1. AIに読ませる日報づくり

営業の世界では、「日報」「週報」と聞くだけで、どこか面倒な印象を持つ人も少なくありません。
報告のための報告。上司に読まれることを意識した言葉選び。
日々の業務の中で、もっとも「やらされ感」が漂う業務の1つかもしれません。

しかし、AI時代に入った今、この認識は根本から変わりつつあります。
日報はもはや「誰かに見せるための報告書」ではなく、「AIが読み、理解し、再利用するために必要な知識素材」になりつつあるためです。

AIは「言葉」ではなく「構造」を読む

Vol.13で解説したように、AIは文章の美しさや表現の巧みさではなく、「構造」つまり因果関係・行動・意図・結果の整い方を理解の軸にしています。
人間が書いた曖昧な日報も、構造さえ明確であればAIは文脈を補完し、チームの行動傾向や成果要因を抽出できるようになります。

つまり、AIにとっての日報とは「学習ログ」であり、人にとっての日報とは「振り返りログ」なのです。
この2つを一致させることで、AIと人が共に成長する報告設計が生まれます。

書く負担を減らし、AIが読む余地を増やす

多くの現場では、日報をどうにか効率的に書く方法を探しています。
けれど本来のポイントはそこではありません。
「AIが理解しやすい構造で残す」ことこそが、負担を減らす本質です。
構造が整えば、AIが自動的に要約・分類・再利用できるようになり、人は「書く」から「考える」に時間を使えるようになります。

たとえば、

• 今日の目的（Intent）
• 実施した行動（Action）
• 得られた結果（Outcome）
• 気づきや学び（Insight）

これらをシンプルに整理して残すだけで、AIは1日の流れを「意図→行動→結果→学び」として理解します。
この構造こそ、次章で紹介する IAOIモデル の核心です。

Afterフェーズの起点としての日報

このVol.14は、営業AI活用シリーズにおける「After（接触後）」の第一章です。
Before・Duringで蓄積された情報を、Afterで「知識化」する。
その入口となるのが、まさにこの日報／週報です。

一見ルーティンに見える報告が、AI時代には学習の起点へと変わる。
その設計を理解しておくことが、次の失注分析やナレッジ共有へとつながる第一歩になります。

2. AIが読み解く日報の構造 —— IAOIモデルで因果を設計する

AIにとって、日報は「テキスト」ではなく「データ構造」です。
人間が一日の行動を文章で振り返るように、AIはその文章の中から意図・行動・結果・学びの因果関係を抽出し、パターン化します。
この因果構造を明示的に残すための設計が、IAOI（Intent/Action/Outcome/Insight）モデルです。

Intent：意図を明確にする

AIは、行動の「背景」を理解することがもっとも苦手です。
そのため、日報の冒頭で「何を達成したかったか」を明示することで、AIが一日の目的を軸に行動を整理できるようになります。

📌 プロンプト例

Intent：A社の意思決定者に次回提案の必要性を理解してもらう

この一文だけで、AIは以降のAction（行動）やOutcome（結果）を「目的達成の文脈」で読み取ることができます。
つまり、AIが学習可能なゴール文脈を設定する作業です。

Action：実施内容を構造化する

「何をしたか」は日報の中でも書きやすい項目です。
しかし、AIにとってはただの出来事の羅列では意味をなさないため、Actionは時系列または論理単位で整理するのが効果的です。

📌 プロンプト例

Action：
・前回提案資料を修正し、ROI試算を追加
・商談で顧客課題を再確認し、意思決定プロセスをヒアリング
・社内共有ミーティングで再提案方針を合意

行動が明確な粒度で書かれているほど、AIは「何が結果に影響したか」を推測しやすくなります。

Outcome：結果を定量・定性の両面で残す

結果が数字だけではAIが意味づけできません。
数値＋言葉の両方をセットに残すことで、AIは成果と状況を結びつけられるようになります。

📌 プロンプト例

Outcome：
・次回デモ提案の合意を獲得（次回日程：3/22）
・ROI比較に好感触、価格交渉へ進展

AIはこれを「Intent（目的）達成に向けた進捗」として評価し、成功／課題の文脈を分類します。
また、複数の日報を読み重ねることで、成果に寄与した行動パターンを抽出できるようになります。

