懐疑的な買い手へのAIの売り方

著者: Brian Tr · 更新日: 2026年10月6日

懐疑的な買い手にAIを売るとは、その疑いがもっともだと認めたうえで、熱意ではなく証拠で応えることです。B2Bの買い手の多くは、AIに敵意を持っているわけではありません。大きな主張を耳にし、その一部が失敗するのを見て、流暢な答えが正しい答えとは限らないことを学んできたのです。これを「態度の問題」として言いくるめようとするベンダーは、具体的な質問の集まりとして受け止めて答えるベンダーに負けます。

このページでは、「懐疑」をいくつかの異なる反論のタイプに分け、それぞれにどのような証拠が有効かを示し、その結果として営業のアプローチがどう変わるかを説明します。デモの進め方と評価セットについては、AIプロダクトでデモがより重要な理由をご覧ください。メッセージングについては、AIプロダクトのポジショニングをご覧ください。

買い手が懐疑的な理由

AIへの懐疑は広く存在し、数字でも確認できます。しかも、積極的な利用と並存しています。KPMGとメルボルン大学による2025年のAIへの信頼に関する世界調査は、47か国の4万8,000人以上を対象とし、AIシステムを信頼してもよいと答えた人が46%、AIを日常的に使っている人が66%だったと報告しています。使ってはいても、信頼までは預けていないのです。

同じ調査では、70%が規制が必要だと考えていました。Pew Researchの米国の成人対象の調査(2024年8月実施)では、日常生活でのAI利用の拡大に対して、期待よりも懸念のほうが大きいと答えた人が51%、米国企業がAIを責任をもって開発し利用すると考えることに、ほとんどまたはまったく自信がないと答えた人が59%でした。

これらは一般市民の数字であり、調達に関するデータではないため、自社の買い手の正確な見方として読まないでください。ここから分かるのは出発点です。会議室にいる買い手も、こうした意見を別の場所で形成してきた一人の人間なのです。

反論の種類

「AIには確信が持てない」という言葉には、複数の別々の不安がまとめられています。それぞれに必要な答えは異なります。どれに対しても同じデモで返すのが、よくある間違いです。

精度とハルシネーション。 「間違っていたらどうなるのか。」買い手が恐れているのは、流暢で自信たっぷりな誤りを誰も見つけられないことです。KPMGの調査は、この不安にある程度の根拠を与えています。調査対象の働き手の66%が、精度を確認せずにAIの出力に頼っていると答え、56%がAIが原因で仕事上のミスをしたと答えました。買い手は、この調査を読んでいなくても、リスクを感じ取っています。

誇大な主張、いわゆる「AIウォッシング」。 「これは本当にAIなのか。本当にそんなことができるのか。」規制当局がこの点に動き始めていることは、後述します。

データとプライバシー。 「自社のデータはどこへ行くのか。御社のモデルの学習に使われるのか。」法務とセキュリティの審査に直結するため、この点が案件を進められるかどうかを左右することも少なくありません。

過去のパイロットの失敗。 「似たものを試したが、何も起きなかった。」買い手が疑っているのは、技術そのものというより、実際の業務フローで結果を出すベンダーの能力です。

人材と変化。 「現場のチームは使ってくれるのか。自分たちの仕事を脅かすのではないか。」予算の決裁者は問題なくても、実際に使うことになる人たちが不安を抱えていたり、抵抗したりすることがあります。

ベンダーの存続性。 「2年後も御社は存在していますか。」AIスタートアップは若く、このカテゴリーは変化が速いのです。買い手は、サービスの終了、買収、作り直しによって取り残されることを心配しています。

規制当局は誇大な主張を法的リスクにした

誇大なAIの主張に対する買い手の疑いは、単なる気分ではありません。米国の2つの規制当局が、これに関して執行措置をとっています。

2024年3月、SECは、投資顧問会社2社、Delphia (USA) Inc.とGlobal Predictions Inc.に対し、AIの利用に関する虚偽または誤解を招く表示をしたとして、和解による措置を発表しました。SECは両社にそれぞれ22万5,000ドルと17万5,000ドル、合計40万ドルの制裁金を科しました。SECのGary Gensler委員長は、投資顧問会社は、実際には使っていないのにAIモデルを使っていると言って、一般の人々を誤解させてはならないと述べました。これが、執行上の用語としての「AIウォッシング」の起源です。

