存しないため、新人マネージャーでも一定の精度で案件を追えるようになる可能性があります。
注意点：データ品質がすべての前提になる
一方で、AIはあくまで「入力されたデータ」を分析するだけです。CRMへの入力が不完全だったり、更新が形式的なものにとどまっていたりすると、AIの分析精度も下がります。
「最終更新日が今日になっているけど、実態は何も変わっていない」という状況では、AIも停滞を検出できません。データ入力の文化づくりがAI活用の前提条件だと感じます。
また、AIが出力した「停滞リスクリスト」はあくまで仮説です。最終的な判断は担当者・マネージャーが行う必要があります。AIに任せっきりにして、顧客との関係性や業界特有の事情を無視したアクションを取ると、むしろ逆効果になるケースもあります。
AIによる停滞検出が特に役立つシーンと、向かない状況
効果を発揮しやすいシーン
- 担当者1人あたりの案件数が15件以上あるチーム
- 週次パイプラインレビューの準備に時間がかかっているマネージャー
- CRMへの入力はしているが、活用できていないと感じている組織
- 受注確度の高い案件が失注してから「なぜ止まっていたか」を振り返るパターンが続いている場合
効果が出にくいシーン
- CRMへの入力自体が徹底されていないチーム（データ品質の問題が先決）
- 案件数が少なく、マネージャーが全案件を把握できている小規模チーム
- 顧客との関係が属人的で、データに現れない情報が多い業種・商材
正直なところ、AIを入れる前にCRMの入力ルールを整備する方が先決なケースも少なくありません。ツールを導入する前に、現状のデータ品質を確認することをお勧めします。
よくある質問と回答
Q1：ChatGPTの無料版でも使えますか？
基本的な停滞リスト抽出であれば、無料版でも対応できます。ただし、貼り付けられるデータ量に制限があるため、案件数が多い場合は有料版の方が扱いやすいかもしれません。また、有料版ではファイルのアップロードやデータ分析機能が利用できるため、より実務的な活用が期待できます。最新の機能・料金は公式サイトをご確認ください。
Q2：CRMと直接連携できますか？
ChatGPT単体ではCRMとのリアルタイム連携はできませんが、Zapier・Make（旧Integromat）・Power Automateなどの自動化ツールを組み合わせることで、定期的にデータを抽出してAIに渡す仕組みを作ることは可能です。
Q3：プロンプトを変えるとどう変わりますか？
停滞の定義（例：7日 vs 21日）や、出力形式（優先順位順リスト vs 担当者別グループ）、分析の観点（金額重視 vs 件数重視）を変えることで、チームの状況に合わせた分析が可能になります。応用プロンプトについては、noteで詳しく公開しています。
まとめと、今日から始められる一つのアクション
営業パイプラインの停滞案件は、気づいたときには手遅れになりやすい課題です。AIを使えば、データに基づいた早期検出が期待できます。ただし、データ品質の確保と、AIの出力をあくまで「仮説」として扱う姿勢が重要です。
今日から始めるなら、まずCRMから直近1ヶ月分の案件データをエクスポートし、この記事で紹介した基本プロンプトをChatGPTに貼り付けてみてください。「止まっている案件の一覧」が見えるだけでも、チームの動き方が変わるかもしれません。
営業メール・顧客対応プロンプト完全版|商談前リサーチから値上げ交渉まで【コピペで使える】をnoteで公開中
本記事では基本的なプロンプト例を紹介しましたが、
noteでは業種別・シーン別に使い分けできるテンプレート集を公開しています。
コピペしてすぐ使える完全版です。