AIで売上予測はできる？営業での使い方とできること・限界

結論：AIで売上予測は「できる」が、生成AIが担えるのは予測の「下書き」までです。商談データの整理、着地見込みのたたき台と根拠づくり、予測コメントの作成は今日から実用的。ただしその数値の精度は保証されず、最終確定は人が行います。大量データで継続的に高精度な予測を自動で回すのは専用ツールの領域です。

「今月の着地、いくらで読みますか？」。営業の現場でこう聞かれて、すっと自信を持って答えられる人は多くありません。手元の数字を眺めながら、勘と、少しの願望と、上司への報告の都合が混ざった数字を口にする。月末になって大きくズレて、なぜズレたのかもはっきりしない。多くの営業チームが毎月くり返している光景です。

そこで「AIを使えば、この読みをもっと客観的にできるのではないか」と考える方が増えています。ChatGPTやGemini、Claudeといった生成AIが身近になり、商談データを渡せば着地を出してくれそうな期待感もあります。

ただ、本当に役立てるための要点は「AIに任せれば当たる」ではありません。「どこまでAIに任せて、どこは人が握るか」を分けて考えることです。この記事では、生成AIで売上予測のどこを楽にできるのか、逆に何はできないのか、専用の予測ツールとどう使い分けるのかを、営業マネージャーが今日から手元で再現できる手順まで含めて整理します。

AIで売上予測とは？仕組みと基本の計算をやさしく整理

まず「AIで売上予測」とは何をしているのかを、難しい数式抜きで押さえておきます。売上予測のやり方にはいくつもの手法がありますが、営業の現場で使ううえで本当に必要なのは「受注確度と金額をどう積み上げるか」という1つの考え方です。ここを理解しておくと、このあとの章でAIに何を作らせているのかが一気にクリアになります。

売上予測でAIがやっていること

AIによる売上予測がやっていることは、突き詰めるとシンプルです。過去の受注実績や、商談がどう進んで決まってきたかというパターンを手がかりに、「この案件は受注確度がどのくらいか」「今月の着地はこのくらいになりそうか」を見積もる。これだけです。

魔法のように未来を当てているわけではなく、これまでのデータの傾向を整理して、いまのパイプライン（進行中の商談一覧）に当てはめているだけ、と理解しておくと過度な期待を避けられます。つまり、元になるデータが薄ければ、AIが出す予測も当然あいまいになります。

売上予測の基本は「受注確度×金額」を積み上げること

営業の売上予測の土台になるのが、パイプライン（営業プロセス）の各商談を「受注確度 × 金額」で見積もり、それを合計して着地見込みを出すという計算です。たとえば次のように考えます。

• A社：金額300万円 × 受注確度70％ ＝ 210万円
• B社：金額500万円 × 受注確度30％ ＝ 150万円
• 着地見込み ＝ 210万円 ＋ 150万円 ＝ 360万円

この「確度 × 金額の積み上げ」に、過去の実績で補正をかけていくのが基本の流れです。たとえば「うちのチームは確度70％と言った案件が実際には半分しか決まっていない」とわかれば、確度の置き方そのものを見直します。後の章で生成AIに着地見込みのたたき台を作らせますが、AIにやらせているのはこの積み上げと補正の下書きだと考えると理解しやすくなります。

「専用の予測AI」と「生成AI」は別物

もう一つ、最初に整理しておきたいのが「専用の予測AI」と「生成AI」の違いです。SFA（営業支援ツール）に内蔵された予測機能や専用の予測ツールは、データを学習して数値そのものを出すことが得意です。一方でChatGPT・Gemini・Claudeのような生成AIは、文章を書く、データを整理する、たたき台を作るといった作業が得意で、役割が異なります。

この2つを混同すると「生成AIに正確な売上予測の数値を出させよう」という無理な使い方になりがちです。どちらをどんな場面で使うのかは、このあとの章で判断の手順を詳しく説明します。ここでは「数値を出すのが専用ツール、整理やたたき台が生成AI」とだけ覚えておいてください。

生成AIが売上予測で補助できる3つの領域

では生成AI（ChatGPT・Gemini・Claude）は、売上予測のどこを補助できるのでしょうか。細かい使い方の前に、補助できる範囲を「整理」「要因分析」「文章化」の3つに分けて捉えておくと、自分の業務のどこに当てはめればよいかが見えてきます。具体的なやり方とプロンプトはこのあとの章でまとめて扱います。