2024年9月、FTCは、欺瞞的なAIの主張を一斉に取り締まるOperation AI Complyを発表し、DoNotPay、Ascend Ecom、Ecommerce Empire Builders、Rytr、FBA Machineの名前を挙げました。発表文は、現行法にAIの例外はないと述べています。

創業者にとっての教訓は実践的です。営業資料、ウェブサイト、メールに書いたすべての機能の主張は、買い手の弁護士が丁寧に読む可能性があり、テスト結果で裏付けられるようにしておくべきものです。製品がそれをできると示せないのなら、できると言ってはいけません。

どの反論にどの証拠が効くか

懐疑的な人は、主張では動きません。動かすのは、具体的な成果物です。下の表は、それぞれの反論と、それに対応する傾向のある証拠を対応づけています。右の列は証拠の種類を示したものであり、結果を保証するものではありません。

自信よりも率直な限界の説明が信頼を生む

懐疑に直面すると、もっと確信ありげに話したくなります。それはたいてい逆効果です。買い手が信用しないのは、まさにその確信だからです。

先に限界を述べてください。製品が得意なこと、苦手なこと、そしてそれをどうやって把握しているかを伝えます。「この種類の入力ではこの精度に達し、この種類は苦手で、そうしたケースは人に回します」と言えば、買い手は確認できます。「高精度です」では、疑いを招くだけです。

失敗だけでなく、統制についても説明してください。安全策(確信度の低い出力をレビューに回す、監査証跡、簡単に上書きできる仕組み)が付いた限界は、買い手が管理できるリスクです。安全策のない限界は、見送る理由になります。

買い手側のリスク管理チームが使う用語を使いましょう。NIST AI Risk Management Frameworkは、信頼できるAIの特性として、妥当で信頼できること、安全であること、セキュアで回復力があること、説明責任があり透明であること、説明可能で解釈可能であること、プライバシーが強化されていること、有害なバイアスが管理され公平であることを挙げています。また、信頼できるAIを作るには、システムの利用状況に応じてこれらの特性のバランスをとる必要があるとも述べています。これは任意のフレームワークであり認証ではないため、「NIST準拠」と謳ってはいけません。それでも、セキュリティやリスクの質問票への回答をこれらの見出しに沿って整理すれば、慎重な買い手が何を確認しているかを理解していることが伝わります。

プロダクトの機能としての人による監督

懐疑的な買い手の多くにとって、問題はAIが1つの工程を置き換えられるかではなく、その工程に人が責任を持ち続けるかどうかです。監督が目に見える形でプロダクトを設計し、販売すると、会話が変わります。

• 人が判断する場面を示す。 下書きして承認するフロー、確信度のしきい値、エスカレーションの経路が、人の役割を具体的にします。
• 監査証跡を残す。 規制の厳しい環境や顧客と直接接する環境の買い手は、システムが何をしたか、なぜそうしたかを事後に確認できる必要があります。
• 自律性のレベルを買い手が設定できるようにする。 提案モードから始め、信頼が築かれるにつれて自動化へ移行できるようにすると、慎重な買い手も早く承諾しやすくなります。
• 責任者を明示する。 「AIが処理します」より、「レビュー担当者が承認します」のほうが明確な答えです。

これは、人材と変化に関する反論にも応えます。チームの判断を支えるものとして位置づけたツールは、置き換えとして位置づけたものよりも抵抗を受けにくく、実際に多くの導入では人が関与し続けるため、そう説明するほうがたいてい正確でもあります。

同業の導入事例と同業者による裏付け

懐疑的な人は、ベンダーよりも同業の仲間を信頼します。役割、規模、業務フローが似た顧客との導入事例の通話は、提供できる最も強力な資産の1つです。買い手は、この取引に利害のない人から答えを聞けるからです。

導入事例をより効果的にするいくつかの工夫があります。

• 導入事例は反論に合わせて選ぶ。データを心配する買い手には、セキュリティ審査を経験した顧客と話してもらいます。過去のパイロットで苦い思いをした買い手には、パイロットから本番に進んだ顧客と話してもらいます。
• 導入事例の顧客に、率直な回答ができるよう準備してもらう。称賛しかしなければ、台本があるように見えます。「3週間のチューニングが必要でしたが、その後はうまくいきました」と言う顧客のほうが信頼できます。
• 証拠を捏造しない。上記の執行措置を踏まえ、手法とともに裏付けられる結果だけを引用してください。

