「ChatGPTに営業メールを書かせてみたけど、送っても全然返信が来ない」
業務効率化に詳しいエンジニアとして中小企業の支援をしていると、この話をよく聞く。共通しているのは、AIに「営業メールを書いて」と指示しただけで終わっている、という点だ。
ChatGPTは確かに文章を生成できる。でも「返信が来る営業メール」と「文字として成立している営業メール」は別物だ。返信率を上げるには、文章を生成する前の設計が必要で、その設計こそがAI顧問が介在するポイントになる。
この記事では、AI顧問が営業メール自動化に関わるとは具体的に何をすることなのかを整理する。「ツールを使えば解決する」という話ではなく、なぜ自社でやると詰まるのかと、顧問が何を設計するのかを書いていく。
僕自身、ジムフリへの問い合わせを増やす過程で、コールドメールの自動化を自分で設計したことがある。最初の1ヶ月は「ChatGPTで生成→送信」を繰り返したが、ほぼ返信は来なかった。転換点になったのは、送付先ごとに「なぜ今この相手に連絡するか」の根拠を情報収集テンプレートで先に整理し、それをプロンプトに流し込む設計に変えたときだ。生成AIは変わっていない。変わったのは設計だった。
「AIに書かせたけど返信が来ない」の本当の原因
ChatGPTやClaudeで営業メールを生成しても成果が出ない会社には、共通したパターンがある。
パターン1：指示が汎用すぎる
「新規開拓の営業メールを書いて」だけで送ると、「拝啓、貴社ますますご清栄のこととお慶び申し上げます」系の汎用文体が出てくる。受け取った側から見ると、一斉配信だと分かる文面になる。
AIは指示に忠実だ。汎用的な指示には汎用的なメールを返す。
パターン2：相手の情報が入っていない
返信率が高い営業メールには「なぜ今この会社に連絡したか」が書いてある。採用ページを見て「エンジニア採用を強化している時期にシステム構築を提案したい」とか、決算公告を見て「売上が伸びている局面に合わせた提案をしたい」といった、相手企業の文脈が入っている。
AIはその情報を自力では調べてくれない。誰かが集めてAIに渡す設計が必要になる。
パターン3：フィードバックのない一発打ち
営業メールは一度作って終わりではない。「件名Aと件名Bで開封率が変わる」「業種によって刺さる切り口が違う」という改善を繰り返す必要がある。
計測の仕組みなしに「やってみて終わり」を続けると、何がうまくいったのか分からないまま時間が過ぎる。
AI顧問が営業メール自動化で行う具体的な支援
AI顧問の仕事は「ChatGPTを代わりに操作すること」ではない。「メールが返信される確率を上げる仕組みを設計し、定着させる」というのが実態だ。
支援の流れは大きく4段階になる。
1. 現状の営業メール業務を棚卸しする
まず現状を確認する。1通のメールを送るまでに誰が何をやっているか、どこに時間がかかっているか、過去のメールの内容はどうだったか。
よく見られる状況は、「各営業担当者がバラバラな文体でメールを書いている」「テンプレートはあるが硬くて実際には使われていない」「メールを送った後に追跡していない」といったものだ。
ここを整理せずにAIを導入しても、「バラバラな文体がAI生成に変わっただけ」になる。
2. 「良いメール」の定義と評価基準を作る
次に、何をもって「良い営業メール」と判断するかを決める。
開封率なのか、返信率なのか、商談化率なのか。業種・規模・アプローチ段階によって評価基準は変わる。この定義が曖昧なまま自動化を進めると、何を改善すべきか分からない状態になる。
3. プロンプト設計と相手情報の収集フローを作る
これが核心部分になる。
AI顧問が設計するのは「プロンプト」ではなく「プロンプト設計の仕組み」だ。
具体的には次の要素を構造化する。
送信前に収集する相手情報のテンプレート
- 企業名・業種・規模
- 直近の動向（採用状況・プレスリリース・決算情報）
- 担当者名・役職
- 自社サービスとの接点（なぜ今この会社に連絡するか）
この情報を集める作業を誰がどのツールで行うかを決める。LinkedIn・求人サイト・企業HP・プレスリリースなど、情報源と収集手順を標準化する。
プロンプトの構造設計
収集した情報を入れる「型」を作る。「○○業界の○○社様向けに、○○という文脈で、○○を提案する件名5パターンと本文を書いて」という型だ。汎用的な一行指示とは異なり、相手の文脈が入った状態でAIに生成させる形になる。
文体・トーンのキャリブレーション
自社の過去のメールで反応が良かったもの・悪かったものを分類し、どんな書き方が自社のターゲット層に合っているかをAIに学習させる。「体言止めで端的に書くか」「丁寧語で詳しく説明するか」など、自社のスタイルをプロンプトに組み込む。
4. 効果測定の仕組みと改善サイクルを作る
最後に、送ったメールの結果を追跡して改善につなげる仕組みを作る。
最低限必要なのは「送信数・開封数・返信数・商談化数」を記録する仕組みだ。Gmailの場合は開封追跡ツールを組み合わせ、CRMがあれば商談化率まで追う。
