目次
Agentic GTMとは、AIエージェントが営業・マーケティングの実行工程を自律的に走らせ、人間は目標設定・例外対応・意思決定に回る事業運営モデルです。 GTMはGo-To-Market(市場に出るための一連の活動=マーケティング・インサイドセールス・営業・カスタマーサクセス)の略で、その実行レイヤーの主担当がAIエージェントに移ることを指します。従来のAI営業ツールとの境界は自動化の量ではなく、実行の所有権が人とAIのどちらにあるかです。この記事では、従来型との違い、導入率の実測データ、実態を伴わない「エージェント・ウォッシング」の見分け方、任せる工程の仕分け方までを整理します。
Agentic GTMとは何か — 定義の核は「実行の所有権」
従来のAI活用では、人が工程ごとに指示を出し、AIはその1タスクを速く仕上げます。企業情報を調べさせる、メールの下書きを作らせる、議事録を要約させる、といった使い方です。工程と工程のあいだは人がつないでいます。
Agentic GTMでは、この「つなぐ」役割がエージェント側に移ります。人が渡すのは目標(例:この条件に合う企業へ今週中に初回接触する)と制約(送ってよい文面の範囲、1日の上限件数、停止条件)で、エージェントは調査から記録までを自分で判断しながら進めます。人が関わるのは、最初の設定と、途中で発生した例外への対応です。
この違いはツールの機能表では見えません。同じ「AI搭載」という説明でも、人の指示なしに次の工程へ進めるかどうかで別物になります。 導入検討でまず確認すべきはここです。
従来のAI営業ツールと何が違うのか
SaaSベンダーの定義を突き合わせると、境界は4つの軸に整理できます。
| 観点 | 従来型(AI支援) | Agentic GTM |
|---|---|---|
| 自律性 | 人の指示が都度必要 | 目標を与えると自走する |
| タスク範囲 | 単一タスクの高速化 | 多段階ワークフローの完遂 |
| 意思決定 | 人が全ステップを判断 | エージェントが判断して実行 |
| 成果の所有 | 回答・下書きを出すだけ | 工程の完了そのものを持つ |
実装面では、作業の中心がアプリの画面内からAIモデル側へ移ります。担当者がCRMの画面を開いて入力する代わりに、エージェントがMCPのような接続仕様を通じて社内システムを直接読み書きする形です。営業担当の1日の中で「画面を開いている時間」が減り、「エージェントの出力を確認する時間」が増える、という変化として現れます。
生成AIの営業活用そのものは、すでに文書作業の領域で定着しています。業務別の使い方は生成AIの営業活用ガイドにまとめており、Agentic GTMはその延長ではなく、工程のつなぎ方を変える話だと捉えるのが正確です。
数字で見る現在地:買い手のほうが先を行っている
Deloitte Digitalが2026年2月に公表したB2B調査(米国のサプライヤー530社・バイヤー530社が対象、調査時期は2025年8月下旬〜9月上旬)は、売り手と買い手の非対称を示しています。
| 項目 | サプライヤー(売り手) | バイヤー(買い手) |
|---|---|---|
| 営業・購買業務でAIを利用 | 45% | 61% |
| 自律型(agentic AI)を利用 | 24% | 38% |
買い手のほうが先に進んでいます。 購買側がAIエージェントに要件整理・候補比較・見積依頼をさせている一方、売り手はまだ人が対応している、という構図です。海外のまとめ記事は導入率の高さだけを取り上げがちですが、実務で効くのは「AI利用45%」と「真の自律型24%」の差のほうです。AIを使っている売り手のうち、自律型まで踏み込んでいるのは半分程度(45%のうち24ポイント)で、残りは従来型の支援ツールの段階にあります。
同じ調査には、もう1つ厄介な数字があります。自社の営業プロセスを「ほぼ、または高度に自動化されている」と答えたサプライヤーは72%。ところが、その評価に同意したバイヤーは47%でした。 25ポイントの開きは、売り手の自己評価が買い手の体感より高いことを意味します。社内で「うちは自動化が進んでいる」と共有されている認識は、取引先から見た実感とずれている可能性があります。
その他の関連数値も押さえておきます。
- 自律型AIを未使用のサプライヤーのうち、約3分の2が導入予定。導入予定なしは9%
- ERPを刷新中・準備中・1年以内に計画中のサプライヤーは87%(基盤の入れ替えが導入の律速になっている)
