営業・顧客
営業・顧客で一部だけAI化する業務
- 業務
- 4件
- 判定
- 一部だけAI化する
- 合うモデル
- 44件
営業・顧客の業務のうち、当サイトの判定が「一部だけAI化する」のものを4件集めました。いまのやり方と、AIに移したあとのやり方を並べ、移す前の確認・最初の指示・測り方・合うモデルまで1ページで進めます。
いまのやり方と、移したあと
| 業務 | いま | 移したあと | 人に残る仕事 |
|---|---|---|---|
| 見積書を作る | 過去の見積を書き換える | 条件から下書きを出させる | 値引きの判断 |
| 顧客の履歴をまとめる | 記録を追って書く | 時系列でまとめさせる | 重要な出来事の判断 |
| 外注先への指示書を書く | 過去の指示書を書き換える | 要件から下書きさせる | 品質の基準 |
| 顧客の要望を分類する | 読んで振り分ける | 分類させて確かめる | 重要な少数意見 |
「一部だけAI化する」の意味
手順を決めてから、下ごしらえや下書きの部分だけをAIに渡す業務です。全部を任せると、人が見るべきところが抜けます。
| 業務 | 移しやすさ | 任せ方 | 向かない場合 |
|---|---|---|---|
| 見積書を作る | 手順を決めてから移す | 手順ごと移す | 見積の型が1つしかない場合 |
| 顧客の履歴をまとめる | 手順を決めてから移す | 手順ごと移す | 取引が短い場合 |
| 外注先への指示書を書く | 手順を決めてから移す | 手順ごと移す | 外注が少ない場合 |
| 顧客の要望を分類する | 手順を決めてから移す | 手順ごと移す | 要望が少ない場合 |
移す前の確認
全部に印が付くまで、移さないでください。
移す手順
見積書を作るを例にした4段の手順です。ほかの業務も同じ順で進めます。
1. いまのやり方を1回測る
「過去の見積を書き換える」に何分かかり、何回やり直したかを残します。移したあとと比べる材料になります。
2. 人に残る仕事を切り出す
「値引きの判断」はAIに任せません。誰がいつやるかを先に決め、手順に書き込みます。
3. 1件だけ移して比べる
「条件から下書きを出させる」の形で1件だけ通します。「過去の特殊な条件が引き継がれる」が起きないかを、ここで確かめます。
4. 続けるか戻すかを決める
記録を見て決めます。戻すときは「作った見積を全部残せば、経緯を追える」。戻せる状態を残したまま広げてください。
移さなくてよい業務を先に外す
当てはまるものは、無理に移さなくて構いません。
業務ごとの移し方
見積書を作る
いま：過去の見積を書き換える → 移したあと：条件から下書きを出させる
- 人に残る仕事：値引きの判断
- よくあるつまずき：過去の特殊な条件が引き継がれる
- 戻し方：作った見積を全部残せば、経緯を追える
- 向かない場合：見積の型が1つしかない場合
顧客の履歴をまとめる
いま：記録を追って書く → 移したあと：時系列でまとめさせる
- 人に残る仕事：重要な出来事の判断
- よくあるつまずき：細かいやり取りが並び、転機が埋もれる
- 戻し方：元の記録を残せば追い直せる
- 向かない場合：取引が短い場合
外注先への指示書を書く
いま：過去の指示書を書き換える → 移したあと：要件から下書きさせる
- 人に残る仕事：品質の基準
- よくあるつまずき：要件は揃うが、譲れない点が伝わらない
- 戻し方：過去の指示書を残す
- 向かない場合：外注が少ない場合
顧客の要望を分類する
いま：読んで振り分ける → 移したあと：分類させて確かめる
- 人に残る仕事：重要な少数意見
- よくあるつまずき：件数の多い分類に寄り、重要な一件が埋もれる
- 戻し方：原文を残す
- 向かない場合：要望が少ない場合
AIに渡す最初の指示
「移したあと」のやり方で、AIに最初に渡す指示です。人に残る仕事はAIにやらせず、印を付けて返させます。