Insight：気づきを次につなげる言葉で残す

AIは「気づき」からチーム学習を生み出します。
ここが人間の直感をAIに翻訳する領域です。

📌 プロンプト例

Insight：
・決裁者がROIに強く関心。次回は導入事例を中心に説明すべき。
・提案のタイミングより、リマインドの頻度が成果に影響している可能性あり。

Insightは、AIにとって文脈の再利用ポイントです。
ここを明示することで、AIは「似た状況での次の打ち手」を提案できるようになります。

IAOI構造の全体像（サンプル）

# 日報（2025_03_15_A社）

Intent：
A社の意思決定者に次回提案の必要性を理解してもらう

Action：
・提案資料のROI試算を再設計
・商談で課題を再ヒアリングし、優先度を確認
・社内会議で再提案方針を決定

Outcome：
・次回デモ提案の合意を獲得
・価格交渉フェーズへ移行

Insight：
・ROI説明の理解度が高く、定量比較に前向き
・次回提案時はコスト削減効果をさらに強調する

このように整形することで、AIは文を読むのではなく、解析するようになります。
つまり、AIが理解できる「行動の構造ログ」に変わるのです。

因果の明示が「学習の再現性」を生む

IAOIモデルを採用することで、AIは以下のような再利用を可能にします。

このように、日報は「終わりの報告」から「学びの開始点」へと変わります。
AIが読む構造を意識することは、単なる業務改善ではなく、組織の知識を循環させる設計行為なのです。

3. データソースの統一 —— AIが読みやすい素材を整える

AIが正確に日報を理解するためには、一貫したデータの置き方・呼び方・つなぎ方が欠かせません。
つまり、AIが読む日報を「構造化」するだけでなく、その素材となるGmail・ドライブ・カレンダーのデータも整える必要があります。

バラバラの情報をAIに任せるのではなく、AIが迷わない状態をつくる。
これが、日報自動化・AI整形の最初の一歩です。

Gmail —— 行動の起点を「ラベル」で分類する

営業の多くのやりとりはメールから始まります。
AIがこの情報を正確に読み取れるようにするには、一貫したラベル設計が重要です。

📌 推奨ラベル例

#商談報告
#アポイント調整
#顧客要望
#提案資料送付

これらのラベルを自動ルール（Gmailフィルタ）で付与しておけば、ドライブに格納する日報や、AIが集約するテキストの入口が明確になります。

たとえば「#商談報告」が付いたスレッドだけをGASで抽出し、その内容をドライブの日報テンプレートに転記するだけでも、AIが読み取れる素材が完成します。

ドライブ —— 日報フォルダを「構造ごと」固定する

AIが日報を解析できるかどうかは、ファイル名と階層構造の一貫性にかかっています。
人間が見やすいよりも、AIが迷わないことを優先することがポイントです。

📌 推奨ディレクトリ構成

/SalesReports/
  ├─ 2025/
  │   ├─ 03/
  │   │   ├─ 2025_03_15_A社_日報.md
  │   │   ├─ 2025_03_15_B社_日報.md
  │   │   └─ ...

📌 命名規則

[年]_[月]_[日]_[顧客名]_日報
例：2025_03_15_A社_日報.md

このように構造化することで、AIは日付・顧客・件名を自然言語解析に頼らず識別できます。
ドライブ上でフォルダ構造が整理されていれば、NotebookLM・Gemini・ChatGPT・Claudeいずれでも容易に解析・検索可能です。

カレンダー —— 行動データを「時系列」で補完する

日報の裏側には、AIが拾いきれない行動の流れがあります。
この流れをカレンダーから自動取得し、日報と紐づけることで、AIの理解は一気に深まります。

📌 推奨設定

• イベントタイトルに「顧客名」を必ず含める（例：A社／定例MTG）
• イベント詳細欄に「商談目的」や「共有資料リンク」を残す
• 商談直後にドライブの日報へ「#Calendar」リンクを自動追記（GASで実装）

こうすることで、AIは「目的→行動→結果」の時間軸を自然に学習できます。
とくにNotebookLMやGeminiでは、Calendarイベントを含む日付単位の情報結合が容易になるため、行動ログ＋日報ログのハイブリッド学習が可能です。
またオンラインでの商談をGeminiが文字起こし・議事録化する際にも、カレンダーの命名は参照されるため、あらかじめ統一しておくことをおすすめします。

各ツールをAIが読み解く「統一ルール」に変える

以下は、IAOIモデルと3ツールを結びつけた最小構成のイメージです。

このように各ツールを構造的に割り当てると、AIが「どこを読めば何があるか」を理解できる状態になります。

実務ポイントまとめ

✅ Gmailで「入口」を整える（#商談報告など）
✅ ドライブで「構造」を固定する（命名ルール＋月別階層）
✅ カレンダーで「時系列」を補完する（顧客名＋目的＋リンク）
✅ すべてをIAOIモデルで結ぶ（意図・行動・結果・学び）

