営業AIエージェント開発のリアル（0→1開発の全過程公開）

この記事はなにか

営業AIエージェント『アポドリ』をリリースするまでの1年間、どのようにサービス開発を行ってきたか、0→1開発の軌跡を書き記したものです。他社がどのようにして新規事業開発しているのか？AIエージェントってどうやって作ったのか？が気になる方が対象です。

はじめに

営業AIエージェントをリリースしました

Algomatic ネオセールスカンパニーCPO（Chief Product Officer）の池谷です。
新卒で入社したリクルートから転職し2024年1月にAlgomaticに入社してから、ちょうど1年が経ちました。2024年だけでも生成AIはたくさんの飛躍的進化が起こり、ワクワクが止まらない1年でした。

そして、ちょうど今日（2024/1/16）、私が管掌している『アポドリ』という営業AIエージェントをリリースしました。

『アポドリ』は、営業パーソンの代わりにAIエージェントが各企業専属のインサイドセールス担当として、リスト作成・アプローチ実行・活動管理・活動分析を遂行し、顧客企業のキーパーソンとの商談を獲得・提供するサービスです。

プレスリリース
こちらに背景含めて詳細に記載されています

サービス紹介ページ

ちょっとだけ会社の説明

『アポドリ』は、Algomaticの「ネオセールスカンパニー」というカンパニーで運営しています。

Algomaticは生成AIのスタートアップスタジオで複数事業を同時立ち上げしています。

• シゴラクAIカンパニー　→　ネオセールスカンパニー new

• NEO(x)カンパニー

• Algomatic Globalカンパニー

• AI Transformation（AX）カンパニー

と複数のカンパニーがあり、今回は、そのひとつのカンパニーであるネオセールスカンパニーの話になります。

※上記資料のシゴラクAIカンパニーの名称が変更になりました

今回はこの1年、どのように新サービスである営業AIエージェント『アポドリ』を開発してきたか、そこで感じたことをまとめたいと思います。

2023年11月〜2024年1月：広範囲な課題探索期

※2024年1月入社ですが、業務委託ですでに参画しており、2023年夏頃から働いています

AI活用は難しい？

もともと我々は「シゴラクAIカンパニー」という事業部で、『シゴラクAI』という法人向けChatGPTサービスを運営しており、企業の生成AI活用を支援していました。
その取り組みの中で、企業のさまざまな課題を目の当たりにし、チャットベースのUIだけで100%解決することは難しいと感じていました。

私も最初は「ChatGPTはなにに使えばいいんだろう？」と悩みましたし、知人や前職同僚と話していても「興味があるけど、なにに使えばいいかわからない、どう使えばいいかわからない」という話をよく聞きます。なんでもできるゆえの難しさがあります。

そのため我々は、特定の領域に特化してユースケースを明確にし、かつAIを意識せずに（プロンプトなどもちろん書かないでよい）、その恩恵を受けられるサービスの開発が必要ではないかという考えを持つようになりました。

終わりの見えない事業探索のはじまり

このあたりから新しい事業探索が始まりました。たくさんの業界、業種の方へのヒアリングを行い、日々の業務と感じている課題、現状どう解決しているかをお伺いしました。見返すと100回分以上のヒアリングメモがありました。やみくもにヒアリングするのではなく、『シゴラクAI』を通してお客様から聞いた話を踏まえて、課題仮説の解像度を高めるような意識で取り組んでいました。例えば、総務の方々の普段の業務をお聞きしたり、人材紹介会社の方々にお話を聞いたりと、本当にいろいろな方にお話を聞きました。社内の関係者や友人・知人などのつながりを頼りにこのヒアリングを行いました（ご協力いただいた皆様本当にありがとうございました）

ただ、3ヶ月やっても、簡単には「これだ！」という課題は見つかりませんでした。この期間、なかなか心理的にはハードでして、「本当に解くべき課題を見つけることはできるのか？」という不安感がありました。ただここで歩みを止めるわけにもいかず、チーム全員でめげずに日々の探索を行っていました。

