AI営業オペレーションOS 全体像
問い合わせの受付から商談・振り返り・データ分析までを一気通貫でAI化する構想です。①AIが対応相手を差配し、②AIアバターが一次商談を行い、③商談は自動で採点され、④蓄積データはMCPでいつでも分析できます。※本モックは提案時点の仮定に基づく画面イメージです。実際の機能・運用はクライアント様との協議で確定します。
今月の問い合わせ
184件
AI一次対応 63%
AIアバター対応
116件
人的工数 ▲72h/月
高熱量→人間へ送客
28件
商談化率 41%
自動採点した商談
92件
平均 3.4/5.0
エンドツーエンドの業務フロー
問い合わせ → 差配 → 商談 → 採点 → 蓄積・分析1
問い合わせ受付
Web/フォームから着信
2
AI差配
企業HPを即照会し
人間/AIを自動振分
人間/AIを自動振分
3
AIアバター商談
一次ヒアリング
熱量スコア算出
熱量スコア算出
4
CRMへ記録
会話要約・熱量を
Zohoに自動保存
Zohoに自動保存
5
送客・通知
高熱量は担当へ
チャット通知
チャット通知
6
人間の商談
録画データを取得
7
商談FB AI
8ステップ・15項目を
4段階で自動採点
4段階で自動採点
8
結果を通知
点数と要約を
Slack/CRMへ
Slack/CRMへ
9
MCPで分析
蓄積データを
自然文で問い合わせ
自然文で問い合わせ
◎
改善・意思決定
勝ちパターン抽出
AIが処理
n8n（自動連携・通知）
人間が対応
機能
AI差配（問い合わせ自動化）
社名からHPを即照会し、資本金・売上高で「人間が対応すべき相手」と「AIで十分な相手」を自動判定。
機能
AIアバター商談
HeyGen型アバターが一次ヒアリング。会話はCRMへ、導入時期・店舗数から熱量スコアを算出し通知。
機能
商談フィードバックAI
録画を分析→8ステップ15項目を4段階評価→担当へチャット通知＋CRMに要約登録まで自動化。
機能
MCP分析基盤
アバターの文字起こしと商談データをMCP接続。「勝ちパターンは？」と聞くだけで分析。
「1〜4を実施することで実現できること」は右端タブ「導入効果」に整理しています。各機能タブの下部にも、その機能単体で得られる効果を記載しています。
機能① 問い合わせ自動化 ── AI差配
問い合わせが入った瞬間に、AIが「人間に説明してほしいか／AIでよいか」の意向と、企業情報（資本金・売上高・店舗数・業種）を掛け合わせ、対応者を自動で振り分けます。大型・重要案件は取りこぼさず人間へ、それ以外はAIアバターが一次対応します。
導線① お客様の意向を確認（フォーム／チャット冒頭）
人に説明してほしい
担当者との日程調整に進みます。
ただし下記スコアが低い場合は
まずAIアバターがヒアリングします。
AIに説明してほしい
その場でAIアバター商談を開始。
24時間・待ち時間ゼロで
製品説明と一次ヒアリング。
どちらを選んでも、AIは裏側で企業情報を照会し、「本当に人間が出るべき相手か」を判定します（意向だけでは決めません）。
導線② AIによる自動差配ロジック
社名 → HP照会 → スコアリング → 振分1
社名を取得
フォーム入力から
2
HP・企業DB照会
資本金/売上高/
店舗数/業種
店舗数/業種
3
重要度スコア
基準値と照合
4
自動振分
人間 / AIアバター
まずはこの3基準を「人間対応ライン」の起点にします：資本金1億円以上／年商5億円以上／店舗数10店舗以上。いずれかを満たす相手は人間対応の候補として重みづけします。
| 判定基準 | 人間対応の閾値 | 重み |
|---|---|---|
| 資本金 | 1億円 以上 | ★★★ |
| 年商（売上高） | 5億円 以上 | ★★★ |
| 店舗・拠点数 | 10店舗 以上 | ★★★ |
| 業種 | 不動産／住宅／小売チェーン | ★★ |
| 問い合わせ内容 | 「導入」「見積」「複数店舗」を含む | ★★ |
