顧客理解する AI GTM エージェント構築 - ドクター・サジャン・カヌコラヌ氏（Position2）

顧客は「購入」を決めてからやってくる：AI を中核に据えた B2B GTM の新戦略

現代の B2B 購買プロセスには、驚くべき事実があります。バイヤーが営業担当と接触する頃には、すでに意思決定が完了しているのです。Forrester の調査によると、94% のバイヤーが生成 AI を活用して事前調査を行い、67% が「営業なし」での購入を望んでいます。この現実に対応するには、既存のシステムに AI を付け足すだけでは不十分です。真の解決策は、AI を中核に据えた 3 層アーキテクチャと、バイヤーごとの文脈グラフ（Context Graph）を構築する自律型エージェントにあります。

「AI の付け足し」がもたらす限界

多くの企業が陥る罠は、既存の CRM やマーケティングツールの上に AI を「ボルトオン（追加）」することです。しかし、このアプローチには根本的な欠陥があります。単に AI を上乗せするだけでは、バイヤーの役割、過去の履歴、そして購買意図を理解することはできません。

「既存システムに AI を付け足すだけでは、スケーラビリティは得られません。AI 単体では誰がバイヤーなのか、彼らの意図は何なのかが見えないのです」

さらに、従来の GTM（Go-To-Market）スタック自体が、最新の購買意図シグナルや CRM の文脈を捉えきれていないケースが多いです。システムが古く、データ連携が破綻している状態で AI を上に乗せても、問題は解決しません。重要なのは、AI を中核に据えたアーキテクチャそのものを見直すことです。

3 層アーキテクチャで「文脈」を再構築する

Position Squared のサジャン・カヌコラ氏（VP of Global Operations and Strategy）が提唱するのは、以下の 3 つの層を統合した新しいアーキテクチャです。これにより、バイヤーがサイトを訪れた瞬間に、その背景にある「文脈」を理解することが可能になります。

1. シグナル収集層：見えない信号を捉える

まず重要なのは、あらゆるデータソースからシグナルを集めることです。CRM の取引情報やコンタクトデータだけでなく、ソーシャルメディア（特に LinkedIn）からの情報が鍵となります。

例えば、現在のアカウントで活躍していたスポンサーが退職し、競合他社ではなく「あなたのリストにない企業」へ移動した場合、そこには巨大なチャンスがあります。その人物が新しい組織で新たなエグゼクティブ・スポンサーになる可能性が高いからです。こうした「ジョブチェンジ」やエンゲージメントの変化を自動化して捉えなければ、機会を見逃します。

2. バイヤーインテリジェンス層：知識ベースとスコアリング

収集したデータを解釈する第二の層は、ナレッジベース（Knowledge Base）です。ここには、自社の製品情報、ICP（Ideal Customer Profile）、ペルソナ、プレイブック、成功基準など、組織が成功するために必要なすべてのコンテキストが蓄積されます。

さらに、訪問者の匿名情報を特定し、デ・アノニマイズしたデータと照合します。ここで重要なのが「スコアリング」です。誰が購入フェーズにいるのか、単なるリサーチ段階なのかを数値化し、適切なメッセージングのルーティングロジック（例：LinkedIn で outreach するか、メールを送るべきか）を決定します。

3. アクション層：パーソナライズされた対話と連携

最後に、収集したシグナルとインテリジェンスに基づいて行動を起こす層です。ここで重要なのは、チャットウィンドウが「どうすればお手伝いできますか？」という無難な質問から脱却することです。

「バイヤーはすでに調査を終えています。だから、名前を呼んで『前回どこで止まりましたか？』と語りかけたり、意図シグナルに基づいて具体的なコンテンツを提供したりする必要があります」

また、営業担当へのアラート送信も自動化されます。アラートが多すぎれば疲労し、少なすぎれば収益に響きます。適切なタイミングで、優先度の高いアカウントやコンタクト情報を営業チームへ送り、CRM を文脈付きで更新するシークエンストリガーが機能します。

文脈グラフ（Context Graph）の威力

この 3 層アーキテクチャが支えるのが「文脈グラフ」です。これは、バイヤー個人、アカウント、商談レベルの情報をすべて接続したネットワークです。

• 個人のシグナルはアカウントにリンクし、複数の人が所属する購買委員会（Buying Committee）の全体像を浮き彫りにします。
• 商談レベルの情報により、営業・マーケティングが既に誰にアプローチしたかが明確になります。

これにより、「どのアカウントが優先度が高いか」が一目でわかります。単なるリストではなく、文脈に基づいた優先順位付けが可能になるのです。

自律型エージェントによる自動化フロー

このアーキテクチャを実装する際、Position Squared では複数のエージェントが連携する自律型システムを構築しています。

1. 特定（Identification）: ユーザーがサイトを訪問した瞬間、匿名の状態で訪れます。ここでは複数のツールを組み合わせて情報を収集し、重複を除きます。
2. エンリッチメント（Enrichment）: 取得した情報を基に、バイヤーの詳細な属性を付与します。
3. フィルタリングとマッチング: ICP に合致するか、購買意図が高いかを判定し、適切な営業担当やアクションへルーティングします。

このフローは常に変化しますが、アーキテクチャ自体は安定しています。訪問者が訪れた瞬間から、彼らの背景を特定し、最適な対話へと誘導するのです。

運用の課題と未来への展望

しかし、完璧なシステムも一度きりでは終わりません。バイヤーの行動や市場環境は常に変化します。アラート疲労を防ぎ、識別精度を維持するためには、四半期ごとのモデル再学習（Re-learning）が不可欠です。

また、完全な自動化に頼るのではなく、人間が調整可能な「ポリシーエンジン」を備える必要があります。AI が提案する戦略に対し、営業担当やマーケターが最終的な判断を下せる仕組みこそが、持続可能な GTM エコシステムの鍵となります。

まとめ

B2B 販売の成功はもはや、「誰に電話するか」ではなく、「バイヤーがすでに決めたことをどうサポートするか」にかかっています。既存のシステムへの AI 追加ではなく、AI を中核に据えた 3 層アーキテクチャと文脈グラフを構築することで、企業は「購入意思決定の早期化」という構造的変化に対応し、真の競争優位性を確立できるのです。