オープンディールごとの次のベストアクション

40件のオープンディールを管理する担当者は、毎朝優先順位付けの問題を抱えています。

今日注意すべきディールはどれか？コンタクトが途絶えそうなのはどれか？3週間連絡していないステークホルダーがいるのはどれか？これを手動で把握するには、すべてのディールレコードを読み、最後のアクティビティ日付を確認し、コールノートをレビューし、時間的プレッシャーの下で判断を下す必要があります。

ほとんどの担当者はこれをしません。アクティブに感じるディールや最近のミーティングで話題になったディールにデフォルトします。静かなものは見落とされます。明らかに問題はないが進捗もないものは、緊急事態や損失になるまで放置されます。

Next Best Action（NBA）はこれを解決するAI機能です。各オープンディールについて、利用可能なシグナルを統合し、一つの具体的な推奨アクションを出力します。

Next Best Actionが実際に出力するもの

Key Facts: AIのNext Best ActionとパイプラインのパフォーマンスHigh

• AI搭載のパイプライン管理は、文書化されたB2Bの展開事例で平均的な営業サイクルを28%短縮し、リードからオポチュニティへの転換率を37%向上させています。（Bain & Company、2025年）
• Next Best ActionガイダンスにAIを使用する営業チームは、手動のパイプライン管理に頼るチームと比べて収益増加を経験する確率が1.3倍高くなっています。（Highspot、2025年）
• Bain & Companyは、AIのレコメンデーションをCRMのディールデータに接続した組織で、B2B営業の初期AI展開がWin率を30%以上向上させたと報告しています。（Bain & Company、2025年）

NBAは名前を変えたリスクスコアリングではありません。この区別が重要なのは、2つの機能が異なる目的に役立つからです。

ディールリスクスコアリングはクローズ確率またはリスクカテゴリ（高/中/低）を伝えます。「どのディールを心配すべきか？」に答えます。マネージャーがパイプライン検査に使います。担当者が大まかにどこに集中すべきかを知るために使います。

Next Best Actionは特定のディールについて今すぐすべき具体的なことを伝えます。「このディールで今日取れる最もレバレッジが高いアクションは何か？」に答えます。スコアではなくタスクです。担当者が次に何をすべきかを知るために使います。

どちらも有用です。しかしNBAはアクションのレイヤーであり、アクションこそがディールを動かすものです。

NBAのアウトプットはこのようなものです：

• 「今日、VP of Operationsに電話してください。彼女は経済的バイヤーで、過去3回のコールに1回も出ていません。そしてディールには来週マルチステークホルダーのレビューがあります。」
• 「金融サービスのWinのケーススタディを送ってください。見込み客が木曜日のコールで直接対応されなかったコンプライアンスへの懸念を述べました。」
• 「Mutual Action Planをリクエストしてください。このディールは18日間、明確な次のマイルストーンなしにProposalステージにいます。14日以内に明確な次のステップに移行しないProposalステージのディールのクローズ率は28%で、移行するディールの67%とは対照的です。」
• 「技術的なProof of Conceptセッションを予約してください。技術評価が10日前に始まりましたが、結果がログされていません。パイプラインにPoCが予約されていないということは、このディールが流れています。」

各レコメンデーションにはトリガー条件が含まれています。AIがこれを推奨している理由は何か？この透明性は担当者の定着率に重要です。レコメンデーションが生成された理由を理解している担当者はそれに基づいて行動する可能性が高いです。ブラックボックスからのタスクリストを見る担当者は無視する可能性が高いです。

ACEフレームワークにおけるNBAパイプライン

NBAはコアWorkflow Copilotのアプリケーションです。パターンはバックグラウンドで継続的に動き、担当者のコンテキストが変化するとアクションを表示します。

Ingest はすべてのディール関連データソースから収集します：

• CRMディールレコード：ステージ、金額、クローズ日の見積もり、アカウント、オポチュニティオーナー
• アクティビティログ：最後のコール日、最後のメール日、最後のミーティング日、最新のCRMノート
• コールトランスクリプト：提起された異議、バイヤーの感情、コミットされたアクションアイテム、ステークホルダーへの言及
• メールスレッド：返信の鮮度、議論されたトピック、転送行動（社内共有のシグナル）
• カレンダー：このアカウントとの予定されているミーティング、準備に使える時間
• MEDDPICCまたは同等のフィールド：どの基準が入力されているか、何が欠けているか

Analyze はディールの現在の状態を2つの参照ポイントと比較します：

1. ステージ進捗モデル：このステージのディールはどのように見えるべきか？このステージからクローズするディールに関連する典型的なアクティビティ、ステークホルダーのエンゲージメントパターン、タイムラインは？
2. 歴史的なWin/Lossパターン：このステージのディールのどのような具体的な条件がWin vs. Lossを予測したか？

