AI時代のSES営業に残る仕事｜AIに任せる仕事と人が担う仕事

AI時代のSES営業に残る仕事とは

AI時代のSES営業は仕事が消えるのではなく、情報処理から対人判断へ時間の配分が変わります。

案件探し、人材探し、既存エンジニアの対応を兼務する営業担当の方は、経営から売上と稼働率、顧客から早い提案、エンジニアから次の案件と日々のフォローを同時に求められます。

その状態でメール検索と条件照合に時間を使い続けると、人が担うべき顧客理解や関係構築が後回しになります。

この記事ではAIの機能一覧から始めず、日々の業務を任せる・支援させる・人が持つの3つへ分ける方法を整理します。

兼務するSES営業が時間を失う場所

SES営業の時間を圧迫しているのは、判断そのものよりも、判断材料を探してそろえる前工程です。

この前工程が長いほど提案が遅れ、新規案件の開拓とエンジニアのフォローに使える時間が削られます。

売上と稼働率を追いながら案件と人材を探す

営業担当の方は売上目標を追いながら、稼働が終わるエンジニアの次案件と、顧客から届く新しい案件の両方を探します。

目の前の提案を優先すると新規開拓が止まり、新規開拓へ動くと既存エンジニアの状況確認が遅れるという競合が起きます。

早い提案の前にメール検索と条件整理がある

顧客が求めるのは候補者の早い提案ですが、営業担当の方はその前に受信箱を検索し、単価、商流、スキル、稼働時期、勤務地などを読み取らなければなりません。

条件が複数のメールに分かれていたり、書き方が送信元ごとに違ったりすると、候補を知っているのに見つけられない状態も起きます。

記憶頼みの照合が見落としと属人化を生む

「前に似た人材を見た」という記憶を起点に受信箱を探す運用では、覚えている担当者だけが候補へたどり着けます。

担当者が忙しい、不在、異動したという理由だけで候補の発見が遅れれば、提案機会も引き継ぎ可能性も失われます。

見落とし、属人化、手作業が同じ原因から生まれる構造は、次の記事で詳しく整理しています。

SES営業の悩みあるある｜見落とし・属人化・手作業からどう抜け出すか

公式資料が示す仕事とスキルの変化

公式資料から言えるのは生成AIの業務への組み込みと必要スキルの変化であり、SES営業の仕事や案件が一律に減るという結論ではありません。

AI時代の仕事を考えるときは、雇用の増減を断定するのではなく、どの作業を移し、どの責任を人に残すかへ落とし込む必要があります。

経済産業省は日常業務への組み込みを課題としている

経済産業省の「生成AI時代のDX推進に必要な人材・スキルの考え方2024」は、生成AIの本格活用には課題があると整理しています。

特に、組織として日常業務へ組み込むこと、新しいサービスを生み出すこと、それを後押しする経営層の関与が重要だと示しています。

SES営業に置き換えると、AIを導入したかどうかではなく、メール検索や条件照合という日常作業を実際に変えられたかが問われます。

IPA資料はヒューマンスキルの重要性も示している

IPAの「DX動向2025-AI時代のデジタル人材育成」は、AI時代にAI・データ等のスキル需要が変わる一方、分析的思考やリーダーシップなどのヒューマンスキルも重要だと紹介しています。