AI顧問はここまでの仕組みを設計した後、月次または隔週で「今月の結果をどう解釈し、何を変えるか」のチューニングを行う。
業務別のBefore/After
新規開拓メールの作成
Before
営業担当者が1社ずつ企業HPを見てメールを書く。1通あたりの作成時間が長い上に、担当者によって文体・切り口がバラバラ。テンプレートを使うと内容が薄くなるため結局手書きが続く。
After
相手情報の収集テンプレートに沿って情報を入れ、設計済みのプロンプトで生成する。AIが出した文章を担当者が確認・調整して送信。1通の作成にかかる作業が大幅に短縮され、品質のブレが減る。
AI顧問の介入ポイント
情報収集テンプレートの設計、プロンプトの型の構築、初期のパイロット送信での結果分析と文体チューニング。
フォローアップメールの設計
Before
初回の営業メールを送った後、返信がなかった場合のフォローアップを担当者が都度考えて書いている。タイミング・件数・切り口がバラバラで、フォローを忘れる案件も出る。
After
「初回送信から5営業日後」「1次フォローから7日後」というタイミングと、フォローメール用の別プロンプトを設計する。ステータス管理と組み合わせることで、フォローのタイミングを担当者が管理する必要がなくなる。
AI顧問の介入ポイント
フォロー設計（何回・何日後・どんな切り口か）の決定、フォロー用プロンプトの設計、ステータス管理ツール（CRM・スプレッドシート）との連携設計。
返信対応のテンプレート化
Before
「詳しく聞かせてください」「今は時期ではないです」「他社で検討中です」など、返信のパターンには一定の型がある。でも担当者が毎回手書きで対応している。
After
返信パターン別の対応テンプレートをAIと共に設計する。完全な自動返信ではなく「これを参考に担当者が送る」という形にすることで、品質を保ちながら作成時間を削減する。
AI顧問の介入ポイント
返信パターンの洗い出しと分類、パターン別の対応方針の定義、テンプレートのAI生成と担当者チェックのフロー設計。
自社でやる場合とAI顧問を使う場合の違い
自社で営業メールのAI自動化を進めようとしたとき、詰まりやすいのは次のポイントだ。
プロンプトの改善が属人化する
プロンプトを試行錯誤できる人が1人いて、その人が異動や退職すると仕組みが止まる。ノウハウが個人に集まっている状態だ。
何がうまくいったか分からないまま進む
計測がないと「今月は返信が多かった気がする」という感覚値でしか判断できない。何を変えたから良くなったのかが追えない。
ツールが増えるだけで運用が定着しない
メール追跡ツール・CRM・AIツールを並べたが、誰もルーティンとして使っていない状態になりやすい。ツールの操作を教わったが、「使い続ける理由」が設計されていないケースだ。
AI顧問が介在することで変わるのは、「設計した仕組みが実際に使われ続けるかどうか」という部分だ。月次で結果を見て、どこを変えるかの判断を一緒にやる。この継続的なチューニングが、社内だけでやると後回しになりやすい。
AI顧問を使う・使わないの判断基準
自社でできるケース
- 営業担当者にITツールやプロンプト操作に慣れている人がいる
- 送るメールの量が多くなく、改善サイクルを回す時間がある
- 過去に送ったメールの結果が記録されていて、何が機能したか追える状態にある
AI顧問を使った方がいいケース
- ChatGPTを試したが、出てくるメールが汎用的で使えない状態が続いている
- 担当者が変わるたびに営業メールの品質がリセットされている
- 「送った後どうなったか」を誰も管理していない
- 新規営業を増やしたいが、担当者のリソースが追いついていない
- メール自動化の設計に時間を割けるリソースが社内にない
「試したが成果が出なかった」という状態で止まっているなら、ツールの問題ではなく設計の問題だ。プロンプトを一から見直す前に、相手情報の収集フローと評価基準を整理する方が先になる。
費用感についてはAI顧問の費用相場｜月額3万〜30万円の価格帯と内訳を参照してほしい。営業メール自動化に特化した支援だけを依頼するのか、バックオフィス全体も含めるのかで必要な契約範囲が変わる。
まとめ：AI顧問は「メールを書く人」ではなく「返信が来る仕組みを設計する人」
AI顧問に営業メールの自動化を依頼するとは、ChatGPTを代わりに操作してもらうことではない。
「相手情報を収集するフロー」「返信率を上げるプロンプト設計」「効果を測定して改善するサイクル」という、メール営業を仕組み化する設計を一緒にやることだ。
「試したけど返信が来なかった」という状態は、多くの場合、設計が終わっていないという状態だ。文章生成の前にある「誰に・なぜ・今・何を伝えるか」の設計が整っていないと、AIが生成した文章がいくら流暢でも返信は来ない。
AI顧問を選ぶ際の観点については失敗しないAI顧問の選び方｜契約前に確認すべき7項目にまとめている。似たテーマとして、AIが社内で使われない原因を整理したAI顧問サービスのメリットとデメリット｜契約前の判断軸も参考になる。