「営業担当者が毎回ゼロから提案書を作っている」
「過去の似た案件を探すだけで時間がかかる」
「商談内容を提案書へ転記する作業を減らしたい」
「担当者によって提案書の品質に差がある」
このような営業業務は、生成AIを活用することで効率化できます。
例えば現在、
商談
↓
議事録を確認
↓
顧客課題を整理
↓
過去提案書を検索
↓
商品資料を確認
↓
提案書の構成を考える
↓
文章を書く
↓
PowerPoint・Docsへ転記
という作業をしているとします。
生成AIと社内データを組み合わせると、
商談履歴
+
顧客情報
+
商品資料
+
過去提案
↓
AI
↓
提案書案
↓
営業担当者が確認
↓
提出用資料
という流れにできます。
ただし、AIに、
この顧客向けに
良い提案書を作って
と依頼するだけでは、品質は安定しません。
重要なのは、
提案書に必要な顧客情報・商品情報・過去事例をシステムから正しく取得し、その情報をAIへ渡すこと
です。
この記事では、提案書をAIで自動作成する仕組み、必要なデータ、RAGやCRMとの連携、導入手順、注意点について解説します。
提案書のAI自動作成とは
提案書のAI自動作成とは、
顧客情報
↓
顧客課題を整理
↓
適切な提案内容を取得
↓
生成AIで文章化
↓
提案書
という仕組みです。
例えば商談で、
現在：
Excelで在庫を管理
課題：
複数拠点の在庫が分からない
利用者：
20名
希望：
Web上で在庫確認
予算：
150万円前後
導入希望：
10月
という情報を取得したとします。
AIにこれらを渡すと、
【現状の課題】
現在、拠点ごとにExcelで在庫を管理しているため、
リアルタイムな在庫状況の確認が難しい状態です。
【ご提案】
複数拠点から利用できる
Webベースの在庫管理システムをご提案します。
【主な機能】
・商品マスタ
・入出庫管理
・在庫一覧
・拠点別在庫
・CSV出力
【期待できる効果】
・在庫情報の一元化
・Excel集計作業の削減
・拠点間での情報共有改善
といった提案書案を生成できます。
提案書作成で時間がかかる作業
提案書作成は単純な文章作成ではありません。
実際には、
顧客を理解する
課題を整理する
過去事例を探す
商品・サービスを確認する
提案内容を考える
構成を作る
文章を書く
資料へ整形する
という複数の工程があります。
AI導入では、この工程を分解して考えることが重要です。
AIで自動化しやすい工程
例えば次のように整理できます。
| 工程 | AI活用 |
|---|---|
| 商談内容の整理 | ◎ |
| 顧客課題の抽出 | ◎ |
| 過去事例検索 | ◎ |
| 提案書構成作成 | ◎ |
| 本文下書き | ◎ |
| 導入効果の文章化 | ◎ |
| 金額決定 | △ |
| 納期決定 | △ |
| 契約条件決定 | × |
| 最終承認 | × |
つまり、
調べる
整理する
文章を書く
部分はAIと相性があります。
一方、
価格を決める
納期を約束する
契約条件を決める
などは人や正式な業務システムが担当します。
1．商談内容から顧客課題を抽出する
提案書の起点になるのは顧客課題です。
例えば商談文字起こしから、
Excel管理で入力ミスが多い
3拠点のデータを毎週集約している
担当者が休むと更新できない
という発言を取得したとします。
AIで、
【顧客課題】
1．データが拠点ごとに分散している
2．手作業による集計負担がある
3．業務が担当者へ依存している
と整理できます。
営業担当者が長い議事録を読み直す必要を減らせます。
顧客の発言とAIの推測を分ける
重要なのは、
顧客が実際に話した課題
と、
AIが考えた課題
を混在させないことです。
例えば顧客が、
Excelの集計に時間がかかっています
と言っただけなのに、
人的ミスによって年間100万円の損失が発生しています
とAIが勝手に書いてはいけません。
提案書では、
確認済み情報
と、
提案上の仮説
を分けます。
2．顧客情報をCRMから取得する
提案書作成時には、
会社名
業種
会社規模
担当者
過去商談
既存契約
過去提案
などを利用します。
CRMに情報がある場合は、
CRM
↓
顧客ID
↓
顧客情報取得
↓
AI
とできます。
営業担当者が毎回、
CRMを開く
顧客を検索
必要項目をコピー
AIへ貼り付け
する必要をなくせます。
3．過去の提案書をRAGで検索する
提案書AIと特に相性がよいのがRAGです。
例えば社内に、
過去提案書：
500件
があるとします。
営業担当者が、
製造業向けで
在庫管理に関する
似た提案を探したい
と思っても、500ファイルを確認するのは大変です。
そこで、
顧客課題
↓
RAG
↓
過去提案検索
↓
類似案件
↓
AI
とします。