ただし、この資料は執筆者の見解に基づくディスカッションペーパーであり、IPAの公式見解ではありません。

それでも、技術を使う力と人を動かす力を対立させず、両方を業務設計へ組み込むという視点はSES営業の分担を考えるうえで参考になります。

AI駆動SESの自動化範囲と実測データは、既存のhub記事で確認できます。

AI駆動SESとは｜メール処理・マッチングはどこまで自動化できるか

SES営業の業務を3つに棚卸しする

現状業務は「任せる・支援させる・人が持つ」の3段階に分けると、AIへの丸投げと二重確認の両方を避けられます。

基準はAIができそうかではなく、入力がそろっているか、相手との合意が必要か、最終責任を誰が持つかです。

任せる業務は処理条件を決める

AIへ任せる業務は、何を入力し、どの項目を出し、不明な場合にどう扱うかを先に決めます。

たとえばメールに商流の記載がなければ、推測して埋めるのではなく「確認が必要」として人へ戻す設計が必要です。

支援させる業務は最終判断を残す

候補提示は営業担当の方の記憶を補う支援として使い、提案の自動決定として扱いません。

一致条件だけでは読めない顧客の優先順位や、エンジニア本人の希望を加えて採否を決めます。

人が持つ業務は責任の所在を明確にする

誰が条件を確認し、誰が最終提案を承認し、誰がエンジニアへ結果を伝えるかを決めます。

AIを導入しても責任者が曖昧なままでは、候補が出た後の連絡が止まり、提案速度は上がりません。

メールを手入力せずに検索できる状態へ整える流れは、次の記事で解説しています。

SES営業のメール処理を自動化する方法｜手入力ゼロの仕組み

AIに任せるのは情報をそろえて探す仕事

AIに任せやすいのは、メールから判断材料を取り出し、同じ条件で探せる形へ整え、候補を並べる情報処理です。

相手との合意や提案責任を含まない前工程に絞ると、営業担当の方は結果を使う側へ回れます。

メール整理と条件抽出で探す前の作業を減らす

案件と人材が混在するメールを整理し、単価、商流、スキル、稼働時期、勤務地などを条件として扱えるようにします。

ここで書かれていない項目を無理に補わず、不明な条件を確認対象として残すことが重要です。

検索と候補照合で記憶への依存を減らす

条件で検索し、案件と人材を照合できれば、「以前見た気がする」という個人の記憶から候補探しを始める必要が減ります。

候補提示までを機械へ寄せることで、営業担当の方は誰へ何を確認するかという次の行動へ早く移れます。

人が担うのは背景を理解して合意する仕事

人が担う中心は、メールに書かれていない背景を聞き、条件を調整し、提案結果に責任を持つ仕事です。

検索と候補照合を減らす目的は、人を外すことではなく、この対人活動へ時間を戻すことにあります。

顧客の背景と優先順位を理解する

同じ必須スキルでも、立ち上げを急ぐ案件と、長期運用を重視する案件では求める経験や伝え方が変わります。

メールの条件だけで決めず、なぜその条件が必要か、どこなら調整できるかを顧客へ確認します。

条件を確認して交渉する

不明な商流、単価の幅、稼働開始日、勤務形態は、相手へ確認して初めて確定します。

候補が見つかった後のすり合わせでは、相手の返答を受けて条件を調整し、双方が納得できる範囲を探ります。

最終提案と関係構築に責任を持つ

候補を出した理由を顧客へ説明し、エンジニア本人の希望を確認したうえで、誰を提案するかを決めます。

提案後の連絡、見送り理由の共有、次回につながるフォローも、継続的な信頼関係を作る営業活動です。

新規開拓とエンジニア情報の更新へ時間を回す

検索時間が減った結果として、新規案件の開拓へ使う時間を増やせますが、新規開拓そのものをDot Linkが自動化するわけではありません。

既存エンジニアの希望、スキル、稼働状況を更新する時間も確保し、次の候補提示に使う情報を新しく保ちます。

時間配分の変化を5つの項目で測る

AI導入の効果は売上増を先に断定せず、検索と提案準備に使う時間の変化から測ります。

未実測の効果は実績ではなく仮説として扱い、導入前後で同じ定義の記録を比べます。

測定期間や件数の基準は自社の営業周期に合わせ、繁忙期と通常期を混ぜずに比較します。

