1. 成果か、人間関係か 営業リーダーの永遠のジレンマ

「数字は達成しているのに、チームの雰囲気がどこか重い」

「メンバーとは良い関係だけれど、目標がいつもあと一歩届かない」

営業組織のマネージャーであれば、誰もが一度はこの矛盾にぶつかります。

成果を出すことと人を動かすこと。

この2つは似ているようで、実はまったく違う筋肉を使う営みです。

P（Performance）＝目標達成力と、M（Maintenance）＝人間関係維持力。

この二軸をどう使い分け、どう両立させるか、それが営業リーダーにとっての永遠のテーマです。

Pが強すぎれば、チームは数字に追われて疲弊します。

Mが強すぎれば、空気は穏やかでも結果は伸びません。

多くのマネージャーは、目の前の状況に応じてこの二軸を揺れ動かしながら、日々の判断を繰り返しています。

ところが近年、AIの登場によってこの揺らぎを構造的に観測できる時代が来ました。

成果の数字だけでなく、発言ログやメッセージのトーン、会議での話し方まで、すべてがデータとして蓄積され、リーダーの「P/M傾向」を可視化できるようになりつつあります。

つまり、これまで感覚的に行っていた成果と関係性のバランスを、AIがデータという鏡を通じて映し出せるようになったのです。

この変化をどう捉えるか。

AIがリーダーを置き換えるのではなく、リーダーが自分自身をより深く理解し、整えるためのツールとして使う。

それこそが、現代の営業組織におけるリーダーシップ再設計の核心です。

本稿では、1960年代に日本で生まれた「PM理論」を軸に、AIを活用して成果（P）と人間関係（M）を両立させるための新しいマネジメントのかたちを探っていきます。

前回取り上げたDiSC®理論が「人を理解する」ためのレンズだとすれば、今回のPM理論は「その人たちをどう導くか」を考えるためのレンズです。

2. PM理論とは？ 三隅二不二博士による日本発のフレーム

「PM理論」は、1960年代に社会心理学者の三隅二不二（みすみ・じふじ）博士によって提唱された、日本発のリーダーシップ理論です。

戦後の組織運営において、「成果主義」と「人間尊重」のどちらを優先すべきかという論争が続くなかで、三隅博士はその対立を二軸で整理するという革新的な発想を提示しました。

それが以下の2つの要素です。

• P機能（Performance function）：目標達成のために行動を指揮・統制する力
• M機能（Maintenance function）：メンバー間の関係性を維持し、チームを安定させる力

博士は、この二軸の強弱を掛け合わせることで、リーダーの行動スタイルを4つに分類しました。

理想とされるのはもちろんPM型。

しかし現実には、営業組織のリーダーの多くがこのどちらかに偏りがちです。

• Pm型（成果至上主義）：数字は出るが、心理的安全性が損なわれやすい。
• pM型（共感過多）：チームの空気は良いが、指針が曖昧で決め切れない。

この二極のあいだで揺れ動くのが、まさに現代の営業マネージャー像といえるでしょう。

興味深いのは、PM理論が半世紀以上前に提唱されたにもかかわらず、リモートワーク／データドリブン化／メンタルケア重視といった現代の働き方変化においても、なお通用するフレームであるという点です。

