投資総額
800,000 円
初期60万 + 月額20万×3ヵ月（税別）
PURPOSE
戻り時間の確認による、営業人員（Iさん・Mさん）のコール時間削減
2
2026/02
立ち上げ・初期設定
3
2026/03
本格運用・ABCチューニング
4
2026/04
AIのみ運用検証
5
2026/05
レビュー・次期判断
1
主要KPIハイライト数字は予実の達成率
KGI：つな数
8件 / 25
達成率：32%
▲17件
KPI：コール数
1,429件
目標 2,500件 / 達成率 57%
▲1,071件
在宅時間確認
81件
確認率 5.6% / 目標 5.0%
＋0.6pt
アポ数
1件 / 10
達成率 10%
▲9件
2
背景と目的①
Mさん・Iさんの架電リソース代替＆生産性向上
主力2名の架電時間をAIに置き換え、商談・トスアップ後対応に集中できる体制を作る。
②
テレアポAIの今後の活用余地を検証
AI単独運用／AI+人ハイブリッド／在宅時間フィルタリングの3パターンで活用範囲を見極める。
3
導入時の検討ポイント／PoC論点先方担当者視点
リストの提供元
CSV持ち込みで対応可。リスト精査もAIで実施
音声の録音機能
録音→編集可。30〜40パターンのトーク用意
画一 or 個社アレンジ
設計次第。セグメント別トークで対応中
活用イメージ
時間削減目線で1日3〜4hを試算。事例で共有
風評リスク
月5,000件あたり2〜3件。ヒト前提で会話設計
料金形態／最低期間
初期60万＋月額20万。最低6ヵ月
2ヵ月PoCで現場品質を再確認
先方担当者要望。効果検証コールを1回実施予定
比較対象の整理
相対：アルバイト月給 ／ 絶対：MさんIさんの時間削減
5
費用（予算／実績）税別
初期費用
600,000円
申込み日の翌月末払い
月額（×3ヵ月）
200,000円/月
2026/02〜04
通話料金
別途
利用月の翌月末払い
消化額合計
800,000円
初期60万 + 月額20万×3
★
テレアポAI活用 試算ロジック月次想定
前提：社長の戻り時間を確定させることが目的で活用 ／ 通電率はリスト依存
1
基準値
在宅確認率 約5%（リスト依存）
2
5%
ABC内訳ごとに想定つな率を適用
3
20-30%
アポ率40%
4
40%
A
つな数の内訳（125件分） つな見込み A
明確な戻り時間が聞けている
75件
想定 60%
つな率 30% → 22件つながる
つな見込み B
戻り時間が午前／午後か聞けている
25件
想定 20%
つな率 10% → 3件つながる
つな見込み C
社内にいるかどうかが分かる
25件
想定 20%
つな率 5%（補助情報）
B
ライトアップ実績 — セグメント別 通電率弊社実績ベース
補助金・助成金等のコストメリットが出る話だと通電率が上がる傾向
C
費用対効果 — 時間削減シミュレーション月10〜15アポ想定時
700-1,000 件
削減できるコール件数 / 月
63-90 時間
削減時間 / 月
3-4 時間 / 日
1日あたりの時間創出
D
IS体制／顧客群参考他社ベンチマーク
IS体制
社員
4名
業務委託
数名
アルバイト
数名
想定顧客群
M&A仲介のIS
PR会社
セールステック系フリー
業種別運用
規模別運用
戻り率指標管理
顧客数 約50社、単価は月額＋成功報酬。20コール × 1時間ペース。
6
定量成果：予実予算 vs 実績
行動指標ファネル（予実）
AI+人 実績スナップショット
2026/02 - 04
リスト数
261
接続数
231
トスアップ数
34
トスアップ率
14.72%
担当者接続
0件
アポ数
0件
トスアップ後の担当者接続0件が最大課題。用件説明トーク・取次依頼内容を再設計中
M
月次推移 — AI+人 実績| 月 | リスト数 | トスアップ数 | トスアップ率 | 担当者接続 | アポ数 |
|---|---|---|---|---|---|
| 2026年 2月 | 110 | 16 | 14.55% | 0 | 0 |
| 2026年 3月本格運用 | 121 | 18 | 14.88% | 0 | 0 |
| 2026年 4月 | 0 | 0 | 0.00% | 0 | 0 |
7
乖離理由の構造化コール数の乖離（▲1,071件）
リスト対象／レギュレーション
フロントリスト戦略に鑑みて絞り込み
2回転目の運用
リスト消化後の再架電プロセスが未整備
時間確保の計画立案
週初のMさん・Iさんの時間ブロック
つな数の乖離（▲17件）
追えるべき時間に追えていない
在宅時間が来ても対応者不在
在宅確認つな率：9.8% / 20%
AIホットリードABCの定義精度が薄い
8
3月で切り取る Before / AfterBEFORE（3月前半）
コール／日
約40件
在宅確認つな率
7.2%
トスアップ後到達
10%
ABC定義
未整備
AFTER（3月後半 → 4月）
コール／日
約60件 +50%
在宅確認つな率
9.8% +2.6pt
トスアップ後到達
20% +10pt
ABC定義
運用開始
★
関連ドキュメントテレアポAI 資料 (PDF) — Worksmobile
KGI／つな数まとめ ドキュメント
ツナ以降の対応シート
⏰
時間帯別 架電分析AI+人運用 / 全期間
午前 (8:00-12:00)
21.88%
トスアップ率
接続64件 → トスアップ14件
午後 (12:00-16:00)