| 既存取引・再問い合わせ | 過去接点あり | ★★ |
この3基準は一旦の初期値です。閾値・重みは管理画面から調整可能な想定で、運用しながら「人間に回すライン」をチューニングできます。
スコア分布（今月）
人間へ即エスカレーション 31%
AIアバターが一次対応 63%
対象外・自動返信 6%
問い合わせ受信ボックス（AI判定結果）
クリックで判定根拠を表示| 受信 | 会社名 | 業種 | 資本金 | 売上高 | 店舗数 | AIスコア | 差配結果 |
|---|---|---|---|---|---|---|---|
| ハウスメイト住宅販売 | 不動産 | 3.2億円 | 120億円 | 48 | 92 | 人間へ | |
| グリーンリフォーム工房 | リフォーム | 5,000万円 | 4.2億円 | 8 | 52 | AI（→送客判定） | |
| まちの不動産センター | 不動産 | 1,000万円 | 4.5億円 | 3 | 34 | AIアバター | |
| サンライズ工務店 | 建築 | — | 非公開 | 2 | 22 | AIアバター | |
| ウエルネス薬品チェーン | 小売（DgS） | 5億円 | 340億円 | 80 | 96 | 人間へ（最優先） |
この機能で実現できること
機会損失ゼロ
大型・重要案件を人間が取りこぼさない。深夜・休日の問い合わせもAIが即応。
工数 約7割削減
全件を人が対応していた一次対応をAIが肩代わり。人は勝てる商談に集中。
初動スピード最速化
「問い合わせ→対応開始」が平均数時間→即時に。反響率の高いエリアマーケ商材と相性◎。
機能① AIアバター商談（AI営業構築）
HeyGen等のAIアバターが、製品説明と一次ヒアリングを実施します。会話内容はそのままCRMに保存。導入時期・想定店舗数などから「熱量（温度感）」を数値化し、高熱量のお客様は「人間がクロージングすべき」と判断して担当へ通知します。
AIアバター商談ルーム
HeyGen連携イメージ LIVE 商談中
AIセールス アバター「ディア」
DEECH 製品コンシェルジュ
AIアバター ディア
本日はDEECHにお問い合わせありがとうございます。エリアマーケティングのどのあたりにご関心をお持ちですか？お客様（グリーンリフォーム工房）
ポスティングの効果測定をしたくて。今は感覚でやっていて…AIアバター ディア
反響がどのエリアから来たか地図で可視化できます。ちなみに導入はいつ頃をお考えですか？お客様
できれば来月から。まず3店舗で試して、良ければ全18店舗に広げたいです。熱量スコアリング
—
「熱量を判定」を押してください
温度感の判定基準
導入時期：来月（即時）
想定店舗数：18店舗
予算感の言及：あり
決裁関与：代表本人
アバター商談 → CRM保存 → 通知のワークフロー
n8n1
アバターが会話
製品説明＋ヒアリング
2
会話を要約
ニーズ・懸念を抽出
3
熱量を算出
時期×店舗数×予算
4
CRMへ記録
Zohoにリード＋要約
5
高熱量→通知
「人間でクローズを」
担当へSlack通知
担当へSlack通知
n8nが「アバター終了」をトリガーに、要約生成→Zoho登録→熱量しきい値判定→Slack通知までを全自動でつなぎます。人手の転記はゼロです。
この機能で実現できること
24時間・待ち時間ゼロ商談
担当の空き状況に依存せず、その場で一次商談。取りこぼしと離脱を防ぐ。
熱い客だけ人間へ
温度感を数値化し、勝てる商談に営業リソースを集中。クロージング成功率が上がる。
属人化しない一次対応
誰が対応しても品質一定。会話は全てCRMに残り、後工程・分析に活きる。
機能② 商談フィードバックAI
商談が終わると自動でワークフローが走り、録画データをAIが分析。8ステップ・15チェックポイント・4段階評価の基準で採点し、担当者にチャットで通知＋CRMに要約を登録します。「いい商談の基準値」を言語化してAIに覚えさせるのが肝です。
