最終更新: 2026-10-20 — モデルの記述を2026年10月時点の現行に合わせ、MCPの標準化の経緯と、原典を確かめられない数字(短縮時間・応答速度・CRMの対応時期など)を直しました。2026-09-19には人材開発支援助成金の記述を見直しています(令和8年8月3日改正の反映)。主要モデルの記述を当時の現行世代(GPT-5.6 / Claude Opus 5 / Gemini 3.6 Flash)に更新したのは2026-07-25です。MCPの標準化の動き・人材開発支援助成金 令和8年4月8日改正の反映、および冒頭TL;DR・業界ベンチマーク・Key Takeaways・新規FAQの追加は2026-05-29時点のものです。
ChatGPT・Claude・Geminiを活用すれば、型が決まった営業資料ほど作成時間を大きく短縮できます(短縮の幅は資料の型と確認の手間で変わります)。本記事では、具体的なプロンプトテンプレートつきで、営業担当者が今すぐ使える実践テクニックを紹介します。
TL;DR(30秒で読める要約)
- 効果が出やすいのは型が決まっている資料 — 初回提案書・見積の補足説明・競合比較表・フォローアップメールは、構成が定型化しているぶん短縮幅が大きい。
- モデルの使い分けの例:Claude(法務観点を含む厳密な提案書)/ ChatGPT(標準のドラフト・速度)/ GeminiのFlash系(大量フォローアップ・録音した電話の文字起こし)。
- MCPでCRMとの接続が現実的に — CRMの提供元が公式のMCPサーバーを出していれば、過去取引履歴を踏まえた提案書の下書きを作れる。
- 削減した時間の行き先まで設計する:作成時間だけ短縮しても、空いた時間が顧客接触に回らなければ受注は増えない。提案件数と接触時間をセットで測る。
- 助成金は時間と内容の両方で決まる — 人材開発支援助成金はOFF-JTの訓練時間数10時間以上が要件で、通学制・オンラインのライブ研修は実訓練時間数で数えるため、合計10時間に満たない研修(半日や1日だけの研修の多くが当てはまる)は対象外。提案書作成のように営業の職務に直結する内容であることも問われます(詳しくは後半の助成金の注記)。
2026年のアップデートポイント
| トピック | 2026年10月時点の動向 |
|---|---|
| 主要LLM | ChatGPT(GPT-6 系。GPT-6 Astra・GPT-6 Sol・GPT-6 Luna など)/Claude(現行は Fable 5.1・Opus 5.5・Sonnet 5.5・Haiku 5.5)/Gemini(Gemini 4 Argon が2026-10-13に一般提供。Flash 系は Gemini 3.8 Flash) |
| MCP | Linux Foundation 配下の Agentic AI Foundation に寄贈(2025-12)。CRMのMCPサーバーは、提供元が公式に出しているかを確認して使う |
| Claude Code | effort(思考量)を指定して推論の深さを調整できる。提案書の論理整合性チェックを深さ指定で回せる |
| Gemini API の Managed Agents | Google I/O 2026(2026-05-19)で公開プレビュー。自律的に動くエージェントを作って動かす仕組み |
| 助成金 | 人材開発支援助成金が令和8年4月8日に改正(その後の8月3日改正は、本記事後半の「当社の営業向けAI研修」の項で説明) |
営業領域では、提案書作成や情報収集といった事務作業に削減の余地が大きく残っています。重要なのは、そこで空いた時間を顧客との接触に振り向けられるかどうかです。
営業でのAI活用を測る指標
営業は「時間が減ったか」だけで評価すると失敗します。削減した時間が顧客折衝に回っているかまで見てください。
| 指標 | 測り方 | 注意点 |
|---|---|---|
| 提案書作成時間/件 | 着手から提出までの実作業時間 | 件数が増えると1件あたりは伸びることがある |
| 月の提案件数/営業1名 | CRMの提出記録 | 質を伴わない件数増は受注率で相殺される |
| 顧客との接触時間 | 商談・訪問・オンラインの合計 | 削減時間の行き先を確認する指標 |
| 受注率 | 受注数 ÷ 提案数 | 3ヶ月以上の移動平均で見る |