こうして整備された環境は、CRMがなくてもAIが理解・再利用できる営業ナレッジ基盤になります。

4. テンプレート設計法 —— AIが再利用しやすい日報フォーマットをつくる

AIに読ませる日報をつくるうえで重要なのは、「人間が書きやすく、AIが読みやすい」構造を両立することです。
この2つのバランスを実現するために、フォーマット設計の段階から構造の一貫性を意識する必要があります。

ここでは、AIが理解しやすく、チームでも運用しやすい3形式のテンプレートを紹介します。

🧱 1. Markdown形式 —— 軽量でAIフレンドリーな定番構造

Markdownは、ChatGPT・Claude・Gemini・NotebookLMなど、ほぼすべてのLLMで構造解析が容易な形式です。
また、GoogleドキュメントもMarkdown構文を部分的にサポートしており、そのまま貼り付けるだけで見出しやリンクなどが自動的に整形されます。
（[ツール] → [設定] →「マークダウンを有効にする」をONにしておくことを推奨）

📌 テンプレート例（Markdown）

# 営業日報（{{date}}）

## Intent（目的）
今日の狙い・目標を簡潔に記述する
例：A社との再提案でROIの理解度を深める

## Action（行動）
- 提案資料を修正し、ROIシミュレーションを追加
- 商談で課題を再ヒアリング
- 社内レビューで再提案方針を確認

## Outcome（結果）
- 次回デモ提案の合意を獲得
- 意思決定者から前向きな反応あり

## Insight（気づき・学び）
- ROI説明が効果的だった
- コスト訴求よりも投資効果を重視していた点が印象的

---

**関連リンク**
- [ドライブ資料URL](https://drive.google.com/xxxxx)  
- [カレンダーイベント](https://calendar.google.com/xxxxx)

Markdownであればmdファイルとして保存・共有できるだけでなく、Googleドキュメントに「マークダウンから貼り付け」すれば、見出し・箇条書き・リンクが即座に整形されます。
エクスポート時もmdとして再利用可能なため、AIとの相性は抜群です。

🧩 2. Googleドキュメント形式 —— チームで共有しながらAIに読ませる

Googleドキュメントは、レビューやコメント機能を活かした「チーム日報」に最適です。
Geminiサイドバーがドキュメント内の見出し構造を直接解析できるため、Markdown構文を活用しつつ、共同編集性を保てるのが特徴です。

📄 構成例（Googleドキュメント）

📌 タイトル命名ルール

営業日報_2025_03_15_A社

Googleドキュメントでは「マークダウンを有効」にしておけば、## Intentなどを直接入力しても自動的に見出しとして変換されます。
また、右クリック→「マークダウンから貼り付け」を使えば、Markdownファイルを崩さずにインポートすることも可能です。

この構成をGeminiで読み込むと、「過去の日報との比較」「タグ付け」「要約生成」などの自動処理が即座に行えます。
人は文書にコメントを、AIは文書に意味づけという分担が実現します。

📊 3. スプレッドシート形式 —— 定量データを含むチーム全体集約に

商談数や提案件数などの定量情報を扱う場合は、Googleスプレッドシートが最適です。
Gemini for Sheetsでは、関数ベースでAI要約を自動生成できるため、「日報×分析」構造を自然に実現できます。

📄 構成例（スプレッドシート）

📌 Gemini関数例

=GEMINI.ANALYZE(A2:F2, "IAOIモデルで要約してください")

これにより、1行ごとにAIが自動要約を返し、複数メンバーの行動を「目的・行動・結果・学び」で俯瞰できるようになります。

🧭 形式選定ガイド

実務ではこれらを組み合わせるのが現実的です。
たとえば、日々の記録をMarkdownで残し、週次レポートをGoogleドキュメントに統合し、月次でスプレッドシート集計を行うという流れがスムーズです。

💡 運用のコツ

1. 見出し構造を統一する（Intent/Action/Outcome/ Insight）→どの形式でもAIが解析時に迷わない。
2. 空欄を「なし」と明示する→欠損を防ぎ、AI学習の精度を保つ。
3. リンクは [テキスト](URL) 形式で書く→ドライブやカレンダーとの紐づけをAIが認識しやすい。
4. フォーマット整形をAIに任せ、人は中身に集中する→ Gemini・ChatGPTに「今日の活動をテンプレートで整形して」と依頼すればOK。

