Anthropicは2026年9月30日、自社のインバウンド営業（問い合わせ起点の営業）をAIエージェントで作り直した事例を公開しました。公表値は「旧フォーム経由より2倍以上の頻度で商談化」「成約まで約5日短縮」です。ただし、これらはすべて自社公表値で母数が示されていません。自社に持ち帰れるのは数値ではなく、会話の出口を3つに決め、顧客がAIか人かを選べるようにした設計のほうです。本記事では、その設計と、同じ仕組みを検討する前に確認すべき制約を整理します。
Anthropicが自社の問い合わせ対応で何を変えたのか
Anthropicは、問い合わせフォームを起点とする営業プロセスを、Webサイト上で対話するAIエージェントに置き換えました。Anthropicの公式ブログによれば、変更前後は次のとおりです。
| 変更前 | 変更後 | |
|---|---|---|
| 入口 | 問い合わせフォーム | Contact Salesページ・料金ページ・製品内・メールに置いた購入エージェント |
| 一次対応 | ビジネス開発担当（BDR）が見込み度を判定 | AIエージェントが質問に答え、追加質問をして要件を把握 |
| 顧客の待ち時間 | 回答まで数日かかることもあった | その場で回答 |
| 営業担当の役割 | 既にドキュメントに書いてある質問への回答に時間を費やしていた | 購買プロセスの早い段階での顧客教育、対面のイベント対応 |
Anthropicは旧プロセスの問題を「担当者が1日の大半を、ドキュメントに既に書いてある質問への回答に費やしていた」「キュー内のすべての顧客に到達する有効な手段がなかった」と説明しています。
実装は大掛かりなものではありません。公式ブログは構成を「プロンプト、少数のツール、そしてClaude、それをClaude Managed Agents上で動かしている」と表現し、「1人のエンジニアが初版の購入エージェントをわずか数週間で構築した」としています。エージェントは価格・セキュリティ・データに関する推奨を示し、プランと席数まで提案します。
設計の中心は「3つの出口」と顧客が選べるopt-in
この事例で再現性があるのは、AIの性能ではなく会話の終わらせ方を3つに限定した点です。Anthropicは会話の出口を次の3つに定めています。
- その場で購入：顧客がチェックアウトまで進む。
- 担当営業へ引き渡し：会話の内容ごと営業に渡す。大型・複雑な案件が該当する。
- その場で回答して終了：質問に答えるだけで完結する。
さらにAnthropicは「この体験は意図的にopt-inにしており、顧客は最初にエージェントと話すか営業担当と話すかを自分の希望で選ぶ」と明記しています。AIを避けたい顧客に押し付けないという設計判断です。
引き渡し後の営業担当は、「顧客が何を必要とし、何を伝えられ、どう支援できるか」を把握した状態で会話を始めます。AIが担当を置き換えるのではなく、担当の初動の質を上げる構造です。企業間の複雑な交渉や個別契約は、引き続き人の営業が担います。
AIエージェントを営業に入れる動きそのものは業界全体の流れで、Gartnerは2028年までにAIエージェントが営業担当の10倍規模になると予測しています（AIエージェントが営業の10倍に｜数が成果に直結しない理由）。数が増えても成果に直結しないのは、まさにこの「出口と引き渡しの設計」が抜けるためです。
公表された数値をどう読むか
Anthropicが示した成果は4つですが、いずれも自社公表値であり、母数・測定期間・比較条件が示されていません。読み方を分けて整理します。
| 公表値 | 公式ブログの記載 | 読み方 |
|---|---|---|
| 商談化率 | エスカレーションされたリードは旧フォーム経由より2倍以上の頻度で商談になる | 「エスカレーションされたリード」＝AIが選別した後の母集団。選別前の全問い合わせとの比較ではない |
| 成約スピード | 約5日早く成約する | 対象案件数・期間の記載なし |
| 処理量 | 1日に数千件の会話 | Anthropic自身の問い合わせ規模。中小企業の件数とは桁が違う |
| 営業担当の成果 | ある担当がメールを約10通から約6通に減らし、受注案件での成果を2.5倍にした | 担当1名の事例。全体の平均ではない |
とくに商談化率の「2倍以上」は、AIが選別して引き渡したリードと、選別なしで届いていた旧フォームのリードを比べた数字と読めます。選別すれば残った母集団の質が上がるのは構造上当然で、この数字だけでは「AIによって商談の総数が増えた」とは言えません。
ベンダー自身が公表する導入効果を自社の判断材料にするときの見方は、AI導入成功事例の読み方｜自社に効くか見抜く5項目で整理しています。この事例についても、持ち帰るべきは数値ではなく設計です。
自社で同じことをする前に確認する4点
同じ構成を検討する場合、公式ブログには書かれていない制約を先に確認する必要があります。Anthropicの公式ドキュメントから4点を挙げます。
- Claude Managed Agents はベータである：全エンドポイントで `managed-agents-2026-04-01` のベータヘッダが必要で、ドキュメントは「リリース間で挙動が調整される可能性がある」と記載しています。本番の収益導線に置く判断は、この前提を踏まえて行う必要があります。
- Zero Data Retention と HIPAA BAA の対象外：Managed Agentsはセッションが長時間稼働し、会話履歴・サンドボックスの状態・出力をサーバ側に保存する設計です。ドキュメントは、このため「現時点でZero Data Retention（ZDR）およびHIPAAの事業提携契約（BAA）の対象外」と明記しています。セッションやアップロードしたファイルはAPIから削除できます。データ保持条件を契約要件にしている企業では、ここが導入可否を決めます（関連：OpenAIがゼロデータ保持を拡大｜適用条件と落とし穴）。