これから「見積書を作る」を手伝ってもらいます。 いままでは「過去の見積を書き換える」でしていましたが、「条件から下書きを出させる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「値引きの判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・過去の特殊な条件が引き継がれることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「顧客の履歴をまとめる」を手伝ってもらいます。 いままでは「記録を追って書く」でしていましたが、「時系列でまとめさせる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「重要な出来事の判断」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・細かいやり取りが並び、転機が埋もれることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「外注先への指示書を書く」を手伝ってもらいます。 いままでは「過去の指示書を書き換える」でしていましたが、「要件から下書きさせる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「品質の基準」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・要件は揃うが、譲れない点が伝わらないことがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「顧客の要望を分類する」を手伝ってもらいます。 いままでは「読んで振り分ける」でしていましたが、「分類させて確かめる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「重要な少数意見」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・件数の多い分類に寄り、重要な一件が埋もれることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
効果を測る
移す前と後で、同じ1件を比べます。
【業務】［ ］
【いま】かかった時間［ ］分／やり直し［ ］回
【移したあと】かかった時間［ ］分／やり直し［ ］回
【人に残った仕事】［ ］分
【出てきたもの】そのまま使えた／直した（直した箇所［ ］）
【起きたつまずき】［ ］
【判断】続ける／やめる／もう1件
【やめるときの戻し方】［ ］人に残る仕事の担当を決める
AIに移しても、人に残る仕事は消えません。担当を書いて共有しておくと、抜け落ちを防げます。
【部署】［ ］ 【見直す日】［ ］ ・見積書を作る：値引きの判断 → 担当［ ］／いつ［ ］ ・顧客の履歴をまとめる：重要な出来事の判断 → 担当［ ］／いつ［ ］ ・外注先への指示書を書く：品質の基準 → 担当［ ］／いつ［ ］ ・顧客の要望を分類する：重要な少数意見 → 担当［ ］／いつ［ ］ 【困ったときの相談先】［ ］
社内に説明する
【試した業務】見積書を作る・顧客の履歴をまとめる・外注先への指示書を書くほか 【判定】一部だけAI化する（当サイトの判定を参考） 【試した結果】時間［ ］分→［ ］分／やり直し［ ］回→［ ］回 【人に残す仕事と担当】［ ］ 【続けるかどうか】［ ］ 【費用】［使ったモデルと月の目安］
営業・顧客の業務に要る機能と、合うモデル
営業・顧客の業務で効くのは商談の記録を長く読めることです。過去のやり取りを全部渡して要点を出させるので、一度に読める量が効きます。掲載76件のうち、この条件に合うのは44件でした。
| 候補 | なぜ候補か | 一度に読める量 | 入力100万 |
|---|---|---|---|
| DeepSeek V4 Flash 0731 | 単価がいちばん安い | 1,310,720 | $0.03 |
| Grok 4.20 Multi-Agent | 一度に読める量がいちばん多い | 2,000,000 | $1.25 |
| GPT-6 Sol Pro | 別の提供元で、単価が中くらい | 1,050,000 | $2 |
DeepSeek V4 Flash 0731（単価がいちばん安い）
DeepSeekのモデルです。入力100万トークン$0.03（目安5円）。件数が多い作業ほど差が出ます。渡せる入力は文字。
Grok 4.20 Multi-Agent（一度に読める量がいちばん多い）
xAIのモデルです。2,000,000トークン（原稿用紙でおよそ3,571枚）。資料を分けずに渡せます。渡せる入力は文字・画像・ファイル。
GPT-6 Sol Pro（別の提供元で、単価が中くらい）
OpenAIのモデルです。OpenAIのモデルで、入力100万トークン$2。1社に寄せないための比べ先になります。渡せる入力はファイル・画像・文字。