売上や稼働率との関係を見る場合も、まず時間配分が変わったか、その次に提案件数や結果が変わったかという順で確認します。

Dot Linkで検索と条件照合を減らす

Dot Linkはメールの送信または転送設定を起点に、検索と条件照合の時間を減らし、人が担う営業活動へ時間を戻すために使います。

現在公開中の提供範囲に限ると、ローカル検索、オープン検索、イチオシ、公開・非公開設定、ブロックリストを利用できます。

ローカル検索とオープン検索を使い分ける

ローカル検索では自社に届いた案件・人材を探し、オープン検索では公開されている範囲から候補を探します。

検索元を分けることで、手元の情報を見直す作業と、自社の受信範囲外を探す作業を同じ記憶に頼らず進められます。

イチオシを最終判断ではなく候補提示として使う

イチオシは自動レコメンドされた候補を確認する機能で、最終提案を自動で決める機能ではありません。

候補の条件を確認し、顧客の背景やエンジニア本人の希望を加えて営業担当の方が判断します。

公開範囲とブロック対象を管理する

公開・非公開設定で情報を見せる範囲を選び、ブロックリストで対象外とする相手を管理します。

検索できる範囲を広げることと、情報を無条件に公開することを同じにしないための設定です。

案件と人材を条件で絞ってから評価する考え方は、次の記事で解説しています。

AIマッチングはどう案件と人材を結びつけるのか｜2段階フィルタの仕組み

仕事を減らすのではなく時間の使い方を変える

AI時代のSES営業で見直すべきなのは人数ではなく、情報処理と対人活動の時間配分です。

情報処理はAIへ寄せる一方で、顧客理解、条件確認、交渉、最終提案、関係構築は人が持つという分け方から始めます。

Dot Linkで検索・照合にかかる時間を減らし、その時間を新規開拓、顧客提案、エンジニアの情報更新とフォローへ移せたかを5つの測定項目で確かめてください。

効果は売上増として先に置かず、自社の導入前後データから判断することが大切です。

よくある質問

AIへ任せる業務はどのように棚卸ししますか？

まず、日々の業務を「情報を探す・整える」「候補や判断材料を作る」「相手と合意して責任を持つ」の3種類へ分けます。

そのうえで、入力と出力を定義できるメール整理・条件抽出・検索は「任せる」、候補提示は「支援させる」、顧客理解・確認・交渉・最終提案は「人が持つ」へ置きます。

書かれていない条件を推測しないことに加え、担当者名と判断期限を記録し、候補が出た後に止まらない形へ落とし込むことが棚卸しの要点です。

AI導入の効果は何を測ればよいですか？

検索時間、候補発見までの時間、提案準備時間、新規開拓に使った時間、既存エンジニアのフォロー時間の5項目から始めてください。

導入前後で同じ定義を使い、繁忙期と通常期を混ぜずに比較すると、情報処理から対人活動へ時間を移せたかを確認できます。

売上や稼働率への影響は先に実績として置かず、同じ期間の提案件数とフォロー件数も記録し、十分な件数が集まるまで安易に因果関係を決めず、時間配分と提案結果を継続して測った後に判断します。

メールにない条件をAIが補ってもよいですか？

提案条件に関わる情報は、根拠がないまま補わず「不明」または「確認が必要」として人へ戻す運用が安全です。

特に商流、単価、稼働時期などは、誤った推測が条件不一致や相手への誤説明につながります。

AIは確認先を見つけるところまで支援し、営業担当の方が確認相手と期限を履歴として記録して質問し、回答後に検索条件とエンジニア情報へ反映し、次回も同じ基準で必ず確認できる形で条件を確定するという分担にしてください。

参照リンク

本記事は次の公式資料を参照し、SES営業の仕事や案件の減少を直接示す資料ではないことを区別して記載しています。

経済産業省「生成AI時代のDX推進に必要な人材・スキルの考え方2024」 — 生成AIの日常業務への組み込み、新サービス創出、経営層の関与など、本格活用に向けた課題を整理した資料です。

IPA「DX動向2025-AI時代のデジタル人材育成」 — AI時代のスキル変化とヒューマンスキルの重要性を扱うディスカッションペーパーで、IPAの公式見解ではなく執筆者の見解です。