「提案のたびに、過去の資料を探して、コピーして、書き直している」「提案書の質が担当者ごとにばらばらで、レビュー待ちで時間が過ぎる」——営業現場でよく聞く悩みです。
結論から言うと、提案書作成のAI活用では、過去提案の検索・骨子のたたき台・課題整理の下書きをAIに任せ、価格・割引・契約条件・実績の数値のように誤ると取引に影響する部分は人が決めるのが基本です。 任せる範囲を最初に線引きすることが、安全に成果を出す条件になります。
この記事では、提案書づくりが営業の時間を奪う理由、6つのユースケース、AIに任せてはいけない部分、情報の混入や誤りを防ぐ設計、小さく始める進め方を解説します。弊社（株式会社 DeploAI）は、FDE（Forward Deployed Engineer／フォワードデプロイドエンジニア）として、AI導入を現場に入り込んで実装から成果まで伴走しています。営業部門全体のAI活用は営業のAI活用は何から始める？で整理しています。本記事は、その中の提案書づくりに絞った深掘りです。
提案書づくりは、なぜ営業の時間を奪うのか
提案書づくりが重いのは、書く作業そのものより、「探す」「合わせる」「確かめる」に時間がかかるためです。 原因は主に4つあります。
- ゼロから作る：構成から考えるため、毎回の立ち上がりが重い
- 過去資料が散在する：似た提案があっても、どこにあるか分からず、個人のフォルダに眠っている
- 顧客に合わせる手間：流用した資料の社名・課題・数字を、顧客ごとに直す必要がある
- 更新漏れが起きる：価格・仕様・実績が更新されても、古い提案書に残る
特に最後の2つは、間違えたまま顧客に出すリスクを伴います。AI活用の価値は、書く時間を減らすことと同時に、こうした「探す・合わせる・確かめる」を仕組みにすることにあります。
提案書作成のAI活用、6つのユースケースは？
提案書作成のAI活用は、「作る前」「作る中」「出す前」の3段階に分けて考えると整理しやすくなります。 下の6つは、任せやすい順の目安です。
提案書作成の3段階。いずれも、判断そのものではなく「探す・下書き・確認」を任せる。
| # | 段階 | ユースケース | AIに任せること | 人が持つこと |
|---|---|---|---|---|
| 1 | 作る前 | 過去提案の検索 | 似た案件の提案書を意味で検索して提示 | どの提案を参考にするかの選択 |
| 2 | 作る前 | 顧客情報の整理 | 商談記録や公開情報から、課題・関係者を整理 | 整理結果の確認、取り上げる課題の選択 |
| 3 | 作る中 | 提案の骨子づくり | 過去提案の構成をもとに、章立てと論点の下書き | 提案の主張、ストーリーの決定 |
| 4 | 作る中 | 導入効果の試算の下書き | 顧客の前提を入れた計算の叩き台 | 前提の妥当性、数値を出すかの判断 |
| 5 | 作る中 | RFP・質問票への回答下書き | 過去の回答や製品資料をもとにした回答案 | 回答内容の確認、仕様の正確性 |
| 6 | 出す前 | 資料の最新性・整合性チェック | 価格・仕様・実績の古い記載や、章間の食い違いの検出 | 修正の判断、提出の承認 |
深掘り①：過去提案の検索は、なぜ最初の候補になるのか
過去提案の検索は、AIが出すのは「候補の提示」だけで、採用するかは営業担当者が決めるため、誤りの影響が小さく、最初の候補になりやすい業務です。 全文検索ではなく、意味で探せると、キーワードが違っていても似た案件が見つかります。
ただし、ここで効くのは過去資料の整理の状態です。ファイル名や保管場所がばらばらで、どれが最新版かも分からない状態では、検索の精度は上がりません。AIを入れる前に、資料の置き場と版の管理をそろえることが出発点です（文書の整え方はAI活用のためのデータ整備は何から始める？を参照）。
深掘り②：RFP・質問票の回答下書きは、どこまで任せるか
RFP や質問票への回答は、過去の回答と製品資料をもとにAIが下書きを作り、仕様や数値は人が確認する分担が現実的です。 同じような質問が何度も届くため、AIの効果が出やすい業務です。