補助できる領域は「整理」「要因分析」「文章化」の3つ

生成AIが売上予測で力を発揮するのは、次の3領域です。

• 整理：商談データやパイプラインを整え、着地見込みの内訳を作る
• 要因分析：受注や失注がどう決まっているかの傾向を読み解く
• 文章化：予測コメントや社内向けの説明文を作る

逆に言えば、生成AIは「最終的な確定数値を保証する」役割には向いていません。下書きを速く作る相棒、という位置づけです。この3領域を実際にどう回すかは、このあとの「営業現場での現実的な使い方」の章で手順として示します。

受注・失注の「予測に効く」見方

要因分析と聞くと「受注率が高い業種・規模・地域はどこか」といった汎用の顧客分析を思い浮かべるかもしれません。ただ、この記事で扱うのはあくまで「次の予測の確度を見直すための見方」に絞ります。たとえば、失注がどの段階で・どんな理由で決まりやすいかの傾向がわかれば、商談ステージごとの確度の置き方を補正できます。これは予測の精度に直接効く使い方です。

一方で、顧客セグメントの分析や月次レポートの所感づくりといった汎用の営業データ分析は、本記事の対象から外しています。その領域は営業のGemini活用を解説した記事で詳しく扱っていますので、あわせてご覧ください。本記事は着地見込み・受注確度・パイプライン集計の予測補助に絞って進めます。

売上予測にどのAIを使うか（ChatGPT・Gemini・Claude）

どの生成AIを使うかは、すでに社内で使っている環境に合わせるのが現実的です。Google Workspace中心の会社であればGeminiが扱いやすく、スプレッドシートのデータをそのまま扱える連携が効きます。ChatGPTやClaudeも、商談データを貼り付けて整理や文章化を任せる用途では十分に実用的です。

ただし、Geminiでスプレッドシートのデータを直接分析する機能や、ChatGPT・Claudeにファイルをアップロードして分析する用途は、対象の有料プランが前提になる場合があります。手元のデータをコピーして貼り付けて使う範囲なら、無料でも試せます。

細かい精度を断定で比較しても、扱うデータや使い方で結果は変わるため、ここでは「手元のデータを整理させて使い勝手を確かめる」ところから始めるのがおすすめです。なお、Microsoft 365中心の環境なら、別途Copilotという選択肢もあります。

AI売上予測でできないこと・限界

便利な一方で、AI売上予測には越えられない線があります。ここを曖昧にしたまま導入すると「AIが出した数字だから」と過信して、かえって判断を誤ります。なお、本記事では「精度◯％当たる」といった具体的な数字を断定では示しません。精度は業界・データ・期間といった前提条件に強く依存し、自社で同じ精度を再現できる保証がないからです。そのうえで、押さえるべき限界を3つに整理します。

精度を過信しない（「◯◯%当たる」を鵜呑みにしない）

ツールの紹介資料には高い精度の数値が載っていることがありますが、その多くは特定の前提条件のもとでの結果です。営業の売上は景気・競合の動き・季節要因など、データに表れにくい外部要因で大きく揺れます。高い精度を当たり前の前提にして意思決定すると、外れたときのダメージが大きくなります。AIの予測は「そうなりやすい傾向」であって「確定した未来」ではない、という前提で扱ってください。

予測はデータの質と量に左右される

AIの予測は、渡すデータの質と量で決まります。SFAやエクセルの入力が雑だったり、確度や金額が空欄だらけだったりすると、いくら生成AIに渡しても精度は出ません。よく言われる「ゴミを入れればゴミが出てくる」というのは、売上予測でもそのまま当てはまります。予測の前にまず入力を整えることが近道で、具体的な整え方はこのあとの「精度を上げるためにできること」で扱います。

最終判断と精度保証は人がやる

顧客の温度感、キーマンの本音、相手の社内事情。これらは商談データには表れません。だからこそ、AIが出した予測は「仮の下書き」として受け取り、現場の肌感で補正してから確定するのが正しい使い方です。最終的な数字に責任を持つのは、AIではなく人です。この線引きを守れば、AIは強力な時短ツールになります。

では、どこからが生成AIの手に余り、専用ツールの領域になるのか。次の章で使い分けの判断軸を整理します。

生成AIと専用の売上予測ツールはどう違う？使い分けの判断軸

「結局、生成AIで足りるのか、専用の予測ツールを入れるべきなのか」。ここで迷う方が多いので、判断の手順をはっきりさせます。役割や規模の話をバラバラにすると混乱するため、本記事では1つの軸に統一して考えます。

