営業AI導入のROI・効果測定を設計する方法｜「入れたが効果不明」を防ぐ計測設計

結論

• 営業AIのROIが説明できない最大の原因は「利用率（adoption）を測って、成果（outcome）を測っていない」こと。効果測定は計測設計の問題である
• 効果測定は導入前のベースライン取得から始める。稼働後に測り始めると、比較対象の「AIなしの状態」が残らず証明できない
• 測る指標は工数削減・CVR・リードタイム・受注率の4系統。工数削減は必ず金額に翻訳し、Hawthorne効果と外部要因を切り分けてから経営に提示する

この記事が役立つ状況

• 対象者: 営業AIの導入を主導した営業企画担当 / GTMエンジニア / 導入後に「で、効果は？」と経営から問われる営業マネージャー
• 直面している課題: ツールは入れたが効果が数字で説明できない、利用率しか見ておらず成果と紐づかない、良くなった気はするが季節要因や別施策と区別できない、来期の予算継続を経営に説明できない
• 前提条件: 何らかの営業AIツール（生成AI、AI搭載SFA/CRM、議事録AI等）を導入済みまたは導入直前で、効果を定量的に示す必要があること

あなたは営業企画とデータ分析の専門家です。以下の条件で、営業AI導入の効果測定（ROI）設計を作ってください。

【導入したAI】[例: 生成AIによるCRM入力自動化 / 議事録AI / AI商談分析 など]
【対象業務】[例: 商談後のCRM入力、提案メール作成、リードの初期対応]
【導入前に取得できるベースライン】[工数・CVR・受注率・リードタイムのうち手元にある数値]
【営業サイクル】[初回接触から受注までの平均日数]
【証明の相手】[例: 経営会議 / 予算委員会]

出力:
1. 測るべき成果指標（工数削減・CVR・リードタイム・受注率）と各定義式
2. ベースラインの取り方と、外部要因（季節性・他施策・Hawthorne効果）の切り分け方
3. 効果額と総コストからのROI計算・回収期間の算出フォーマット
4. 経営会議で使う1枚サマリー（3指標・前提明示・寄与度は幅で表現）

営業AIの効果測定とは、導入したAIツールが営業成果にどれだけ寄与したかを、比較可能な数値として証明する設計作業だ。ツールを入れること自体は難しくない。難しいのは、半年後に経営から「で、投資に見合った効果は出たの？」と問われたときに、季節要因でも気のせいでもない「AIの寄与」を数字で示すことである。実際、Gartnerが2025年8〜9月に227名の最高営業責任者（CSO）へ行った調査では、31%が「AI駆動ツールのROIを証明することの難しさ」を2026年の営業目標に対する最大級の課題に挙げている（Gartner, 2026）。本記事では、GTMエンジニアの視点から「入れたが効果不明」を構造的に防ぐ計測設計を、ベースラインの取り方から経営への見せ方まで一気通貫で解説する。

なぜ「営業AIを入れたのに効果が出ない」が起きるのか

結論から言えば、多くの現場で起きているのは「効果が出ていない」のではなく「効果を測る設計がない」という状態だ。

Deloitteの分析は、この失敗の型を鋭く指摘している。ROIを出せなかった組織に共通する失敗は「利用（adoption）を測って、成果（outcome）を測らなかった」ことだという（Deloitte, 2025）。ログイン率、利用回数、プロンプト送信数——これらは「使われているか」を示すが、「儲かったか」は一切示さない。ダッシュボードに利用率のグラフだけが並び、受注率やリードタイムと接続されていない。だから経営に問われても答えられない。

同じ構図は投資全体でも起きている。McKinseyのState of AI 2025では、74%の企業が初年度に何らかのROIを報告する一方、全社のEBIT（利益）レベルでインパクトを実感できているのは39%にとどまる（McKinsey, 2025）。「効いた気がする」と「利益で説明できる」の間には、深い溝がある。その溝を埋めるのが計測設計だ。

「効果不明」を生む典型的な原因を分解すると、次の3つに集約される。

• 成果指標が定義されていない: 何をもって成功とするかを導入前に決めていない。だから測りようがない
• ベースラインがない: 導入前の「AIなしの状態」の数値が残っていない。比較対象が消えている
• 交絡が切り分けられていない: 数字が改善しても、それがAIのおかげなのか、たまたま良い時期だったのか、別の施策が効いたのか区別できない

