AIに一度に読ませられる量と、読ませ続けるための費用。この2つの制約が、9月の発表でまとめて緩みました。営業資料を丸ごと渡せるようになったとき、先に表へ出てくるのはAIの性能差ではなく、渡した資料どうしの食い違いです。3件の発表を、営業を立ち上げる側の視点で読み解きます。
Pickup：注目の技術
① Gemini 3.8 Flashが、100万トークンを低価格で読めるモデルとして一般提供された（キーマンズネット）
Googleが一般提供を始めたGemini 3.8 Flashは、最大100万トークンの入力と6万4000トークンの出力に対応したモデルです。長時間にわたる作業や自律型のエージェントを前提に設計されたと報じられています。価格は2026年12月31日までの導入価格で入力100万トークンあたり0.75ドル、2027年1月1日からは1.50ドルとされ、思考の深さをlow・medium・highの3段階から選べる仕組みも示されました。
営業を立ち上げる側なら：100万トークンあれば、料金表も機能説明も導入事例も、過去の提案書や商談の文字起こしまで一度に収まる計算です。これまでAIを営業に使うときは、渡す資料を人が選んで絞る工程が前段にありました。その工程が要らなくなると、共有フォルダの中身がそのままAIの知識になります。ここで思い出したいのが、多くの共有ドライブの実態です。「料金表_最新」「料金表_最新_改」「料金表_改定前」が同じ階層に並んでいる。人の営業はファイル名と更新日と記憶で見分けてきましたが、まとめて渡されたAIは3つを同じ重さで読みます。見込み客に月額を聞かれたとき、改定前の数字が答えに紛れ込んでも不思議はない。
GTMエンジニアを目指すなら：絞り込みの設計が不要になるぶん、何を置いてはいけないかを決める側の仕事が増えていきます。
知っておきたいのは、読める量が増えるほど、間違った資料も一緒に読まれるようになるという点です。
出典：キーマンズネット（2026年9月8日・本文は転載せず要約しています）
② Claude Fable 5.1で、同じ資料を読み直す料金が4分の1になった（ITmedia NEWS）
Anthropicが9月1日（現地時間）に発表したClaude Fable 5.1について、APIの料金は入力100万トークンあたり10ドル、出力50ドルとされる一方、一度読み込んだ内容を使い回すキャッシュ読み込みの料金が75％引き下げられ、100万トークンあたり0.25ドルになったと報じられています。一般的な使い方で約25％、エージェント型の作業では最大約45％のコスト削減になると説明されました。
営業を立ち上げる側なら：キャッシュが安くなると得をするのは、同じ前提資料を毎回読ませる使い方です。営業に置き換えると、問い合わせ1件ごと、商談準備1件ごとに、会社の資料一式を前提として読み込ませる運用にあたります。試算してみます。資料一式を仮に20万トークンとすると、キャッシュ読み込みなら1回あたり0.05ドル。1日100件の問い合わせに毎回読ませても5ドルです。費用はもう、資料を絞る理由になりません。そのかわり、別の性質がはっきりします。前提資料に1つ誤りがあれば、その誤りは毎回、すべての回答に同じ形で配られる。人の営業なら1人の言い間違いで済んでいたものが、件数の分だけ複製されていく。
GTMエンジニアを目指すなら：前提資料の更新が、そのまま全回答の更新になります。資料の版を管理する作業は、地味でも仕組みの中心に近い位置へ移ってきます。
押さえておきたいのは、読み直しが安くなるほど、1枚の誤りが届く範囲も広がるという構図です。
出典：ITmedia NEWS（2026年9月2日・本文は転載せず要約しています）
③ Sakana AIのFugu Maxは、どのモデルで解くかの選択を仕組みの側で引き受けた（Impress AI Watch）
Sakana AIが9月11日にリリースしたFugu MaxとFugu Ultra v2は、複数のAIモデルを束ねて管理する仕組みで、課題を解ける最も軽いモデルへ動的に振り分けることで、少ないトークン消費のまま高い性能を出すと説明されています。OpenAI互換のAPIで同日から提供され、Fugu Maxの価格は入力100万トークンあたり2ドル、出力6ドル。既存の利用者は設定を1行変えるだけで移行できるとされました。
営業を立ち上げる側なら：この発表が示しているのは、どのモデルを選ぶかが利用者の手を離れていく方向です。設定1行で最適な振り分けが手に入るなら、競合も同じ1行で同じ性能を手に入れます。モデルの比較表を作って選定会議を重ねても、そこで得た差は長く残らないかもしれません。残るとすれば、入力のほうです。自社の料金、自社の機能、自社の顧客が導入後に何を言ったか。これは他社が1行では手に入れられません。営業2〜5名の段階なら、どのAIを入れるかを決める会議より、渡す資料を並べて見直す1時間を先に取るほうが、手応えは早く返ってくるはずです。
GTMエンジニアを目指すなら：磨いておきたいのは、ツールの選定眼より、自社の情報をAIに渡せる形へ整える力のほう。
知っておきたいのは、モデルの差が縮むほど、渡す中身の差が結果の差になるという点です。
出典：Impress AI Watch（2026年9月11日・本文は転載せず要約しています）
3件を重ねると、AIを営業に使うときの制約が、読める量・読み直す費用・モデルの選択という3か所で同時に外れたことが分かります。外れたあとに残る制約は、渡す資料そのもの。
入社2週間目の1人目営業を思い浮かべてください。共有ドライブで提案書のひな形を探すと、似た名前のファイルが3つ出てくる。本人は代表に「どれが今の標準ですか」と聞き、代表は「真ん中のやつ。事例のページは古いから差し替えて」と答えます。人のあいだなら、この一往復で食い違いは片付いてきた。AIは聞き返しません。3つをまとめて読み、それらしく混ぜて答えます。だから資料を渡す前に、代表か営業責任者の手で棚を三つに分けておきたいところです。
| 置き場 | 入れるもの | AIへの渡し方 |
|---|---|---|
| 渡す | 現行の料金表、現行の機能説明、社名を出してよい導入事例 | 毎回の前提として読ませる |
| 参照だけ | 過去の提案書、商談の文字起こし、競合比較のメモ | 作成日と作成者を付け、事実の確認に使う |
| 下ろす | 改定前の価格、提供を終えた機能、社名を出せない事例 | AIの届く場所から外す |
いちばん手間がかかるのは三つ目の「下ろす」です。消すのは惜しい、いつか使うかもしれない、という資料ほど残りやすいからです。とはいえ、下ろす先は削除でなくてもかまいません。AIの読む範囲の外に置き場所を1つ作れば足ります。資料の仕分けは、言う側を揃える作業。数える側を揃える話はAIが作る商談を、パイプラインの三つの列で分けるで書いたとおりです。台帳の列を揃えても、見込み客に伝わる数字が資料ごとにずれていれば、入ってくる商談の中身はばらついたままです。着手は、共有ドライブで「最新」という語を含むファイルを検索するところからで十分。2つ以上見つかったら、そこが最初に仕分ける棚になります。
本記事の見解はWeaveXによるものであり、引用元各社の見解を代表するものではありません。
