対談・インタビュー
SaaStrのAI GTM対談に学ぶ運用原則 | ワークフロー設計の見方
6分で読める|2026/04/13|
AIテクノロジーマーケティングSaaSGTM
この記事の要約
SaaStrのAI GTM対談をもとに、AIが働きやすい営業・マーケ運用の見方を整理します。既に回るプレイブックの広げ方、ワークフローの区切り方、ツール選定、運用オーナーの置き方をまとめます。
SaaStrのAI GTM対談は、派手な数字や固有名詞の更新を追うよりも、営業とマーケの流れをどう作り替えるかという観点で読むと使いやすい内容です。本記事では、時点依存の数値や個社トピックを追記するのではなく、長く使いやすい運用原則だけを抜き出して整理します。
本記事の読み方
- 対談中の数値例は一つの運用場面として読み、導入判断は元動画と各社の公式ページで見直してください
- 下線付きの用語にカーソルを合わせると解説が表示されます
この記事でわかること
- AIが働きやすい前提: 既に機能しているプレイブックをどう広げるか
- 流れを分けて考える観点: outbound / inbound / 再接触の役割整理
- ツール選定と運用オーナー: 少数の実験から広げる進め方
基本情報
| 項目 | 内容 |
|---|---|
| 話者 | Amelia（Chief AI Officer）、Jason Lemkin |
| ソース | SaaStr AI GTM Podcast / YouTube |
| カテゴリ | GTM運用の論点整理 |
| 想定読者 | 営業責任者、マーケ責任者、RevOps、事業責任者 |
| 読み方 | 個別ツールの速報ではなく、運用原則として読む |
この対談をどう読むか
この対談の価値は、個別ツールの名前や一時的な数字より、AIを営業とマーケの流れへどう組み込むかを分解して見せている点にあります。最初に押さえたい観点は次の4つです。
| 観点 | 先に見る問い | 持ち帰りやすい示唆 |
|---|---|---|
| プレイブック | 既に機能している流れがあるか | AIは強い流れを広げる場面で効きやすい |
| 区切り | どのワークフローを任せるのか | 役割別に試すと学びが残りやすい |
| オーナー | 誰が文面、レビュー、引き継ぎを磨くのか | 運用の持ち主が曖昧だと定着しにくい |
| ペース | いきなり数を増やしすぎていないか | 少数の流れから始めた方が修正しやすい |
以下では、この4つの観点を実務に引きつけて整理します。
1. AIは壊れた流れをそのまま直してはくれない
対談で一貫しているのは、AIを入れれば自動的に成果が伸びるわけではない、という姿勢です。うまく回っていない営業やマーケの流れにそのままAIを重ねても、単に量だけ増えて質が崩れやすくなります。
先に見たい点
- 既に反応が取れている文面や導線があるか
- 誰が良い例と悪い例を見分けられるか
- 人が介入すべき例外場面を言語化できているか
ここが曖昧だと起きやすいこと
- 文面だけ大量に出して、会話の質が落ちる
- 引き継ぎ先が曖昧で、商談化の前で止まる
- 学びが残らず、別のツールへ移ったときにやり直しになる
AI GTMの出発点は、ゼロから万能な仕組みを作ることではなく、既に回るプレイブックを見つけて広げることにあります。
2. ワークフローは役割ごとに分けて見る
対談で登場するツール名は変わり得ますが、切り分け方は残りやすい部分です。固有名詞より、どのワークフローを担わせるかで見た方がぶれにくくなります。
| ワークフロー | AIが担いやすい役割 | 人が残したい役割 |
|---|---|---|
| outbound | 下調べ、文面の下書き、配信の反復 | 優先先の選定、重要先の確認、例外判断 |
| inbound | 初回対話、文脈整理、次アクションの下書き | 提案の深掘り、条件調整、合意形成 |
| 再接触 | 休眠先の掘り起こし、イベント後の追客、要約 | 優先度判断、関係修復、最終判断 |
この切り分けが役立つ理由
- どこで精度が落ちたかを追いやすい
- レビュー基準をワークフロー別に作りやすい
- 別ツールへ移ったときも学びを移しやすい
対談では複数のAI GTMツールが例として出てきますが、読む側は「どのベンダーが強いか」より、「どの流れに置くと働きやすいか」を見た方が再利用しやすくなります。
3. 運用の持ち主は人が担う
AI GTMが定着するかどうかは、ツールの派手さより、運用の持ち主が明確かで決まりやすくなります。文面、レビュー、引き継ぎ、ログ確認を誰が回すのかが曖昧なままでは、試行の回数だけ増えても質が安定しません。
先に置きたい役割
- 良い文面を集める人
- 出力を見て修正基準を作る人
- 例外先を人へ戻す判断をする人
- 学びを次のワークフローへ移す人
会議で確認したい問い
- 週次で誰がログを見るのか