例えば、
過去事例A
製造業・3拠点・在庫管理
過去事例B
卸売業・Excel在庫管理
過去事例C
製造業・入出庫管理
を検索します。
その中から今回の提案に参考になる情報だけAIへ渡します。
過去提案書をそのままコピーしない
RAGを使う目的は、
過去の提案書を
そのまま流用する
ことではありません。
例えば、
以前の顧客：
50拠点
今回：
3拠点
では条件が違います。
過去提案は、
構成
機能候補
説明方法
導入ステップ
類似事例
の参考資料として利用します。
4．商品・サービス情報をRAGで取得する
提案書には正しい商品情報が必要です。
例えば、
機能
料金
対応環境
導入期間
制約
サポート
などです。
AIに商品知識を自由に生成させるのではなく、
商品マスタ
サービス資料
料金表
FAQ
技術資料
などから取得します。
構成は、
顧客課題
↓
商品資料検索
↓
関連情報取得
↓
AI
↓
提案内容
です。
5．顧客課題と提案機能を紐付ける
例えば顧客課題が、
複数拠点の在庫が分からない
なら、
課題
↓
拠点別在庫機能
と紐付けます。
提案書としては、
【課題】
複数拠点の在庫状況を
リアルタイムに確認できない
↓
【ご提案】
拠点別在庫管理機能
↓
【効果】
各拠点の在庫を
Web画面から一元確認
という形です。
AIを使うと、
課題
→ 機能
→ 効果
の文章化を効率化できます。
6．提案書の構成をAIで作る
提案書には一定の構造があります。
例えば、
1．ご提案の背景
2．現状の課題
3．解決方針
4．ご提案内容
5．システム構成
6．主な機能
7．導入効果
8．開発スケジュール
9．費用
10．今後の進め方
などです。
提案内容に応じてAIが必要な章を選びます。
例えば小規模な業務改善なら、
課題
改善方法
導入イメージ
費用
スケジュール
だけでも十分かもしれません。
提案書テンプレートを固定する
毎回AIへ自由に構成を作らせるより、
自社の標準提案書
を用意した方が品質を安定させられます。
例えば、
proposal-template-v3
1．お客様の課題
2．ご提案概要
3．実現方法
4．期待効果
5．スケジュール
6．費用
とします。
AIは、このテンプレートに沿って必要な文章だけ生成します。
7．提案書本文を生成する
例えば構造化されたデータとして、
顧客：
株式会社ABC
課題：
3拠点のExcel在庫管理
提案：
Web在庫管理システム
機能：
在庫一覧
入出庫
拠点別在庫
CSV
を渡します。
AIに、
ITに詳しくない担当者にも
分かりやすい文章にしてください。
専門用語を減らしてください。
存在しない機能は追加しないでください。
と指示します。
すると提案書本文の下書きを作れます。
8．導入効果を文章化する
提案書では、
このシステムを入れると
何が変わるのか
を説明する必要があります。
例えば、
現在：
3拠点から毎週Excel回収
作業：
1回2時間
月：
4回
なら、
2時間 × 4回
=
月8時間
です。
この計算は通常プログラムで行います。
AIには、
現在は3拠点のExcelを毎週集約しており、
月約8時間の集計作業が発生しています。
システム上で在庫を一元管理することで、
この集計作業の削減が期待できます。
と文章化させます。
効果の数字をAIに作らせない
例えば、
業務効率50％改善
とAIが勝手に書くのは避けます。
数値を記載するなら、
現状調査
過去実績
PoC
計算
などの根拠を用意します。
根拠がない場合は、
削減が期待できます
などに留めます。
9．提案スケジュールを作成する
スケジュールにもAIを活用できます。
例えばシステム側で、
要件定義：
2週間
設計：
2週間
開発：
6週間
テスト：
2週間
という標準値があるとします。
AIが、
要件整理
↓
設計
↓
開発
↓
テスト
↓
リリース
として文章・表へ整形します。
ただし納期は顧客との約束に関わるため、最終的には担当者が確認します。
10．見積金額は正式なロジックから取得する
提案書に費用を入れる場合も、
AIが適当な金額を考える
設計にはしません。
例えば、
基本開発：
800,000円
追加機能A：
200,000円
追加機能B：
150,000円
など、正式な見積データを取得します。
見積システム
↓
金額取得
↓
提案書
とします。
AIは、
費用の説明文
を作る程度に留めます。
11．Google Docsへ提案書を自動出力する
提案書本文を生成した後、
コピー
↓
Google Docsへ貼り付け
↓
見出し設定
↓
表を作る
とすると手作業が残ります。
そこで、
AI
↓
構造化データ
↓
Google Docsテンプレート
↓
提案書
とします。
例えばテンプレートに、