つまり、人と成果のバランスをどうとるかという問題は、時代を超えて普遍的なのです。

そして、ここにAIが加わることで、この「バランス」を観測・数値化・調整できる新時代が始まっています。

3. AI時代におけるPM理論の再解釈

PM理論が提唱された1960年代、日本の組織は「人の感覚」に大きく依存していました。

リーダーの判断は経験則に基づき、チームの雰囲気やメンバーの表情から、場の空気を読み取ることで成り立っていたのです。

しかし現在の営業現場は、CRM、チャットツール、オンライン会議、営業支援システム（SFA）など、あらゆる活動がデータとして記録される時代になりました。

つまり、リーダーの「振る舞い」も「言葉」も、「成果」も「関係性」もすべて数値化できる。

この構造変化こそ、PM理論をAI時代に再定義できる理由です。

P重視の罠とM重視の罠

AIによって営業プロセスが可視化された一方で、リーダーの傾向は依然として偏りがちです。

多くのマネージャーは「成果を出す力」と「人を動かす力」のどちらかに寄ってしまう。

• P重視の罠：KPIや数字の追求に偏り、メンバーの心理的安全性が崩れる。
• M重視の罠：人間関係の維持に傾き、方向性の曖昧さや決断力不足に陥る。

これらはどちらも意図的というより、観測できない偏りの結果です。

つまり、リーダー自身が「自分のP/M傾向を定量的に把握できていない」ことに起因しています。

AIはリーダーの第三の目になる

ここで登場するのがAIです。

AIはリーダーの代わりに意思決定を行うわけではありません。

むしろ、AIはリーダーの鏡であり、第三の目です。

その役割は、大きく分けて3つに整理できます。

この「観測→解釈→補助」という循環が、従来のPM理論におけるPとMのバランスを動的に整えるエンジンとなります。

感覚から、設計へ

従来は「自分はP寄りだ」「最近Mに傾いている」といった感覚的認識に頼っていました。

しかしAIによる行動解析や言語分析によって、それが週単位・メッセージ単位で観測可能になっています。

「成果と関係性のどちらが欠けているのか」を定量的に捉えることができれば、リーダーシップはもはや性格論ではなく、再現性あるスキルとして設計・育成できるのです。

4. AIによるリーダーシップの鏡 自分のP/M傾向を見える化する

AIを活用したリーダー育成の最大の価値は、「見えなかったものが見えるようになる」ことです。

成果（P）と関係性（M）のどちらに偏っているのか、その感覚のズレを、AIが鏡のように映し出す。

それによって、リーダーは初めて「自分のリーダーシップ」を客観的に把握できます。

行動ログが語る「リーダーの癖」

営業マネージャーの1日は、メッセージ・会議・レビューの連続です。

AIはこの行動ログから、P/Mの特徴を自動抽出します。

たとえば：

• CRMコメントにおける「期日」「数値」「指示語」の頻度→P傾向の強さ
• SlackやTeamsでの「承認語」「共感語」「相談誘導語」の頻度→M傾向の強さ
• 会議文字起こしにおける発話ターン、質問文率、称賛語の出現率→P/Mの比重

これらのログを横断的に分析すると、「どのタイミングで、どちらの傾向が強まるか」が見えてきます。

たとえば営業期末になるとP比率が急上昇するマネージャーや、特定メンバーとの1on1でM傾向が強まるリーダーといった無意識のパターンを、AIは可視化してくれるのです。

データで見るP/Mスコア

AIは、こうした行動や発話を数値化し、P/Mスコアとして提示します。

たとえば以下のような指標で分析できます。

こうして得られたP/Mスコアをもとに、リーダーは「自分の発信がどちらに寄っているか」を定量的に理解できます。

この指標が、自己認識のズレを修正するダッシュボードになるのです。

フィードバックAIが補うコミュニケーション

AIは単に偏りを指摘するだけではありません。

次の一手を提示する「フィードバックAI」として、不足側の言葉を補う提案まで行えます。

たとえば

• P不足（関係寄りリーダー）には：「締切」「数値」「具体行動」を自然に織り込んだ指示文を下書き。
• M不足（成果寄りリーダー）には：「共感」「称賛」「支援意図」を添えた承認メッセージを自動生成。

これにより、P偏重のマネージャーも「柔らかく伝える」力を磨け、M偏重のマネージャーも「締めるべきポイントを言語化」できるようになります。

📌 プロンプト例：リーダー行動のP/M分析と改善提案

あなたは営業マネージャーのAIコーチです。

以下の1on1記録をPM理論の観点で分析し、P/Mスコア（0〜100）を算出、根拠を説明し、不足している側面を補う具体的な改善メッセージを生成してください。

出力形式：
1. P/Mスコアと傾向（例：P72 / M28）
2. 根拠となる表現例（引用形式）
3. 補強すべき側面
4. 改善メッセージ案（本人の口調を保ったまま）

