メインコンテンツへスキップ
メニュー
AI Scoutby Radineer
ガイド

AIが商談パイプラインの金額合計を売上見込みとして答えてしまう2026|目標達成167%が実は48%になるのを防ぐ5つの手順

AIに商談一覧から今期の売上見込みを出させると、受注確度を掛けずに金額を合計しがちです。見込み5,000万円が加重では1,440万円になる例と、防ぐ5つの手順を解説します。

#AI活用#業務効率化#品質管理#プロンプト#データ分析#営業

「商談一覧から、今四半期の売上見込みを出してください」とAIに頼むと、全商談の金額を合計して返してくることがあります。表に並んだ数字を足すだけなので、計算そのものは合っています。しかし、その合計は「売上見込み」ではありません。

本記事の例では、パイプラインの金額合計は5,000万円です。AIはこれを見込みとして「目標3,000万円に対して達成率167%」と答えます。ところが受注確度を掛けた加重見込みは1,440万円で、達成率は48%です。この記事では、この取り違えが起きる理由と、防ぐ5つの手順を説明します。

見込み5,000万円が、加重では1,440万円になる

パイプラインとは、進行中の商談を段階(ステージ)ごとに並べたものです。初回商談の段階の案件と、口頭で内示をもらった案件では、受注できる可能性がまったく違います。そこで営業の予測では、ステージごとの受注確度を金額に掛けて合計する「加重パイプライン」がよく使われます。

説明のための例として、次の条件を置きます。金額はすべて税抜で、受注予定日はすべて今四半期内とします。

  • 今四半期の売上目標: 3,000万円
  • 確度は、自社の過去1年のステージ別受注率から設定した値

ステージ別の内訳

ステージ件数1件の金額金額合計受注確度加重見込み
初回商談8件300万円2,400万円10%240万円
提案6件250万円1,500万円30%450万円
見積提示4件200万円800万円60%480万円
口頭内示2件150万円300万円90%270万円
合計20件-5,000万円-1,440万円

金額合計は5,000万円で、目標の約1.67倍あります。一見すると余裕のある数字です。しかし加重見込みは1,440万円で、目標の48%にとどまります。目標との差は1,560万円です。

「足りている」と「半分以下」では打ち手が逆になる

達成率167%と報告されれば、新規の商談づくりを止めて、既存案件の対応に集中する判断になりがちです。実際には48%なので、必要なのは逆の行動です。新規の商談を増やすか、確度の高いステージへ案件を進める必要があります。

差の1,560万円を初回商談だけで埋めるとします。確度10%なので、金額にして1億5,600万円分の新しい商談が必要です。四半期の途中でこの差に気づくのと、期末に気づくのとでは、取れる手がまったく違います。

AIが金額をそのまま合計してしまう3つの理由

理由1: 「見込み」という言葉の定義が指示にない

「売上見込み」は、会社によって意味が違う言葉です。パイプラインの総額を指すこともあれば、加重した値や、確実な案件だけの合計を指すこともあります。定義を書かずに頼むと、AIは表から最も素直に出せる金額合計を選びやすくなります。

理由2: 表に確度の列がない

CRM(顧客管理システム)から商談を書き出すとき、ステージ名だけで確度の列を含めないことがよくあります。AIは「提案」や「見積提示」という文字から確度を推測できません。列がなければ掛ける数字がないので、合計するしかなくなります。

理由3: パイプラインカバレッジと混同している

営業管理には「パイプラインカバレッジ」という指標もあります。加重しないパイプライン総額を目標で割った値で、例では5,000万円÷3,000万円で約1.67倍です。3倍前後を目安とする考え方がよく紹介されます。

この指標は「商談の量が足りているか」を見るもので、それ自体は正しい使い方です。問題は、カバレッジの1.67倍を「達成率167%」と読み替えることです。AIがこの2つを区別せずに答えると、量の指標が着地予測にすり替わります。

取り違えを防ぐ5つの手順

手順1: 「見込み」の定義を指示に書く

最も効くのは、何を出してほしいかを式で書くことです。次のように指示します。

今四半期の売上見込みを出してください。
定義: 各商談の「金額 × ステージ別受注確度」の合計(加重パイプライン)。
金額をそのまま足した総額は「パイプライン総額」と呼び、見込みとは別に表示してください。
目標達成率は加重パイプラインで計算してください。

総額と見込みに別の名前を付けておくと、報告の中で2つが混ざりにくくなります。

手順2: 確度は自社の過去実績から出して渡す

確度の数字は、一般論ではなく自社のデータから出します。たとえば過去1年で「見積提示」まで進んだ商談が50件あり、そのうち30件を受注したなら、確度は60%です。

AIに「一般的な確度で計算して」と頼むと、根拠のない数字が入ります。確度の表は人が用意し、AIには「この表の値を使うこと。表にないステージがあれば計算を止めて報告すること」と指示します。