導入事例の少ない初期段階の企業は、より小さな形の証拠を提示できます。発言に応じてくれるデザインパートナー、公開された評価方法、あるいは買い手がコミットする前に証拠を確認できるよう設計したパイロットなどです。こうした買い手を意思決定のプロセスに巻き込む方法は、AIの購買委員会で扱っています。

契約上の約束が最後のギャップを埋める

証拠では取り除けない疑念もあります。将来に関わるものだからです。契約条件は、その残りのリスクを引き受けられます。買い手は明日のパフォーマンスを検証できませんが、それについて何かを約束するよう求めることはできます。

懐疑的な買い手との間でよく出てくる条件は、次のとおりです。

• データの取り扱い: 許可なく顧客データで学習しない、保持期間の定め、契約終了時の削除
• パイロットで測定した基準に紐づけた、パフォーマンスまたはサービスの約束
• 撤退の道筋: 合意した基準を満たさない場合に、データをエクスポートし、契約を終了する権利
• モデルや再委託先の重要な変更の通知
• 扱うデータに見合ったセキュリティ関連の文書と監査権

すべてに譲歩する必要はありません。誠実に守れる約束を見極めてそれを提示し、残りははっきり断ることです。守れない約束は、約束しないよりも悪い結果を招きます。成功したテストからこうした条件へ進める方法はAIのパイロットから契約へで、並行して財務面のビジネスケースを作る方法はAIプロダクトのROIビジネスケースで扱っています。

営業アプローチの変化

懐疑的な人への営業は、別のファネルではありませんが、各段階で重点が変わります。

1. 答える前に、反論を見極める。 ためらいの原因がどの不安なのかを尋ねてください。上の表の質問が、最初のリストになります。反論処理の基本的な心得はここでも通用します。聞き、確認し、それから証拠で答えるのです。
2. 主張ではなく証拠から始める。 機能の一覧ではなく、テスト結果、失敗例、または導入事例から始めます。
3. できないことを伝える。 限界を早めに挙げると、「ベンダー」から「これを真剣に考えている相手」へと見られ方が変わります。
4. リスクの担当者を早めに巻き込む。 法務、セキュリティ、そして製品を実際に使う人たちが、案件が生き残るかどうかを決めることがよくあります。遅れて現れるのを待たないでください。社内の推進者に自社の主張を伝えてもらうための準備は、チャンピオン型セールスをご覧ください。
5. 役立つ場面では教える。 何が良いのかまだ分かっていない買い手には、AIの評価方法について明確な見解を示すことが役立つかもしれません。押しつけにならずにその立場をとる方法は、チャレンジャー・セールで扱っています。

次の商談の前の簡単なセルフチェック

• 自社が行うすべての機能の主張を、テストまたは顧客で裏付けられるか。
• 自社の測定済みのエラー率と、その測定方法を把握しているか。
• 買い手のデータがどこへ行くのかを、平易な言葉で説明できるか。
• 人が出力をレビューまたは上書きするのはどこか。
• この買い手の具体的な懸念に合う導入事例はどれか。
• 実際に守れる契約上の約束は何か。

重要なポイント

• 信頼は利用に遅れる: 2025年のKPMGとメルボルン大学の調査は、47か国の4万8,000人以上を対象に、AIシステムを信頼してもよいとする人が46%、AIを日常的に使う人が66%、規制が必要だとする人が70%だったと報告しています。
• 未確認の出力は珍しくない: 同じ調査で、働き手の66%が確認せずにAIの出力に頼り、56%がAIが原因で仕事上のミスをしたと答えました。
• 米国世論の慎重さ: 2024年8月に実施されたPew Researchの調査では、日常生活でのAIに対して期待より懸念が大きいとする人が51%、米国企業がAIを責任をもって使うことにほとんどまたはまったく自信がない人が59%でした。
• AIウォッシングは取り締まられている: 2024年3月、SECはDelphia(22万5,000ドル)とGlobal Predictions(17万5,000ドル)に制裁金を科しました。AIの利用に関する虚偽の表示が理由です。
• AIの例外はない: FTCの2024年9月のOperation AI Complyは5社の名前を挙げ、現行法にAIの例外はないと明言しました。
• 共通の用語がある: NIST AI RMF 1.0は、信頼できるAIの7つの特性を、妥当で信頼できることから、有害なバイアスが管理され公平であることまで挙げています。

関連記事

• 営業資産としての信頼と評価
• AIセキュリティ審査の解説
• AIプロダクトでデモがより重要な理由
• AIプロダクトのポジショニング
• AIのパイロットから契約へ
• AIの購買委員会
• 反論処理のフレームワーク