{{CUSTOMER_NAME}}
{{CUSTOMER_ISSUES}}
{{PROPOSAL}}
{{BENEFITS}}
{{SCHEDULE}}
を用意します。
AI・システムから値を差し込みます。
12．PowerPoint・Google Slides用の構成案を生成する
営業提案ではスライド形式も多く利用されます。
AIで、
Slide 1
表紙
Slide 2
現状
Slide 3
課題
Slide 4
解決方針
Slide 5
システムイメージ
Slide 6
導入効果
Slide 7
スケジュール
Slide 8
費用
という構成案を作れます。
さらに、
各スライドのタイトル
要点
説明文
まで生成可能です。
最終的なデザイン・図表は人が調整する方法もあります。
13．提案書作成後のレビューをAIで支援する
AIは生成だけでなく、チェックにも利用できます。
例えば、
顧客課題と提案内容が対応しているか
重複した説明がないか
専門用語が多すぎないか
長すぎる文章がないか
などです。
さらに、
商談議事録
vs
提案書
を比較して、
顧客が希望していたCSV出力について
提案書に記載がありません。
と不足項目を検出させることもできます。
AIレビューと業務ルールを分ける
例えば、
費用欄が空欄
ならAIではなくプログラムでチェックできます。
一方、
顧客課題への説明が弱い
という判断はAIが向いています。
つまり、
必須項目チェック
→ プログラム
文章品質チェック
→ AI
と分けます。
提案書AIのシステム構成例
例えば次のようになります。
CRM
├─ 顧客情報
├─ 商談履歴
└─ 案件情報
商談議事録
↓
顧客課題
社内RAG
├─ 商品資料
├─ 過去提案
└─ 導入事例
↓
バックエンド
↓
生成AI
↓
提案書データ
↓
担当者確認
↓
Google Docs・PDF・Slides
この構成なら、
AIが知らない顧客情報を
勝手に考える
ことを減らせます。
AIエージェントで提案書作成を高度化する
より高度な仕組みではAIエージェントを利用できます。
例えば営業担当者が、
ABC社向けの
提案書案を作って
と依頼します。
AIエージェントが、
CRM確認
↓
商談履歴確認
↓
顧客課題抽出
↓
過去提案検索
↓
商品資料検索
↓
提案書案作成
と複数ステップを実行します。
ただし、
料金確定
契約条件
納期確定
などは人が行います。
提案書AI導入の手順
STEP1．現在の提案書作成工程を整理する
例えば、
顧客情報確認：
15分
過去事例検索：
30分
構成作成：
30分
本文作成：
90分
資料整形：
45分
とします。
合計、
210分
=
3.5時間
です。
STEP2．提案書テンプレートを決める
営業担当者ごとに構成が違う場合は、まず標準化します。
例えば、
課題
↓
解決策
↓
機能
↓
効果
↓
スケジュール
↓
費用
です。
STEP3．必要なデータソースを決める
例えば、
顧客
→ CRM
商談
→ 議事録
商品
→ 商品DB
事例
→ RAG
費用
→ 見積システム
とします。
STEP4．過去案件でPoCする
過去20件程度の案件について、
実際の顧客情報
↓
AI
↓
提案書案
を生成します。
人が作成した提案書と比較します。
STEP5．確認時間を測る
例えば、
従来：
3.5時間
AI：
生成5分
+
確認・修正45分
=
50分
なら、
約2時間40分削減
です。
STEP6．不足情報を分析する
毎回AIが、
導入スケジュールを間違える
のであれば、プロンプト改善だけでなく、
正式な標準スケジュール
をシステムから取得するようにします。
STEP7．Docs・CRM等と連携する
効果が確認できたら、
AI文章
↓
コピー＆ペースト
ではなく、
AI
↓
テンプレート
↓
提案書
へ自動化します。
提案書AIの費用対効果
例えば営業担当者10人が、
月4件
提案書を作り、
1件3時間
かかっているとします。
月間では、
10人
×
4件
×
3時間
=
120時間
です。
AI導入後、
1件1時間
で済めば、
10人
×
4件
×
1時間
=
40時間
となります。
削減時間は、
月80時間
です。
時間価値を仮に3,000円とすると、
80時間
×
3,000円
=
月24万円相当
です。
年間では、
288万円相当
になります。
提案書AIのKPI
例えば次を確認します。
| KPI | 内容 |
|---|---|
| 提案書作成時間 | 1件あたり何時間減ったか |
| AI文章採用率 | そのまま利用できた割合 |
| 修正時間 | 人による修正時間 |
| 過去事例検索時間 | 検索工数が減ったか |
| 提案漏れ | 顧客要望の記載漏れ |
| 作成件数 | 同じ人数で対応できる件数 |
