AIを導入する前に、確認すべきことがある。
AIに読ませられる業務・業績データがあるか？
データがなければ、AIは会社固有の判断をできない。どれだけ高性能なモデルを導入しても、会社の状況を知らなければ一般論しか返せない。
メール、名刺、売上、商談履歴、社内連絡、問い合わせ、サイトアクセス。これらが紙、個人のパソコン、複数のExcel、口頭の報告に分散していれば、AIは全体像を読めない。
AI活用は、最新モデル選びから始まらない。「AIが読める会社」を作るところから始まる。
AIには業務の文脈が必要
一般的な質問へ答えるだけなら、AIへ会社のデータを渡す必要はない。しかし、「今月優先すべき顧客はどこか」「止まっている案件は何か」「どの業界への提案を強化すべきか」といった自社固有の問いへ答えるには、日々の業務データが必要だ。
HubSpotやSalesforceに商談履歴が残っている。Gmailに顧客とのやり取りがある。Slackに社内判断が記録されている。Notionに技術情報や手順が整理されている。GA4でサイト流入を計測している。こうしたデータを必要な範囲でAIから参照できれば、一般論ではなく、自社の状況に沿った提案を出せる。
MCPで普段のツールをつなぐ
MCPは、AIと外部のツールやデータを接続する仕組みだ。普段使っているWebツールをMCP経由でAIエージェントへつなげば、AIはチャット画面の外へ出て、実際の業務データを扱える。
CRMの商談履歴から、止まっている案件を探す。Slackの過去ログから、顧客対応で決めた内容を確認する。Notionの技術情報を参照し、提案資料の説明文へ変える。GA4と受注データを重ね、集客施策の優先順位を決める。MCPを使えば、この流れを一つにつなげられる。
ただし、すべてのデータを無条件にAIへ渡してはいけない。顧客情報や売上、社内資料をどこまで接続するか。権限、機密性、利用目的を踏まえ、経営側が決める。
量を絞ることも同じくらい重要だ。例えば製造業ニュースは、平日の朝7時55分にSlackへ届くようにしているが、重要なものは1日1件まで、金曜のまとめも2件までに絞り、3軸加工やCAMの実務に関係するものを優先している。AIにつなぐ情報も、AIから受け取る情報も、量より関連性で選ぶ。
中小企業こそ始めやすくなった
以前は、複数のシステムに蓄積されたデータを分析し、営業やマーケティングへ活用するには、大きな予算と専門人材が必要だった。しかし現在は、HubSpot、Slack、Gmail、Notion、GA4など、無料枠や低額プランから始められるWebツールがある。
最初から大規模なシステムを作る必要はない。まず問い合わせや商談をCRMへ残す。社内の重要な判断をSlackやNotionへ記録する。サイトの流入と問い合わせを計測する。この土台だけでも、AIが扱える情報は大きく増える。
最初に整えるべき4つのデータ
製造業でAI活用を始めるなら、次の4つから整理する。
- 顧客・商談・見積・受注失注などの営業データ
- 設備・材質・加工範囲・実績などの技術データ
- 顧客対応や社内判断のコミュニケーション記録
- サイト流入・問い合わせ・メール反応などのマーケティングデータ
この情報が継続的に残る仕組みを作れば、AIを資料作成だけで終わらせず、案件管理、営業準備、データ分析、経営判断へ使える。
AI活用の差は、プロンプトの巧さでは決まらない。何を記録し、どこへ残し、どの範囲をAIへ読ませられるかで決まる。会社の情報基盤そのものが、AI時代の競争力だ。
実際に営業データと流入データをAIで分析した事例は「SalesforceとGA4をAIで分析し、次の営業施策まで決めた方法」、AI基盤を止めずに運用するための復旧設計は「OpenClaw更新障害で分かった、AI基盤に必要な復旧設計」で書いている。