この3つは、後述するとおり「導入前」に手を打たないと取り返しがつかない。効果測定は稼働後の集計作業ではなく、導入プロジェクトの初日に始める設計作業である。

営業AIの効果測定はいつ始めるべきか——ベースラインの取り方

効果測定を始めるべきタイミングは、AIを導入する「前」だ。これが唯一かつ最重要の原則である。

理由は単純で、ROIとは「AIなしの状態」と「AIありの状態」の差分だからだ。稼働後に測り始めると、比較対象である「AIなしの状態」の数値がどこにも残っておらず、差分が計算できない。「導入して数ヶ月、受注率は32%です」と報告しても、経営は必ず「導入前は何%だったの？」と聞く。答えられなければ、その報告は成立しない。

ベースラインとして最低限記録するもの

導入決定から実装完了までの間に、対象業務に関する直近3〜6ヶ月の数値を確保しておく。

• 工数系: 対象業務（CRM入力・議事録作成・提案メール作成など）の1件あたり所要時間、月間発生件数
• 転換系（CVR）: リード→商談化率、商談→受注率などファネル各段の転換率
• 時間系: 初回接触から受注までのリードタイム、各ステージの滞留日数
• 結果系: 受注件数、受注率、平均受注単価

これらの多くは営業KPI設計で定義したKPIツリーと重なる。すでにKPIを設計している組織なら、その現状値がそのままベースラインになる。逆に、KPIが未整備なままAIだけ先に入れると、効果測定の土台ごと欠落することになる。

ベースラインが取れないときの次善策

「もう導入してしまった。ベースラインがない」というケースは珍しくない。その場合の現実的な代替は次の3つだ。

1. CRMの過去ログを遡る: 商談の作成日・ステージ変更日・クローズ日はCRMに残っている。転換率とリードタイムは、過去データから後追いで再構築できることが多い
2. 未導入チーム・未導入業務を対照に使う: 全社一斉導入でなければ、まだAIを使っていないチームの同期間の数値を疑似ベースラインにできる
3. 限定的な範囲で測り直す: 工数系は「今から」ストップウォッチで実測し、AIをオフにした状態と比較する小実験を1〜2週間だけ組む

いずれも完璧ではないが、「ベースラインがないので測れません」で止まるよりはるかに良い。重要なのは、どの方法を使ったかを報告に明記し、精度の限界を正直に添えることだ。

営業AIで何を測るのか——4系統の効果指標

営業AIの効果は、次の4系統に整理すると漏れなく測れる。多くの現場は工数削減だけ、あるいは受注率だけを見て全体像を見失う。4系統を並べて、どこに効いているかを可視化する。

この4系統には「出るのが早い順」がある。工数削減は導入直後から測れる。CVRとリードタイムは1〜2営業サイクル後。受注率・売上は最も遅れて、かつ最も交絡が多い。だから測定は工数削減で早期の成果を可視化し、遅れて受注系を追う二段構えにするのが実務的だ。初月から受注率の改善を求めると、まだ結果が出ていない段階で「効果なし」と誤判定してしまう。

なぜ工数削減が最初の一歩になるかというと、営業職の時間の多くが非販売業務に食われているという構造的な余地があるからだ。Salesforceの調査では、営業担当者が実際に売る活動に使えている時間は週の約28〜30%にすぎず、残りは管理業務・社内会議・手入力に消えているとされる（Salesforce, 2023）。この非販売業務こそAIが最初に削りやすい領域であり、効果も実測しやすい。

工数削減を「金額」にどう翻訳するか

工数削減は時間（分・時間）で出るが、経営に提出するときは必ず金額に翻訳する。「月40時間削減しました」は現場の言葉であり、「年間約360万円の人件費相当を解放しました」が経営の言葉だ。

翻訳式はシンプルにこう置く。

削減金額（月） = 1件あたり削減時間 × 月間発生件数 × 営業時給 × 稼働係数
年間削減金額   = 削減金額（月）× 12

• 営業時給: 対象者の人件費（給与＋社会保険料等の会社負担）を月間労働時間で割る。ざっくりでよいが、根拠は残す
• 稼働係数: ここが最重要。浮いた時間の全てが売上を生む活動に回るわけではない。安全側に0.5〜0.7を掛け、「削減時間の何割が実際に販売活動へ再配分されたか」を控えめに見積もる

稼働係数を1.0（＝浮いた時間が丸ごと価値を生む）と置くと、必ず過大評価になる。実際には浮いた時間の一部は休憩やSlackやMTGに吸われる。この係数を明示的に置き、控えめに見積もることが、報告の信頼性を担保する。「削減時間 × 時給」をそのまま効果額にする報告は、経営から「本当にその分売上が増えたのか」と一撃で崩される。

