1. なぜ今「フィードバック」が問われるのか

営業といえば「数字で語る」「結果がすべて」という文化が長く続いてきました。

上司は数字を追い、部下はその数字で評価される、そんな図式に馴染んできた方も多いはずです。

しかし、ここ数年で状況は一変しています。

市場は変化のスピードを増し、顧客ニーズは細分化。

社内を見れば、価値観や働き方が違う世代が同じチームにいるのが当たり前になりました。

こうした環境で「数字を追え」という一辺倒のマネジメントは、もはや機能しづらくなっています。

特に若手社員との関わり方には変化が必要です。

「なぜこの仕事をするのか」「どう成長できているのか」といった納得感や手応えがなければ、モチベーションは続きません。

厳しい指摘やプレッシャーだけでは、人は動かなくなっているのです。

そこで注目されているのが「フィードバック」です。

単なるアドバイスや評価ではなく、人を育てる仕組みとしてのフィードバック。

短い会話の中でも「気づき」と「次の一歩」を生み出すこのコミュニケーションが、今まさに営業現場で求められています。

2. フィードバックとフィードフォワードの整理

「フィードバック」とよく対で語られるのが「フィードフォワード」です。

名前が似ているため混同されやすいのですが、実は見ている方向がまったく違います。

• フィードバック：過去の行動や結果を振り返り、「何がよかったか・どこを直すべきか」を伝える。
• フィードフォワード：未来の行動を想定し、「次はこうしてみよう」と前向きな示唆を与える。

つまり、フィードバックは「鏡」、フィードフォワードは「地図」のようなもの。

営業マネジメントにおいては、どちらか一方では不十分で、両輪で使い分けることが理想です。

フィードバックとフィードフォワード比較表

	フィードバック	フィードフォワード
視点	過去を振り返る	未来を見据える
目的	改善・修正	新しい挑戦・拡張
トーン	客観的・事実ベース	ポジティブ・可能性ベース
活用場面	振り返り面談、評価、週報レビュー	次回商談準備、ロープレ設計、新施策検討
AIの役割	会話ログから事実抽出、要点整理	アイデア発散、行動プランのオプション提示