Analyzeステップはギャップを特定します。このステージで真でなければならないが今は真でないことは何か？セカンドコンタクトのないシングルスレッドのディール？後期ステージで欠けている技術基準？加速するクローズ日の中での過去14日間のアクティビティなし？各ギャップは潜在的なNBAのトリガーです。

Predict はディールの軌跡を推定します。このディールは順調か、漂流中か、Loss寸前か？予測はNBAのレコメンデーションの緊急性に影響します。ゆっくり漂流しているディールは中優先度のレコメンデーションを表示します。Lossイベントのパターンに一致するディール（ステージの後退、Championが音信不通、初めて競合他社が言及される）は高優先度のレコメンデーションを表示します。Predict機能の記事はディール軌跡モデルがACEレイヤーでどのように機能するかを解説しています。

Generate は以下を含む具体的なアクションレコメンデーションを生成します：

• 推奨アクション（コール、メール、ミーティングリクエスト、コンテンツ送信、ディールレコードの更新）
• 理由：このレコメンデーションをトリガーしたデータ
• サポートコンテキスト：関連するコールトランスクリプトの抜粋、ステージデータ、比較可能なディール結果データ
• 優先レベル：このアクションはどのくらい緊急か？

ディールごとの単一アクション原則

ディールごとの単一アクション原則は、NBAがTo-Doリストになることを防ぐ設計上の制約です。各オープンディールは一度に1つの推奨アクションのみを表示し、ディール進捗への期待される影響でランク付けされます。担当者がディールごとに7つの推奨アクションを見ると、リストをノイズとして扱います。理由と共に1つの具体的なアクションを見ると、ディールコーチからの指示として扱います。この原則はAIに優先順位を付けさせます。ディールが失速シグナル、欠けているステークホルダー、未対応の異議を持っている場合、システムは3つすべてではなく最もレバレッジが高いアクションのみを出力します。担当者が最初のアクションを完了してから次のレコメンデーションが表示されます。

ディールごとに単一の優先付きレコメンデーションを生成するAI Next Best Actionシステムは、マルチアクションタスクリストを生成するシステムよりもレコメンデーション採用率が2〜3倍高くなっています。担当者が最初に何を優先するかを決める代わりにすぐに行動できるからです。

---

レコメンデーションの分類

NBAのレコメンデーションは5つのカテゴリに分類されます。分類を理解すると、担当者がどのような状況にあるかを認識するのに役立ちます。

失速介入。 ディールのステージに関連した特定の期間でアクティビティなし。期間はステージによって異なります。Proposalステージで7日間アクティビティなしは失速シグナルですが、初期のプロスペクティングで7日間アクティビティなしは正常です。レコメンデーションは最後の既知のコンテキストに特有の再エンゲージメントアクションです。最後のコールのトピックについてフォローアップする、彼らのビジネスで関連する何かが起きたことを参照する、ただチェックインするだけでなく本当に役立つものを送る。

ステークホルダーのギャップ。 シングルスレッドのディールまたは意思決定プロセスで欠けているステークホルダー。確認された経済的バイヤーが特定されないまま評価ステージに近づいているディールはリスクです。ITスポンサーが関与していないまま技術評価が進行しているのはリスクです。レコメンデーションはエンゲージメントを広げることです。「IT部長に自己紹介してください。メインChampionが彼らの関与について触れていません。このステージでマルチスレッドのディールは40%多くクローズします。」

意思決定基準のギャップ。 このステージで入力されるべきだが入力されていないMEDDPICCまたは資格審査フレームワークのフィールド。文書化された経済的正当性なしに後期ステージの交渉に臨むAEは、バイヤーが購入を正当化するために実際に何を必要としているかを知らずに交渉しています。レコメンデーションは欠けている情報を集めることです。「ビジネスインパクトが文書化されていません。次のコールの前に、定量化された価値ケースを確立するための発見の質問を準備してください。」

コンテンツとリソースの配信。 コールで特定の異議またはトピックが出てきて、それが送るべきコンテンツ、ケーススタディ、またはリソースにマッピングされます。AIはコールのトランスクリプトの異議シグナルをリソースライブラリとマッチングします。レコメンデーションは具体的です。「ヘルスケアのWinからのコンプライアンスケーススタディを送ってください。バイヤーが木曜日にHIPAAコンプライアンスを2回言及しました。」

前向きなコミットメント。 明確な次のステップまたはMutual Action Planが存在しない。明確な共有された次のステップのないディールはクローズ率が著しく低いです。レコメンデーションは1つ確立することです。「確認済みの次のマイルストーンがありません。クローズ日は3週間後です。次のやり取りでMutual Action Planをリクエストしてください。」

NBAが担当者のワークフローのどこに表示されるか

正しいタイミングや場所に届けられなかった良いレコメンデーションは無視されます。NBAを効果的に表示するには、担当者が次に何をするかを決定するタイミングを考える必要があります。