| 提出リードタイム | 商談から提出までの日数 |
提案書AIで注意したい情報管理
提案書には、
顧客名
顧客課題
予算
契約情報
社内価格
過去顧客情報
などが含まれます。
そのため、
営業担当者が
過去提案書を何でも外部AIへアップロード
という運用ではなく、会社として承認されたAI環境・システムを利用します。
過去顧客の情報をそのまま出さない
例えば類似事例として、
株式会社XYZでは〜
と過去顧客名をAIが出力する可能性があります。
提案先へ公開できない情報なら、
同業種の企業
類似規模の企業
のように匿名化します。
RAGへ登録する資料にもアクセス権限を設定します。
提案書AIでよくある失敗
ChatGPTへ「提案書を書いて」とだけ依頼する
顧客情報が不足しているため、一般論になりやすくなります。
過去提案を全部AIへ渡す
RAGなどで今回に関連する情報だけ取得します。
金額をAIに考えさせる
正式な見積データを利用します。
効果の数字をAIに作らせる
根拠のある数字だけ使用します。
顧客が言っていない課題を断定する
事実と仮説を分けます。
自動生成した資料をそのまま提出する
営業担当者が必ず確認します。
提案書だけ自動化する
可能なら、
商談
↓
議事録
↓
提案書
↓
フォローメール
まで同じ顧客データを再利用します。
提案書AIに関するよくある質問
ChatGPTだけでも提案書を作れますか？
作れます。
ただし、高品質な提案書を安定して作るには、
顧客情報
商談内容
商品情報
過去事例
などの情報を適切に与える必要があります。
毎回手動で入力するのであれば、作業の一部しか自動化できません。
過去の提案書をAIへ活用できますか？
可能です。
RAGを利用して、顧客課題に近い過去提案を検索し、提案書作成の参考情報として利用できます。
CRMと連携できますか？
CRMにAPIなどがあれば、
顧客情報
商談履歴
案件情報
を取得して提案書へ利用できます。
PowerPointも自動生成できますか？
提案書の構成・各スライドの文章案は生成できます。
さらにシステム連携によってスライドファイルを生成する方法もありますが、デザイン調整は人が行う運用も現実的です。
見積金額もAIで作れますか？
金額の説明支援には利用できますが、正式な見積額は業務ルール・工数・価格表などをもとに計算する方が適切です。
提案書の品質チェックにもAIを使えますか？
利用できます。
商談議事録と比較して要望の記載漏れを探したり、文章の分かりやすさや重複を確認したりできます。
hiro-dev-labのAI提案書・営業業務自動化支援
hiro-dev-labでは、顧客情報・商談履歴・社内資料と生成AIを組み合わせた営業業務の自動化を支援しています。
例えば、
- 商談議事録からの顧客課題抽出
- CRMとの連携
- 過去提案書のRAG検索
- 商品・サービス資料のRAG検索
- 提案書構成の自動生成
- 提案書本文の自動生成
- Google Docsへの出力
- 営業資料のレビュー支援
- OpenAI APIなどを利用したAI機能
- n8nによる営業ワークフロー
- Python・TypeScriptによるAIシステム開発
などを検討できます。
例えば、
現在
商談
↓
議事録
↓
担当者が顧客課題を整理
↓
過去資料を検索
↓
提案書を3時間かけて作成
という業務を、
商談
↓
AI議事録
↓
顧客課題
↓
RAGで過去提案・商品資料検索
↓
AI
↓
提案書案
↓
担当者確認
↓
Docs・PDF
へ変更できます。
提案書AIの目的は「提案をAIに任せる」ことではなく「営業担当者が考える時間を増やす」こと
提案書AIで重要なのは、
AIが営業担当者の代わりに
提案内容を決める
ことではありません。
営業担当者が本来時間を使いたいのは、
顧客課題を深く理解する
何を提案すべきか考える
顧客と認識を合わせる
提案内容を改善する
といった部分です。
一方、
過去資料を探す
商談メモを転記する
定型文章を書く
資料の構成を作る
といった作業はAIで効率化できます。
そのため、
1．商談内容をデータ化する
2．顧客課題を整理する
3．CRMから顧客情報を取得する
4．RAGで過去提案・商品情報を検索する
5．AIで提案書構成を作る
6．本文案を生成する
7．正式な価格・スケジュールを反映する
8．営業担当者がレビューする
9．Docs・PDF等へ出力する
という流れがおすすめです。
「提案書作成に毎回数時間かかっている」
「過去の提案書を営業ナレッジとして活用したい」
「商談内容から提案書までつなげたい」
「CRMや社内資料と生成AIを連携したい」
このような段階からでも、お気軽にお問い合わせください。
AI提案書・営業業務自動化について相談する