商談終了 → 自動採点 → 通知のワークフロー
n8n 自動実行1
商談実施・録画
Zoom/対面録画
2
WF自動起動
録画アップを検知
3
文字起こし
音声→テキスト
4
基準で採点
8ステップ15項目
4段階評価
4段階評価
5
チャット通知
点数＋要約をSlackへ
6
CRMへ登録
要約を商談に紐付け
採点結果：8ステップ・15チェックポイント
商談：グリーンリフォーム工房 様（07/15）STEP1 アイスブレイク／関係構築
1
場を和ませ、相手が話しやすい空気を作れたかA2
本題前にアジェンダ・所要時間を宣言したかSSTEP2 ヒアリング（課題の深掘り）
3
オープンクエスチョンで相手に8割話させたかA4
数字（店舗数・単価・頻度）で構造を押さえたかB5
課題を相手の口から言わせたかASTEP3 課題整理・合意
6
散らばった話を軸で整理し直したかB7
優先順位に理由を添えたかASTEP4 提案・プレゼン
8
資料の読み上げでなくストーリーで語れたかA9
具体数字・実例で立体化したかS10
デモで動くものを見せたかASTEP5 反論・懸念対応
11
懸念を先回りして解消したかBSTEP6 費用・投資対効果
12
投資対効果・稟議目線で語ったかCSTEP7 クロージング
13
小さなYESを積み上げたかB14
次アクション（誰と・いつ・何を）を握ったかCSTEP8 クロージング後フォロー設計
15
意思決定者への導線を引いたかB総合評価
3.6/5.0
平均を上回る商談
4軸スコア
ヒアリング力4.1
課題整理力3.8
プレゼン力4.3
クロージング力2.4
Next Action
次アクションの日時・相手が未確定（#14 C評価）。「来週◯日に代表同席で」と握って終えるのが伸びしろ。
次アクションの日時・相手が未確定（#14 C評価）。「来週◯日に代表同席で」と握って終えるのが伸びしろ。
担当者へのチャット通知イメージ
商談FB Bot 17:42
@片川 さん 商談の自動採点が完了しました 🎉
📋 グリーンリフォーム工房 様（07/15 商談）
⭐ 総合 3.6 / 5.0（平均を上回る商談）
🟢 良かった点：デモ提示・実例での立体化（プレゼン4.3）
🟠 伸びしろ：次アクションの確定（クロージング2.4）
🔗 CRMに要約を登録済み → Zohoで開く
📋 グリーンリフォーム工房 様（07/15 商談）
⭐ 総合 3.6 / 5.0（平均を上回る商談）
🟢 良かった点：デモ提示・実例での立体化（プレゼン4.3）
🟠 伸びしろ：次アクションの確定（クロージング2.4）
🔗 CRMに要約を登録済み → Zohoで開く
通知は商談終了から約5〜10分後に自動配信。上長にも同時共有され、1on1やロープレの材料になります。
「いい商談の基準値」の言語化支援
教師データ（お手本商談）だけに頼らず、「何が良い商談なのか」をPFSが一緒に言語化し、採点基準に落とし込みます。属人的な"うまさ"を、AIが再現できる形にします。
| 評価 | 意味 | 基準 |
|---|---|---|
| S | 教材級 | お手本社員の満点要素を満たす |
| A | 良好 | できている（一部の伸びしろ） |
| B | 標準 | 及第点だが浅い |
| C | 要改善 | 抜けている・機会損失 |
この機能で実現できること
全商談を客観採点
上長が全商談を見なくても、AIが一定基準で毎回フィードバック。教育コストを圧縮。
勝ちパターンの標準化
できる人の型を言語化し、チーム全体へ横展開。若手の立ち上がりが速くなる。
振り返りが即・自動
商談直後にSlack通知。記憶が新しいうちに改善でき、次の商談に即反映。
機能③ MCP分析基盤
溜まっていくAIアバターの文字起こしと人間の商談データを、MCP（Model Context Protocol）でAIに接続。バラバラのデータを横断し、「いつでも・自然文で」分析・示唆出しができる状態にします。
MCP接続構成イメージ