本稿では、このうち「フィードバック」に焦点を当てます。

1人ひとりが「過去を振り返り、次に活かす」ことを積み重ねることで、組織全体が強くなる、その仕組みづくりを中心に掘り下げていきましょう。

3. 良いフィードバックの3原則

「フィードバックが大事」と言われても、ただ指摘や感想を伝えるだけでは逆効果になることもあります。

効果的に機能させるには、最低限押さえておきたい3つの原則があります。

1. 具体性 事実とデータで語る

「もっと頑張ろう」「丁寧にやってね」といった抽象的な言葉では、受け手は何を改善すべきか分かりません。

• 「今回の提案資料では課題と解決策が整理されていて分かりやすかった」
• 「ただ、競合比較の深掘りが弱かったので、次回は具体的な数値を添えてみよう」

AIを活用すれば、商談ログから「発言回数」「質問数」「顧客の反応」などの事実を自動で抽出し、具体性のある材料を素早く集められます。

2. ポジティブさ 成果や努力を認める

改善点ばかりを並べられると、人は萎縮してしまいます。

「何ができたか」「どこまで成長したか」をきちんと認めたうえで改善点に触れることで、相手は前向きに受け止められます。

• 「前回よりも課題をしっかり引き出せていたよ」
• 「この点を加えればさらに説得力が増すはず」

AIを使えば「ポジティブな行動フレーズ」をログから抜き出してくれるので、自然に褒めポイントを会話に盛り込めます。

3. 双方向性で、一方的でなく、対話にする

上司が一方的に話して終わりでは、本人に気づきは生まれません。

「自分ではどう感じた？」「他にできた工夫はある？」と問いかけながら進めることで、本人の言葉で学びを整理できます。

AIの支援としては、問いのリストアップが有効です。

商談内容を読み取り、考えを引き出す質問案を生成してくれるので、「問いに詰まる」ことを防げます。

これら3つの原則を意識するだけでも、フィードバックの質は大きく変わります。

AIがデータの抽出や問いの準備を担い、人は相手の表情や感情を見ながら進める。

この分担ができると、短時間でも効果の高いフィードバックが実現します。

4. 営業現場で使える5つのフィードバック手法

フィードバックには定番とされる型がいくつか存在します。

ここでは営業現場でも活用しやすい5つを紹介します。

それぞれに適したシーンがあり、AIで補助することで効果が一段と高まります。

① サンドイッチ型 褒め→改善→褒め

最初と最後にポジティブな要素を入れ、間に改善点を挟む手法です。

若手や新人に対しては受け入れやすく、指摘が刺々しくならないのがメリットです。

🎯 営業シーン例

• 新人の提案ロープレや初めての顧客対応。
• まず「よくできた点」を押さえて安心感を与えたうえで、改善点を伝え、最後に「全体として成長している」という締めを入れる。

🤖 AIの活用例

• 商談ログから「ポジティブな行動表現」を抽出させ、自然に褒めポイントを見つける。
• さらに改善点を1つだけ抜き出し、バランスのとれたコメント文を自動生成できる。

② マッキンゼー型 課題→感想→改善策

「問題→自分の感想→具体的な改善案」という順番で伝えるロジカル型。

論理的に整理して話すため納得感を得やすいのが特徴です。

🎯 営業シーン例

• 中堅営業や代理店パートナーとの1on1。
• 課題を率直に伝えつつ、「こちらもこう感じた」と感情面を補足。
• そのうえで具体的なアクションを提示することで、次に繋がる。

🤖 AIの活用例

• 議事録から「課題ポイント」を抽出→因数分解→改善策のオプションを3案提示。
• マネージャーはそこから最適な改善策を選び、自分の言葉に置き換えるだけで済む。

③ KPT型 Keep/Problem/Try

「続けること」「課題だったこと」「次に試すこと」を整理する型。

シンプルでわかりやすく、振り返りの場面にフィットします。

🎯 営業シーン例

• 週報レビューや案件単位の振り返り。
• チームで共有する際にも使いやすく、メンバー全員が自分の言葉で書き込める形式。

🤖 AIの活用例

• 会話ログや活動記録をAIに投げると、自動的にK/P/Tで仕分け。
• 特にTryを「30分でできる行動」に落とし込むよう指示すれば、具体的で実行可能な改善アクションが出てくる。

④ ペンドルトン型 内省を促す5ステップ

問いかけ中心で本人に考えさせるスタイル。

課題の確認から良かった点・改善点・行動計画・まとめという流れで進めます。

🎯 営業シーン例

• 新卒・中途のオンボーディングや、キャリアアップを目指す若手の1on1。
• 時間をかけて「自分で答えを導く」ことが目的。
• 信頼関係の構築にも効果的。

🤖 AIの活用例

• 「どんな問いを投げるか」のリストを事前に生成。
• 沈黙が続いたときのサブ質問を用意しておけば、現場で安心して内省型面談を進められる。

⑤ SBI型 Situation/Behavior/Impact

「状況・行動・影響」の3点で伝える型。

客観性が高く、公平性が求められる場面に適しています。

🎯 営業シーン例

• 評価面談や顧客同行後のフィードバック。
• 感情的にならず、事実をベースに伝えることで相手も納得しやすい。

🤖 AIの活用例

• 会話ログや訪問記録から「いつ・どこで・何をした・どう影響した」を自動抽出。
• SBI形式に整形してSlackやNotionに保存すれば、後からの評価資料としても使える。

これらの手法を「場面や相手に合わせて使い分ける」ことが重要です。

さらにAIを組み合わせれば、事実の抽出や言い換えの準備に時間を取られず、対話そのものに集中できます。

代表的なフィードバック型の比較表

型	概要	特徴	営業シーン	AI活用ポイント
サンドイッチ型	褒め→改善→褒めの順で伝える	指摘を受け入れやすい／安心感を与える	新人・若手への初商談レビュー	ログからポジティブな行動抽出→自然な褒め文を生成
マッキンゼー型	課題→感想→改善策の順で整理	ロジカルで納得感が高い	中堅層、代理店パートナーとの1on1	課題の因数分解→改善策オプションを提示
KPT型	Keep/Problem/Tryで整理	シンプルで共有しやすい	週報レビュー、チーム振り返り	発言や記録をK/P/Tに仕分け→Tryを30分行動に変換
ペンドルトン型	問いかけ中心の5ステップ	主体性を育てる／時間は必要	新卒・中途のオンボーディング、キャリア形成	「問いリスト」や「サブ質問」を生成して内省を支援
SBI型	Situation-Behavior-Impactで事実を伝える	客観性・公平性が高い	評価面談、顧客同行後の振り返り	ログからS/B/Iを抽出→SlackやNotionに自動記録

