AIがレベニューワークフローのどこに属するか（そしてどこには属さないか）

レベニューチームが一度AIを導入すると、それをあらゆるものに向けたくなる誘惑が生まれます。プロスペクティング、クオリフィケーション、フォーキャスト、交渉、クロージング。少しの自動化が役立つなら、もっと多くの自動化はもっと役立つはずだ、というわけです。実際にAIを大規模に運用してきた私たちの知るリーダーたちは、たいていもっと慎重な結論にたどり着きます。AIはワークフローの特定の部分では大きな効果を発揮し、他の部分では本物のダメージを与える。そしてスキルの大部分は、どちらがどちらかを見極めることにあります。

スループットの仕事と判断の仕事

有用な問いは「どのタスクか」ではなく「どんな種類の仕事か」です。レベニューワークフローのほぼすべては、2つの方向のどちらかに傾いています。

スループットの仕事は、量が多く、パターンが強く、たいていあいまいさがありません。アカウントのリサーチ。活動のログ記録。メールの最初のドラフト作成。レコードの更新、シグナルの監視、キューの仕分け。その価値は、何百ものアカウントにわたって、飽きることなく、速く一貫して行うことにあります。

判断の仕事はその逆です。リスクが高く、コンテキストに大きく依存し、関係性に左右されます。交渉の場の空気を読むこと。案件から手を引くべきかどうかを決めること。苛立った幹部に対応すること。データが完全には裏付けていないアカウントに賭けること。

AIは前者において非常に優れており、後者においては信頼できません。だから設計ルールは自然と導かれます。スループットはAIに任せ、判断は人間に残し、その両者の接続には注意を払うことです。これはコパイロット対オートパイロットという問いのより鋭いバージョンであり、自動化の成熟曲線と一致します。スループットは早期に自動化されます。判断の仕事は、もし取り組むとしても、ゆっくりと近づいていくものです。

明確に属する場所

ワークフローの一部は、ほぼ純粋なアップサイドです。

シグナルモニタリングは明白な例です。どんなレップも、1日中あらゆるチャネルであらゆるアカウントを見張ることはできません。AIならできますし、見つけたものをランク付けすることもできます。その広さは本物の優位性であり、AIが人間の見逃すレベニューシグナルをどう読み取るかで掘り下げています。

リサーチとエンリッチメントが次です。あるアカウントやコンタクトについてのコンテキストを、十数の散在するソースから集めることは、まさにAIが得意とし、人間が後回しにしがちな、退屈でパターン化された仕事です。

最初のドラフト。アウトリーチ、フォローアップ、ミーティングの要約、提案書の骨組み。AIによるドラフト作成と人間の編集を組み合わせれば、人間が白紙から始めるよりも速く、そして人間は依然として何を送信するかを決めます。

事務的な締めくくり。CRMの更新、活動のログ記録、タスクの作成。これはレップが販売できないようにする雑務であり、最も高いリターンと最も低いリスクを持つ出発点です。誰もそれをやりたがりません。

そして推奨。人間がそれを実行するかどうかを決める間に、次の一手を提案することです。

これらに共通するのは、そもそも誰もその仕事をうまくやっていなかったか、あるいはそのアウトプットが人間がチェックするドラフトであるということです。1つのミスのコストは小さいのです。

属さない場所

同じくらい重要なのは、AIを特定の座席から遠ざけておくことです。

関係性そのもの。買い手は自分が「処理」されているとき、それを見抜きます。信頼が築かれる会話は人間のものであり続けなければなりません。AIはレップをその電話のために準備することはできますが、電話に出るべきではありません。

不可逆的で、リスクの高い意思決定。値引きの権限、手を引く判断、契約上のコミットメント。ここでのミスは高くつき、元に戻すのが困難です。

誰も見ていない自律的なアウトバウンド。人間がループに入らないまま、AIに買い手へのメッセージを送らせることは、ブランドが炎上する典型的な原因です。的外れなメッセージ、悪いタイミング、製品がサポートしていない主張。監督のないボリュームは、それだけで負債です。

監査できないもの全般。AIがなぜそれをしたのかを説明できないなら、それは監督なしに実行されるべきではありません。それこそがガードレールと説明責任における議論のすべてです。

私たちが見てきた失敗には共通の形がありました。誰かがAIを判断の座席に置き、不可逆的な権限を与え、人間によるチェックを取り除いた、それがすべて同時に起きたのです。

どこに線を引くか

その境界は動きます。技術が改善し、特定のワークフローへの信頼を築くにつれて、あなたはその手綱を緩めていくでしょう。それを行うための妥当な方法があります。

1. ミスが安価で元に戻せる場所から始める。事務、リサーチ、ドラフト作成。より大きなものを求める前に、リスクの低い勝利で組織内の信頼を築く。
2. 買い手が相手側にいる場所には常に人間をループに残す。AIが提案し、人間が承認して送信する。それがヒューマン・イン・ザ・ループモデルであり、あるワークフローがその実力を証明するまでのデフォルトです。
3. 結果を測定し監査できる場所でのみ自律性を拡大する。ガードレールが1四半期持ちこたえたら、意図的に緩める。
4. 説明できないものは決して自動化しない。来歴が欠けているなら、そのタスクは監督下に留めるべきです。

あるワークフローがこれらのどれかをサポートできるかどうかは、その根底にあるアーキテクチャに依存します。AIネイティブなシステムは、ワークフロー全体を見渡し、それに対して行動できます。単一のツールにボルトオンされたAIは、そのツールが見られる範囲に閉じ込められており、それは通常、多くを任せるには十分ではありません。

主なポイント

• まず仕事を仕分ける。スループット（量が多く、パターン化されている）はAIがその実力を発揮する場所である。判断（リスクが高く、関係性に依存する）はAIが失敗する場所である。
• 安全な賭けは、シグナルモニタリング、リサーチ、最初のドラフト作成、事務の整理、そして人間が実行する推奨である。
• 買い手との関係、不可逆的な意思決定、監督のないアウトバウンド、監査できないものからは遠ざけておく。
• その境界線は時間とともに動く。安価なものから始め、買い手の近くには人間を置き、何が起きたかを測定できる場所でのみ拡大する。
• 本当のリスクは、判断の呼び出し、不可逆的な権限、人間によるチェックの欠如という3つが同時に起きることである。

慎重に行えば、AIはスループットの仕事を片付け、人間が本当に判断が重要な場所に時間を使えるようにします。あなたのモーションのどこにAIが適合するかを地図化しているなら、Revnewoがオーケストレーションレイヤーの中でその線をどう引いているかは、有用な参考になります。