- デジタル成熟度が高いサプライヤーは、低い企業より年間売上成長目標の超過達成が110%多い
AI活用と業績の相関自体は別の調査でも示されています。Salesforceが2024年に公表した営業調査(第6版、27か国の営業プロフェッショナル5,500名、調査時期2024年3〜4月)では、AIを使うチームの83%が増収を報告したのに対し、使っていないチームは66%でした。差は17ポイントです。使っていないチームの3分の2も増収しており、AIの有無だけで結果が決まるわけではありません。 導入の期待値は「効きやすい施策の1つ」であって、単独で数字を変える魔法ではないと見るのが妥当です。
「エージェント・ウォッシング」を見抜く
過熱の側にも冷や水があります。Gartnerは2025年6月、自律型AIプロジェクトの40%超が2027年末までに中止されると予測しました。 理由として挙げられているのは、コストの膨張・事業価値の不明確さ・リスク統制の不足です。
同時に指摘されているのが「エージェント・ウォッシング(agent washing)」です。既存のAIアシスタント・RPA・チャットボットを、実質的な自律性を備えないまま名前だけ付け替えて売る動きを指します。Gartnerは、agentic AIを名乗る数千のベンダーのうち実態を伴うのは約130社程度としています。
見分けるための確認項目です。ベンダーのデモと、自社データを使った短期検証の両方で確かめます。
| 確認項目 | 本物に近い回答 | ウォッシングの兆候 |
|---|---|---|
| 人の指示なしに何工程進むか | 目標を渡すと3工程以上を連続実行 | 1工程ごとにボタンを押す |
| 失敗時の挙動 | 自分で異常を検知して停止・再試行する | エラーで止まり誰も気づかない |
| 判断の根拠 | どの情報を見てどう判断したかがログに残る | 出力だけが返る |
| 外部システム連携 | 読み書き両方を認証つきで行う | 画面のコピー&ペースト相当 |
| 制約の設定 | 停止条件・上限・禁止事項を宣言できる | プロンプトで祈るだけ |
| 効果の測定単位 | 完了した工程数・通過率 | 生成した文章の本数 |
「AIが何を生成したか」ではなく「AIが何を完了させたか」で聞くと、区別がつきます。 検証は本番導入前の短期間で構いません。設計の型はPoC(概念実証)の進め方が使えます。
どの工程から任せるか
判断軸は2つです。取り消せるか(可逆性)と、間違いに後から気づけるか(検証可能性)。 この2つを満たす工程から順に渡します。
| 工程 | 任せ方 | 理由 |
|---|---|---|
| リード調査・企業情報の収集 | 全面的に任せる | 出力が事実ベースで検証できる |
| リスト作成・優先度づけ | 任せる(基準は人が決める) | 基準さえ正しければ実行は機械的 |
| 初回アプローチの文面作成 | 下書きまで | 社外に出る文章は送信前の確認を残す |
| 送信・フォローの実行 | 条件つきで任せる | 停止条件と1日の上限を先に定義する |
| CRM・SFAへの活動記録 | 全面的に任せる | 人がやる価値が最も低く、修正も容易 |
| 日程調整 | 全面的に任せる | 可逆・低リスク |
| フォーキャストの集計 | 下書きまで | 数字の説明責任は人が持つ |
| 商談・交渉 | 任せない | 相手が人。関係構築は代替できない |
| 価格・条件の決定 | 任せない | 不可逆で金額責任が伴う |
どこに人の確認を挟むかの設計はヒューマンインザループ(HITL)の考え方そのものです。全工程に承認を置くと確認が追いつかず素通しになるため、リスクに応じて濃淡をつけます。
任せる範囲が広がると、部門ごとに分かれていた工程の境界が実務上あいまいになります。The Model型の分業では、マーケ・インサイドセールス・営業の受け渡しが管理点でしたが、エージェントが工程をまたいで走るとその継ぎ目がなくなります。データとプロセスを横断で設計するRevOpsの役割が実質的に必要になるのはこのためです。
導入の順序
- 記録系の1工程だけを2週間任せる。 CRM・SFAへの活動記録が最初の候補です。判断基準は「入力漏れが手作業時より減ったか」。増えたなら次に進みません。CRM/SFAの基礎でデータ設計を先に固めておきます
- 停止条件を先に文書化する。 1日の実行上限、送信してよい相手の条件、止めるべき兆候(返信率の急落、同一文面の連投)を数値で書きます。書けない業務は、まだ任せる段階にありません