工数削減はあくまで「解放された原資」であり、それが売上に転換されて初めて完全なROIになる。だからこそ、後述する受注系の指標とセットで語る必要がある。工数削減だけを効果として押し出すと、「で、その浮いた時間で数字は増えたの？」という核心の問いに答えられない。

計測アーキテクチャをどう組むか

効果測定を「毎回手集計」でやると続かない。GTMエンジニアの腕の見せどころは、計測を仕組みとしてアーキテクチャに組み込むことだ。基本は次の4層構造で考える。

第1層: イベントの記録

AIの利用そのものをログとして残す。どの担当者が、いつ、どの業務でAIを使ったか。多くのAIツールは利用ログをエクスポートできる。これがないと「AIを使った商談」と「使っていない商談」を後から分離できない。

第2層: 成果データとの紐付け

利用ログを、CRMの商談データ（ステージ、金額、クローズ日）と担当者・期間で結合する。ここで「AI利用フラグ」を商談レベルで持たせるのが理想だ。商談ごとにAIを使ったかどうかが立てば、AI利用商談と非利用商談の受注率を直接比較できる。CRMのデータ設計がしっかりしているほど、この結合は楽になる。

第3層: 指標の計算

工数・CVR・リードタイム・受注率を、定義式に従って算出する。ここでSQLやBIツールを使い、定義を1箇所に固定する。定義が人によってぶれると、同じ「受注率」でも違う数字が出て議論が崩壊する。

第4層: 可視化と定点観測

算出した指標を、導入前ベースラインと並べて時系列で見せる。これは効果測定専用のビューであり、日常運用の営業ダッシュボードとは目的が違う。運用ダッシュボードが「今どうか」を見るのに対し、効果測定ビューは「導入前後でどう変わったか」を見る。両者を混同すると、どちらも中途半端になる。

この4層をいきなり全部作る必要はない。最初は第1層と第3層だけ、対象業務を1つに絞ってスプレッドシートで回し、効果が確認できてから自動化に投資するのが順序として正しい。計測基盤に凝りすぎて肝心の効果検証が始まらない、という本末転倒を避ける。

Hawthorne効果や外部要因をどう切り分けるか

効果測定で最も厄介なのが、数字が改善したとき「それは本当にAIのおかげか」を証明する部分だ。ここを詰められないROI報告は、経営会議で必ず突っ込まれて崩れる。切り分けるべき交絡は主に3つある。

交絡1: Hawthorne効果（注目による一時的改善）

Hawthorne効果とは、観察・注目されていること自体が行動を一時的に改善させる現象だ。新ツール導入直後は、意識の高まりや「試してみよう」という熱で数字が上がることがある。これをAIの純粋効果と誤認すると過大評価になる。対策は、初月の数字を鵜呑みにせず、熱が引いた3ヶ月程度の定常状態で評価すること。導入直後のピークではなく、定着後の水準を効果とみなす。

交絡2: 季節性・市場環境

期末は受注が伸び、夏枯れは落ちる。AIとは無関係の周期がある。前年同期比を併用する、あるいは市場全体のトレンドを別途参照して、季節分を割り引く。

交絡3: 他施策との同時実行

AI導入と同じ時期に、リード獲得施策や営業プロセスの見直し、体制変更が走っていることは多い。改善がAIなのか他施策なのか、単純な前後比較では分離できない。

これらを切り分ける手法を、厳密さの順に並べると次のとおりだ。

現実には、営業チームを完全に2分割してA/Bを組むのは難しいことが多い。その場合はDIDやコホート比較で近似し、それも無理なら単純前後比較であることを正直に明示して、寄与度を断定せず「AI寄与は概ね○〜○%と推定」と幅で示す。過大な因果主張をするより、限界を認めた誠実な報告のほうが、長期的に経営の信頼を得られる。

ROIをどう計算するか——効果額と総コストの全体像

指標が揃ったら、ROIを計算する。式そのものは平易だ。

ROI（%） =（効果額 − 総コスト）÷ 総コスト × 100
回収期間（月） = 総コスト ÷ 月間効果額

つまずくのは、効果額とコストの「範囲」を狭く取りすぎることだ。効果を過大に、コストを過小に見積もると、経営に一撃で見抜かれて信用を失う。両者ともフルコストで積む。

