ウェビナーまとめ：Lovable＆ElevenLabsでAI GTMコーチを作ろう

多くのイネーブルメントチームがロールプレイプログラムを実施してきました。しかし、営業担当者が実際に最後までやり切るプログラムを運用するのは簡単ではありません。チームが実際に経験している固有の会話をもとに構築するとなると、さらに難しくなります。 

ライブワークショップ：LovableとElevenLabsでAI GTMコーチを構築、Morgan Jacobson（LovableのGTMイネーブルメント担当）とRemy Khoung（ElevenLabsのGTMイネーブルメント担当）は、AI GTMコーチを構築してこの課題をどう解決したかを解説しました。

LovableとElevenLabsのチームへ展開した舞台裏と、構築から得た実践的な学びを共有しました。 

営業ロールプレイの限界 

RemyとMorganは、営業ロールプレイで一貫して次のような制約に直面していました。 

1. 練習相手の質にはばらつきがあり、セッションが実際の購買担当者との会話ではなく、単なる説明になってしまうことがある
2. 営業担当者が顧客の前に立つまで、客観的な評価ができない
3. ライブセッションは、タイムゾーンをまたぐと調整が難しい
4. 同僚とのロールプレイでは、評価する相手の前で準備不足に見えるリスクを営業担当者が負うことになる

マネージャーにどう見られるかを気にする営業担当者は、スキルではなくその場の空気に注意を向けています。

演習から観客を取り除くことで、本当の反復練習が可能になります。

こうした課題の一部を解決するため、優れた購買担当者との会話で学習した、常時利用可能なAI GTMコーチを構築することにしました。 

AI GTMコーチの構築方法 

基盤となるエージェントにはElevenAgentsを、フロントエンドにはLovableを使用しました。 

エージェント
エージェントの中核となるのはシステムプロンプトでした。シナリオ、購買担当者が自発的に明かす情報と明かさない情報に関するルール、評価ルーブリックはすべて指示に含めました。その上に、モデルの選択、言語、音声を設定として重ねています。

フロントエンド
Lovableは、ロールプレイスタジオ、文字起こしのアップロード、ライブスコアカード、認定パス、完了状況を追跡できるドリルの割り当てなど、営業担当者が操作するすべてを担いました。

購買担当者ペルソナを形作った3つの決定

3つの選択がこの構築を形作りました。

1. 段階的な情報開示。 AI購買担当者は自ら情報を明かさないため、営業担当者は見解や鋭い質問によって情報を引き出す必要があります。これにより、ありきたりな質問を3つするだけで演習をクリアされることも防げます。
2. 構造化された評価。 エージェントは最後に役を離れ、定義済みの基準で評価します。紹介した構築では、技術的な正確性、購買担当者としての信頼性、営業担当者が相手の目線に合わせて提案できたかを評価しました。
3. ティーチングモード。 行き詰まった営業担当者がその旨を伝えると、エージェントは一時停止し、具体的な質問例やカスタマーストーリーを使ってスキルを教え、演習を再開します。これにより、繰り返し使っても不安ではなく安心感を得られます。

デモ1：Lovableのロールプレイスタジオ

シナリオ： 一貫性のあるメッセージングに苦戦し、新しい営業担当者の育成にも時間がかかっているチームを持つ、SarahというAI購買担当者を相手に、営業担当者がディスカバリーコールを行います。 

紹介した内容：

• 営業担当者がアジェンダを提示し、立ち上がりの難しさに関する見解から会話を始め、提示された課題の先にある事業への影響まで掘り下げると、購買担当者が失注案件について自ら明かす
• 通話中に入力されるライブスコアカードと、終了時の完全なスコアカード。どちらも企業独自の手法に基づき、自然言語で設定されている
• Lovableエージェントに直接プロンプトを与えて生成したシナリオ、またはMCP経由でClaudeに過去の通話ライブラリを参照させ、最も一般的な通話のレプリカを構築させて生成したシナリオ

重要な理由： ロールプレイの品質とインターフェースの品質は別々の課題であり、ほとんどのプログラムで解決できるのは前者だけです。

デモ2：ElevenAgentsエージェントの設定 

シナリオ： ElevenAgentsの構築設定を通じて紹介する、インターフェースの下層にあるエージェントレイヤー。

紹介した内容：

• システムプロンプト：シナリオ、情報開示ルール、評価ルーブリックをすべて平易な英語の指示として記述
• エージェントが応答した瞬間にトーンを定め、シナリオを開始する最初のメッセージ
• 70以上の言語に対応した言語選択。1つのエージェントで複数言語を扱うことも、言語ごとにエージェントを用意することも可能
• 10,000種類以上の音声から選択。特定の言語でより優れたパフォーマンスを発揮する音声もある
• ICPとペルソナのドキュメント向けの、任意で追加できるナレッジベース

重要な理由： ロールプレイが機能するのは、エージェントのパフォーマンスが優れている場合だけです。その鍵となる音声品質、低レイテンシー、ターンテイキングは、1つのスタックに統合されています。 

AIロールプレイコーチ構築のベストプラクティス

プロンプトより先にルーブリックを作成する。 営業担当者が達成すべき基準を定義してから、それをテストするエージェントを構築します。逆の順序で進めると、営業担当者にありきたりだと思われるスコアカードになり、離脱される最も早い原因になります。紹介した展開では、先に5つの基準を決め、それに沿ってエージェントを構築しました。

実際の通話からシナリオを掘り出す。 シナリオを考え出すのではなく、MCP経由でClaudeに過去の営業通話ライブラリを参照させ、頻出する通話を要約させて、そのレプリカを構築します。 

プロンプト内の応答は短く保つ。 2〜4文にします。それ以上になると、エージェントはぶれやすくなります。 

会話の複雑さに合わせてモデルを選ぶ。 単純なロールプレイには軽量で高速なモデルを使い、会話に本当に必要な場合はより高性能なモデルを選びます。レイテンシーとコストとのバランスも考慮してください。 

地域ごとの反論に合わせてプロンプトを調整する。 地域をまたぐ展開は簡単でした。課題はプロンプトの調整です。米国のエンタープライズ購買担当者は、EMEA、インド、日本の購買担当者とは異なる反論をするためです。こうした慣習は各地域の営業担当者とともに整理し、プロンプトに書き込む必要があります。

導入をチェンジマネジメントとして扱う。 リーダーシップの足並みをそろえること、VP主導の展開、信頼できるスコアカード、競争形式のドリルが必要です。構築は午後1日でできますが、経験豊富な営業担当者に受け入れてもらうにはより長い時間がかかります。 

フルセッションを視聴

ウェビナー全編はこちら。