| CRM入力の欠損率 | 必須項目の未入力割合 | AI活用の前提となるデータ品質 |
営業領域の動向は、McKinseyが継続して公表している B2B セールス関連のレポートが参考になります。ただし調査対象はグローバルの大企業が中心のため、国内の中堅・小規模組織にそのまま当てはめず、自社の数値で判断してください。
AIで自動化できる営業資料
主要な資料カテゴリと時短効果
※ 以下は仮の数値で示した短縮の例です(実績値ではありません)。自社の作成時間を測って比較してください。
| 資料種別 | 従来時間の例 | AI活用後の目安 | 短縮の目安 |
|---|---|---|---|
| 初回提案書 | 180分 | 20分 | 89% |
| 見積書の補足説明 | 60分 | 10分 | 83% |
| 顧客別カスタマイズ | 120分 | 15分 | 88% |
| 会議資料(パワポ構成) | 90分 | 15分 | 83% |
| 競合比較表 | 60分 | 10分 | 83% |
| フォローアップメール | 30分 | 3分 | 90% |
| 顧客向けQ&A | 45分 | 8分 | 82% |
削減幅は資料の型がどれだけ定まっているかで変わります。まず自社で作成頻度の高い2〜3種類に絞り、着手前の作成時間を記録してから始めてください。
モデル別の使い分け(2026年10月時点)
モデルの版は数か月ごとに変わるため、製品名で示します。
| 業務 | 推奨モデル | 理由 |
|---|---|---|
| 提案書ドラフト(標準) | ChatGPT | 速度・Markdown出力安定 |
| 提案書(法務・コンプラ重視) | Claude(上位モデル) | 長文の厳密読解・XMLタグで厳密制御 |
| 競合比較表 | Claude(上位モデル) | 論理整合性・effort を高くして深い分析 |
| プレゼン画像分析 | Claude / Gemini | マルチモーダル入力(画像・PDFなど)に対応 |
| 大量フォローアップメール | Gemini(Flash系) | 速度と費用を抑えやすい |
| メール量産(標準) | ChatGPT(軽量モデル) | 速度・費用(APIの GPT-6 Luna は入力$0.10・出力$0.50) |
| 録音した営業電話の文字起こし+要約 | Gemini(Flash系) | 音声ファイルを入力でき、大量処理の費用を抑えやすい |
| 議事録→メール変換 | ChatGPT / Claude | どちらも可 |
| 競合比較表の大量バリエーション生成 | Gemini(Flash系) | 長いコンテキスト・費用を抑えやすい |
基本プロンプトテンプレート集
テンプレート1: 初回提案書ドラフト(ChatGPT・Markdown形式)
あなたは経験豊富なB2B営業パーソンです。
以下の情報をもとに初回提案書のドラフトを作成してください。
【顧客情報】
- 会社名: [顧客企業名]
- 業界: [業界]
- 規模: [従業員数・売上]
- 所在地: [都道府県]
【顧客の課題】
- [現状の問題点1]
- [現状の問題点2]
- [現状の問題点3]
【当社商品・サービス】
- 商品名: [商品名]
- 主な機能: [機能リスト]
- 独自の強み: [差別化ポイント]
- 価格帯: [価格情報]
【提案書の構成】
1. エグゼクティブサマリー(3行)
2. 顧客が直面する課題の再整理
3. 当社ソリューションの概要
4. 具体的な活用シナリオ(3つ)
5. 導入効果(定量・定性)
6. 費用と導入スケジュール
7. 他社事例(該当業界)
8. 次のアクション
【出力要件】
- Markdown形式
- 全体3,000字程度
- フォーマルだが読みやすいトーン
- 専門用語は避け、分かりやすい表現
テンプレート2: 見積書の補足説明文
以下の見積書内容に対する補足説明文を作成してください。
【見積書の内容】
- 商品/サービス名: [商品名]
- 単価: [単価]
- 数量: [数量]
- 合計金額: [合計]
- オプション: [オプション内容]
【補足説明で強調したいポイント】
- なぜこの価格なのか(他社比較ではなく、価値の説明)
- 含まれるサービスの内訳
- 導入後のサポート体制
- 見積有効期限と特別条件
【トーン】
- 丁寧だが押し付けがましくない
- 500字以内
- 上司の承認を得やすい形式
