Oriental Nippon Development
実績一覧へ
ケーススタディ米国の人材サービス企業

Microsoft Teamsの中で動く、営業研修のためのAIロールプレイシミュレーター

マネージャーとのロールプレイはまれで質もばらつき、新人は本物の見込み客で練習していました。R&Dラボは、業界の実際の反論に合わせたAIの相手役を、リアルタイムのコーチング、採点、マネージャー向けの可視化とともに構築しました。

業界
プロフェッショナルサービス・人材
地域
米国
契約形態
R&Dラボ(共同イノベーション)

成果

  • Teamsの中で24時間練習
  • リアルタイムのコーチングと採点
  • スキルの課題をマネージャーが把握

スタック

Microsoft Teams · LLM agents · Python · Scoring & analytics

執筆Oriental Nipponチーム

米国の人材サービス企業では、営業担当者が実際の商談で業界特有の反論に対応できる必要があります。そのスキルを身につける一般的な方法はマネージャーとのロールプレイですが、それはマネージャーの時間、マネージャーの腕前、そして朝9時に二人とも真剣に取り組むかどうかに左右されます。

実際には、ロールプレイはめったに行われず、新人の最初の本格的な練習は本物の見込み客になることがよくありました。

課題

  • 日程を組みにくい。 そのため練習はまれだった。
  • ばらつき。 質は誰が見込み客役をするかで決まった。
  • 一般的なシナリオ。 担当者が自分の業界で実際に聞く反論を再現していなかった。
  • 遅い立ち上がり。 新人は本物の商談で練習していた。
  • 見えない状況。 誰が練習し、どこが弱いのかをマネージャーは把握できなかった。
導入前導入後
練習相手空いているときのマネージャーいつでもAIの相手役
反論一般的なもの実際の通話から収集
フィードバックセッション後、あればリアルタイム、言い回しの提案付き
マネージャーの視点なし担当者ごとのスコア、課題、取り組み状況

構築したもの

  • Microsoft Teamsの中のシミュレーター

    チームがすでに働いている場所で練習できます。

  • 業界に合わせたAIの相手役

    担当者が実際に出会う反論やためらいを投げかけます。

  • リアルタイムのコーチング

    会話の最中にフィードバックと言い回しの提案。

  • 採点と課題の分析

    担当者とマネージャーのための、カテゴリ別のスコアとエクスポートできる会話記録。

ある練習セッションの流れ:

技術と、このプロジェクトでの役割

技術このプロジェクトでの役割
Microsoft Teams日々使うツールの中で担当者が練習する場所
LLMの会話エージェント業界特有の反論で見込み客を演じる
Python会話のループ、コーチング、連携
採点と分析カテゴリ別のスコア、課題の分析、会話記録

進め方

シミュレーターの質は、その元になる材料で決まります。そこでR&Dラボは、録音や記憶にある通話から実際の反論を集めることから始めました。

  1. 実際の反論を集める。 AIの相手役の素材です。
  2. 「良い」を定義する。 採点を作る前に、営業の責任者と採点のカテゴリを合意しました。
  3. 会話を試作する。 最も厳しく、最も役に立つ批評家である経験豊富な担当者とテストしました。
  4. 採点と課題の分析を加える。 会話そのものが本物らしくなってから。
  5. 新人でパイロット。 彼らの立ち上がりが最もわかりやすい試金石です。
進め方のタイムライン目安の合計:12〜16週
  1. 01反論の収集と枠組み

    2週

    実際の反論、採点カテゴリ、「良い」の定義

  2. 02会話の試作

    3〜4週

    会話のループを経験豊富な担当者とテスト

  3. 03コーチング層

    2〜3週

    リアルタイムのフィードバック、トークの提案

  4. 04採点と分析

    2〜3週

    カテゴリ別の採点、課題の分析、会話記録のエクスポート

  5. 05パイロット

    3〜4週

    新人グループ、マネージャーへの取り組み状況の可視化

リスクと対応

リスク対応
作り物に聞こえるAIの見込み客実際の反論から作り、経験豊富な担当者とテストした
誰も納得しないスコア最初に営業の責任者と採点カテゴリを定義した
公開後の利用の低迷最も必要としている新人でパイロットを行った

成果

担当者は、誰かと予定を合わせることも、本物の商談を危険にさらすこともなく、いつでも練習できるようになりました。マネージャーは、誰が練習していて、どの弱点に取り組んでいるかを把握できます。

大切な問いは、これが新人の立ち上がりを短くするかどうかです。採用の1サイクルを経た後なら、私たちよりお客様のほうがうまく答えられるでしょう。

お客様に残るもの

  • シミュレーターとそのソースコード
  • 反論ライブラリ
  • 採点の定義と評価基準
  • エクスポートした会話記録の履歴

参考資料

  1. Microsoft Teams platform overview(Microsoft Learn)
  2. Collaborative intelligence: humans and AI are joining forces(Harvard Business Review)

同じような課題をお持ちですか? これは私たちのAI搭載業務アプリケーションチームが日々手がけている仕事です。お使いのシステムについてご相談ください。