Sait Izmit氏（Snowflake）が語る、6,000 人への GTM AI エージェント導入 lessons

Snowflake の営業 AI 導入から学ぶ：網羅性より「精度」が信頼を勝ち取る鍵

Snowflake の Sait Izmit 氏は、同社で約 6,000 人の営業チーム向けに導入した AI エージェントの経験から、「全機能を実装する網羅性」よりも「特定の質問への回答精度」こそが最初の信頼を獲得し、定着率を高める鍵であると説きます。ユーザーの心理的ハードルを理解し、段階的なロールアウトと継続的な進化プロセスを設計することが、エンタープライズにおける AI 導入成功の唯一の道です。

データの民主化がもたらす営業の変革

Snowflake は約 10,000 人の従業員を抱える企業ですが、その半分以上が営業チームです。彼らの主な課題は、データがサイロ化されていることにあります。営業担当者は、社内外のデータを扱うために平均して 15 種類の異なるツールを切り替えながら、手作業でスプレッドシートにデータを統合しています。一人の担当者が管理する顧客数が 1,000 人を超える中で、最新のニュースや消費動向、サポートチケットの状況、決算結果などを常に把握し続けることは、人間には不可能です。

AI エージェントは、この「データ民主化」を実現します。営業担当者はもはや数百あるダッシュボードを眺めたり、分析家に問い合わせる必要はありません。必要な情報を AI に尋ねるだけで、ツールが統合され、インボックスの整理が可能になります。これにより、営業担当者は顧客対応に集中できるようになり、成約率の向上や商談期間の短縮といった具体的なビジネス成果へと繋がります。

最初の 5 問で信頼を「勝ち取る」精度優先戦略

しかし、AI プロジェクトが失敗する最大の理由は、非決定論的なシステムであるゆえに生じる「ユーザーの信頼喪失」です。一度の悪い体験は、数回の良い体験では取り返せないほど影響力を持ちます。

「品質は P マイナス 1（P-1）だ」。これが我々のチームのスローガンです。

Sait 氏は、プロジェクト開始時に「網羅性」を追求するのではなく、「精度」に特化する戦略を採用しました。例えば、営業プロセスに基づいて作成した 150 の質問に対し、初期段階ではデータが不足していても、無理に全機能を揃えるのではなく、回答できる範囲で「95% の精度」を目指すことを優先しました。

「100 問に対して 70% 正解する」よりも、「50 問に対して 95% 正解する」方が、ユーザーには良い第一印象を与え、信頼を築けます。最初の 5 回の質問で失敗すれば、挽回には 10 倍の労力が必要になるからです。

制御されたリリース：パイロットから GA への道

一度に全社展開することはリスクが高すぎます。Sait 氏は、以下の段階を経て信頼を積み上げていく「制御されたリリース」を行いました。

1. パイロット版: 組織内の AI に詳しいトップ層を対象に、精度と品質の証明を行います。粗削りな部分（ラフエッジ）を見つけ出し、フィードバックを反映させます。
2. ベータ版（10% ロールアウト）: より広い範囲で MVP（Minimum Viable Product）が機能するか検証します。ここでユーザーからのリクエスト集中箇所を確認し、日常業務に不可欠な機能が揃っているかを見極めます。同時に、週次アクティブユーザーの定着率が 70% を超えるかを指標としました。
3. GA（一般公開）: 精度とカバー範囲に自信を持ち、かつユーザーが継続利用していることを確認してから、全社展開を行います。

「ワウファクター」の崩壊と変化管理の重要性

製品をリリースした後も課題は続きます。多くの企業が陥るのが、「2 週間後に管理層から『なぜ誰も使わないのか』と問われる」という現象です。Sait 氏は、これは製品の欠陥ではなく「変化管理（チェンジマネジメント）」が不足している証拠だと指摘します。

「製品を試すのに 5 分もかからない人が 80% いるなら、それは私の責任ではありません。しかし、試さない人が大半なら、それは別の問題です。」

成功のためには、リリース後の数ヶ月間を費やして、営業会議でのデモ提供、ダッシュボードの作成、そして管理職への働きかけによる強制力のある導入支援に注力する必要があります。これにより、青い線（利用開始）が上がり、初めて「より深く活用する方法」について議論できる土壌ができます。

さらに、導入から 4〜6 ヶ月後には「ワウファクター（驚き）」が崩壊するリスクがあります。最初は「すごい！」と感じていた機能も、習慣化されると期待値は高まり、「もっとできないのか？」という不満に変わります。競合製品が登場すれば、すぐに乗り換えられてしまいます。

継続的な進化：データからオーケストレーターへ

この課題に対処するには、機能を追加し続ける「継続的な改善プロセス」が不可欠です。Sait 氏は、営業チームの AI 利用が以下の段階を経て進化していくと説明します。

1. データの民主化: 「データを話しかける」フェーズ。分析家への依存から脱却する。
2. ワークフローの自動化: MCP（Model Context Protocol）接続などを活用し、メールや Slack の監視、返信ドラフト作成などを実行する「オーケストレーター」として機能させる。
3. ツールの民主化: 営業チーム自身が IT や外部ベンダーに頼らず、独自のスキルを構築・実行できるようになる。

一度作って終わりではなく、ユーザーの期待値が上昇する前に次の価値を提供し続けることが、AI エージェントを長期的な戦力へと昇華させる鍵なのです。