並行して、ソリューションの技術検証も行っていました。ヒアリングを通して見つけた課題を解決するソリューションが、AI技術を使って本当に作れるのか？は不確実性もあったので、開発チームではRAGの研究や、音声文字起こしの精度検証などさまざま要素を技術検証する時期でもありました。

2024年2月〜：営業領域にフォーカスした探索期

顧客の生の声

1月までのヒアリングする中で得た情報や、海外事例や他社サービスなどのマーケット情報から、営業領域に目を向け始めたのはこの時期でした。もともと文章の生成や、商談内容をサマリーするなど生成AIとの相性もよさそうだと話していたこともあり、またカンパニーCEOの池田が営業畑出身で解像度も高いことから、この領域での探索が始まりました。

2月からは営業領域にフォーカスし、さまざまな業界の営業職の方にヒアリングを行いました。ヒアリングはカンパニーCEOの池田や、CPOの私だけでなく、エンジニア含むチーム全員で参加していました。顧客ヒアリングの情報は、テキストでシェアして、それぞれキャッチアップすることもできると思いますが、実際に顧客がどんな表情で、どんな熱量で、どんな言葉を発しているか、を見ることに圧倒的に価値があると感じます。これをチーム全員でみることで、課題の詳細理解、解決策への期待値、温度感の共通認識ができます。その共通認識がある前提だと、その後のチーム内のアクションが的確になります。

新規事業開発時に、探索を行うチームと意思決定をする人間が分断していると、ヒアリングから得られた情報の温度感や捉え方のすり合わせにとても時間がかかります。上司に「このヒアリング録画を見てもらえますか？45分の動画が10本あります」なんて言っても見てもらえるわけもありません。それゆえ、定性的な情報（顧客が発する言葉や温度感）を共有することが難しく、上司も定量的な判断しかできないゆえに、前に進まない or 本当に顧客のためになることが進みづらい、といったケースがあったりしないでしょうか。そうならないためにも、事業方針の意思決定者も含めてみんなで生の声を把握することは非常に重要に感じます。

仮説検証はクイックかつ、たくさんやる

ヒアリングから得た情報を元に、課題仮説とソリューション仮説を立てて、①営業資料とモックを作って顧客の反応を得る、②並行してソリューションの技術検証を行って本当に価値を実現できるのか調査、という二軸を日々回していました。

課題仮説の検証は、実際にサービスを作ってから見込み顧客にあてるより、営業資料とモックだけで検証した方が早いです。もちろん実際のデータを見ないと判断できないことも思いますが、コンセプトや解くべき課題がズレているかの検証はできるだけ早く当てて見極められたのはよかったです。

ソリューション仮説の検証は、特に生成AIは処理の中身がブラックボックスゆえに、やってみないとわからないことが多いように感じます。どんなinput（プロンプト含め）をすれば、どんなoutputができるのか？の実験は多ければ多いほどよく、チームの誰かだけがやるというよりは、PdM含めて開発チームみんなで取り組み、検証数を増やすことがなにより重要に感じています。この実験が多いと、こういうことだったらできそう、こういうことが課題になりそうという肌感も身についてきますので、新しい価値開発する際の知見にも繋がります。

本当に解くべき課題？

この頃から、お客さんから受注し、実際にソリューションを作って提供し、フィードバックを得ることもやりはじめました。実際にお客さんに提供する中での、技術的な課題や、デリバリー後の顧客が感じる価値の強さも検証が進んでいきました。

提供してみて感じたことは、顧客は確実に課題を抱え、それを解くことは顧客価値にはつながるものの、その価値自体はあまり大きくないケースもあるということです。実際に提供してみて顧客の反応を見て強く実感しました。その人の仕事や人生が大きく変わっちゃうほどのインパクトではなく、言ってしまえば「ちょっと嬉しい」にとどまる課題もあるということです。

もっともっと大きな価値につながる課題を特定しないといけません。我々は数億レベルではなく、数百億の事業を目指しています。ゆえに、小さい課題にリソース投下することはイマイチです。

このとき、お客さんの業務理解を行って課題を見つけるものの、その課題がお客さんのビジネス上どれほどインパクトが大きいのか？という視点で評価することの重要性を認識しました。それゆえ、お客様の業務内容の把握の前に、そもそもお客様のビジネス構造自体を理解することも非常に重要です。