効果額は「工数削減の金額換算（稼働係数込み）」＋「AI寄与分の受注増加の粗利」を合算する。受注増加分は、前セクションの手法で推定した寄与度を掛けて控えめに算入する。

総コストは、ライセンス費だけを見て「AIは安い」と誤認しがちだが、実際には見えないコストが大きい。

※ 記載の金額・費用区分は効果測定の考え方を示す一般的なモデルです。実際のツール価格については各ベンダーにお問い合わせください。

特に「運用工数」は見落とされやすい。生成AIの出力は必ず人がチェックする前提であり、そのチェック時間は継続的に発生する。ここを算入せずにROIを出すと、稼働後に「思ったより人手がかかる」というギャップで数字が崩れる。

McKinseyの集計では、生成AIに投じた1ドルあたり平均3.70ドルのリターンが報告される一方、その平均は大きなばらつきを隠しており、真に財務リターンを出せているのは一部の高成果組織に集中する（McKinsey, 2025）。平均値を自社に当てはめるのではなく、自社の総コストと効果額を実測して積み上げることが、唯一信頼できるROIになる。

具体例｜議事録AI導入のROIを計算してみる

抽象的な式だけでは腹落ちしないので、議事録AI（商談の録音を自動で文字起こし・要約し、CRM入力の下書きまで作るツール）を10名の営業チームに導入したケースで、実際に数字を置いて計算してみる。以下の数値はすべて説明のための仮の値であり、自社では必ず実測値に置き換えてほしい。

前提（すべて仮の値）

• 対象人数: 営業10名
• 対象業務: 商談後のCRM入力・議事録作成
• ベースライン（導入前・実測）: 1商談あたりの入力時間 20分、1人あたり月20商談
• AI導入後（実測）: 1商談あたりの入力時間 8分（12分削減）
• 営業時給: 月給・会社負担込みの人件費を月間労働時間で割った概算 3,000円
• 稼働係数: 0.6（浮いた時間の6割が販売活動に再配分されたと控えめに仮定）

ステップ1: 工数削減の金額換算

月間削減時間 = 12分 × 20商談 × 10名 = 2,400分 = 40時間
削減金額（月）= 40時間 × 3,000円 × 0.6（稼働係数）= 72,000円
年間削減金額 = 72,000円 × 12 = 864,000円

ステップ2: AI寄与分の受注増加

浮いた40時間の一部が販売活動に回り、受注に寄与したとする。ここは交絡が多いので最も慎重に見積もる。仮に、未導入チームとの差分の差分（DID）で「AI利用チームの受注件数が月+0.5件、うちAI寄与と推定されるのは幅を取って月+0.2〜0.4件」と推定できたとする。平均受注単価200万円・粗利率60%なら、

月間の粗利増（下限）= 0.2件 × 200万円 × 60% = 24万円
月間の粗利増（上限）= 0.4件 × 200万円 × 60% = 48万円
年間の粗利増 = 288万〜576万円（幅で提示）

ステップ3: 総コスト

ライセンス費: 1名あたり月5,000円 × 10名 × 12ヶ月 = 60万円/年
構築・導入工数: 初期設定・CRM連携 40時間 × 3,000円 = 12万円
運用工数: 出力チェック・修正 月10時間 × 3,000円 × 12ヶ月 = 36万円/年
教育・定着: 研修・マニュアル 20時間 × 3,000円 = 6万円
総コスト（年）= 60 + 12 + 36 + 6 = 114万円

ステップ4: ROIと回収期間

工数削減（86.4万円）＋受注増の粗利（288万〜576万円）＝ 効果額 約374万〜662万円。

ROI（下限）=（374万 − 114万）÷ 114万 × 100 ≒ 228%
ROI（上限）=（662万 − 114万）÷ 114万 × 100 ≒ 481%
回収期間 = 114万円 ÷ 月間効果額（約31万〜55万円）≒ 2〜4ヶ月

※ 記載の金額はすべて計算過程を示すための仮の数値です。実際のツール価格・人件費は各社の実測値および各ベンダーへの確認によります。

この例の要点は3つある。第一に、効果額を幅で示していること。受注寄与は交絡が多く断定できないので、下限・上限の両方を出す。第二に、総コストに運用工数（36万円）を必ず含めていること。ライセンス費60万円だけで計算すると、コストが実態の半分になり、稼働後にROIが崩れる。第三に、回収期間をセットで示していること。ROI率が高くても回収に2年かかるなら経営判断は変わる。この3点を欠いた計算は、数字が独り歩きして信頼を失う。

