「100社100通りの購買体験」を、 AIエージェントは企業のリソース関係なく 実現してくれるツールになる。 Agentforceの導入・定着支援を 本格的に始めます。 業務効率だけじゃない。Agentforceを売上目的で普及させたい理由｜本田正憲｜クロスコム @HONDAWeb1 #企業のnote note.com/honda_crosscom/n/n1…

AIの価値は、 業務を自動化することじゃなくて 意思決定をアップデートすること だと思っています。 レポート作成 問い合わせ対応 情報検索 もちろんそれも価値なんですが 例えば経営でも、 営業でも、 マーケティングでも、 本当に難しいのは 何をするか決めること。 データはある。 レポートもある。 ダッシュボードもある。 でも、次に何をすべきか分からない。 ここが多くの企業の課題だった。 だから今後のAIは、 意思決定を支援する存在へ進化するはず。 ここで重要になるのが、 顧客データ 行動データ インテントデータ コンテキストデータ などのデータ整備です。 正しい判断をするには 正しい文脈からしか生まれないからこそ データの品質を見直す必要がある。 流れとしては、 データ統合 ↓ 顧客理解 ↓ コンテキスト形成 ↓ 意思決定支援 ↓ 最適アクション実行 になるはずです。

確かにこの部分の設計が本当に難しいですね。複数エージェント運用時のガバナンス・ロギング・優先度制御あたりが整備できてないと、すぐカオス状態になります。実際n8nで複数ワークフロー組み始めると、どの自動化処理がいつ失敗したのか・どこで誰が介入するのかの構造を先に決めておかないと、後付けすごく大変ですよね😅

AIに関して今は 「どの業務を自動化するか」 「どんなエージェントを作るか」 に注目が集まっている。 でも本当に難しいのはその先で、 複数のAIエージェントを運用し始めたら、 誰がどう管理するのか。 例えば、 営業エージェント マーケティングエージェント CSエージェント RevOpsエージェント が同時に動くと問題になるのは、 ・誰が何を判断したのか ・どのデータを使ったのか ・なぜその結論になったのか ・誰が最終責任を持つのか つまり、ガバナンス。 実際、人間組織でも成果が出ない原因は、 能力不足より 連携不足の方が多い。 AIも同じ。 優秀なエージェントを100体作るより、 正しく連携できる10体の方が価値が高い。 だから次に重要になるのは、 AIガバナンスを定めた前提で いかにエージェントを オーケストレーションできるかだと思っている。

全く知らない業界の動向や課題傾向の情報にふれたとき、 専門的な情報をわかる言葉に翻訳する作業と、5forceや3Cといったフレームワークで、各要素の情報をつなげて構造化する作業が必要だ。 そのときに需要なのが いかに専門的情報を正しく理解できるか。 実際に顧客との面談では、専門的な言葉のまま会話しているので、事前に正しく理解しておかないと、発言に対してを深堀りできない。 AIは、この問題を解決できると思っている。

AI時代にCRMの役割は、 これから大きく変わります。 具体的には、 顧客情報の管理ではなく、 顧客理解を実行する場所になると思ってます。 これまでのCRMは、 顧客データを蓄積することが目的でした。 ・会社名 ・担当者名 ・商談履歴 ・活動履歴 を管理する記録システムですよね。 でもAI時代に求められるCRMの役割は、 データから次の最適行動を導くこと。 例えば 営業：次に誰へ連絡するべきか マーケ：どんなコンテンツを届けるべきか CS：どの顧客が離脱リスクを抱えているか をリアルタイムで判断する。 だから今後のCRM競争は、 機能競争ではないしAI競争でもない。 たぶん顧客理解競争になる。 顧客管理から顧客理解の構造設計として 次世代CRMは、 顧客体験を最適化するための システムになるはずです。

【拡散希望】 SalesforceのAIエージェントプラットフォーム"Agentforce"とは？ のホワイトペーパーを、 個人情報の登録なしで無料公開します。 Agentforceってなに？ 何ができるの？ ユースケースは？ 費用はどれくらいなの？ このような、基本的な知識からユースケースまで 知らない方向けに入門編として作成しました。 以下スレッド内のURLよりアクセスすれば、 PDFで個人情報の登録なしで 無料ダウンロードできます！ 以下の目次で構成していますので、 少しでも興味をもっていただいた方は お気軽にのぞいてみてください。 . . 🚩目次 ￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣￣ １．なぜ、いまAIエージェントが必要なのか ２．SalesforceのAIエージェントプラットフォーム「Agentforce」 ３．Agentforceができること ４．Agentforceのユースケ－ス ５．Agentforceのセキュリティ対策 ６．Agentforce運用におけるAIガバナンス ７．Agentforceの費用構造 ８．Salesforceが目指すAI時代の働き方