Model Context Protocolアバター文字起こし
一次商談ログ
人間の商談データ
録画・FB採点結果
MCPサーバー
各データ源を
AIに橋渡し
AIに橋渡し
Zoho CRM
リード・商談・受注
AIに質問
自然文で分析
MCPを挟むことで、AIはその都度データを取りに行けます。エクスポートやBIの再集計を待たず、「今の生データ」に対して質問できるのが特徴です。
分析チャット（自然文で質問）
営業推進部
受注につながった商談と、失注した商談で、AIアバター段階の会話に違いはある？MCP分析AI
直近90日・128商談を分析しました。▸ 受注群はアバター段階で「導入時期」に自発的に言及した割合が78%（失注群は31%）。
▸ 受注群は平均熱量スコア72、失注群は41。
▸ 店舗数10以上を早期に把握できた商談は受注率が2.3倍。
→ アバターの質問設計に「導入時期」「店舗数」を前倒しで組み込むことを推奨します。
営業推進部
クロージング力が低い商談に共通するパターンは？MCP分析AI
クロージング2.5未満の商談41件の共通点：① 次アクションの日時未確定（85%）
② 投資対効果・稟議目線の言及なし（71%）
③ 意思決定者が同席していない（63%）
担当別では、この傾向が特定2名に集中しています。ロープレ推奨項目を出しますか？
営業推進部
反響が良かったエリアと受注業種の相関は？MCPで出せる問いの例
勝ちパターンは何か
失注の共通要因は何か
担当者別の強み・弱み
熱量が高い問い合わせの特徴
エリア×業種×反響の相関
受注までのリードタイム分析
受注群 vs 失注群：アバター段階の熱量スコア比較
この機能で実現できること
分析の民主化
SQLもBIも不要。聞けば返る。現場のマネージャーが自分で仮説検証できる。
データが資産に変わる
溜め込むだけだったアバターログ・商談録画が、勝ちパターン抽出の元データになる。
①〜②の精度が上がる
分析結果を差配基準・FB基準・アバターの質問設計に反映し、全体が学習して賢くなる。
機能④ SATORU → Zoho 移行の比較検討
上記①〜③のAI活用は、CRMがハブになります。現行の SATORU から Zoho CRM へ移行した場合の、機能・拡張性・コスト面を比較します。※金額は一般公開情報に基づく概算の想定です。正式なライセンス費用はプラン・人数・契約条件により変動します。
SATORU vs Zoho CRM 比較
SATORU（現行）
位置づけ国産・シンプルCRM/SFA
月額目安/1名〜数千円台
外部連携・API限定的
ワークフロー自動化簡易
AI／MCP連携△ 発展途上
n8n等との連携△ 制約あり
拡張性小〜中規模向け
学習コスト低い（導入済み）
Zoho CRM（移行先）
位置づけグローバル標準・拡張型
月額目安/1名2,400〜6,000円台
外部連携・API豊富（REST/Webhook）
ワークフロー自動化高度（Blueprint/関数）
AI／MCP連携◎ 相性良好
n8n等との連携◎ 標準ノードあり
拡張性中〜大規模・多機能
学習コスト中（移行支援でカバー）
本提案の①AI差配・②アバター記録・③MCP分析は、いずれも「API連携」と「自動化ワークフロー」を前提とします。この点でZohoは拡張余地が大きく、AI活用のハブとして有利と考えられます。
Zoho移行のメリット
- AI・MCP・n8nと連携しやすく、本提案①〜③をそのまま実装しやすい
- Zoho一群（SalesIQ/Desk/Analytics/Flow等）で拡張でき、機能追加時の追加コストを抑えやすい
- ワークフロー自動化が強力で、通知・転記・スコアリングを内製化しやすい
- グローバル標準でナレッジ・事例・エンジニアが豊富
- ダッシュボード／レポートが柔軟で、③の分析基盤と役割分担しやすい
移行時の留意点・コスト
- 現行SATORUのデータ移行（項目マッピング・名寄せ）に初期工数
- 現場の再学習・運用ルールの再整備が必要