テンプレート3: 顧客別カスタマイズ(Claude・XMLタグ形式)
<task>
既存の提案書テンプレートを、特定の顧客向けにカスタマイズしてください。
</task>
<base_proposal>
[既存のテンプレートを貼り付け]
</base_proposal>
<customer>
- 企業名: [顧客名]
- 業界: [業界]
- 特徴的な事情: [顧客固有の状況]
- 意思決定者の関心: [関心事]
</customer>
<customization_policy>
- 業界特有の用語・事例を追加
- 意思決定者の関心に対応するセクションを拡充
- 汎用的な表現を顧客固有の状況に言い換える
</customization_policy>
<output>
カスタマイズ後の提案書(変更箇所を**太字**でハイライト)
</output>
テンプレート4: 競合比較表(Claude・effort を高めに推奨)
以下の情報をもとに、客観的な競合比較表を作成してください。
【比較する製品・サービス】
- 当社製品: [当社製品名]
- 競合1: [競合1名]
- 競合2: [競合2名]
- 競合3: [競合3名]
【比較項目】
1. 価格(目安)
2. 主要機能
3. サポート体制
4. 導入実績
5. セキュリティ
6. カスタマイズ性
7. 日本語対応
【出力要件】
- Markdownの表形式
- 客観的な記述(誇張表現を避ける)
- 各社のメリット・デメリットを公平に記載
- 自社が勝る点だけでなく、競合が勝る点も含める
※公開情報に基づいてください。非公開情報は含めないこと。
テンプレート5: フォローアップメール
営業訪問後のフォローアップメールを作成してください。
【訪問情報】
- 訪問日: [日付]
- 訪問先: [担当者名]・[役職]
- 話した内容: [議論の要点]
- 相手の反応: [興味を示した点、懸念点]
- 次のステップ: [次のアクション]
【メール要件】
- 件名: [相手企業名]様 - [話題の要約]
- 本文: 200字前後
- 丁寧だが親近感のあるトーン
- お礼→要約→次のステップ の順
- 押し付けがましくない
実践例: 提案書作成(製造業向け・架空の設定)
以下は、架空の会社と架空の商品で作った例です。商品の機能・実績・価格は、自社で確かめた事実に置き換えてください。
元の情報
- 顧客: 株式会社○○製作所(自動車部品メーカー、従業員300名)
- 課題: 品質管理に人手がかかっており、検査工程がボトルネック
- 提案: AIビジョン検査システム
Claudeへのプロンプト
<role>
あなたは製造業向けSaaSの営業担当者です。
</role>
<customer>
- 会社名: 株式会社○○製作所
- 業界: 自動車部品製造
- 規模: 従業員300名、年商80億円
- 所在地: 愛知県
</customer>
<challenges>
- 品質検査を人手で実施しており、人件費が年2億円
- 検査員の高齢化と後継者不足
- 検出精度のばらつきがあり、品質クレームが年30件発生
- 検査工程が生産のボトルネックとなっている
</challenges>
<product>
- 商品名: AIビジョン検査システム「QualityAI」(架空)
- 主な機能: 高速度カメラ+AI画像認識による全数検査
- 独自の強み: [自社で確かめた導入実績・検出精度の測定結果だけを書く]
- 価格帯: 1ラインあたり初期費用1,200万円、月額20万円
</product>
<structure>
1. エグゼクティブサマリー(3行)
2. 貴社の品質管理の現状と課題
3. AIビジョン検査導入のご提案
4. 導入効果の試算
5. 導入スケジュール
6. 導入事例(確認済みで、公開の許可があるものだけ)
7. 次のアクション
</structure>
<requirements>
- Markdown形式、3,000字程度
- 製造業の意思決定者(品質管理部長クラス)向け
- 定量的な効果は、上の情報から計算できる範囲だけで書き、計算式を添える。分からない数字は[要確認]と書く
- effort: high(論理整合性チェック有効)
</requirements>
出力の例(抜粋・説明のために作った例)
# AIビジョン検査システム導入のご提案
## エグゼクティブサマリー
株式会社○○製作所様の品質検査を、AIビジョン検査システム
