Codexで顧客別デモを30分で作成 商談移行が50〜60%増

- 車両管理ソフトのProactionは、営業担当者がCodexで顧客別デモを30〜45分で作れるようになったと説明しました。
- 月4〜6本のデモで開発工数を月40〜60時間減らし、商談が次段階へ進む割合は50〜60%高まったとの自己申告です。
- 企業は公開済みデータを使った1種類のデモから始め、作成時間、商談移行率、受注後の手戻りを同時に比べて再現性を確かめてください。
顧客データ入りデモを30〜45分で作る
OpenAIは9月25日、北米で車両管理ソフトを提供するProactionのCodex活用事例を公開しました。営業担当者は商談の録音、メール、顧客から受け取った表計算ファイルをCodexへ渡し、相手の車両や業務手順を反映したHTMLデモを作ります。月4〜6本を作成し、1本にかかる時間は30〜45分。従来なら技術者が約10時間を要したという比較から、月40〜60時間の開発工数を避けられたと試算しています。
“Now I do it myself in Codex.”
出典:OpenAI・Proaction導入事例
変化の中心は、コードを書く速度だけではありません。営業が顧客の言葉を画面へ変え、その場で「この項目は違う」「この承認経路が必要」と確認できる点です。文章やスライドで説明していた要望を、動く見本へ早い段階で置き換えています。
「売上60%増」より商談の変化を見る
公式ページの見出しは売上60%増と表現していますが、本文で示された具体的な指標は、初回接触から案件設計へ進んだ商談の割合が50〜60%増えたというProaction共同創業者の推定です。売上高、受注件数、比較期間、対象商談数は公開されていません。したがって、同じ伸びを他社でも見込める実証結果ではなく、導入企業による事例値として扱う必要があります。
| 公開された指標 | 数値 | 確認できない条件 |
|---|---|---|
| デモ作成時間 | 1本30〜45分 | 修正・承認を含む総時間 |
| 避けられた開発工数 | 月40〜60時間 | 実測か見積もりかの詳細 |
| 創業者の削減時間 | 月25〜33時間 | 導入前後の測定期間 |
| 商談の次段階への移行 | 50〜60%増 | 母数、受注率、売上額 |
それでも、企業が自社で追うべき数字ははっきりします。デモの作成本数だけでなく、デモ提示後に要件定義へ進んだ割合、受注までの日数、受注後の仕様変更数を導入前と比べることです。作業が速くても手戻りが増えれば、営業部門から開発部門へ負担を移しただけになります。
営業と技術者の役割は要件確定の前後で分ける
Proactionでは、営業が作ったデモを受注後に技術者へ渡し、完成品の視覚的な参照として使っています。これは技術者を商談から外すというより、曖昧な相談を具体化してから専門家へ渡す設計です。顧客は自社の車両や工程に近い画面を見ながら修正点を示せるため、仕様書を書く前の認識合わせに向きます。
一方、デモが本番システムの安全性や性能を保証するわけではありません。AIが作ったHTMLをそのまま本番へ移すと、権限管理、入力検証、監査ログといった見えにくい要件が抜ける恐れがあります。試作品は合意形成に限定し、本番コードのレビュー、テスト、運用承認は既存の開発工程へ戻す線引きが必要です。
公開済みデータの1種類から試す
再現性を確かめるなら、過去に成約した案件から機密情報を除き、公開済みの製品情報と架空データで一つのデモを作ります。営業担当者がCodexへ渡した資料、指示文、修正回数を残し、従来のスライド作成と比べて作成時間がどれだけ減るかを測ります。次の商談では顧客の反応を記録し、デモが要件の発見に役立ったかを確認します。
評価期間は商談一件で終わらせず、同じ種類の案件を5〜10件ほど揃えるのが現実的です。担当者ごとの差が大きければ、成功の理由はCodexより個人の説明力にある可能性があります。テンプレート化した指示で同じ品質を出せることが分かってから、対象商品や担当者を広げるほうが安全です。
顧客情報を入れる前にデータ経路を決める
Proactionの事例では、録音、メール、表計算ファイル、Gmail、Slack、Linear、GitHub、HubSpotなど複数の情報源をCodexから扱っています。便利さが増すほど、誰がどの顧客情報を読めるか、生成物をどこへ保存するか、退職者の接続をどう切るかが重要になります。
“We don’t train our models on your organization’s data by default.”
出典:OpenAI・法人データのプライバシー方針
OpenAIはChatGPT Business、Enterprise、APIなどの法人データを既定で学習に使わないと説明し、暗号化や権限管理を案内しています。ただし、契約プラン、接続先サービス、社内の保存方針は別々に確認しなければなりません。最初は個人情報を外した資料だけを使い、接続アプリの許可者、共有範囲、削除手順を決めてから実データへ進みます。
成功条件は速さと受注後の手戻りを両立させること
今回の事例が示すのは、生成AIを開発部門だけに置くより、顧客の要望を最初に受け取る人へ渡したときに業務全体が短くなる可能性です。営業が試作品を作り、顧客と修正し、技術者が確定した要件を受け取る流れなら、AIの出力が部門間の共通言語になります。
この効果が続くには、デモ作成の速さだけでなく、商談移行率と受注後の仕様変更が同時に改善する必要があります。まず1カ月、作成時間、次段階へ進んだ割合、開発着手後の変更件数を同じ表で追います。時間だけ減って変更が増えた場合は入力資料と承認工程を見直し、三つが改善した業務だけを標準手順へ移すのがよいでしょう。
※ 本記事は公開時点の一次情報にもとづいています。最新の状況は出典をご確認ください。
AI検索・LLMO対策
月額5万円で、AIに引用される会社へ
AIの進化が速いほど、自社の情報がAIにどう読まれるかも変わります。ChatGPTやGoogleのAI検索で正しく引用される状態を、AIMAが月額5万円でつくります。相談はチャットで回数の制限なし。記事・FAQの制作から公開・保守まで、本数・回数の上限なし。最低契約期間はありません。
監修者:水間 雄紀
株式会社AIMA 代表取締役
1986年和歌山県生まれ、近畿大学卒。金融機関、経営コンサルティング会社を経て、2018年にコンテンツ制作の専門会社である株式会社circlizeを創業。2024年、ラグザス株式会社に事業譲渡。現在は株式会社AIMAにてAI×マーケティング事業に従事し、株式会社ラグザス・クリエイトでコンテンツの品質管理責任者を務める。
監修者・運営会社について