並べているのは公表されている仕様と単価だけで、出来の良し悪しの順位ではありません。同じ材料で1回ずつ試して、自分の作業で比べてください。
費用の目安を計算する
APIの料金は、読ませた量と書かせた量の両方にかかります。単価から3つの使い方の費用を出しました（入力・出力の量は当サイトの目安、1ドル150円）。
| モデル | メールの下書き1,000通 | 会議の要約100本 | 問い合わせの一次返信5,000件 |
|---|---|---|---|
| DeepSeek V4 Flash 0731 | $0.38（57円） | $0.109（16円） | $0.95（143円） |
| DeepSeek V4 Flash 0423 | $0.196（29円） | $0.093（14円） | $0.49（74円） |
| Llama 4 Scout | $0.5（75円） | $0.21（32円） | $1.25（188円） |
| GPT-6 Luna Pro | $0.7（105円） | $0.25（38円） | $1.75（263円） |
| GPT-6 Luna | $0.7（105円） | $0.25（38円） | $1.75（263円） |
| DeepSeek V4.1 Flash | $0.9（135円） | $0.345（52円） | $2.25（338円） |
| Qwen3.8 Omni Flash | $0.77（116円） | $0.319（48円） | $1.925（289円） |
| Qwen3.8 Flash | $0.77（116円） | $0.319（48円） | $1.925（289円） |
| Llama 4 Maverick | $1.029（154円） | $0.413（62円） | $2.573（386円） |
| GPT-5.6 Luna Pro | $1.6（240円） | $0.54（81円） | $4（600円） |
件数と1件の長さを入れると、月の費用の目安が出ます。
【1件の入力】［ ］トークン（日本語は1字およそ1〜1.5トークン） 【1件の出力】［ ］トークン 【月の件数】［ ］件 入力の費用 ＝ 1件の入力 × 月の件数 ÷ 1,000,000 × 入力の単価 出力の費用 ＝ 1件の出力 × 月の件数 ÷ 1,000,000 × 出力の単価 月の費用 ＝ 入力の費用 ＋ 出力の費用（ドル）× 為替
商談の記録を長く読めるモデル44件
| モデル（提供元） | 一度に読める量 | 100万トークン 入力／出力 |
|---|---|---|
| DeepSeek V4 Flash 0731（DeepSeek） | 1,310,720 | $0.03／$0.32 |
| DeepSeek V4 Flash 0423（DeepSeek） | 1,048,576 | $0.049／$0.098 |
| Llama 4 Scout（Meta） | 1,310,720 | $0.1／$0.3 |
| GPT-6 Luna Pro（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-6 Luna（OpenAI） | 1,050,000 | $0.1／$0.5 |
| DeepSeek V4.1 Flash（DeepSeek） | 1,048,576 | $0.15／$0.6 |
| Qwen3.8 Omni Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Qwen3.8 Flash（Alibaba（Qwen）） | 1,000,000 | $0.15／$0.47 |
| Llama 4 Maverick（Meta） | 1,048,576 | $0.188／$0.653 |
| GPT-5.6 Luna Pro（OpenAI） | 1,050,000 | $0.2／$1.2 |
| GPT-5.6 Luna（OpenAI） | 1,050,000 | $0.2／$1.2 |
| Gemini 3.1 Flash Lite（Google） | 1,048,576 | $0.25／$1.5 |
| Gemini 3.5 Flash Lite（Google） | 1,048,576 | $0.3／$2.5 |
| Nova 2 Lite（Amazon） | 1,000,000 | $0.3／$2.5 |
| GLM 5.3 FlashX（Z.ai） | 1,048,576 | $0.37／$1.25 |