AIは人の代弁者ではなく、補助輪です。

メッセージを丸ごと任せるのではなく、リーダーの判断を支える素材として使う。

この距離感のある協働こそ、AI時代のリーダーシップ開発におけるもっとも重要な設計思想です。

5. PM理論×AI活用によるチーム文化の再設計

AIによるP/Mスコアがもたらす価値は、リーダーの自己理解だけにとどまりません。

データが集まれば集まるほど、チーム全体のリーダーシップ傾向が浮かび上がります。

組織の文化とは、個々のリーダーの振る舞いの集合結果であり、AIはそれを定量的に可視化できるようになりました。

チーム全体のP/Mマップをつくる

AIはリーダー単位のスコアを集約し、チーム全体のP/M分布マップを描きます。

そこには、成果志向が強い部署、関係性重視のチーム、均衡の取れたグループなど、組織の性格が明確に現れます。

たとえば以下のような診断結果が出たとします。

この可視化により、マネジメント会議は「どのチームがP過多か／M過多か」を感覚でなくデータで議論できるようになります。

強化すべきリーダー層と補完し合うペアリングを決める指針としても有効です。

相互補完リーダーシップという考え方

営業組織には、さまざまなタイプのリーダーがいます。

数字に強くチームを引っ張るP型、関係構築に長けたM型といったようにどちらも必要な存在です。

AIが役割を明確にしたうえで、この二者を意図的に組み合わせることができます。

• P型リーダーには：AIが「承認・称賛の文例」や「1on1での傾聴質問」を提案し、M機能を補助。
• M型リーダーには：AIが「優先順位付けテンプレート」や「KPIダッシュボード」を生成し、P機能を支援。

このようにAIは、リーダー間の相互補完をデザインする触媒となります。

もはや「全員が理想のPM型を目指す」必要はありません。

AIがチーム全体のバランスを最適化する仕組みを設計すればよいのです。

PM文化を育てる5ステップ

AIを取り入れた文化形成は、一朝一夕には進みません。

しかし、以下のサイクルを回すことで、成果と関係性の両立が組織の習慣になります。

1. 測る（Measure）：P/M指標を定義し、AIにログ解析を任せる。
2. 見える化（Visualize）：ダッシュボードで個人・チームの傾向を共有。
3. 補正する（Adjust）：偏りに応じてAIがメッセージ・アジェンダを提案。
4. 学ぶ（Learn）：成功事例をテンプレート化し、プレイブックに蓄積。
5. 定着させる（Embed）：評価・育成サイクルにP/Mレビューを組み込む。

この5ステップを継続することで、「数字だけ」「関係だけ」という極端な文化を脱し、成果と心理的安全性が共存するPM型文化を根づかせることができます。

実装ミニパッケージの例

初期導入の際は、以下のようなミニマム設計でも十分に効果があります。

目的は完璧な分析ではなく、「偏りを1ミリずつ整える」習慣をつくることです。

その積み重ねが、メンバーのモチベーションや定着率、ひいては営業成果の安定につながります。

データから文化へ

営業文化とは、リーダーたちの日常の言葉づかいが積み重なってできるものです。

AIはその言葉をデータに変え、PとMのバランスを数値として提示してくれます。

つまり、AIは単なる分析ツールではなく、文化形成のパートナーになり得るのです。

6. 業界別活用イメージ：AIが支える「成果と関係性の同時最適化」

営業組織におけるPM理論の活用は、業界によってアプローチが異なります。

それぞれの商談スタイルやリーダー層の特徴に応じて、AIがどのデータを観測し、どのように補助するかを調整することが鍵です。

以下では4つの代表的な業界での活用イメージを見ていきましょう。

IT・SaaS業界：データ主導のP/M診断で「指示と称賛」を両立

SaaS企業では、OKRやパイプラインなど数値目標の管理が進んでいる一方、急成長組織ほど人のケアが置き去りになりやすい傾向があります。

AIを活用することで、マネージャーのメッセージや会議発言を自動で分類・スコア化し、「目標追跡に偏りすぎていないか」「称賛や承認の言葉がどのくらい使われているか」を見える化できます。

主な活用例

• 営業本部長が週次レビュー前に、チームごとのP/Mバランスをチェック。
• AIが「追い込み期の指示文（P強化）」と「称賛メッセージ（M強化）」を同時に提案。
• Slack発言ログから承認ワード不足を自動検出し、テンプレートを配信。

これにより、短期目標を追い込みながらも、メンバーのモチベーション維持を両立できる組織運営が可能になります。

製造業：現場リーダーの「声かけ」と「改善行動」をAIが見守る

製造現場では、作業手順の遵守（P）と安全配慮・士気管理（M）の両立が求められます。

AIが音声ログや日報を文字化し、発話の傾向をP/Mスコアとして可視化することで、「指示が多すぎる現場」「声かけが少ない班長」など、現場ごとの改善ポイントが浮き彫りになります。

主な活用例

• 音声認識＋自然言語解析で「指示文：共感文」の比率を算出。
• 安全ミーティングでの発言ログを分析し、M不足をアラート。
• 班長向けに共感＋改善提案を両立する発言例をAIが提示。

