商談の録音とメールを読んだAIが、CRMの更新案を出す。営業担当者は中身を確かめて承認ボタンを押す。9月にHubSpotとSalesforceが相次いで発表したのは、CRMの仕事を「入力」から「承認」へ移す機能でした。売上予測の精度を守るために先に決めるのは、商談ステージを次へ進める条件です。営業に関わる人が2〜5名の会社のパイプラインに引きつけて、3件の発表を読み解きます。
Pickup：注目の技術
① HubSpotの「Deal Progression」が、商談の録音からCRMの更新案を出すようになった（HubSpot）
HubSpotは2026年9月16日、秋の製品発表で、刷新した「Deal Progression」を公開しました。会議の文字起こしをAIが読み、CRMへの更新内容と次の連絡の下書きを用意する。担当者はワンクリックで承認するだけで、商談の計画も最新の状態に保たれると説明されています。
営業を立ち上げる側なら：営業3名の会社で、月曜のパイプライン会議の前に40件の更新案が並んでいる場面を考えてみてください。そのうちの1件は、買い手が商談の最後に「いいですね、ぜひ進めたいです」と話した案件を、「提案」から「交渉」へ移す案。忙しい朝にまとめて承認すれば、その案件は来月の受注見込みに入ります。AIは録音にある言葉を正しく拾っています。ずれるのは、どの言葉ならステージを進めてよいかを、会社が決めていない場合です。入力の手間が消えるぶん、ステージを進める判断は承認ボタン1回の速さで積み上がります。
GTMエンジニアを目指すなら：この機能の設定画面で効いてくるのは、AIに渡す項目の選び方と、承認する人が見る基準の書き方です。
更新案の正しさは、録音の量では決まらない。ステージを進める条件が書かれているかどうかで決まります。
出典：HubSpot（2026年9月16日・本文は転載せず要約しています）
② SalesforceがCRM業務に特化した推論モデル「Koa」を発表した（Salesforce）
Salesforceは2026年9月15日、NVIDIAのNemotronを土台に、CRMの業務手順を学習させた推論モデル「Koa」を発表しました。商談の見極めや問い合わせ対応のように、いくつもの手順を順番に進める作業をAIエージェントにこなさせる用途です。同社のCRMベンチマークでは、主要なモデルと同等以上の成績で、誤りは3分の1だったとしています。現在は一部の試験導入企業向けで、米国での一般提供は2026年冬の予定です。
営業を立ち上げる側なら：CRM専用のモデルが広がれば、AIは記録の書き写しに加えて、「この商談は条件を満たしているか」を見極める作業まで受け持つ可能性があります。ここで見落としやすいのは、見極めの基準そのものはモデルの中に入っていないことです。どの業界のどの規模の会社を、どの事実が揃ったら有望とみなすのか。その基準は売り手の会社ごとに違います。誤りの少ないモデルほど、会社が渡した基準を忠実に適用する。基準が曖昧なら、曖昧なまま正確に当てはめられることになります。
GTMエンジニアを目指すなら：商談を見極める基準を、AIが読める1行の条件に書き直せる人。モデルの性能が上がるほど、この役割を受け持つ人の仕事は増えていきます。
AIの誤りが減ったときに目立つのは、AIに渡した基準の誤りのほうです。
出典：Salesforce（2026年9月15日・本文は転載せず要約しています）
③ HubSpotが、CRMの「文脈」がどれだけ揃っているかを点数で示しはじめた（HubSpot）
同じ9月16日の発表で、HubSpotは「Context Home」を公開しました。自社の事業、顧客、営業チームの情報がCRMにどれだけ揃っているかを点数で示し、足りない箇所を一覧にします。同社は、Professional・Enterpriseの顧客のうち、質の高い文脈とともにAIを使う顧客は、AIを使わない顧客に比べて受注が3.2倍だったという数字も添えられました。ただし比較はHubSpot自身の顧客データによるもので、AIの利用以外の条件を揃えたかどうかは示されていない。
営業を立ち上げる側なら：点数が出ると、空いている欄を埋める作業から手をつけたくなります。ただ、欄が埋まっていても、商談ステージの意味が担当者ごとに違えば、AIが読む記録はばらばらのままです。Aさんの「提案」は資料を送った段階、Bさんの「提案」は決裁者に説明した段階。この状態で受注率を出すと、ステージ別の数字が実態と合いません。目標から必要な商談数を逆算する計算も、そこで止まります。先に揃えるのは欄の数より、ステージという1つの言葉の意味です。
GTMエンジニアを目指すなら：点数を上げる作業は誰でも始められます。ステージ別の受注率を計算するのにどの欄が要るかを見分け、そこから埋める順番を決められる人は、まだ少数です。
文脈の点数は、揃っている量を測ります。揃っている中身が同じ意味かどうかまでは、点数に出てきません。
出典：HubSpot（2026年9月16日・本文は転載せず要約しています）
3件に共通するのは、CRMの記録をつくる手間が、人からAIへ移りはじめたことです。営業担当者の仕事は、項目を打ち込むことから、AIの更新案を通すかどうかを決めることへ変わります。そうなると、売上予測の精度を左右するのは承認の基準です。ステージを進める条件が人ごとに違う会社では、受注率もリードタイム（商談の開始から受注までの期間）も正しく出ません。目標から逆算した商談数が当てにならず、計画と実績の差が四半期の終わりまで見えないまま残ります。
だからAIに更新を任せる前に、ステージごとの条件を1行ずつ書く。書く材料は、買い手が口にした事実だけです。
| ステージの移り目 | 次へ進めてよい条件（買い手側の事実） | AIが拾いやすい、条件にならない言葉 |
|---|---|---|
| 初回商談 → 課題確認 | 買い手が自社の課題を、数字か期限つきで話した | 「興味があります」 |
| 課題確認 → 提案 | 決裁に関わる人の名前が分かり、次回の同席が決まった | 「社内で共有します」 |
| 提案 → 交渉 | 予算の枠と導入したい時期を、買い手が話した | 「ぜひ進めたいです」 |
| 交渉 → 受注見込み | 稟議や契約の手続きが、日付つきで決まった | 「ほぼ決まりです」 |
この表の2列目は、そのままAIへの指示になり、承認する人の基準にもなります。BANTやMEDDICのような見極めの枠組みを土台にしても構いません。表は四半期ごとに、受注した案件と失注した案件のステージ履歴を見比べて書き直します。営業戦略を起点に仕組みを設計し、現場で実装し、結果を見て直していく流れは、GTMエンジニアリングとは何かで全体像を整理しました。AIが更新案を出す速さに、承認の基準が追いつくかどうか。来期の売上予測の精度は、その1枚の表で決まります。
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。