| Qwen3.8 27B（Alibaba（Qwen）） | 1,000,000 | $0.42／$3 |
| DeepSeek V4 Pro 0813（DeepSeek） | 1,048,576 | $0.462／$1.386 |
| Gemini 3.8 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Gemini 3.7 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Gemini 3.6 Flash（Google） | 1,048,576 | $0.75／$3.75 |
ほかに24件あります（入力の単価が高い順に省略）。
営業・顧客の業務で、合うモデルが一度に読める量
やりたいことに要るおおよその量と、この中のモデルのうち一度に読めるものの数です。足りないモデルでは、資料を分けて渡すことになります。
| やりたいこと | 要るおおよその量 | 一度に読めるモデル |
|---|---|---|
| メール1通を書かせる | 1,000トークン | 44件／44件 |
| A4の資料1枚を読ませる | 2,000トークン | 44件／44件 |
| 1時間の会議の文字起こしを要約 | 15,000トークン | 44件／44件 |
| 契約書1通を読ませる | 20,000トークン | 44件／44件 |
| 本1冊を読ませる | 150,000トークン | 44件／44件 |
| 社内規程一式（本5冊ほど） | 750,000トークン | 44件／44件 |
モデルを使う前に決めること
試す前に、情シスや上長と決めておくことです。
この記事で使っている言葉
コンテキスト（一度に読める量）
1回のやり取りで渡せる文章の長さです。足りないと、前に渡したところを忘れます。大きいほど長い資料を分けずに渡せますが、読ませた分だけ費用もかかります。
トークン
AIが文章を数える単位です。日本語はおおむね1字が1〜1.5トークン。料金も読める量も、このトークンで数えます。
入力の単価・出力の単価
100万トークンあたりの米ドルです。読ませた量に入力の単価、書かせた量に出力の単価がかかります。出力のほうが高いのが普通です。
仕様はhttps://openrouter.ai/api/v1/modelsから2026-09-25に取ったものです。OpenRouter が各提供元から集めて公開している仕様です。単価は100万トークンあたりの米ドル。ベンチマークの点数や順位は含みません。
営業・顧客のほかの業務
顧客への提案内容を考える
判定は「判断は人に残す」。いまは過去の事例から考える、移したあとは案を複数出させて選ぶ。人に残るのは相手の事情の反映。顧客への提案内容を考える
名刺の情報を台帳に入れる
判定は「AIへ移しやすい」。いまは見ながら手で入力、移したあとは読み取らせて確認する。人に残るのは部署名の表記ゆれ。名刺の情報を台帳に入れる
取引先へのお礼状を書く
判定は「AIへ移しやすい」。いまは過去の文面を書き換える、移したあとは要点から下書きさせる。人に残るのは個別の言及。取引先へのお礼状を書く
契約更新の可否を判断する
判定は「判断は人に残す」。いまは実績と経緯を見て決める、移したあとは材料を並べさせて自分で決める。人に残るのは関係性の判断。契約更新の可否を判断する
顧客の解約の予兆を見つける
判定は「判断は人に残す」。いまはやり取りから感じ取る、移したあとは変化を出させて自分で見る。人に残るのは関係性の判断。顧客の解約の予兆を見つける
営業・顧客のほかの判定
- 営業・顧客で「AIへ移しやすい」業務（2件）
- 営業・顧客で「判断は人に残す」業務（3件）
よくある質問
全部まとめて移したほうが早くありませんか？
比べる相手がいなくなるので、効果を説明できなくなります。1件ずつ移して、測ってから広げてください。
どのモデルがいちばん良いですか？
当サイトは点数や順位を持っていません。上の候補を同じ材料で試し、自分の作業で正しさと直す手間を比べて決めてください。
人に残る仕事は、いずれAIに任せられますか？
この4件の「人に残る仕事」は、間違えたときの影響が大きいか、判断の材料がAIに渡らないものです。任せるかどうかは、移したあとの記録を見てから決めます。
次にやること
- 1件選ぶ
上の表から、いちばん手間のかかっている業務を1件選びます。
見積書を作る - いまのやり方を測る
移す前の1回を測っておかないと、効果を説明できません。 - 合うモデルを2つ試す
候補から2つ選び、同じ材料で比べます。