リードの熱量を逃さない。Agentforceで到達した「自律型セールス」の最適解

ベルフェイスは、イベント直後に発生するリード流入量の激しい変動と、インサイドセールス組織の「不安定さ」に直面していました。限られた体制では、営業・インサイドセールスが対応しきれず、せっかく獲得したリードの連絡が遅れ、熱量が下がっていく。営業の機会損失が、静かに積み上がっていたのです。

同社はAgentforceを導入し、一次対応を“人の頑張り”に依存しない状態へと切り替えました。

動画視聴などの行動を起点に、業界に合わせた最初のメールを自動で送り、次のアクションまでをつなぐ。その結果、営業は最も重要な商談準備に時間を取り戻せるようになります。

さらに、Salesforce上の情報が「後からまとめて入力される」状態から、「何もしなくても入っていく」状態へ。受注1件あたりの工数は50時間から28時間へと短縮し、組織全体の生産性は2倍の水準に近づきました。

2015年創業のベルフェイス株式会社は、「営業をテクノロジーで解放する」をビジョンに掲げ、オンライン商談システムで国内市場を牽引してきました。

コロナ禍での市場環境激変を経て、金融業界向け営業ツールで圧倒的シェアを誇る一方、Salesforceへの入力を自動化する「bellSalesAI」事業へ注力。

日本国内でも有数のSalesforce活用企業として、AIと人が共生する次世代の営業モデルを自ら体現しています。

課題は「人が足りない」だけではありませんでした。現場では、性質の異なる「2つの詰まり」が同時に起きていました。

ひとつは、インサイドセールスの対応件数の繁閑の差です。

展示会やイベントで短期間に100件規模の引き合いが集まっても、日程調整や架電が追いつかない。結果として、積み残したリードの一部は、1週間も経たずに冷えていく。せっかくの反応が、対応速度の差で失われていました。

もうひとつは、情報の粒度とタイミングでした。

Salesforceは根づいていたものの、入力が週末にまとめられたり、粒度が落ちたり、抜け漏れが発生したりする状態が、現場の“あるある”として常態化。数字は見えても、その先のデータ活用へ進みにくい。組織が成長するほど、ここがボトルネックになっていたのです。

採用で埋めるにも、インサイドセールスは定着しづらい。社員と業務委託の混成で回しながら、「繁閑」を吸収する設計が必要でした。

24時間365日、一定品質で一次対応を続け、情報を確実に残す仕組みへ――。

従来の延長では、「限界」が見え始めていました。

リードの“最初の1通”を、繁閑に左右されない仕事へ

同社はまず、リード対応の入り口を見直しました。AppExchange上での動画視聴などの行動をトリガーに、Agentforce SDRが一次対応する流れを組んだのです。

フォームで取得できる情報はメールアドレス中心で、電話をかけられないリードも多い。だからこそ、最初のメール1通で温度を落とさない設計が必要でした。

Agentforceは、社名などの情報から外部データベースと突合し、業種を推定。業界に合わせて文面を変え、必要に応じて事例を添えて送信します。

テンプレの一斉配信ではなく、「刺さり方」を揃えにいく一次対応へと置き換えました。

答えすぎない設計で、品質を守りながら前に進める

AIが便利になるほど、怖いのは“言い切ってしまう”ことです。同社は、料金や技術など誤解が生まれやすい領域は、エージェントが抱え込まない設計にしました。

興味が返ってきたら日程調整へ、深い質問は営業にトスアップする。

やることを絞ることで、クレームやオプトアウトを回避し、運用として回る状態にしています。

Slack上のフィードバックで、営業の成長を日常に溶かす

Agentforceは、顧客対応にとどまらず、営業の育成や振り返りのプロセスにも入り込みます。

商談の内容を踏まえ、「説明が長い」「課題の深掘りが弱い」「クロージングが薄い」といった具体的な指摘が、Slack上で即座にされる。マネージャーが付きっきりで指導しなくても、振り返りが日常の中に残るようになり、育成が「特別な時間」ではなくなりました。

「入力する／しない」の議論から、いつの間にか情報が溜まり、次の打ち手に目が向く状態へ。Salesforce上のデータが、ようやく意思決定の速度に追いつく形になったのです。

同社は、AIの選択肢として、Salesforce外のLLM活用も含めて現実的に検討していました。

その中で、営業の業務設計にAIを組み込むうえで重視したのが、「Salesforce内の顧客コンテキストを前提に動けること」と「運用として溶け込むこと」。Agentforceが決め手になったのは、顧客情報・商談履歴・活動ログといった文脈の上で判断できる点でした。

「この顧客に、これまでどう接してきたか」を前提に、次の一手を出せる。他のAIを単体で置いても、ここは再現しづらいと同社は捉えました。

Data Cloudを活用することで、Salesforceにないデータ（プロダクト利用状況など）も重ねながら、判断材料を広げていける拡張性も見据えました。

AIを「誰かの便利ツール」で終わらせず、日々の業務フローに溶け込む“当たり前の戦力”にする。

その姿が具体的に描けたことが、最終判断を後押ししました。