手順3: 受注予定日で対象期間を絞る

パイプラインには、来期以降に受注予定の商談も混ざっています。今四半期の見込みなのに、半年先の大型案件まで合計に入ると、数字は大きく膨らみます。

指示には「受注予定日が今四半期内の商談だけを対象にすること。対象外にした件数と金額も示すこと」と書きます。除外した分が見えると、期をまたぐ案件の扱いを人が判断できます。

手順4: ステージ別の内訳と平均確度で検算させる

合計の数字だけを受け取ると、誤りに気づけません。本記事の表と同じ形で、ステージごとの件数・金額・確度・加重見込みを出させます。

そのうえで「加重見込み÷パイプライン総額」を計算させます。例では1,440万円÷5,000万円で28.8%です。この値が100%なら、確度を掛け忘れています。初期段階の商談が多いのに80%を超えるような場合も、確度の設定を疑うきっかけになります。

手順5: 期待値と「堅い数字」を分けて報告させる

加重見込みは期待値です。1件ずつ見ると、商談は受注か失注のどちらかで、60%だけ受注することはありません。例の口頭内示2件は、加重では270万円ですが、実際の結果は0円・150万円・300万円のいずれかです。

件数が少ないチームほど、期待値からのぶれは大きくなります。そこで報告は次の3段に分けます。

  • 堅い数字: 口頭内示など、ほぼ確定の案件の金額合計(例: 300万円)
  • 加重見込み: 確度を掛けた合計(例: 1,440万円)
  • パイプライン総額: 参考値として、カバレッジと一緒に表示(例: 5,000万円、約1.67倍)

3つを並べると、「最低でもいくら」「平均的にはいくら」「商談の量は足りているか」を一度に判断できます。

コピーして使えるプロンプト例

添付の商談一覧(CSV)から、今四半期の売上見込みを集計してください。

# 前提
- 今四半期: 10月1日〜12月31日
- 売上目標: 3,000万円
- ステージ別受注確度: 初回商談10% / 提案30% / 見積提示60% / 口頭内示90%

# ルール
1. 受注予定日が今四半期内の商談だけを対象にする。対象外の件数と金額も示す。
2. 加重見込み = 各商談の金額 × ステージ別受注確度 の合計。
3. 金額をそのまま足した値は「パイプライン総額」と呼び、見込みと呼ばない。
4. 確度表にないステージがあれば、計算を止めて報告する。
5. 目標達成率は加重見込みで計算する。

# 出力
- ステージ別の表(件数・金額合計・確度・加重見込み)
- 堅い数字(口頭内示の金額合計)/加重見込み/パイプライン総額 の3段
- 検算: 加重見込み÷パイプライン総額(100%なら確度の掛け忘れ)
- 目標との差額と、差を初回商談で埋める場合に必要な商談金額

CRMの予測機能で自動化する方法もある

商談の件数が増えると、毎回CSVを書き出してAIに渡すのは手間です。HubSpotなどのCRMでは、商談ステージごとに受注確度を設定し、加重した金額で予測を表示できます。Salesforceにも、商談フェーズに確度をひも付ける仕組みがあります。

ツールを使う場合も、確度の初期値をそのまま使わず、自社の実績に合わせて見直すことが大切です。AIによる予測機能を比べたい場合は、AI営業予測・パイプライン予測ツールの比較も参考にしてください。

売上の数字をAIに扱わせるときは、ほかの指標でも似た取り違えが起きます。年払い入金をMRRに一括計上する誤りや、CAGRと単純平均成長率の取り違えもあわせて確認してください。

まとめ

AIに商談一覧から売上見込みを出させると、受注確度を掛けずに金額を合計してしまうことがあります。本記事の例では、パイプライン総額5,000万円を見込みとして扱うと達成率167%に見えますが、加重見込みは1,440万円で達成率48%でした。

防ぐ方法は5つです。見込みの定義を式で書く、確度を自社実績から出して渡す、受注予定日で期間を絞る、内訳と平均確度で検算させる、堅い数字・加重見込み・総額の3段で報告させる。この5つをプロンプトに入れておけば、「足りている」という誤った安心を防げます。

AIツールをお探しですか?

200種類以上のAIツールを徹底比較。あなたに最適なツールが見つかります。

ツール一覧を見る
AI
執筆・監修

AI Scout編集部

AIツール・SaaS専門のレビューチーム。最新のAI技術動向を追い、実際にツールを使用した上で、正確で信頼性の高い情報を提供しています。

公開日: 2026年9月16日
最終更新: 2026年9月16日