2024年5月〜：営業代行を開始

実際に営業をする

営業領域における事業探索を進める中で、営業代行を開始しました。ヒアリングを通して理解するだけでなく、実施にチームで取り組み、①実体験して解像度を高める②営業活動をAIフル活用して実行できるのか検証することが狙いでした。

②については、弊社Doryさんの記事がとてもよくまとまっており、実際に我々も多大な影響を受けています。

営業代行とは具体的に何かというと、新規顧客開拓のためのインサイドセールスを顧客の代わりに行うものです。営業対象の企業リストを頂いたら、必要な情報を我々で集めて、営業メッセージを1to1で作り、マルチチャネルで営業アプローチしてアポを獲得します。

営業代行をチームで開始するわけですが、チームで営業経験が豊富なメンバーはカンパニーCEOの池田のみで、全員が未経験でした。しかし、我々は、エンジニアリングと生成AIへの知見をフル活用して、短期間で成果を出すことができました。

具体的にプロダクトチームがなにしていたかでいうと、AI活用を前提としたワークフローに分解し、それぞれの業務をシステム化して自動（or 半自動）で処理することをたくさんやってきました。例えば、いただいた営業リストは社名と住所のみだったりするので、従業員規模・業界・公式WebサイトURL・問い合わせフォームURLなどあらゆる情報をシステムで収集するツールを開発していきました。ただ情報収集するだけではなく、収集した情報の評価や加工は生成AIを活用するなど、生成AIがない時代ではできなかったこともたくさんあります。

飛行機を墜落させずに飛ばし続ける

しかし、システムが完成した状態で受注しているわけではなく、むしろ作りながらという状態だったので、手作業もたくさんやりました。

• アプローチすべき企業の担当者名を手動で調べつくす

• 企業への営業メッセージを1to1で作るために会社ホームページやIR資料を読んで作文

• 実際に問い合わせフォームから営業メッセージを送る

などなど、エンジニア含めチームみんなでやっていました。1日の半分程度、手作業をやったりと、非効率なシーンもありましたが、その中で具体業務を理解し、本当に業務活用できるシステムはなにか？という解像度がぐっとあがりました。
エンジニアが作った1to1メッセージからアポが生まれるなど、そうした成功体験で熱狂する日々でした。このときの状況を、「崖から飛行機を飛ばして、落ちる間に作っている」と語るメンバーもいました。（システムが完成していないが、営業代行で成果を出す必要があり、手作業をしつつも開発もして、必死で成果を出しているという意味）

たくさん作って、たくさん捨てることもやっていました。通常、捨てる＝手戻りであり、これを嫌うエンジニアも少なくありません。（作ったものが意味なかったというのは虚しいものです）。しかし、営業フローをAI化するという未知の挑戦は作ってみないとわからないことが多分にあり、また日々オペレーション+システムを開発する中で、やるべきことがどんどん出てきて優先度も目まぐるしく変わるという状況であるため、捨てる覚悟を持って開発していました。我がカンパニーCTOであり、僕のバディである菊池さんの記事に学びがまとめられています。

また捨てる前提であるため、とにかくリーンにものづくりをしていました。どのくらいリーンかというと、我々はほぼすべてスプレッドシート＋GASと、開発者のPCで実行できるコマンドラインツールのみ作成して業務を回し、しばらくWebUIやデータベースは存在しませんでした。最初はサーバーにデプロイせずに、開発者が作ったプログラムをローカルで実行して結果をスプレッドシートに貼り付けてデータを扱うなど、極めてリーンに作っていきました。スプレッドシートの限界（セル数1000万）にすぐに達し書き込みでエラーが発生したり、永遠とローディングが終わらないなど、もうスプレッドシートでは無理だろうという限界を何度も乗り越えました。GAS上でVue.jsを使ってUIを作るなどおかしな魔術を身につけるエンジニアもでてきましたが、それくらい「早く価値を出す」ことにこだわっていました（というかそうしないと無理だった）。ある種「正しく作る」ことは捨て、早く作り、仮説の検証を回し続けました。