- 課金はトークンとセッション実行時間の2軸：Anthropicの料金ドキュメントによれば、セッション実行時間は1セッション時間あたり$0.08で、`running` 状態の時間のみ課金されます。待機中（`idle`）は課金されません。なお、Batch APIの割引はManaged Agentsのセッションには適用されません。
- 出口の定義は業務側の仕事：どの問い合わせを人に渡すかの条件は、AIベンダーが決めてくれるものではありません。金額・契約形態・既存顧客かどうかといった線引きを、営業部門が文章で定義する必要があります。
エージェントに与える権限と、人の承認を挟む位置の設計については自律型AIエージェント導入のセキュリティ｜権限設計と人間の承認ゲートで詳しく扱っています。
経営・DX担当者への示唆
この事例が示すのは、問い合わせ対応のAI化で難しいのはAIの構築ではなく、引き渡しの条件を決めることだという点です。実装は1人のエンジニアが数週間で作っています。一方で「どの会話を人に渡すか」は、営業・法務・経営が合意しないと決まりません。
検討の順序としては、次の3つを先に決めてください。
- 出口を数える：自社の問い合わせを「その場で完結」「人に渡す」「対応不要」に分類し、それぞれの比率を出す。比率が分かれば、AIに任せて効く量が見えます。
- 渡す条件を文章にする：金額の閾値、既存顧客かどうか、業種規制の有無など。曖昧なまま運用すると、AIが渡すべき案件を抱え込みます。
- 顧客に選ばせるかを決める：Anthropicはopt-inにしました。BtoBでは「AIに相手をさせられた」という体験が商談を壊すことがあるため、選択肢を残す設計は検討に値します。
営業現場でAIを使った記録・支援の効果については、リコーが6,000人規模で実証した事例（リコー6000人が実証したAI営業支援｜商談記録が18倍に）も参考になります。
具体的な活用シーン
問い合わせ対応をAIに任せる設計は、問い合わせが一定量あり、かつ回答の多くが既存資料で足りる業務に向きます。
BtoBの一次問い合わせ：料金・導入期間・対応範囲といった定型質問に即答し、見積りや契約条件の相談だけを営業に回す構成。待ち時間の短縮がそのまま機会損失の削減になります。
代理店・パートナー窓口：取引先からの仕様確認や在庫・納期の照会。回答の根拠が社内資料にそろっているほど効きます。
カスタマーサポートの一次受け：既存顧客からの質問。サポート部門でAIを入れる順序はカスタマーサポートのAI活用｜人手不足と属人化を解く4層の順序で整理しています。
いずれの場合も、回答の元になる資料が整っていることが前提です。資料が無い状態でAIを置くと、答えられない質問を増やすだけになります。
よくある質問
- Anthropicが示した「商談化率2倍超」は自社でも再現できますか。
-
この数値はAnthropicの自社公表値で、母数や測定期間が示されていません。また「エスカレーションされたリード」との比較のため、AIによる選別後の母集団である点に注意が必要です。
- 問い合わせ対応のどこまでをAIに任せてよいですか。
-
Anthropicは出口を「その場で購入」「営業へ引き渡し」「その場で回答」の3つに限定し、企業間の複雑な交渉や個別契約は人の営業が担当しています。渡す条件を文章で定義することが前提です。
- まず何から着手すべきですか。
-
自社の問い合わせを「その場で完結」「人に渡す」「対応不要」に分類し、比率を数えてください。回答の根拠となる社内資料がそろっているかの確認も同時に行います。
まとめ
Anthropicの事例（2026年9月30日公開）から持ち帰るべき点は3つです。第一に、実装は「プロンプトと少数のツールとClaude」という簡素な構成で、1人のエンジニアが数週間で作りました。第二に、効いているのは会話の出口を3つに限定し、顧客がAIか人かを選べるopt-inにした設計です。第三に、公表された成果はすべて自社公表値で母数が示されておらず、数値そのものを自社の期待値にはできません。
問い合わせ対応のAI化は、AIを置く作業ではなく引き渡しの条件を決める作業です。この条件が決まっていない組織では、AIを導入しても人に渡るタイミングが遅れ、かえって機会を失います。
AI導入の進め方全体は「AI導入支援｜中小企業の進め方と支援会社の選び方」、発注前に確認する具体的な基準は「AI導入支援会社の選び方｜発注前に確認する7つの基準」で解説しています。
次に取るべきアクションは、直近3か月の問い合わせを「その場で完結した件数」「人が対応した件数」「一次回答までの時間」の3項目で集計することです。この3つが出れば、AIに任せて効く範囲と、人に残すべき範囲の境目が見えます。
自社の問い合わせ対応をどこまでAIに任せられるか整理したいという方は、AI導入相談フォームからお気軽にご相談ください。
出典・参考資料
- Anthropic： How Anthropic’s sales team rebuilt inbound with Claude Managed Agents （） （本文中の成果数値はすべて同社の自社公表値）
- Anthropic： Claude Managed Agents overview — Claude Docs （ベータ状態・ZDR/HIPAA BAA対象外の記述を確認）
- Anthropic： Pricing — Claude Docs （セッション実行時間$0.08/時間・Batch割引の非適用を確認）