5. 陥りやすい落とし穴とAIでの回避策

どんなに良い型やフレームを知っていても、実際の運用では「逆効果」になってしまうケースがあります。

営業現場で特によく見られる落とし穴と、その回避策を整理してみましょう。

1. 一方通行になってしまう

上司が一方的に話し続けてしまい、部下は「聞くだけ」で終わるパターン。

これでは気づきも主体性も生まれません。

🛡️ AIでの回避

• 会話ログを読み込ませて「問いかけ候補」を生成しておく。
• 例：「今回の商談で自分が一番手応えを感じた瞬間は？」「次に工夫できるとしたらどこ？」

2. 説教・人格否定になってしまう

「なんでできないんだ」「君はいつも…」といった言葉は、本人を萎縮させるだけ。

成長どころか関係性を壊しかねません。

🛡️ AIでの回避

• 発言を入力し、「命令調→期待表現」に言い換えてもらう。
• 例：「もっと準備しろ」→「次回は準備を増やすと、さらに強みを活かせそうだね」

3. タイミングが遅れて効果半減

「先週の提案はさ…」と1週間後に振り返っても、本人は細部を忘れていて具体性が薄れます。

🛡️ AIでの回避

• 商談終了直後に自動で文字起こし＋要約を作成し、Slackやメールにサマリーを投げる。
• 即時性が高いほど納得感が増します。

4. 褒めが形骸化する

「よく頑張ったね」「全体的に良かったよ」といった抽象的な褒めは、相手にとっては響きません。

🛡️ AIでの回避

• ログから「ポジティブな具体行動」を抽出。
• 例：「沈黙のあとに確認質問を入れたことで、顧客が本音を話した」など、行動証拠を伴う褒めに変換できる。

5. 毎回同じパターンでマンネリ化

「またサンドイッチか…」と部下にパターンを見透かされると、形式だけの儀式になってしまいます。

🛡️ AIでの回避

• 「今週はKPT形式でまとめる」など、フィードバックの型をローテーション。
• AIに型を指定してログを整形すれば、無理なく変化をつけられます。

まとめ

• 一方通行化→問いの仕込み
• 説教化→言い換え提案
• 遅延→即時サマリー
• 形骸化→具体行動抽出
• マンネリ→型ローテーション

フィードバックを「続ける仕組み」にするためには、AIで下ごしらえを自動化し、人は「対話と文脈」に集中する。

これが落とし穴を避ける一番の近道です。

6. 業界別フィードバック観点とAI活用例

フィードバックの基本型は共通でも、実際の営業現場では業界特有の観点や会話ポイントが存在します。

ここでは主要4業界を例に、どんな観点でフィードバックすべきか、AIをどう使えば支援できるかを整理します。

IT・SaaS業界

🎯 営業シーン例

• 顧客の意思決定プロセスが複雑で、多数の関係者が関わる。
• 商談後のフィードバックでは「誰にどう刺さったか」を正しく把握できているかが肝心。

🤖 AIの活用例

• 会話ログから発言者ごとの関心や役割を抽出。
• 例えば「現場担当は導入速度を重視」「経営層はROIを気にしていた」などを整理し、マップ化して可視化。
• 次回商談への戦略に直結。

製造業

🎯 営業シーン例

• 見積りや提案に「原価・段取り・安全要件」などの制約条件が強く影響する。
• フィードバックでは「顧客制約をどれだけ把握できたか」を振り返ることが重要。

🤖 AIの活用例

• 議事録から「制約条件に関する発言」を自動抽出。
• 例えば「納期を短縮するとコスト増」「安全規格は必須」などのキーワードを整理。
• SBI形式に落とし込むと、事実ベースでの評価が可能。