本質課題とは「解決すると複数の表面課題が同時に改善する原因」だと思っている。現象ではない。 だから、本質課題と言い切るには ・解決できるか？ ・解決インパクトは大きいか？ ・表面課題の原因になっているか？ ・一過性ではなく構造によるものか？ この要件を満たすものだと思っている。

ノイズを除去するために、 データの取捨選択をする判断基準は何か。 それは「一貫性」である。 つまり「何のために使うのか？」 データをきれいに整理するのではなく、 ビジネス変化を生むためにデータを活用するからだ。 その活用目的が分からなければ、 どんなデータが必要なのか分からなくなる。 つまり、データの一貫性とは、 常に目的に立脚しているということ。

正にそれですね。工数削減の前に「削減した時間を何に使うか」が決まってなければ、結局AI導入も手段の遊びで終わっちゃう気がします。実際プロジェクトで見ても、自動化できた業務を放置してる組織と、浮いた時間を新しい分析や戦略検討に充ててる組織で半年後には差がついてるんですよね。

「AI導入でどれだけ工数削減できるか」 ではなく 「AI導入でどう知的生産を高めるか」 が重要だと思う。 例えばAIによって、 ・レポート作成 ・情報検索 ・データ整理 ・議事録作成 は自動化できるので、 効率化できたで終わるのではなく、 高付加価値業務へ時間を再配分できる。 例えば営業なら、 入力作業を減らすことではなく、 顧客との対話を増やすこと。 マーケティングなら、 レポート作成を減らすことではなく、 顧客理解を深めること。 RevOpsなら、 集計を減らすことではなく、 収益成長の設計に時間を使うこと。 人間の時間を、 より重要な意思決定に使い 新しい顧客体験を設計できるようにする。 だから、これからのAI時代は、 知的生産の競争になると思う。

展示会歩いてたら、とあるブースの方が親切に水渡してくれた。 ありがたく受け取ったら、首にぶら下げている名刺データのQRコードを勝手に読み取られた。 これが奴らの展示会マーケ施策かと思いつつ、こうさせている組織構造を撲滅していく。 会社名覚えたからな。

分業による部門間の暗黙知を言語化できれば、顧客体験は維持できる。 ただやはり部門間という「2人以上の登場人物」は、どうしてもすべての暗黙知を言語化して共有できるのかは欺瞞に思う。感覚的なとこまでホントに言語化できるのかって。 一人でマーケ〜CSすべて対応するほうが顧客体験は損なわれない。顧客数を減らして、徹底的に顧客体験の向上による価値づくりをできる環境になってきた。 だから、リソース不足企業の勝つ戦法は、分業制ではなく、少ない顧客数でのマーケ〜CSの一貫支援じゃないのかと思っています

AIでコンテンツ、 めちゃくちゃ作りやすくなりましたよね。 ただ最近、海外のCMOの言葉で ハッとしたのがあって。 「AIをコンテンツ工場にするな。 それは競合との同質化を早めるだけだ」 と。 みんな同じAIに、 似たようなプロンプトを入れて、 似たような記事を出してる。 速くなった。量も増えた。 でも、全部どこかで見た顔なんですよね。 怖いのは、これからAI検索が そのどこかで見た顔を、 真っ先に薄いと判断すること。 量で勝とうとするほど、 他社と区別がつかなくなっていく。 じゃあ何が残るのか。 たぶん、AIには持てないもの。 自分の現場で見た一次情報とか、 「ここはこう思う」という立場とか。 AIで速さとラクは手に入るけど、 違いはくれないんですよね。 違いの部分は、 結局まだ人間が握ってる。

RAGを入れればAIは賢くなるわけではない。 データを増やすほどAIが迷うから。 例えば企業には、 ・CRM ・商談メモ ・議事録 ・ナレッジ ・契約情報 ・FAQ が大量にある。 すると、 「全部AIに読ませよう」 と考えてしまうかもしれませんが 情報量が増えることと、 良い回答が増えることは別物です。 ・何に興味があるのか ・今どの購買段階なのか ・次に何を求めているのか が分からなければ、 パーソナライゼーションは成立しない。 つまり重要なのは、 データ量ではなく コンテキスト設計。 最近注目されている コンテキストエンジニアリングも、 結局やろうとしていることは同じだと思う。 大量データの中から、 必要な文脈だけを取り出す。 だから流れとしては、 データ統合 ↓ 顧客理解 ↓ コンテキスト形成 ↓ ハイパーパーソナライゼーション ↓ 最適な顧客体験 になる。 エージェントの数を増やしても、 顧客文脈を理解できなければ 成果は出ないから。 AI時代の競争力は どれだけデータを持っているか ではなく どれだけ意味のあるコンテキストを作れるか になっていく。