5. 自動生成ワークフロー —— 「素材集約→AI整形→要約確認」を自動化する

IAOIモデルを使って日報を構造化できたとしても、実際にそれを毎日手動でまとめるのは現実的ではありません。
AI時代の営業現場では、「AIが整形し、人が確認する」という流れにシフトしていく必要があります。
ここで鍵となるのが、Google Workspaceを活用した軽量ワークフロー設計です。

🧩 ステップ1：素材の自動収集 —— Gmail・ドライブ・カレンダーを連携させる

まず、AIが読み取るための素材を自動で集める仕組みを整えます。
ここではGoogle Workspaceの3つの基盤ツールを利用します。

📧 Gmail（行動ログの収集）

• 「#商談報告」「#顧客要望」などのラベルを付けたメールを自動取得。
• GASで以下のようなスクリプトを設定し、特定ラベル付きのスレッドを日次でドライブに書き出します。

📌 GAS記述サンプル

function exportSalesMailsToDrive() {
  const label = GmailApp.getUserLabelByName("#商談報告");
  const threads = label.getThreads(0, 10);
  const folder = DriveApp.getFolderById("FOLDER_ID");

  threads.forEach(thread => {
    const messages = thread.getMessages();
    const content = messages.map(m => m.getPlainBody()).join("\n---\n");
    const fileName = `${new Date().toISOString().slice(0,10)}_mail_export.txt`;
    folder.createFile(fileName, content);
  });
}

📁 ドライブ（ファイル素材の収集）

• 「営業活動」フォルダ配下に当日分の資料（提案書、議事録など）を格納。
• ファイル名ルールに日付・顧客名を含めることで、AIが自動分類可能。
• Gemini・ChatGPTはDrive API経由で内容を読み取り、テンプレート項目に再配置できます。

🗓 カレンダー（時系列データの収集）

• 当日・前日・翌日のイベントを自動取得。
• イベントタイトル・メモ・URLを日報テンプレートに連結。

📌 GAS記述サンプル

function fetchTodayCalendarEvents() {
  const today = new Date();
  const events = CalendarApp.getDefaultCalendar().getEventsForDay(today);
  return events.map(e => `${e.getTitle()} - ${e.getDescription()}`).join("\n");
}

🧠 ステップ2：AIによる整形 —— IAOIモデルへの自動マッピング

素材がそろったら、AIに整形を任せます。
ここではGemini・ChatGPT・Claudeいずれでも利用できる共通プロンプト構造を示します。

📌 プロンプト例（AI整形用）

あなたは営業チームの日報整形アシスタントです。
以下の素材（メール本文・カレンダーイベント・ドキュメント抜粋）をもとに、IAOI（Intent/Action/Outcome/Insight）形式で日報を構造化してください。

出力形式はMarkdownでお願いします。

---
{{今日の素材}}
---

AIは、メールの本文や会議メモから「意図・行動・結果・気づき」を抽出し、前章のテンプレートに即したMarkdown出力を生成します。
この結果をドライブに保存することで、自動生成された日報の原稿が完成します。

🧩 ステップ3：人による要約確認 —— 読むから磨くへ

AIが整形した日報を、最後に人が確認します。
ここでのポイントは、「AIの誤りを直す」のではなく、人の視点を足すこと。

• Intentがズレていないか？
• Insightに自分の気づきを足せるか？
• 結果のトーンが事実に即しているか？

この3点を確認するだけで十分です。
AIは「行動の構造」を抽出するのが得意ですが、文脈の重みを付けるのは人間の役割です。
人が最後に温度を加えることで、AIが次回の学習時により深いパターンを抽出できるようになります。

⚙️ 全体フローのイメージ

Gmail (#商談報告)
   ↓
GASでドライブに自動転送
   ↓
ChatGPT／Gemini／ClaudeでIAOI整形
   ↓
Markdown／Googleドキュメントに自動出力
   ↓
人が確認・補足（Insightなど）
   ↓
次回分析・ナレッジ蓄積へ

このフローを構築しておけば、CRMがなくてもGoogle Workspace×LLM連携だけで自動学習する日報を実現できます。

💡 運用ヒント

このように、AIが書き、人が選び、再びAIが学ぶという循環を構築することで、日報は単なる記録から「チームのナレッジ中枢」へと進化します。

6. 他業務への活用展開 —— 日報を中心に広がる「知識循環」構造

AIが理解できる日報を残す最大の意義は、「報告を終わりにしないこと」です。
整えられた日報は、次の一手を導くための再利用可能な知識素材（リユーザブルナレッジ）となります。
ここからは、その日報がどのように他の業務へと連鎖していくのかを見ていきましょう。