今振り返ると、この時期、早期に効果的な仕組みを作らないければ自分たちの首を締める（膨大なマニュアル作業が押し寄せる）ため、とにかく必死でした。僕自身もPdMでありながら、生成AIを活用してGoogleChrome拡張機能を開発したり、Difyのワークフローを組んで業務で使う文章生成をしたりと、本当にみんなで必死になって取り組みました。

この時期を乗り越えたある開発メンバーが、「最近、物足りないから、もっと顧客数を増やして自分たちにプレッシャーを与えないとダメだ。筋トレと一緒だ」と言っており、本当に感心しました。ゾス系エンジニアの最高峰の方と、一緒に事業開発ができてとても幸せです。

2024年8月〜：徐々に顧客数が増える

見えてきた課題

幸いにも、一社目の顧客にはたくさんのアポを届けることができ、喜んでいただきました。我々のチームも手作業と並行してシステム開発を行うタフな二ヶ月でありましたが、なんとか乗り越えることができました。

この頃から、新しい顧客も増えてきました。それに伴い、一社では耐えられたオペレーション＋システムの限界もみえ、また開発と手作業に追われる日々になりました。複数社でも耐えられるレベルへ、システムとオペレーションを洗練させる必要がでてきました。

また、このとき手作業によるインシデントもいくつか発生させてしまいました。インシデント発生に伴い、一時的にスピードを落として対策を行いました（一時的なアプローチ全停止と早急なインシデント再発防止＋検知の仕組み化）。インシデント発生に伴い顧客を失望させてしまったことへチーム全員で反省と振り返りを行い、一ヶ月はそれを重点テーマに据えて対応を行いました。

このインシデントを通して見えたことは、マニュアル業務があるかぎりはリスクが残存するため、より一層の自動化、システム化を行う必要性でした。困難だが諦めず、妥協することなくシステム化に取り組むことを目指すようになりました。これも一つ、AIエージェント化の後押しになりました。

やるべきことをやる

またこの時期、顧客が増えていくことでユニットエコノミクスが見え始めてきました。そのため、いかにエコノミクスを成立させるか？という点に議題がいってしまい、社内のオペレーション効率を上げることに尽力することもありました。これについては、反省があります。
というのも、ある顧客へはアポ獲得して成果を出せるが、ある顧客では成果を出すのに苦しむシーンもあり、我々がフォーカスすべき本当のテーマは、ユニットエコノミクスを最適化させることではなく、まだまだ顧客価値の開発であったのです。ここをミスってGo to Marketすると、獲得できても解約につながり、極めて非効率な投資になりうるため注意しなければなりません。

これらを乗り越え、新たな価値仮説を考え、クイックな検証を引き続き行いました。実際にサービスを顧客に使っていただき、新しいエビデンスを得て仮説を構築し、検証してより大きな価値開発を行うループが回るようになってきました。具体的には、アプローチのチャネルを増やしたり、収集の精度改善やアプローチの分析環境の構築など、より顧客に価値を届けるための開発を進めていくことができました。

2024年12月〜：リリースに向けて

モメンタムの高まり

複数社での取り組みで成果を出し、より多くのお客さんへお届けするための準備が始まりました。これから一気に顧客が増えることを想定し、より一層の自動化が進み、いまでは大部分のワークフローが自動で繋がり処理されます。また手作業で行う部分も、生成AIを使って極力ミスが発生しない、かつ時間がかからないように抑える仕組みも整ってきました。

サービス名の検討、サービスロゴの作成、マーケティングコンセプトの策定、特許の申請、プレスリリースの準備、リリース後の展示会への準備など、一気にリリースモードに入りました。専門性の高いメンバーが各自リリースに向けてものすごいスピードで仕事を進めており、あらゆる面で熱狂する日々でした。

2025年1月16日：リリース

生成AI時代のサービス開発

こうしてようやく我々の『アポドリ』が世の中にリリースされました。2024年は本当に濃密で、あっという間に時間が過ぎていきました。最初の探索期では、「これいつまでやりつづけるんだろう」という終わりの見えない状況に不安なメンバーもいたと思います。