なお、この例では受注増（288万〜576万円）が工数削減（86万円）を大きく上回っている。これは「工数削減だけを効果として押し出すと、本当のインパクトを過小評価する」ことを示している。だからこそ、早期に測れる工数削減で初期の成果を可視化しつつ、遅れて出る受注系の効果まで追い切る二段構えが要る。

経営に効果をどう見せるか

計測して計算したROIは、経営に伝わって初めて意味を持つ。ここで多くのGTMエンジニアが、詳細な分析をそのまま出して伝わらない、という失敗をする。経営への見せ方には型がある。

1枚・3指標・前提明示を守る。

• 1枚: 分析の全過程ではなく、結論を1枚に凝縮する。詳細は付録に回す
• 3指標: 「工数削減（金額）」「受注系の変化（率と金額）」「ROI・回収期間」の3つに絞る。指標を増やすほど焦点がぼける。営業KPI設計で経営層向けを3指標に絞るのと同じ原則だ
• 前提明示: どのベースラインと比較したか、交絡をどう切り分けたか、稼働係数をいくつに置いたかを短く添える。前提を隠すと、後で崩れたとき一気に信頼を失う

そして、寄与度は断定せず幅で示す。「AIが受注率を5pt上げました」と言い切るより、「AI寄与は概ね3〜6pt、外部要因を除いた推定」と示すほうが、実は経営の信頼を得やすい。経営は不確実性を理解している。断定して後で外れるより、幅で示して当てるほうが、次の予算がつく。

意外に思われるかもしれないが、ROI報告のゴールは「AIは大成功だった」と宣言することではない。「どこに効き、どこに効かず、次に何へ投資すべきか」を意思決定できる材料を出すことだ。効かなかった部分を正直に報告する組織のほうが、長期的にAI投資を継続できる。

定量化しにくい効果はどう扱うか

営業AIの効果には、金額に翻訳しにくいものもある。提案の質が上がった、若手が早く立ち上がるようになった、ナレッジが属人化から解放された——こうした定性的な効果を「測れないから無視」してしまうと、ROIを過小評価する。かといって無理に金額化すると、根拠の薄い水増しになる。扱い方には作法がある。

原則1: 定量化を諦めた瞬間に、代理指標を探す

「提案の質」そのものは測りにくいが、その質の変化は別の数字に現れる。提案から受注までの日数（リードタイム）、提案後の失注理由の構成比、初回提案での受注率。質が上がれば、これらのいずれかが動く。定性効果は、必ずどこかの定量指標に影を落とす。その影を代理指標（プロキシ）として拾う。

原則2: 金額化できないものは、金額化しない

若手の立ち上がり短縮やナレッジ共有は、無理に円換算せず「定性効果」として別枠で報告する。ただし観察された事実（例: 新人の初受注までの平均日数が短縮した）を添える。金額の欄に推測値を入れるより、事実を定性欄に置くほうが誠実で、経営にも伝わる。

原則3: 定量と定性を混ぜて1つのROIにしない

測れる工数削減・受注寄与でROIを計算し、測れない効果は「加えて、以下の定性的な変化が観察された」と分けて併記する。両者を1つの数字に溶かし込むと、どこまでが実測でどこからが推測か分からなくなり、報告全体の信頼が落ちる。分けて出すことが、かえって説得力を生む。

定性効果は「おまけ」ではなく、しばしば長期の競争力に効く本丸だ。だからこそ、定量ROIの信頼を守るために定性効果と混ぜず、しかし確かに起きている変化として並べて記録する。この線引きが、GTMエンジニアの報告を「宣伝」ではなく「意思決定材料」にする。

営業AI ROI測定でよくある失敗例

現場で繰り返される失敗を、対策とセットで挙げる。自社が当てはまっていないか点検してほしい。

失敗1: 利用率をROIと呼ぶ

「利用率90%達成」を成果として報告する。しかし利用率は入口であって成果ではない。対策は、利用ログを必ず受注・工数などの成果指標に結合すること。使われているのに数字が動かないなら、それは「使い方が成果に繋がっていない」という別の発見であり、それ自体が価値ある示唆だ。

失敗2: ベースラインなしで後から測る

導入して数ヶ月後に「効果を出せ」と言われ、比較対象がなくて詰む。対策はただ一つ、導入前に測る。すでに手遅れなら、CRM過去ログの遡及と未導入群の疑似ベースラインで近似する。