CRMホームスクリーン / パイプラインビュー。 デフォルトのレコメンデーション：パイプラインビューの各ディールとNBAレコメンデーションを並べて表示します。担当者はディールと各ディールの推奨される次のアクションを見ます。クリーンで関連性があり、コンテキストに合っています。欠点は担当者が積極的にCRMを開く必要があることです。

デイリーダイジェストのメールまたはSlackメッセージ。 当日のトップ5〜7のNBAレコメンデーションの朝のサマリー。担当者がプルするのを待つのではなくプッシュします。フォーマットは3分以内にスキャン可能であるべきです。ディール名、1文のNBA、優先度インジケーター。CRMの外で一日を始める担当者に効果的です。

ディールレコードのサイドバー。 担当者が特定のディールレコードを開いたとき、そのディールのNBAが目立つように表示されます。プッシュ通知より積極的ではありませんが、担当者がすでにディール管理モードにいるときに高い可視性があります。

ミーティング準備トリガー。 担当者が今後24時間以内にアカウントとのミーティングを持っている場合、関連するディールのNBAをプッシュします。準備コンテキストとアクションレコメンデーションを適切なタイミングで組み合わせます。

最良の実装は異なる緊急レベルで複数の場所にNBAを表示します。高優先度の失速介入（リスクのあるディール）はプッシュ通知が必要です。定常的な前向きコミットメントのレコメンデーションはデイリーダイジェストで十分です。

フィードバックループ

NBAは担当者が積極的に関与し、何をしたかをシステムに伝え、アウトカムデータがモデルに流れ戻ることを許可するとより良くなります。

担当者がNBAアクションを実行したとき： CRMにログします（ほとんどの優れたシステムはCRMアクティビティを「アクション実行済み」として自動検出します）。時間をかけて、担当者が特定のレコメンデーションタイプを実行した後に何が起きたかを追跡します。48時間以内に実行された失速介入のディールは高い回復率を示しましたか？特定の異議タイプの後のコンテンツ配信はクローズ率に影響しましたか？このアウトカムデータが将来のレコメンデーション品質を改善します。

担当者がレコメンデーションを却下したとき： 却下の理由をキャプチャします。「該当なし」「すでにやった」「タイミングが悪い」「このディールには間違ったレコメンデーション」。特定のレコメンデーションタイプに集中する却下の理由は品質の問題をシグナルします。AIは経験豊富な担当者が無関係だと感じるレコメンデーションを生成しています。それはトリガー条件を調整するシグナルです。

ディールが失注したとき： NBAの監査を実行します。NBA推奨システムがリスクをフラグしたのはどの時点か？担当者は実行しなかったレコメンデーションを受け取っていたか？Lossの前に、一貫して却下されていたレコメンデーションタイプはあったか？NBAの行動に接続されたLoss分析は、システムを改善するための最も価値あるデータのいくつかです。

AIコパイロットによるパイプラインレビュー準備は、NBAのレコメンデーションが担当者とマネージャーの週次パイプラインレビューの会話にどうつながるかを解説しています。NBAデータは共有の参照ポイントになります。「システムが10日前にエグゼクティブスポンサーコールを推奨しました。それは実行されましたか？」

担当者の自律性：採用率を決定する設計原則

NBAは監視のように感じられると失敗します。担当者が却下されたレコメンデーションがパフォーマンス評価のために追跡されていると思ったとき、彼らは却下するのをやめ、ディールに実際には必要でないと思うアクションを渋々実行し始めます。これが最悪の結果です。実際にディールが必要とするものと一致しないAIのレコメンデーションへの形式的な準拠。

設計原則：NBAは提案であり、指令ではありません。担当者はAIが持っていないコンテキストの知識を持つプロフェッショナルです。AIはデータを見ます。担当者は関係性、政治的な力学、バイヤーのパーソナリティ、そしてCRMにないその他多数のシグナルを知っています。ForresterのB2B営業におけるAIの分析はこれを強調しています。AIのレコメンデーションは、組織が強い人間の判断と学習文化と組み合わせない限り、当たり前の基準になってしまいます。NBAをTo-Doリストではなく思考ツールとして使う担当者が最も価値を得ます。

この原則の実装：

• 却下アクションを摩擦が少なく懲罰なしにする。低優先度のレコメンデーションには必要な理由なしの「該当なし」または「すでに対応済み」ボタン。
• 担当者のNBAパフォーマンスをマネージャーに担当者のパフォーマンスメトリクスとして表示しない。「担当者がNBAレコメンデーションを60%却下した」は担当者のパフォーマンスの有用な指標ではありません。担当者が非常に有能でモデルより優れた判断をしていることを意味するかもしれません。またはそのディールタイプにモデルの調整が必要であることを意味するかもしれません。
• フィードバックループを、コンプライアンスを強制する方法ではなく、モデルの品質を向上させる方法で構築する。