しかし結果的に、営業の一部の業務で発生する課題解決にとどまらず、インサイドセールスという業務自体をAI化してアポを創出するという、大きな価値を開発することができました。もちろんまだまだやるべきことはありますが、この1年で作ったものを世の中に公開してお届けできることにとても興奮しています。

AIエージェント開発に必要なこと

この一年を通して、AIエージェントを作るときに欠かせないことは、深いドメイン知識の獲得とその実装だと感じています。そのためドメインエキスパートと呼ばれる専門家と一緒に開発することはとても有効です。

おそらくAIを組み合わせて、それっぽいAIエージェントを作ることはできると思いますが、それを本当に業務利用可能なレベルに押し上げるにはハードルがあると感じます。

例えば今回でいうと、実際に営業先企業の担当者を調べたり、企業の1to1メッセージを作文するための情報を調べてみると、適切なキーワードで検索を行う、見つけた情報が適切か判断する、メッセージに必要な情報を抽出する、不要な情報を排除する、情報の補正を行うなど、細かいレベルで数多くの「言語化されないタスク」が存在します。そうした内容をAIの処理に込めなければ、業務で本当に使える品質をアウトプットをAIで出すのは難しいです。

そういう意味では、エンジニアチーム含めて、泥臭く営業代行を行い、手作業を通して解像度を高めることができたのはとてもよかったと思います。また、カンパニーCEOの池田が営業のエキスパートであり、とても心強い存在だと改めて感じます。

また、深いドメイン知識を得たうえで生成AIの開発知見を組み合わせた上で、妥協なき自動化の意思を持つことも重要です。「これは人間がやったほうが優れているよね」というバイアスを取っ払い、あらゆる処理をAIで試みるスタンスが必要です。人手じゃないと無理だと思うポイントこそイノベーションのポイントかもしれません。AIが優れていないのは、使い方が悪いケースがほとんどかと思います。必要な前提情報と適切な指示によって、AIは人が行う判断・処理を人以上に正確・大量に行うことができると私達は信じています。

この一年を振り返って

振り返ってみると

• 広範囲な領域での事業探索（2023年11月〜）

• 営業領域にフォーカスして事業探索（2024年2月〜）

• 営業代行の開始（2024年5月〜）

• 顧客数が増えて反省も増える（2024年8月〜）

• リリース（2025年1月〜）

の、それぞれのフェーズで学びや感動、反省がたくさんありました。

特に営業代行を開始してから、マニュアル作業に忙殺され、かなり苦しい時期でもありつつ、アポが取れるたびにチームで熱狂していた日々でした。

最後に嬉しかったことをシェアして終わりたいと思います。

ある日、親会社であるDMMから「勝手にアポ取りしてくれるAIがあると聞いたのですが」と噂を聞きつけて連絡いただいたことがあり、それほど革新的なサービスを作っているんだなと実感したことがありました。

生成AIの登場で、これまででは考えられなかったことが実現できています。ただのツールではなく、人の業務を代行してくれるサービスが開発できています。そうしたサービスが今後ますます登場し、世の中が大きく変わると確信しています。

我々は営業領域でそうした革命をリードしていきます。

営業3.0

我々は、普段からAI時代における営業のあり方についてディスカッションをしています。とくにカンパニーCEOの池田がこのテーマについて日頃から考え抜いています。その内容を詳細にまとめ上げた記事がありますので、ぜひお読みいただけると幸いです。

「The Model」という営業体制の分業化を促すモデルが営業2.0であれば、その次のモデルとして営業3.0、すなわち「人とAIの分業」を進めるべきという考え方を提唱しています。これを「ネオセールス」というコンセプトで打ち出し、AI時代の営業のあるべき姿へ変革していきます。

ここまで読んでいただき、ありがとうございました。
サービスやチームに興味を持っていただけましたら、ご連絡お願いいたします。

プレスリリース

サービス紹介ページ

私のXのアカウント
https://x.com/ikeyatsu

株式会社Algomatic

採用情報（一緒に泥臭く、AI事業を立ち上げましょう）