🧩 1. 失注分析 —— 負けの構造をAIが教えてくれる

失注理由の多くは、感覚や記憶で語られてきました。
しかし、IAOIモデルで構造化された日報を蓄積していけば、AIは共通する「意図と行動のズレ」を見つけ出します。

例：AIが自動抽出する傾向

• Intent（目的）は明確だが、Actionが顧客課題に合っていないパターン
• Outcome（結果）が「検討中」で止まり、Insight（学び）が未記載のパターン
• 同一業界・同一タイミングでの失注傾向

これらを分析することで、「どのタイプの案件が負けやすいか」「成功パターンとの違いは何か」が明確になります。
AIが負けの構造を見せてくれることで、チーム全体が自分たちの営業スタイルを再定義できるようになります。

💬 2. 1on1・育成ログ —— 「行動の再現性」を支える教材になる

AI構造化された日報は、行動・意図・結果の因果が明示された教材として、育成に直結します。
上司やメンターは「結果」だけでなく「どの意図で行動したか」を追えるため、指導の質が格段に上がります。

具体的な活用例

• NotebookLMで新人の日報をまとめ、過去1ヶ月の成長ログを生成
• Geminiに「この1ヶ月でもっとも成果に寄与した行動傾向を要約して」と指示
• ChatGPTに「失注時の振り返り質問リストをIAOIベースで作成して」と依頼

こうして、AIが部下の考え方の傾向まで把握できる環境を整えることで、1on1の対話は報告ではなく「思考を磨く時間」へと変わります。

🗂 3. ナレッジ共有 —— 日報がそのまま検索可能な知識になる

IAOI構造を持つ日報は、AIが理解できる「知識単位」として蓄積されます。
NotebookLM・Gemini・ChatGPTのいずれでも、これをセマンティック検索可能な知識ベースに変換できます。

知識活用の例

• NotebookLM：チーム日報をアップロード→「類似案件を検索」
• ChatGPT：ドライブ連携から「ROI重視で成功した商談を3件抽出」
• Gemini：指定期間のInsightのみを抽出して要約

つまり、「AIが知っている過去の営業」をチームが活用できるようになるのです。
この状態を作ることが、Afterフェーズ全体の目的と言っても過言ではありません。

💼 4. 契約・顧客分析 —— 提案と結果の相関を学習させる

さらに日報は、契約フェーズのデータと結合することで「成果に至る道筋」をAIが理解できるようになります。
ドライブ上で契約フォルダ（例：/Contracts/2025/）と日報フォルダを対応づければ、AIは次のような分析を可能にします。

AIができる分析例

• 契約率の高いIntent／Actionパターンを抽出
• 成約前後でのInsightの変化傾向を要約
• 「高確率案件の初期アプローチ」を自動リストアップ

こうして、日報→商談→契約→学習という知識の流れが閉じずに循環する仕組みが整います。
この構造を持つチームでは、「経験の差」は再現可能な知識の差に変わります。

7. まとめ —— 「AIが読む構造」を整えるということ

AI時代における営業の日報は、もはや報告ではありません。
それは、AIと人が共に学び合うための知識ログであり、行動をデータ化し、思考を再現可能にするための構造そのものです。

Before・Duringで積み上げた情報を、Afterで「学び」に変換する。
この循環を生み出すために、Vol.14では日報をAIが読むための設計図として整理しました。

💬 最終チェック

以下のチェックリストを、あなたのAfterフェーズの起点として確認してみてください。

• ☐ 日報をIAOI（Intent／Action／Outcome／Insight）で構造化し、AIが因果関係を読み取れる形にしたか？
• ☐ Gmail・ドライブ・カレンダーを連携し、営業活動ログを自動で集約できるようにしたか？
• ☐ Markdown／Googleドキュメント／スプレッドシートいずれかの統一テンプレートを整備したか？
• ☐ Gemini・ChatGPT・ClaudeなどのAIに「素材整形→要約確認」を任せる軽量フローを構築したか？
• ☐ 日報の蓄積を、失注分析・育成ログ・ナレッジ共有など他業務の基盤に転用できる状態にしたか？

これらが揃えば、あなたのチームはすでに「AIに読ませて学びを再利用する組織」へと進化しています。

🧩 3秒まとめ