使い分けの判断軸は「データ量 × 予測を回す頻度 × 自動化したいか」

生成AIと専用ツールの線引きは、次の3点で考えると一本の線で切り分けられます。データ量が多いか、予測を回す頻度が高いか、自動化したいか。これらが大きいほど専用ツール寄り、小さいほど生成AI寄りになります。

領域	向いている使い方	担い手
生成AI領域	月次〜週次の着地確認・パイプラインレビュー、その都度の整理・分析、会議準備の補助	ChatGPT・Gemini・Claude
専用ツール領域	大量データを毎日のように継続して自動で数値予測	専用の予測ツール・SFA内蔵予測
併用領域	専用ツールの数値を生成AIで要約・社内説明文に整える	両方を組み合わせ

つまり、生成AIはその都度の整理・分析を助ける汎用の補助役、専用ツールは大量データの継続的・自動の数値予測役、という役割分担です。この線を頭に置いておけば、迷ったときに自分がどちら寄りかをすぐ判断できます。

営業全体で、どこをAIに任せどこを人が残すかの役割分担は、AIエージェントで営業がなくなる？人間とAIの役割分担で整理しています。あわせてご覧ください。

どちらから始めるべきか

中小企業・スタートアップであれば、最初から高額な専用ツールを入れる必要はありません。まず手元の商談データを生成AIで整理・分析し、「AIで予測補助をするとこれだけ楽になる」という効果を体感する。そのうえで、データ量や頻度が増えて手に負えなくなってきたら専用ツールやSFAの予測機能を検討する、というスモールスタートが現実的です。

いきなり大きな投資をすると、運用が定着しないまま費用だけがかかる失敗に陥りがちです。小さく試して効果を確かめてから広げる順番を守ってください。

専用ツールへ移るべきシグナル

生成AIだけでは厳しくなり、専用ツールを検討すべきサインを判断基準としてまとめておきます。次のいずれかに当てはまり始めたら、移行の検討どきです。

• 扱う商談・データの量が多く、手作業での整理が追いつかない
• 予測を毎日のように回したい・自動で更新したい
• 在庫や生産計画と売上予測を連動させたい
• 毎日大量に回す予測を、手作業でなく自動の仕組みに載せたい

逆に、これらに当てはまらないうちは、生成AIで十分まかなえることがほとんどです。

営業現場でのAI売上予測の現実的な使い方

ここからがこの記事の本題です。大企業の大がかりな事例ではなく、中小の営業チームが今日から回せる現実的な手順を、表計算と生成AIの組み合わせで紹介します。たたき台づくり、ダブルチェック、会議準備の3つを週次のリズムに乗せるイメージです。

なお、汎用の営業データ分析は前述のとおり営業のGemini活用を解説した記事で扱うため、この章は予測補助に絞ります。

表計算データを渡して着地見込みのたたき台をつくる

まずは手元のスプレッドシートやエクセルの案件データを使って、着地見込みのたたき台をAIに作らせます。渡すデータは凝ったものでなくて構いません。最低限、次の列があれば十分です。

• 案件名／金額／受注確度／商談ステージ／最終接触日

この一覧をコピーしてAIに貼り付け、たとえば次のように指示します。

「以下は当月の進行中商談の一覧です。各案件の『金額 × 受注確度』を計算し、合計した今月の着地見込みを出してください。あわせて、確度の根拠が薄いと思われる案件があれば指摘してください。」

出てきたたたき台は、そのまま採用せず必ず確認します。見るべきは「確度の根拠が薄い案件が混じっていないか」「同じ案件や金額が二重に計上されていないか」の2点です。AIは渡された数字を素直に計算するため、元データのミスはそのまま結果に出ます。ここを人がチェックすることで、たたき台が使える下書きに変わります。

売上データの集計や報告文の作成をAIで自動化する具体例は、Claude Codeの何がすごいのか（自律型エージェントの3つの強み）もあわせてご覧ください。

予測の抜け漏れ・違和感をAIにダブルチェックさせる

自分で立てた予測を、今度はAIにレビューさせる使い方も効果的です。自分の予測には、どうしても「こうあってほしい」という願望や、見落としが混じります。そこで、立てた予測をAIに見せて次のように指示します。

「この着地見込みについて、楽観的すぎる可能性がある箇所と、確度の根拠が薄い案件を指摘してください。」

第三者の目で粗を洗い出してもらうイメージです。ただし、AIの指摘も絶対ではありません。指摘を鵜呑みにして数字を動かすのではなく、「言われてみれば確かに甘い」と納得できたものだけを人が反映する。この一手間で、独りよがりな予測を防げます。

