日本語

AI投資が過去最高を記録するなか、企業の87%が収益目標を未達成。解決策はデータにあります

AI投資が過去最高を記録するなか、企業の87%が収益目標を未達成

予算は増えました。ツールも増えました。それでも目標は達成できませんでした。

2026年1月に発表されたClari Labsの最新調査が示す不都合な現実です。AI関連の収益投資が過去最高を更新したにもかかわらず、企業の87%が2025年の収益目標を達成できませんでした。この調査ではエンタープライズ営業組織の収益責任者を対象に調査を実施し、Sales Opsチームがかねてから感じていたパターンを明確に示しました。問題はツールの不足ではなく、ツールの基盤にあるデータにあるということです。

Clari Labsによると、収益チームの48%が「自社データはAI導入の準備ができていない」と回答しています。さらに55%は、分断されたデータソースから矛盾するパイプラインシグナルを受け取っており、AIが明確な示唆を生み出すどころか、ノイズをより速く増幅させているという状況に陥っています。

不良データ上のAIがかえって事態を悪化させる理由

これはベンダーの基調講演にはまず登場しない話です。AIモデルはデータの問題を解決しません。問題を拡大させるのです。

収益データがCRM、マーケティングオートメーション、サポートチケット、プロダクト利用ログといったサイロに分散している場合、各システムは案件の健全性について異なるストーリーを語ります。人間のアナリストなら文脈を踏まえてそれらを統合できますが、AIエージェントにはそれができません。見えるシグナルに対してパターンマッチングを行うだけで、シグナルが矛盾していれば矛盾した出力を生み出します。Clari Labsの調査では、まさにこの状況が企業の55%で起きています。

企業の87%が2025年収益目標を未達成、一方でデータを統合したチームは96%の予測精度を達成

調査結果のコントラストは鮮明です。収益データを統合してガバナンスを整備した企業は、予測精度96%を達成し、更新率が20ポイント改善し、ROI 398%（3年間で約9,620万ドルの利益）を実現しました。同等のAI機能を持ちながら、結果は大きく異なります。差を生み出しているのはAIスタック自体ではなく、データの品質とガバナンスです。

重要なポイント

  • 企業の87%が、過去最高のAI投資にもかかわらず2025年の収益目標を未達成（Clari Labs、2026年1月）
  • 55%が分断されたデータソースからパイプラインシグナルの矛盾を経験（Clari Labs、2026年1月）
  • データを統合してガバナンスを整備した企業は予測精度96%とROI 398%を達成（Clari Labs、2026年1月）

ガバナンスの空白も深刻です。Clari Labsによると、企業の42%は収益業務全体でデータの一貫性と説明責任を担保する正式なフレームワークを持っていません。また39%は予測モデルの再調整を週次または月次でしか行っておらず、継続的なアップデートはできていません。どちらも、いくらAI投資を積み上げても解決できない構造的な問題です。

市場がSales Opsの知見に追いついてきている

Clari + Salesloftの統合エンティティは、合併完了後に「予測型収益システム」の統合からスケールアップへと移行しており、Gartnerが「Revenue Action Orchestration」と命名した新カテゴリの最初のMagic Quadrantにも選出されました。このカテゴリ名称自体が示唆に富んでいます。

オーケストレーション。生成でも、自動化でもなく、オーケストレーションです。

Gartnerは、収益テクノロジーにおける次の競争優位がさらなるポイントAIツールの追加ではなく、クリーンで統合されたガバナンス済みデータ層でAIアクションを調整することにあると正式に認めました。これはSales Opsが長年主張してきたことです。市場がようやくその認識に追いつきました。

Clari + Salesloftは2026年5月、Brian BenferをCRO、Rajesh KrishnaswamにCTOに任命し、統合プラットフォームのエンタープライズ展開への継続的な投資を示しました。詳しくはClariのプレスハブをご参照ください。

プラットフォーム全体の動向を把握したい方には、GongのARR 5億ドル到達に関する分析記事で「スケールでのレベニューインテリジェンス」がデータインフラに何を求めるかを解説しています。また、Clari + Salesloft合併のCRO向け評価ガイドでは、統合プラットフォームが既存のスタックに与える影響についてより深く掘り下げています。

収益データ準備状況チェック（Sales Ops診断ツール）

組織が次のAIエージェント導入を承認する前に、Sales Opsは「収益データ準備状況チェック」を実施すべきです。3つの質問に正直に答えてください。

質問1：収益データは統合されていますか？ CRM、マーケティング、サポート、プロダクト利用データにまたがって、案件の健全性を一貫した形で返すクエリを1つで実行できますか？複数システムからのエクスポートを手作業で突き合わせる必要がある場合、データは統合されていません。

質問2：収益データにガバナンスが整備されていますか？ 予測に関わる各データフィールドについて、文書化されたオーナーシップ、バリデーションルール、説明責任の仕組みはありますか？チームによって「有望なリード」の定義が異なる場合、それはテクノロジーの問題ではなくガバナンスの問題です。

質問3：予測モデルは最新の状態に保たれていますか？ チームが実際の結果に基づいてモデルをどれくらいの頻度で再調整していますか？Clari Labsの調査では、企業の39%が週次または月次でしか実施していないことが判明しました。案件の動きが四半期サイクルより速く変化する市場では、このタイムラグが体系的な予測誤差を招きます。