失敗3: 工数削減時間をそのまま金額にする

「削減時間×時給」を効果額にして過大計上する。対策は稼働係数（0.5〜0.7）を掛け、浮いた時間の全てが価値を生むわけではないと明示すること。

失敗4: 初月のピークを効果と誤認する

Hawthorne効果で上がった導入直後の数字を定常効果と誤る。対策は3ヶ月定着後の水準で評価する。

失敗5: 交絡を無視して因果を断定する

同時期の別施策や季節性を無視し「AIのおかげで受注が伸びた」と言い切る。対策は対照群・DIDで切り分け、無理なら幅で示す。

Deloitteが指摘するとおり、ROIを出せなかった組織の共通failure modeは「成果ではなく採用を測ったこと」だ（Deloitte, 2025）。この失敗1が、すべての根にある。

どのツール・業務から効果を測り始めるべきか

最後に、測定対象の選び方に触れる。全業務・全ツールを一度に測ろうとすると、どれも中途半端になる。優先順位は次の2軸で決める。

• 測りやすさ: 所要時間や転換率が実測しやすいか。定型業務（CRM入力、議事録、メール下書き）は測りやすい。属人的な提案品質などは測りにくい
• 効果の出やすさ: 削減インパクトが大きいか。頻度が高く、時間のかかる業務ほど効果が大きい

この2軸で「測りやすく・効果が出やすい」象限にある業務——典型的にはCRM入力自動化や議事録AI——から着手する。ここで測定の型を確立し、成功パターンを作ってから、受注率のような測りにくい領域へ広げる。

CRMを導入していない、あるいはデータ構造が整っていない組織では、効果測定以前に土台が欠けている。その場合はまず営業企画のAI化の全体像に立ち返り、データが貯まる構造を作ることが先だ。測定は、測れるデータが貯まる仕組みの上にしか成立しない。

代替アプローチとして、統計的な厳密さを追えない小規模チームでは、無理にA/Bを組むより「代表的な定型業務3つの所要時間をストップウォッチで実測し、月間回数を掛けて年換算する」だけでも、十分に説得力のある一次データになる。厳密な因果推定より、前提を明示した誠実な概算のほうが、現場では機能する。

営業AIのROIはどうやって計算しますか？

ROI（%）=（効果額−総コスト）÷総コスト×100で計算します。効果額は工数削減の金額換算（削減時間×営業時給×稼働係数）と、AI寄与分の受注増加の粗利を合算します。総コストはライセンス費だけでなく、構築工数・運用工数・教育コストまで含めます。単月ではなく年換算と回収期間（ペイバック月数）をセットで示すのが実務の基本です。

営業AIの効果測定はいつ始めるべきですか？

導入する前です。稼働後に測り始めると、比較対象となる「AIなしの状態」の数値が残っておらず、効果を証明できません。導入決定から実装までの間に、対象指標の直近3〜6ヶ月のベースライン（工数・CVR・リードタイム・受注率）を必ず記録してください。ベースラインのないROI報告は、経営から「本当にAIの効果か」と必ず問われます。

まとめ——効果測定は「集計」ではなく「設計」

営業AIのROI・効果測定の本質は、稼働後の集計作業ではなく、導入初日に始める設計作業だ。

「入れたが効果不明」は、効果が出ていないのではなく、効果を測る設計がないことから生まれる。だから打ち手は明快である。導入前にベースラインを取り、工数削減・CVR・リードタイム・受注率の4系統で成果を測り、工数削減は金額に翻訳し、Hawthorne効果と外部要因を切り分け、フルコストでROIを計算し、1枚・3指標・前提明示で経営に見せる。この一連を最初から組み込んでおけば、半年後に「で、効果は？」と問われても、季節要因でも気のせいでもないAIの寄与を、幅を添えて誠実に示せる。

まずやることは一つだ。今まさに導入しようとしている、あるいは導入済みの営業AIについて、「導入前の数値は何が残っているか」を今日確認してほしい。ベースラインが残っているなら効果測定は半分成功している。残っていないなら、CRMの過去ログを遡るか未導入群を疑似ベースラインにする段取りを、実装が進む前に組む。測定は、測れるデータを確保した者にしか始められない。

指標の土台は営業KPI設計が作り、可視化は営業ダッシュボード設計が担い、その全体像は営業企画のAI化に位置づく。効果測定は、これらを「投資判断」という一本の線に束ねる、GTMエンジニアの中核業務である。