- 確認の深さを工程ごとに決める。 社外に出るものは全件確認、社内向けは抜き取り確認、といった振り分けを最初に決めます。運用の枠組みはAIガバナンスの整備とセットです
- 効果は作業時間ではなく通過率で測る。 「メール作成が10分短縮」ではなく、営業KPIの各段階の通過率と、次段階への到達件数で見ます。作業時間だけを見ると、確認工数の増加が計上されません
- 拡大の前にログを読む。 エージェントが何を根拠にどう判断したかを、1週間ぶんまとめて人が読みます。判断の誤りは出力の表面には出ないため、ここを飛ばすと失敗が見えないまま件数だけ増えます
段階を飛ばさない理由は、生成と評価を分けて回す仕組みが精度を決めるからです。同じ原理を当サイトの制作工程に適用した記録は自己修正ループにまとめています。
よくある失敗
- 「AI利用率」を成果指標にする: 使った人数や生成件数は成果ではありません。指標は完了した工程数と、パイプラインの各段階の通過率に置きます
- 人の確認を全件クリック承認にする: 処理量が人の確認能力を超えると、承認は形だけになります。確認できる件数まで処理量を絞るか、確認が必要な出力だけを機械的に振り分けます
- データが汚いまま任せる: 重複した企業レコード、更新の止まった担当者情報を与えると、エージェントは誤った前提のまま高速に実行します。手作業なら「おかしい」と気づけた部分が素通りします
- 例外処理を設計しない: 想定外に出会ったときに止まるのか、勝手に判断して進むのかを決めていない導入は事故になります。停止して人を呼ぶのが既定であるべきです
- 契約前に自律性を検証しない: 機能表とデモ動画だけで判断すると、エージェント・ウォッシングを掴みます。自社データでの短期検証を契約条件に入れます
- フォーキャストまで一気に任せる: 数字の説明責任は人にあります。集計と下書きは任せられても、確定は人の仕事です(売上予測の基礎)
まとめ
- Agentic GTMとは、AIエージェントがGTMの実行工程を自律的に走らせ、人は目標設定・例外対応・意思決定に回る運営モデル。境界は自動化の量ではなく実行の所有権
- 従来型との違いは、自律性・タスク範囲・意思決定・成果の所有の4軸。人の指示なしに次の工程へ進めるかどうかが実務上の判別点
- Deloitte Digitalの調査(2026年2月公表)では、自律型AIの利用は売り手24%に対し買い手38%。買い手が先行している
- 同じ調査で、営業プロセスが自動化されていると答えた売り手は72%、同意した買い手は47%。売り手の自己評価は買い手の体感より高い
- Gartnerは自律型AIプロジェクトの40%超が2027年末までに中止されると予測。エージェント・ウォッシングを避けるには「何を生成したか」ではなく「何を完了させたか」で確認する
- 任せる順序は可逆性と検証可能性で決める。記録・日程調整・調査から始め、価格決定と商談は人に残す
用語としての定義と関連語はAgentic GTMにもまとめています。サイト側をAIエージェントから扱える状態にする話はAIエージェント対応度で別途扱っています。
よくある質問
Agentic GTMと従来のAI営業ツールの違いは何ですか?
違いは自動化の量ではなく、実行の所有権がどちらにあるかです。従来型は人が工程ごとに指示を出し、AIは1つの作業を速くします。Agentic GTMでは目標と制約を与えると、エージェントが調査・文面作成・送信・記録・日程調整といった多段階の工程を自分でつないで完遂し、人は目標設定・例外対応・意思決定に回ります。人の指示なしに次の工程へ進めるかどうかが、実務上の境界線です。
どの工程から任せるのが安全ですか?
可逆で低リスクな記録系から始めるのが定石です。CRM・SFAへの活動記録、日程調整、リード調査は、間違えても取り消せるうえ結果を後から検証できます。逆に価格・条件の決定、契約に関わる文書、商談そのものは任せる対象になりません。社外に出る文面は下書きまでを任せ、送信前の確認を人に残す形が現実的です。
エージェント・ウォッシングはどう見分けますか?
デモで「人の指示なしに何工程まで進んだか」「途中で失敗したときに自分で気づいて止まるか」「判断の根拠がログに残るか」の3点を確認します。Gartnerは、既存のAIアシスタント・RPA・チャットボットを実質的な自律性がないまま名前だけ付け替えて売る動きをエージェント・ウォッシングと呼び、agentic AIを名乗るベンダーのうち実態を伴うのは約130社にとどまるとしています。自社データを使った短期の検証で確かめるのが確実です。