この記事は中国語版を AI が翻訳したものです。内容に相違がある場合は中国語版を正とします。
このシリーズでは、プリセールスのソリューションアーキテクトとして働く中でのあれこれを話しつつ、AI 時代に何が楽になったのか、そして実際に使っている小さなコツも共有していきます。
背景：プリセールスは普段何をしているのか
まずは背景から。 私は会社でソリューションアーキテクトをしていて、いわゆるプリセールスの役割です。普段は営業と一緒に案件を前に進めます。営業が RFP（Request for Proposal、提案依頼書）を受け取ったら、こちらで一式の資料を準備します。文章版の入札資料、PPT 版の提案資料、作業分解、納品コスト見積もり、そして最後は自分で顧客先に出向いて提案説明をします。
本当にしんどいのは：PPT 提案資料
一連の流れの中で、いちばん頭を悩ませるのは「文章版が書けないこと」ではなく、文章版の内容を入札向けの PPT に落とし込むことです。 難しさは、内容不足ではありません。PPT では次の 3 つを同時に満たす必要があります。論理が明快、文字だらけにしない、見た目がよく説明しやすい。理系寄りの自分にとって、正直いちばん難しいのは見た目です。
多くの場合、顧客は長文資料を丁寧に読み込む時間がありません。提案の理解は、講標の場での見せ方と話し方に大きく依存します。そこから質問が生まれます。つまり、PPT 提案資料の質は、コミュニケーション効率と信頼感にほぼ直結します。
現実的な悩み：小さい会社ほどなぜ大変か
プリセールスの現場でよくある悩みもあります。 会社の規模が大きくない場合、プリセールスは細かい業界別で分かれず、たとえば「ソフトウェア開発」のような広い領域を担当することが多いです。紙の上では分かりやすいのですが、実際には案件がとにかく幅広い。ロボット組み込み、クラウド仮想化、コネクテッドカー、工場スケジューリング、深層学習モデル開発……どれも一応は関連領域ですが、業界の文脈、目的、評価軸がまったく違います。
ここで問題になります。人には認知の限界があります。 経験年数が長くても、隣接するすべての業界を深く理解するのは無理です。ほぼ未経験の業界案件に当たったら、どうするか。
大規模モデル以前：自分が頼っていた情報源
大規模モデル以前は、主に 3 つの情報源に頼っていました。
1 つ目は社内ナレッジ。 外資でグローバル規模もあるので、社内には過去案件の資料がかなり残っています。今の入札テーマに近い情報をまず探します。フォーラムの議論、各拠点の同僚が共有した資料、過去案件の提案書などです。
2 つ目は公開検索。 顧客は主に中国市場なので、あえて多言語検索をします。Google の filetype:pdf などを使って、業界ごとに言語を切り替えます。たとえば自動車関連ならドイツ語や日本語を使います。中国語環境とは違う文脈の資料が取れるので、比較・参照しやすくなります。
3 つ目は論文。 未知の業界要件は、先端寄りか、ある程度共通化された技術ルートを持つことが多いです。レビュー論文を読むと、業界や業務の全体像を短時間で掴みやすい。少なくとも、問題がどう定義され、どう分解されているかは把握できます。
ただ、このやり方は新人プリセールスにはあまり優しくありません。 公開情報は結局「一般論」が中心で、顧客固有のシナリオに刺さる回答へ直結しにくいからです。最終的には、自分の技術経験で類推し、発散し、収束し、判断しながら掘り下げる必要があります。
本質的には、学生の論文作成にかなり近いです。 情報収集 -> 理解 -> 分析 -> 自分の思考 ->（必要なら実験）-> 文章化。
AI 時代：今の自分の 3 ステップ
AI 時代になって、プリセールスの提案作業は確かに楽になりました。 特に「情報収集」と「初期理解」のハードルは下がりました。今はだいたい次の流れです。
-
未知領域の調査 強めのモデルの Deep Research で、入札目的に沿った調査をまず作ります。業界知識の初期ギャップを埋め、後続作業の足場にします。
-
情報整理と選別 予算内で最も強いモデルを選び、いきなり解決案は出させません。まずは基礎質問です。 「XXX とは何か」「YYY の仕組みは何か」 そこで新概念 ZZZZ が出たら、さらに聞きます。 「ZZZZ は、自分の得意領域にある AAAA の仕組みに近いと考えてよいか」 この往復で、新しい業界を既存経験にマッピングし、浅いけれど実務に使える理解を素早く作ります。
-
方案作成とクロスモデル評価 前の 2 ステップが終わると、その業界の 1〜3 年目レベルに近い理解には届きます。 そこで RFP に沿って第一稿を作らせ、こちらから徹底的に突っ込みます。 「この設計は不合理。理由は……」 「このシナリオが抜けている……」 第一稿の後は、別モデルに切り替えてレビューします（たとえば GPT から Claude へ）。 こうした往復を 3〜5 回ほど回すと、だいたい収束します。回数は業界の未知度次第です。
境界線：AI は強いが、全自動ではない
ここははっきり言っておきたい点です。 AI に「完璧な入札提案書」を直接作らせるのは、基本的に無理です。 もしそれを狙うなら、使う側に高い前提能力が必要です。まず自分がその領域の熟練者であること。AI はあくまで、スピードアップと抜け漏れ補完の役目です。 ただ、自分のように複数業界をまたいで戦うプリセールスには、このやり方で十分です。多くの場面で 60〜70 点を安定して出し、説明可能で納品可能な資料を作れるなら、実務価値は高いです。
そしてこれはみんな知っていることですが、入札の勝敗は技術提案だけで決まりません。 商流、顧客関係、組織連携も大きく効きます。講標の目標は「神プレゼン」ではなく、崩れないこと、筋が通っていること、質問に耐えられること、信頼を積むことです。
ひとまず今回はここまで
今回はここまで。 このシリーズでは今後も、プリセールス入札の実務を軸に、役割としての現実的なワークフローと、場面別の AI 活用を具体的に書いていきます。