パイプラインレビュー・予実会議の準備に使う

毎週のパイプラインレビューや、予実を確認する会議の準備は、地味に時間を食う作業です。ここも生成AIで時短できます。たたき台の数字をもとに、次のように頼みます。

「この予測データから、会議用に『今月の着地見込みと前月差』『増減の主な要因』『上司から聞かれそうな質問と回答案』を簡潔にまとめてください。」

数字の要約、増減の要因コメント、想定問答のドラフトまでを一気に作ってくれます。確認のポイントは、要因コメントが実態と合っているか、そして数字の引用が正しいかの2点です。会議の「準備」は任せて、会議での「判断」は人がやる。この分担にすると、準備時間を大きく削れます。

精度を上げるためにできること

「過信は禁物」とお伝えしましたが、精度をあきらめる必要はありません。やれることは確実にあります。次の3つを地道に続けると、予測は着実に当たるようになっていきます。

• 入力データを整える：確度や金額の入力ルールをチーム内で統一し、AIに渡す材料の質を上げる
• 予実の振り返りを定期化する：予測と実績のズレを毎月見て、確度の置き方を補正していく
• 外部要因は人が補正する：景気・競合・季節など、データに出ない要素は現場の判断で上乗せ・割引する

特に効くのが2つ目の予実の振り返りです。「確度70％と言った案件が実際は何割決まったか」を見続けるだけで、確度の感覚が現実に近づいていきます。

使用シーン例：週次パイプラインレビューの直前に、進行中の案件一覧をAIに渡して着地見込みのたたき台を作らせ、楽観的すぎる案件を指摘させた。担当が「ほぼ受注」と言っていた大型案件の確度の甘さに気づき、報告前に数字を補正できた。

使用シーン例：月末の予実会議の準備で、予測データをAIに渡して「着地と前月差・増減要因・想定問答」をまとめさせた。これまで1時間かけていた資料づくりが大幅に短くなり、空いた時間を実際の商談フォローに回せた。

売上予測を「組織で回す」ために整えること

ここまでは個人で始める手順でした。最後に、売上予測を一部の人の工夫で終わらせず、組織として回すために何を整えるかに触れます。

「個人で試す」から「組織で回す」への壁

熱心なマネージャーが一人でAIによる予測補助を始めても、それがチーム全体に広がらず、その人が異動した途端に元に戻ってしまう。これはAI活用でよくある壁です。個人の工夫を組織の仕組みに変えるには、段階を踏んだ進め方が必要になります。

組織展開の段階的な進め方そのものは、生成AIの社内活用を解説した記事で詳しく扱っています。ここでは、売上予測ならではの整えるべきポイントに絞ります。

売上予測を組織で回すための3つの整備

売上予測を組織で回すうえで欠かせないのが、次の3つの整備です。これらは予測の前提そのものなので、ここが崩れているとAIをどれだけ使っても精度は安定しません。

• 商談データの整備：予測の材料になる案件情報が、抜けなく最新の状態で残っている
• SFA入力の質：金額・確度・ステージが、担当者によってバラバラに入力されていない
• 予測の運用ルール：確度の定義（例：見積提示後は何％）と更新頻度をチームで統一する

とはいえ、これを現場だけで一気に整えるのは簡単ではありません。私たちAnataAIは、営業AI診断で自社の現在地を把握し、生成AI営業研修で現場にAI活用を定着させ、導入支援で既存の業務フローに組み込むところまで、営業組織のAI活用を一気通貫で伴走しています。ChatGPT・Gemini・Claudeを横断して、営業の現場で使えるところまで落とし込めるのが私たちの強みです。「うちのデータと運用で何から手をつければいいか」が見えにくい場合は、現状の棚卸しから一緒に整えていけます。

まとめ

• 生成AIが効くのは予測の「下書き」工程（整理・要因分析・文章化）。精度の保証と最終確定は人が握る
• 限界（過信は禁物・データ品質に左右される）は、データ整備・予実の振り返り・外部要因の人による補正で前向きに詰められる
• 生成AIと専用ツールは「データ量 × 予測を回す頻度 × 自動化したいか」で使い分ける。中小はまず表計算とAIのスモールスタートでよい
• 組織で回す鍵は、売上予測ならではのデータ整備と、現場への定着の伴走にある

よくある質問（FAQ）

組織での進め方をもう少し知りたい方は、生成AIの社内活用を解説した記事もあわせてご覧ください。