「QualityAI」による全数検査に切り替え、検査員の負担と
検出精度のばらつきを減らすご提案です。削減額と投資回収期間は、
置き換える検査工程の範囲と導入ライン数[要確認]を伺ったうえで、
「4. 導入効果の試算」で計算式とともにお示しします。
## 1. 貴社の品質管理の現状と課題
(以下省略)
営業担当者の追加作業
- 顧客固有の情報を反映(具体的製品名等)
- 数字の確認(人件費2億円の妥当性、置き換える工程の範囲、導入ライン数)
- 削減額・投資回収期間の計算式の確認(AIは、与えていない数字や、条件と合わない回収期間を書くことがあります)
- 導入事例は確認済みで公開の許可があるものだけにする(なければ節ごと削る)
- 社内テンプレートにフォーマット調整
これらの作業を含めた作成時間を、AIを使う前と比べて確かめてください。
営業研修で実際に行うこと
営業研修では、業種別ワークショップと自社業務への適用演習で、本記事のテンプレートを自社の案件に当てはめて演習します。どのテンプレートを中心に扱うかは、事前に決めておきます。
| 内容 | 到達点 |
|---|---|
| テンプレートを使った実機演習(扱うテンプレートは事前に決める) | 自社商材・自社の顧客課題に当てはめて使える形にする |
| CRM連携(MCP)のデモ | 顧客情報を都度コピペしなくて済む使い方を知る(接続の設定は研修とは別に扱う) |
| 個別プロンプト添削 | 出力が浅くなる原因を、その場で指摘して直す |
| 自社用テンプレートの作成 | 受講者が自分の業務で使うテンプレートを作って持ち帰る |
効果を数字で確認する場合は、研修前に「提案書1件あたりの作成時間」と「月の提案件数」を実測しておいてください。この2つがあれば、60日後の再測定だけで削減効果が算出できます。
MCP連携で進化する次世代営業AI
2025年12月にLinux Foundation配下の Agentic AI Foundation に寄贈されたMCP(Model Context Protocol)により、CRMとAIモデルを接続する構成が広がっています。Anthropic・OpenAI・Google・Microsoft・AWS などが参加する財団で管理されています(Linux Foundation の発表・2026年10月20日確認)。
営業担当「○○商事への提案書を、過去取引履歴を踏まえて作成して」
↓
Claude / ChatGPT / Gemini(用途別に選択)
↓ MCP呼び出し
CRMのMCPサーバー(提供元の公式のものを確認して使う)
↓ 過去取引・接点履歴・類似案件を返却
顧客に合わせた提案書の下書きを生成
従来のコピペ作業が減り、顧客理解度の高い提案書の下書きを短時間で作れます。
CRM別のMCP連携の用途
MCPサーバーの提供の有無・時期・対応範囲はCRMごとに異なり、変わることもあります。使う前に、各社の公式の情報で確認してください。
| CRM | 主な用途 |
|---|---|
| HubSpot | 過去案件・接点履歴の参照 |
| Salesforce | 取引履歴・パイプライン分析 |
| kintone | 国産の業務アプリで日本企業向けの案件管理 |
| Pipedrive | 事業者向けパイプライン |
| Zoho CRM | 海外拠点も含めた顧客管理 |
詳細な実装手順はClaude Code 業務導入完全ガイド、MCPと組み合わせた業務別プロンプトはClaude Code MCP 業務別プロンプト集50選を参照してください。
使いこなしのコツ
コツ1: プロンプトを使いまわす
Notion・Scrapbox・社内Wikiに保存し、社内共有。
コツ2: 自社情報をカスタムボットに学習させる
Claude のプロジェクト(Team・Enterpriseプラン)や ChatGPT Business のカスタムGPT。
コツ3: フィードバックを返す
「もっと簡潔に」「専門用語を減らして」など対話で改善。
コツ4: 最終チェックは人間の目で
特に数字・固有名詞・日付・法的表現は一つずつ確認。
導入時の注意点
1. 法人プラン必須
ChatGPT Business(旧Team)/Enterprise、Claude Team/Enterprise等。無料版・個人Plus版は情報漏洩リスク。