AIコパイロットによるCRMデータ品質管理の記事はデータ品質への依存関係を解説しています。NBAのレコメンデーションはそれが基づくディールデータと同程度の品質です。欠けているアクティビティの最終日付、不完全な資格審査基準、古い連絡先情報はすべてレコメンデーションの関連性を低下させます。

NBA機能を提供するベンダー

Clari は主に予測とパイプライン検査ツールですが、AIレイヤーにはディールリスクシグナルと推奨アクションが含まれます。マネージャー向けのパイプライン管理に強く、担当者向けのNBAエクスペリエンスは改善されていますが予測レイヤーほど成熟していません。

Gong Forecast はConversation intelligence（CI）シグナルに基づいたディールレコメンデーションを含んでいます。コールとメール分析から来るNBAレコメンデーションが特に強いです。対応されなかった異議、フォローアップなしに話題になったトピック、ステークホルダーのエンゲージメントパターン。すでにGongを使用しているチームには自然な選択肢です。

Salesforce Einstein はSalesforceのディールレコード内でAI生成の次のステップを提供します。最近のバージョンでは品質が大幅に向上しています。SalesforceをプライマリCRMとして使用するチームのための最も密な統合。

Rework CRM はディールレベルのNBAレコメンデーションを含むWorkflow Copilot機能を持っています。ディールステージデータ、アクティビティ履歴、CRMハイジーンレイヤーを通じて流れるエンリッチメントデータと接続されています。複数のポイントソリューションを管理せずに統合されたCRMとAIオペレーションプラットフォームを求めるミッドマーケットのRevOpsチーム向けに設計されています。

基盤となるACEパターンはWorkflow Copilotで、Predictがディールリスクと軌跡の作業を行い、Generateが具体的なレコメンデーションテキストを生成します。システムがどの程度の自律性を持つべきかを決定するガバナンスの考慮事項については、AIセールスオペレーションのガバナンスと監査証跡を参照してください。

複利リターン

NBAは接続されたWorkflow Copilotスタックの一部として最もよく機能します。CRMデータ品質が分析に供給されます。コールのトランスクリプトが異議の検出に供給されます。メールスレッドがステークホルダーのエンゲージメントシグナルに供給されます。エンリッチメントデータが意思決定基準のギャップ検出に供給されます。各接続された入力がレコメンデーションをより具体的で関連性の高いものにします。

クリーンなCRMデータ、最近のコールトランスクリプト、メール履歴にアクセスできるAIコパイロットを持つ担当者は、非常に注意深いディールコーチから来たように感じるNBAレコメンデーションを受け取ります。古いレコードと欠けているフィールドを持つCRMを参照しているAIコパイロットを持つ担当者は、ノイズのような汎用的な提案を受け取ります。

自動下書き営業フォローアップメールの記事はNBAのレコメンデーションが実行にどうつながるかを解説しています。AIがフォローアップを推奨したら、同じディールコンテキストからメールの下書きを作成できます。レコメンデーションがタスクを生成し、Workflow Copilotが実行の下書きを担当します。担当者は両方をレビューして行動します。

NBAは日常の営業オペレーションでWorkflow Copilotが真価を発揮する場所です。計画ミーティングではなく、四半期予測でもなく、担当者が火曜日の朝に40件のオープンディールを前にどこから始めるかを知る必要がある瞬間に。そして、その朝のレコメンデーションをTo-Doリストではなく出発点として扱う担当者が、四半期末までにより多くのディールをクローズする担当者です。

Rework Analysis: Rework CRMの展開事例では、採用率が最も高いNBAレコメンデーションは、CRMのディールレコードではなく毎日の朝のダイジェストに表示される失速介入です。パイプラインを開く前に「このディールは14日間アクティビティがない」を見た担当者は68%の確率でアクションを実行します。特定のディールレコードを開いたときだけ同じレコメンデーションを見た担当者は34%の確率で実行します。配信メカニズムはレコメンデーションの品質と同程度にアクション率を決定します。2番目に高い採用率カテゴリは前向きなコミットメントのレコメンデーションで、経験豊富な担当者がすでに知っていることと一致しています。次のステップが共有されていないディールはリスクがあります。

---

---

次に読む記事

• Workflow Copilot: AI as Peer-Level Assistant: NBAとすべての継続的なディールコーチングの背後にあるACEパターン
• CRM Data Hygiene With an AI Copilot: NBAのレコメンデーションを正確にするデータ品質の基盤
• Pipeline Review Prep With an AI Copilot: NBAのレコメンデーションがマネージャーと担当者のパイプライン会話でどう表示されるか
• Auto-Drafted Sales Follow-Up Emails: NBAのレコメンデーションを自動的にアウトリーチの下書きに変える方法