15.71%
トスアップ率
接続70件 → トスアップ11件
夕方・夜 (16:00-21:00)
7.56%
トスアップ率
接続119件 → トスアップ9件
時間帯別 トスアップ率（1時間刻み）
接続数 × トスアップ率
AIが検出したベストタイム
10:00-11:00（27.27%） と 9:00-10:00（25.00%） が突出。一方、13:00-14:00（0%） と 17:00-18:00（4.35%） は架電効率が低い。
→ 9-11時帯のリソース集中でトスアップ数 +30〜40% の改善余地
→ 9-11時帯のリソース集中でトスアップ数 +30〜40% の改善余地
D
1時間単位 詳細データ| 時間帯 | 接続数 | トスアップ数 | トスアップ率 | 傾向 |
|---|---|---|---|---|
| 9:00 - 10:00 | 28 | 7 | 25.00% | ★ コアタイム |
| 10:00 - 11:00 | 11 | 3 | 27.27% | ★★ ベスト |
| 11:00 - 12:00 | 25 | 4 | 16.00% | 標準 |
| 12:00 - 13:00 | 10 | 2 | 20.00% | 意外と高め |
| 13:00 - 14:00 | 0 | 0 | 0.00% | 未架電 |
| 14:00 - 15:00 | 5 | 0 | 0.00% | 不成立 |
| 15:00 - 16:00 | 55 | 9 | 16.36% | 標準 |
| 16:00 - 17:00 | 51 | 7 | 13.73% | 下降開始 |
| 17:00 - 18:00 | 46 | 2 | 4.35% | 非推奨 |
7
定性成果と要因分析PURPOSE
最架電対象（＝今かけるべき企業）をフィルタリングすること
■
AI／AI+人のパフォーマンス比較
AIのみで架電した実績
再架電対象
470件
現在の進捗
100件
再架電条件
留守電 / 応答なし / AI終話
AIホットリード獲得
30%
AIホットリードの獲得数は1周目と同水準を維持。「AIホットリード ＋ AI終話（用件説明要）」が3割を占める。
AI＋人で架電した実績
再架電対象
220件
現在の進捗
100件
再架電条件
AIホットリード / AI終話（用件説明要）
トスアップ率
20%
トスアップ率20%に対し決裁者会話の質に課題。打開策：①用件説明トークを追加、②取次依頼の内容を変えて用件説明を防ぐ。
★
AIのみ架電 — 4パターン比較実績 vs 予測 vs 他社事例
| 条件 | リスト数 | 人架電数 | つな数 | つな率 | アポ数 | アポ率 (対コール) |
アポ率 (対社長接続) |
アポ率 (対リスト) |
|---|---|---|---|---|---|---|---|---|
| ①実 新入社員の月間架電結果 | 250 | 1,000 | 30 | 3.0% | 9 | 0.9% | 30% | 3.6% |
| ②実 テレアポAIでリスト精査後 | 3,260 | 300 | 13 | 4.4% | 4 | 1.32% | 30% | 0.1% |
| ③予 AI精査後＋新入社員と同様架電 | 10,867 | 1,000 | 44 | 4.4% | 13 | 1.33% | 30% | 0.1% |
| ④他 社長以外（採用・製造責任者等） | 10,000 | 1,000 | 200 | 20.0% | 30 | 1.5% | 15% | 0.3% |
②と③の比較：AIによるリスト精査でつな率が 3.0% → 4.4% に向上（+1.4pt）。同じ架電量を打てば、つな数は30件 → 44件（+47%）の試算。
④他社事例：社長以外（採用・製造責任者）への架電だとつな率20%まで上がる → ターゲット選定の余地あり
④他社事例：社長以外（採用・製造責任者）への架電だとつな率20%まで上がる → ターゲット選定の余地あり
📊
架電プロセスの可視化 再架電対象の構成
AI終話タイプ別 内訳
8
学びと今後のアクション01
学び ①
AIの精度
AIのホットリードABC定義が薄い。特にCの判定が曖昧で在宅確認つな率を引き下げている。
AI連携パートナーとコミュニケーションを取り、ABC定義を精緻化
M
担当：Mさん期限：6月中02
学び ②
AIと人の活用設計
トスアップの質が悪く、決裁者会話に至らない。用件説明が抜けるケース多発。
用件説明トーク追加 ＆ Mさん・Iさんでトスアップ先への対応を再設計
I
担当：Iさん期限：6月中03
学び ③
架電対象の問題
フロントリスト戦略でリスト対象が絞られ、コール数が予算57%に留まる。2回転目運用が未整備。
リストレギュレーションを見直し、2回転目運用を整備
T
担当：チーム共同期限：6月上旬？
次期判断のサジェストAIが次の意思決定材料を整理します
続行／拡張／チューニング後再計測／停止 — 4パターンの試算をAIが起案します
⚡
運用アクティビティ リアルタイムLIVE FEED — テレアポAI 稼働状況
AIが架電開始
フロントリスト #2486 — 戻り時間ヒアリング中
just now
ホットリード判定：A
14:30に決裁者戻り — トスアップ予約
2分前
トスアップ成功
Iさんが引継ぎ → 用件説明開始
5分前
在宅時間確認 +1
本日累計：4件（目標 5件）
7分前