- どの場面で人の確認を必須にするのか
- 文面や手順をどこに残すのか
- 失敗例を次の調整へどうつなぐのか
AI GTMは、ツール導入より運用習慣の設計に近い取り組みとして見た方が実務に落とし込みやすくなります。
4. ツール選定は少数で深く見る
対談の文脈でも、たくさんの候補を一気に並べるより、少数の候補を深く触って学ぶ方が良いという姿勢が見えます。評価軸を広げすぎると、実運用で必要な論点が埋もれやすくなります。
触る前に決めておきたい論点
- どのワークフローを試すのか
- どのデータを読み込ませるのか
- 人の確認をどこに置くのか
- ログや履歴をどこまで追えるのか
実演で見たい点
- 下書きだけでなく、引き継ぎまで見えるか
- 文面の調整が運用チームで回せるか
- 担当者が変わっても学びが残るか
- 現場のオーナーが継続して触れる設計か
営業窓口の説明だけで決めるより、導入支援や運用側の人と話し、実際のワークフローをどう置き換えるかまで確認した方が判断しやすくなります。
5. 費用対効果は自社フローに引き直して見る
対談には印象的な数値例が出てきますが、それをそのまま自社の目標に置くより、どの待ち時間や手戻りが減るかに引き直す方が安全です。同じツールでも、データの入り方やチームの習慣が違えば結果は大きく変わります。
社内で言語化したい問い
- どの役割の時間を空けたいのか
- その時間を何へ振り向けるのか
- 導入後も人が持つ作業は何か
- 失敗したときに止める基準は何か
見落としやすい点
- 導入直後は学習と調整に手間がかかる
- 配信量より、引き継ぎ後の質が重要になる
- 少数の流れで整えた方が全体へ広げやすい
数字そのものより、どのボトルネックを削るのかを明確にした方が、費用対効果の議論がぶれにくくなります。
6. 少数から始めて学びを横展開する
対談から持ち帰りやすいもう一つの論点は、いきなり多くのワークフローへ広げないことです。最初に整えるべきなのはツール数ではなく、文面の磨き方、レビューの回し方、引き継ぎの仕組みです。
小さく始めると得やすいもの
- 失敗の原因が追いやすい
- 良い文面を再利用しやすい
- 別のワークフローへ学びを移しやすい
- オーナーの負荷を見積もりやすい
最初の1つか2つの流れで運用習慣を作ってから横へ広げる方が、結果として全体の立ち上がりを速くしやすくなります。
よくある質問（FAQ）
Q1. 最初から多くのAIエージェントを持つべきですか？
A: まずは少数のワークフローから始める方が安全です。文面、レビュー、引き継ぎの習慣が固まっていない段階で数だけ増やすと、学びが散らばりやすくなります。
Q2. 導入前に最低限そろえたいものは何ですか？
A: 既に反応が取れているプレイブック、例外時に人へ戻す基準、ログを見る担当者の3つです。これがないと、AIの質を磨く土台が作りにくくなります。
Q3. ツールを見極めるときに何を優先すべきですか？
A: 固有名詞やデモの派手さより、どのワークフローを任せるか、文面を運用側で調整できるか、引き継ぎの形が見えるかを優先すると判断しやすくなります。
Q4. 効果はどのように見ればよいですか？
A: 大きな数字だけでなく、待ち時間、引き継ぎの手間、手作業の量がどう変わるかで見るのが有効です。自社フローへ引き直して見ないと、他社の事例はそのまま再現しにくくなります。
Q5. AIだけで回す形を目指すべきですか？
A: それより、どこをAIに任せ、どこで人が確認するかをはっきりさせる方が重要です。特に重要先の確認、例外判断、最終的な合意形成は人が持つ方が安定しやすくなります。
Q6. 対談中の数値例はどう扱うべきですか？
A: 一つの運用場面として読むのが安全です。自社の導入判断に使うときは、元動画で文脈を見たうえで、最新の公式ページや自社データに照らして見直してください。
まとめ
この対談をGTM運用の資料として読むなら、持ち帰りたいのは次の5点です。
- AIは既に機能しているプレイブックを広げる場面で効きやすい
- outbound、inbound、再接触を分けて見ると論点が整理しやすい
- 運用の持ち主とレビュー習慣が定着の鍵になる
- ツール選定は少数の候補を深く触る方が学びが残りやすい
- 印象的な数値より、自社フローのボトルネックに引き直して見るべき
個別ツールの状況や数字が変わっても、この5点は営業とマーケへAIを組み込むときの判断軸として残せます。
関連記事
参考リソース
本記事はネクサフローのAI研究シリーズの一部です。
この記事の著者
中村 知良
代表取締役
早稲田大学卒業後、ソフトバンク株式会社にてAI活用やCEO直下案件のプロジェクトマネージャーに従事。その後、不動産スタートアップPit in株式会社の創業、他スタートアップでの業務改善・データ活用を経験後、2023年10月、株式会社ネクサフローを創業し代表取締役CEO就任。