この仕組みによって、従来は属人的だった現場リーダー教育のPDCAを、客観的データに基づいて継続できるようになります。

不動産業界：顧客対応フェーズごとのP/M比率をAIが助言

不動産営業では、「契約を取る強さ」と「信頼関係を築く柔らかさ」が常にせめぎ合います。

特に反響対応からクロージングまでのプロセスで、担当者によるトーンの差が大きい業界です。

AIは、顧客とのチャット・内見報告・契約後のフォロー記録などを分析し、各フェーズごとのP/Mバランスを自動診断します。

主な活用例

• 「初回対応ではM比率が高く理想的／内見後のP指示がやや強すぎ」などの指摘。
• AIコーチが「成果を促しつつ、安心感を残す表現」に書き換え提案。
• 未達案件のフォロー文面を「感情分析×PM理論」で最適化。

これにより、営業チーム全体の対応品質を統一しながら、顧客満足と受注率の両立を支援します。

小売・EC業界：店長・SVの「朝礼トーク」をAIが自動評価

店舗マネジメントでは、日々の声かけや朝礼トークがチーム文化を形づくります。

AIは音声をリアルタイムに文字化し、P要素（販売・指示）とM要素（称賛・励まし）を解析。

店長やSVに、翌日の改善ポイントをフィードバックします。

主な活用例

• 朝礼発言をAIが分析し、「P/Mバランス」「感情トーン」をスコア化。
• 店舗ごとに「数字に強い型」「共感に強い型」を抽出して展開。
• 優秀スピーチをテンプレート化し、全店舗で共有。

結果として、現場レベルで「数字を追いながら雰囲気も良い店」が増え、離職率の低下や顧客満足度の向上にもつながります。

業界を超えた共通点

どの業界にも共通するのは、AIが「リーダーを置き換える」のではなく「リーダーを映す鏡」になっていること。

成果と関係性という、これまで属人的だった判断軸を見える化し、整える。

これがPM理論×AI活用の本質です。

7. AIが育てるバランス型リーダーの時代へ

リーダーシップとは、常に揺れ動くものです。

成果を追えば人が離れ、人に寄れば成果が鈍る。

その揺らぎのなかで、リーダーは自分の判断を信じるしかありませんでした。

しかし今、AIはその判断の鏡を差し出しています。

成果（P）と関係性（M）という、見えない軸をデータで見える化し、整える。

これはリーダーを管理する仕組みではなく、リーダーが自分を客観視し続ける仕組みです。

AIは「支配者」ではなく「対話者」

AIが提示するのは正解ではなく、視点です。

「どんな言葉を使っているか」「どんな場面で偏りが出るか」を映し出し、リーダー自身が気づき、選び直すための材料を提供します。

つまりAIは、人の感情や意志を奪う存在ではなく、リーダーがより人間らしい判断を行うためのもう一人の参謀なのです。

理解から導きへ DiSC®理論との連続性

前回の「DiSC®理論 × AI活用」では、メンバーの行動特性やコミュニケーションタイプを理解することがテーマでした。

DiSC®が人を理解するレンズであるなら、今回のPM理論はその人たちをどう導くかのレンズです。

• 理解する（DiSC®）：相手のタイプを知り、関係を築く。
• 導く（PM）：成果と関係のバランスを整え、文化をつくる。

AIはこの両者の橋渡し役として機能します。

人を理解し、導く力をデータで支援する、それが次世代のマネジメントの姿です。

小さな整えを、日々積み重ねる

PM型リーダーとは、完璧なバランスを保つ人のことではありません。

毎日の対話や指示の中で、偏りを自覚し、1ミリずつ整えていける人です。

AIはその調整を支える「日次のメンター」です。

Pに寄った日には共感の言葉を、Mに傾いた週には明確な指針を。

その積み重ねが、成果と心理的安全性の両立というチームの文化を形づくります。

数字と人の両輪で走る営業文化へ

これからの営業組織に求められるのは、「結果を出しながら、人が育つ」という循環です。

AIはその循環を加速させるための触媒。

人間の勘と情を残したまま、意思決定を科学する。

それが、AI時代のリーダーシップにおける新しい実践知といえるでしょう。

AIはリーダーの代わりにはならないが、リーダーをより良いリーダーにすることはできる。

その未来を、営業現場からつくっていくこと。

それこそが、PM理論とAIが共に描くバランス型リーダーシップの出発点です。