共通データベースの限界と「アナログな収集」の課題
セッションの冒頭、竹内氏は現在の営業現場が直面する構造的な課題について言及した。 「これまでの時代は、大手の企業データベースという『共通のデータベース』を皆様が使っていた。どの企業も同じデータ、同じ情報に基づいて意思決定をしていたため、なかなかうまく成果が出なかった」と竹内氏は指摘する。
名城大学在学中に米国NFLへ挑戦し、その後商社勤務を経て再び競技を継続。現在は日本社会人アメリカンフットボールリーグ（Xリーグ）にて選手として活動。ビジネス領域では、BDR（Business Development Representative）やSDR（Sales Development Representative）としてインサイドセールスやフィールドセールスに従事。営業代行を通じて多様なクライアント企業の成長を支援し、社内MVP受賞や目標達成率1位の実績を残す。現在はDATAZORA株式会社に所属し、AIを活用した企業リサーチツール「KIJI」のAccount Executiveとして、企業の情報収集や分析の効率化に取り組む。営業戦略の立案から新規開拓、課題解決に至るまで幅広く担当し、AI×SaaSを活かした営業活動を推進している。
多くの企業が共通のデータベースに依存するアプローチは、アプローチ先の重複と提案の同質化を招き、営業効率の低下を招いている。
竹内氏が指摘した現場の具体的な課題は、情報の「鮮度」「量」「制度」のすべてにおよぶ。
- 情報の陳腐化：購入した営業リストは時間経過とともに古くなる。
- データの網羅性：既存データベースでは中小企業のデータが少ない。
- 非効率な収集：担当者が手作業でニュースやIR情報を調べる「アナログな収集」に依存し、リサーチに膨大な時間を浪費している。
- タイミングの逸失：データが古いため、最適な営業のタイミングを逃している。
「アナログの収集、共通データベースでは、限界にきている」と竹内氏は断言。この構造的な問題を解決する鍵が、AIとデータの活用方法の根本的な変革にあると続けた。
AIがもたらす転換点 「過去を振り返る」から「今を測る」分析へ
従来の営業活動が限界を迎える一方で、AI技術、とくにLLMの進化は営業データ分析の焦点を劇的にシフトさせたと竹内氏は語る。
「2年前まで、AIは高単価でどう使っていいかわからない存在だった。しかし今、AIのコストは2年前に比べて10分の1ほどに下がった」と竹内氏が指摘するように、技術的な障壁は急速に低下している。この変化により、データ分析の焦点は「過去を振り返るもの」から、「『今どんな企業か』『自社のニーズを持っているか』をリアルタイムで測れる」ものへと移行した。
たとえば、ニュースや中期経営計画書に「採用の強化」「新規事業への投資拡大」といったキーワードが出現したとする。これをAIが自動的に読みとり、「この企業は人員を増やす動きがある。だから求人広告や人材管理システムにニーズがあるはずだ」と、具体的な需要を推論し、営業の「きっかけ」を能動的に創出できるようになった。
アラム氏は、「我々が提供するプラットフォーム『KIJI』は単に情報を提供するわけではなく、どの業界を、どの順番で、どのような切り口で攻めるかといった『営業のシナリオ』をAIが提案できるように改善している」と述べ、AIが営業の「戦略家」の役割を担い始めている現状を解説した。
スタンフォード大学にて応用数学（BS）・統計学（MS）を修了。JPモルガン証券（日本）の債券部門でのインターンを経て、米国のクオンツヘッジファンド「Two Sigma Investments」にて6年間、クオンツリサーチャーとして活躍。その後、株式会社Deep Data Researchを共同創業。大手資産運用会社向けに企業データ配信サービスを提供し、日本国内外でのデータ活用の可能性を広げてきた実績を持つ。
