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ると、AIの回答を狂わせる原因はAIの性能差より、渡した資料どうしの食い違いになります。改定前と現行の料金表が両方入っている、といった食い違いです。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：渡す資料を絞り込む設計が不要になるぶん、AIが読むフォルダに何を入れてはいけないかを決める仕事が増えます。
読める量が増えるほど、間違った資料も一緒に読まれます。
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。どの版の資料をAIに読ませるかを管理する作業は地味ですが、AIの回答が正しいかどうかを直接決める作業になります。
読み直しが安くなるほど、前提資料1枚の誤りがそのまま入り込む回答の数も増える。
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、どのモデルで解くかを利用者ではなく、Fugu Maxのような振り分けの仕組みが決めるようになる方向です。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、同じ1行で追いつかれる以上、そこで得た差は長く残りません。他社に追いつかれにくい差があるとすれば、AIに渡す自社の資料のほうです。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。
モデルの差が縮んだとき、結果を分けるものは何か。渡す中身の差です。
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。3つの制約が外れたあとも、AIの回答が正しいかどうかは、渡す資料が正しいかどうかで決まります。
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」。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に読ませるフォルダとは別に保管用のフォルダを1つ作り、そこへ移せば足ります。資料の仕分けで揃えるのは、見込み客に伝える内容。商談の数え方を揃える話は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。
よくある質問
- コンテキスト長（コンテキストウィンドウ）とは何ですか？
- AIが一度の処理で読み込める情報量の上限のことです。単位はトークンで、100万トークンに対応したモデルなら、料金表や提案書、商談の文字起こしをまとめて渡せます。上限が広がるほど、結果を左右するのは渡した中身の正しさになります。
- 営業資料をAIに読ませる前に、何をしておけばよいですか？
- 改定前の料金表や終了した機能の説明など、いま使っていない資料をAIの届く場所から外しておくことです。AIはファイル名の「最新」「旧」を、人と同じようには見分けてくれません。現行の資料と参照用の資料を分け、参照用には作成日と作成者を付けておくと、回答に古い情報が混ざりにくくなります。
- GTMエンジニアリングとは何ですか？
- 営業戦略を起点に、売上を生み出し続けるGTM（Go-to-Market）の仕組みを設計・実装・定着させることです。営業代行が「人の稼働」で成果を出すのに対し、成果の源泉を「仕組みの稼働」へ移します。AIに渡す資料の管理も、その仕組みの一部に含まれます。