- ライセンスは機能グレードで段階的（下位→上位で単価上昇）
- 初期設定・自動化構築の外部支援費用を見込む
- 移行期間中の並行運用（一時的な二重管理）
PFSはデータ移行・初期設定・n8n自動化構築まで伴走します。「入れ替えて終わり」ではなく、AI活用まで一気通貫で支援します。
コストイメージ（10名想定・概算）
※正式見積は別途| 項目 | SATORU（現行） | Zoho CRM（移行後・想定） |
|---|---|---|
| 月額ライセンス（10名） | 〜数万円 | 約2.4万〜6万円（グレード次第） |
| 初期：移行・初期設定 | — | 導入支援として別途見積 |
| 自動化（n8n連携構築） | — | ①〜③の構築費に含めて提案 |
| 拡張性（将来の機能追加） | 制約あり | 追加コストを抑えやすい |
| AI活用のハブ適性 | △ | ◎ |
単純なCRM費用だけを見ると現行の方が安価な場合もありますが、「AI差配・アバター記録・MCP分析まで含めた総合的な費用対効果」で比較することを推奨します。
この機能で実現できること
AI活用の土台が整う
API・自動化に強いZohoが、①〜③の共通ハブに。将来の機能追加も載せやすい。
データが一元化
アバター会話も人間の商談も1か所に集約。分断が消え、分析の精度が上がる。
内製化しやすい
通知・転記・スコアリングを自社で回せる。ベンダー依存を減らせる。
1〜4を実施することで実現できること 導入効果まとめ
個別機能の効果だけでなく、①〜④が1つのループとしてつながることで生まれる価値を整理します。問い合わせ→差配→商談→採点→分析が回り、回すほどAIが賢くなる「学習する営業組織」を目指します。
一次対応の工数
▲70%
AIアバターが肩代わり
初動スピード
即時対応
数時間 → 0分
商談化率（高熱量送客）
+41%
勝てる商談に集中
若手の立ち上がり
短縮
勝ちパターン標準化
①〜④がつながって生まれる「学習ループ」
1
AI差配で選別
勝てる相手を人へ
2
アバターが一次対応
熱量を可視化
3
商談を自動採点
強み・弱みを把握
4
MCPで分析
勝ちパターン抽出
◎
基準に反映
差配・FB・質問を更新
分析結果が差配の閾値・FBの基準・アバターの質問設計にフィードバックされ、ループが回るほど精度が上がります。これが「AIで営業を仕組み化する」提案の核です。
時間を生む（生産性）
- 一次対応・転記・採点・分析をAI/自動化が肩代わり
- 営業は「勝てる商談」に時間を集中できる
- 上長の商談レビュー工数を大幅圧縮
売上を伸ばす（成果）
- 高熱量リードを取りこぼさず人間がクローズ
- 24時間対応で機会損失・離脱を防止
- 勝ちパターンの横展開で全体の受注率を底上げ
人を育てる（組織）
- 全商談を客観採点し、毎回フィードバック
- できる人の"型"を言語化して再現可能に
- 若手の立ち上がりを加速、属人化を解消
資産を積む（データ）
- アバター会話・商談・採点が構造化データとして蓄積
- MCPでいつでも自然文分析、意思決定が速くなる
- Zohoハブでデータが一元化し、次のAI施策に活きる
段階導入イメージ（一例）
スモールスタートで効果検証しながら拡張STEP 0
基盤・現状整理
- SATORU→Zoho移行の要否判断
- 「いい商談の基準値」言語化
- データ・業務フロー棚卸し
STEP 1
商談FB AI
- 録画→自動採点→通知WF
- 4軸・8ステップで運用開始
- まず"効果が見えやすい"所から
STEP 2
AI差配＋アバター
- 問い合わせ差配ロジック
- AIアバター一次商談
- 熱量スコア→送客通知
STEP 3
MCP分析・最適化
- 蓄積データをMCP接続
- 勝ちパターン抽出
- 各基準へフィードバック
※本ロードマップ・数値はあくまで提案時点の仮定です。着手順序・スコープ・費用は、ディーチ様の状況をヒアリングのうえ協議して確定します。