これら3つの質問のいずれかに「いいえ」または「不明」と答えるなら、AIエージェントを追加することでノイズの問題は解決されるどころか、加速します。

データを先に整備してからAIを展開するシーケンス

Sales Opsチームがに対し、AI支出を実際の収益パフォーマンスに転換するための実践的な手順を以下に示します。

ステップ1：データソースを棚卸しする。 収益予測にデータを提供するすべてのシステムをマッピングしてください。自動同期されていないもの、手作業での突き合わせが必要なもの、フィールド定義が一貫していないものにフラグを立てます。

ステップ2：ガバナンス層を確立する。 重要な各データフィールドのオーナーを定義してください。システムごとにデータスチュワードを設定し、各指標の「クリーン」な状態を文書化し、CRMワークフローに軽量なバリデーションチェックを組み込みます。

ステップ3：再調整のサイクルを設定する。 週次または月次のモデル更新から、実際のクローズ、消失データに連動した継続的な再調整（最低でも週次）に移行してください。モデルが現在の市場状況からずれると予測精度が低下します。

ステップ4：そのうえでAIを展開する。 統合され、ガバナンスが整備され、最新のデータが揃って初めて、AIエージェントは内部的に一貫したシグナルに基づいて動作できます。そのときに、96%の予測精度という結果が手の届く範囲に入ります。

この手順は、新しいプラットフォームを評価している場合でも、現在のスタックからより多くの価値を引き出そうとしている場合でも同様に適用されます。この取り組みの一環としてパイプラインデータ品質を検討しているチームにとって、本質は変わりません。質の悪いデータを入れれば、AI速度で質の悪い出力が出てくるだけです。

AIがSales Opsの役割そのものをどう変えているかを理解したい方は、AI Sales Operatorライブラリでこの職能がどのように進化しているかを示す4つのパターンを解説しています。

AIエージェント展開の課題に関する関連記事：Salesforce AgentforceがCRMとともに機能する同僚になった、6senseのRevvyAIがアカウント資格審査をAIに移管。どちらの記事も同じ緊張関係を扱っています。AIの能力は整備されていますが、データの準備状況が依然として関門となっているという現実です。

よくある質問

なぜAIツールを使っても営業予測精度が上がらないのですか？

ほとんどのAI予測ツールは、入力されるデータの品質に依存しています。収益データが分断されたシステムに存在し、フィールド定義が一貫しておらず、再調整の頻度が低い場合、AIは一貫した視点ではなく矛盾するシグナルを出力します。Clari Labsは、企業の55%がすでにこの状況を経験していることを明らかにしました。解決策はデータのガバナンスと統合を先に行い、AI展開は後回しにすることです。

「Revenue Action Orchestration」はSales Opsにとって何を意味しますか？

Gartnerが統合データ層を通じて収益サイクル全体でAIアクションを調整するプラットフォームを表すために導入したカテゴリです。Sales Opsにとっては、市場が長年の主張を認めたことを意味します。価値は多くのAIツールを持つことではなく、すべてのツールが共通のガバナンス済みデータ環境で動作することにあります。Sales Opsはそのデータ層を担うことができる機能として自然なポジションにいます。

フルプラットフォームの移行なしに収益データの分断を修正するにはどうすればよいですか？

上述の3つの診断質問（統合、ガバナンス、最新性）から始めてください。影響度の高いギャップを最優先にしてください。ガバナンスのフレームワークは、新しいテクノロジーを購入する前に、既存のツール、フィールドレベルのオーナーシップ割り当て、文書化された定義で実装できることが多いです。その基盤づくりにより、すでに持っているツールを含め、その後のあらゆるAI展開がより効果的になります。

今週、Sales Opsが取るべきアクション

  1. 収益データ準備状況チェックを実施してください。 現在の予測データについて3つの質問に答えてください。答えを書き留めてください。「いいえ」または「不明」があれば、それが次のAIロールアウト前の最優先リスク項目です。

  2. データソースをマッピングしてください。 収益予測に関わるすべてのシステムをリストアップしてください。自動同期されているものと手作業が必要なものを識別してください。手動での突き合わせはエラーが積み重なる場所です。

  3. ガバナンスレビューをスケジュールしてください。 CRM管理者、RevOpsリード、AE代表者を集めてください。「有望なリード」の定義を統一してください。文書化して公式化してください。

  4. 再調整サイクルを確認してください。 予測モデルが過去30日間に実際の結果に基づいて再調整されていない場合、今すぐスケジュールを入れてください。古いモデルは体系的なエラーを生み続けます。

  5. ビジネスケースを構築してください。 Clari Labsの数値は説得力があります。データの統合によってROI 398%、予測精度96%が実現します。これらのベンチマークを使って、次のAIエージェント購入申請が届く前に、CFOにデータ準備投資の提案を行ってください。

Clari Labsの調査で目標を達成できなかった企業は、AIツールが不足していたわけではありません。データ規律が不足していたのです。Sales Opsはその規律を担います。今こそが出番です。

Reworkのようなプラットフォームは、統合されたガバナンス済みの収益データが単なる機能ではなく基盤であるという前提のもとに構築されています。ただし、どのスタックを使っていても手順は同じです。データをクリーンにし、ガバナンスを整備し、そのうえでAIを動かしてください。

参考情報