不動産業

🎯 営業シーン例

• 内見時の印象や家族の意見が意思決定を大きく左右する。
• フィードバックでは「顧客がどこで迷ったか」を把握することが鍵。

🤖 AIの活用例

• 内見記録や会話ログから感情語・躊躇フレーズを抽出。
• 例：「この広さで本当に十分かな？」「もう少し駅に近い方が…」。
• これをフィードバックに盛り込み、次の提案材料に。

小売・EC業界

🎯 営業シーン例

• オンライン接客やデータ分析を通じ、どの段階で離脱したかを掴む必要がある。
• フィードバックでは「顧客がなぜ決済に至らなかったか」をどう議論するかがポイント。

🤖 AIの活用例

• GA4などの行動データと会話ログを突き合わせ、カート離脱直前の行動や質問を抽出。
• 例：「送料を確認していた」「在庫切れ表示を見て離脱」など。
• KPT型の「Problem」と「Try」に即つなげられる。

業界別まとめ

• IT・SaaS：意思決定プロセスのマッピング
• 製造業：制約条件の把握と反映
• 不動産：顧客感情と家族合意の読み取り
• 小売・EC：離脱直前行動の特定

AIは「膨大な記録の中から特定観点を抽出」するのが得意分野。

人が担うべきは、そこから営業戦略にどう活かすかという判断です。

7. KPI設計と運用フロー

フィードバックを「文化」として根付かせるには、数値化と仕組み化が欠かせません。

場当たり的にやるのではなく、KPIで運用をモニタリングすることで、組織として定着させやすくなります。

設定すべきKPI例

• フィードバック実施率：週1回／人を目安に。
• Try実行率：フィードバックから生まれた改善アクション（Try）が、翌週どれだけ実行されたか。
• 再現率：Tryの実行が、成果指標（提案通過率や商談化率など）に結びついた割合。
• 滞留検知：同じ指摘が3回以上続いた場合は「赤信号」として別のアプローチを検討。

👉 まずは「Try実行率70%」を短期目標に設定すると、早期に効果を実感できます。

フィードバック・フローの運用例

1. 素材収集（自動化）:商談録音→自動文字起こし→AIで要点抽出。
2. 型の選定（3分）:その日の目的に合わせ、KPTやSBIなど型を決める。
3. AIによる下ごしらえ（3分）:ログをもとにK/P/TやS/B/IをAIが草案化。
4. 対話（8分）:問いかけを交えながら、部下自身の言葉で整理。
5. 合意の可視化（1分）:Tryを「1行」でまとめ、SlackやNotionへ自動送信。

👉 短時間でも「実施→実行→成果」に直結させられるのが、このフローの強みです。

AI活用の設計ポイント

• テンプレ一元化：KPTやSBIをNotionの単一テンプレートに統合。
• Slack連携：#feedback-dailyにTryを1行で投稿。
• タグ管理：案件タグ（#SaaS #製造 など）＋スキルタグ（#質問力 #交渉力）で検索性を確保。
• 可視化ダッシュボード：Tryの実施率や再現率を週次でグラフ化。

👉 こうして数値を見える化すれば、「やりっぱなし」から「学習サイクルの定着」へと移行できます。

8. AIで下ごしらえ、人が合意をつくるフィードバック

営業の世界では長らく「結果がすべて」とされ、数字での評価が中心でした。

しかし、今必要とされているのは、数字を追うだけでなく人を育てる仕組み。

その中核となるのが「フィードバック」です。

今回ご紹介したように

• 具体性・ポジティブさ・双方向性という3原則
• サンドイッチ型・マッキンゼー型・KPT・ペンドルトン・SBIといった多様な手法
• 落とし穴をAIで回避し、業界別観点に沿った実践

これらを組み合わせることで、フィードバックは単なる指摘から「人材育成の仕組み」へと進化します。

AIは「事実の抽出や整形」を短時間で行い、人は「文脈を解釈し合意をつくる」。

この分担ができれば、15分でも深いフィードバックが実現できます。

そしてその積み重ねが、組織全体の学習サイクルを加速させます。

次稿では、未来志向の「フィードフォワード」に焦点を移し、「次の一手をどう設計するか」を取り上げます。

過去の振り返りと未来の設計、両輪が揃うことで、営業組織はさらに強くなるでしょう。