2. ハルシネーション対策
顧客企業の業績、業界統計、法律・規制、競合情報は一次情報で確認。
3. 社内ガイドライン
営業向け利用ガイドライン整備。禁止事項(競合機密情報入力等)を明確化。
4. 効果測定
3ヶ月時点で測定。継続改善のサイクル。
いまの当社の進め方
当社はいま、研修を単体ではお受けしていません。社内へのAIの使い方の説明は、仕事を測ってくり返しの手間をAIに任せる業務改善AIの中で行っています。
※人材開発支援助成金は、OFF-JTの訓練時間数が10時間以上であることが要件です(通学制・同時双方向型の通信訓練は実訓練時間数、eラーニング・通信制は標準学習時間10時間以上または標準学習期間1か月以上で判断)。半日・1日の研修は単体では10時間に満たないため対象外で、合計10時間以上になるよう組んだ研修は、要件を満たす場合に対象になり得ます(運用ルールの設計などの支援や、設定代行など訓練以外の費用は対象外になり得ます)。
※令和8年8月3日の改正(経過措置あり)で、事業展開等リスキリング支援コースでは、DX化・GX化に関する訓練であっても、職務に間接的に必要となる内容や職業人として共通して必要となる内容は対象外になりました。厚生労働省のリーフレットでは、「生成AIを活用して商品提案書の構成案作成、文章生成、修正方法を学ぶ営業担当者向けの訓練」は対象、「生成AIを利用するために汎用的なプロンプトの作り方を学ぶ訓練」は対象外とされています(厚生労働省リーフレット「令和8年8月3日からの変更点について」)。営業研修で助成金を検討する場合は、提案書作成など受講者の営業実務に直結する内容で組み、最終判断は労働局への事前相談をおすすめします。
まとめ——明日から実践する5ステップ
- 法人プラン契約(ChatGPT Business / Claude Team / Google Workspace など)
- 本記事のテンプレートをコピペして試す
- うまくいった結果を社内で共有
- 自社用テンプレート集を作る
- MCP連携でCRMと統合
Key Takeaways(記事の結論5点)
- 型が決まった営業資料ほど短縮しやすい — 初回提案書・見積補足・フォローアップメールなど。短縮の幅は、自社の作成時間を導入前後で測って確かめる。
- モデルの使い分けの例:Claude(厳密な提案書)/ ChatGPT(標準のドラフト)/ GeminiのFlash系(大量フォローアップ・録音した電話の要約)。
- MCPでCRMとの接続が現実に — 2025年12月にLinux Foundation配下の財団に寄贈。CRMの公式のMCPサーバーを使えば、過去取引履歴を踏まえた提案書の下書きを作れる。
- 効果は「時間」と「行き先」の両方で測る — 提案書1件あたりの作成時間と、月の提案件数・顧客接触時間を研修前に実測しておく。60日後に同じ方法で測り直せば効果が数字になる。
- 助成金は時間と内容の両方で決まる — 人材開発支援助成金はOFF-JTの訓練時間数10時間以上(通学制・オンラインのライブ研修は実訓練時間数)が要件で、半日・1日の研修は単体では対象外。合計10時間以上になるよう組み、営業の職務に直結する内容であれば対象になり得ます(最終判断は労働局への事前相談をおすすめします)。
関連記事
- AI研修内製化vs外注
- プロンプトエンジニアリング基礎講座
- Claude Opus 4.8 リリース解説
- Claude Code実践活用術
- AI研修の助成金 申請手順2026|対象はOFF-JT10時間以上・人材開発支援助成金
- Claude Code MCP一覧と設定|業務導入5ステップ
- Claude Code MCP 業務別プロンプト集50選
- Google I/O 2026 AI関連アップデート完全まとめ|Gemini 3.5 Flash・Spark・AI Search 刷新と企業の業務活用への影響
参考文献
- Anthropic「Models overview」(2026年10月20日確認)
- Linux Foundation「Agentic AI Foundation の設立」(2025-12)(2026年10月20日確認)
- Gemini API 更新履歴(2026年10月20日確認)
- 厚生労働省 人材開発支援助成金
- 厚生労働省リーフレット「令和8年8月3日からの変更点について」(事業展開等リスキリング支援コース)