注意点は、仕様や対応可否を断定する箇所です。「対応できる」と誤って書くと、契約後のトラブルになりえます。回答の根拠となる資料を併記させ、対応可否が曖昧な項目は、AIが断定せず人に確認を促す設計にします。
提案書作成でAIに任せてはいけないことは？
価格・割引・契約条件・実績の数値・他社比較の断定は、AIに決めさせず、人が決めて確認します。 誤りが取引や信用に直結し、社内の承認ルールも関わるためです。
| 項目 | AIに任せてよいこと | 人が決めること |
|---|---|---|
| 価格・割引 | 承認済みの価格表から該当箇所を引用して提示 | 金額の決定、割引の承認 |
| 契約条件 | 標準条件の文面の引用 | 例外条件の判断、法務の確認 |
| 実績・事例 | 公開承認済みの事例からの引用 | 公開してよい事例か、数値の正しさ |
| 他社との比較 | 比較の観点の整理 | 他社の評価を断定する表現の可否 |
| 提出の判断 | 提出前の確認項目の提示 | 提出してよいかの最終承認 |
特に、実績や導入効果の数値は、AIが「それらしい数字」を作ってしまうことがあります。根拠のない数字を提案書に載せると、信用を損ないます。数値は、承認済みの情報からだけ引用する設計にします（誤りを減らす考え方はAIのハルシネーションを減らすには？を参照）。
過去提案をAIに読ませるとき、何に気をつける？
過去提案を再利用する際は、「他社情報の混入」「古い情報の流用」「社外秘の扱い」の3つを、仕組みで防ぎます。 過去提案は、顧客の社名・課題・価格・実績という固有情報のかたまりだからです。
- 他社情報の混入を防ぐ：読ませる前に社名や固有の数字を取り除く。再利用の対象を「構成と論点」に絞る。出力に他社名が含まれていないかを確認する
- 古い情報の流用を防ぐ：価格・仕様は過去提案から引かず、最新の正本から取得する。提案の作成日と版を残す
- 社外秘の扱いを決める：どの顧客の資料を誰が参照できるかを権限で分ける。顧客から預かった情報を学習に使わない設定にする
一番避けるべきは、他社の社名や価格が、別の顧客の提案書に入ったまま提出されることです。提出前に人が確認するステップを、作業の流れの中に必ず置きます（セキュリティの考え方は企業の生成AI活用、セキュリティはどう担保する？を参照）。
具体例：提案書づくりの時間を、仮に試算すると？
提案書づくりのAI活用は、件数と1件あたりの時間を仮に置いて見積もると、優先度を判断しやすくなります（以下はすべて説明用の仮の数値です。実際の件数や削減効果は、提案の種類と設計次第で変わります）。
営業担当者が5名の会社を想定します。提案書を作る機会が月に合計20件あり、1件あたりに、過去資料を探す1時間、骨子と本文の作成に4時間、確認と修正に1時間の合計6時間かかっているとします。月間では120時間（20件 × 6時間）です。
ここで、AIが過去提案の検索と骨子・本文の下書きを支援し、探す時間（1時間）と作成の時間（4時間）が仮にそれぞれ半分になったとすると、短縮できるのは1件あたり2.5時間（0.5時間＋2時間）で、月に50時間（20件 × 2.5時間）です。この時間を、顧客の課題を考える時間や、商談の準備に回せます。
ただし、これは下書きまでの効果で、確認と修正の時間は残ります。また、AIの出力の質は、読ませる過去資料の整い具合で決まります。先に、過去提案の保管状態と、似た構成の提案の割合を確認することが出発点です。効果の考え方はAI導入の費用対効果（ROI）はどう考える？にまとめています。
提案書作成のAI活用は、どう小さく始める？
始め方は、提案書づくりの全工程を対象にせず、「過去提案の検索と骨子の下書き」のような1つの工程に絞り、小さく試して広げることです。 次の流れで進めます。
- 対象の提案を絞る：構成が似ている、件数が多い提案から選ぶ（選び方はAI活用のユースケースはどう優先順位をつける？を参照）
- 過去資料を整える：保管場所と版をそろえ、固有情報の扱いを決める
- 任せる範囲と確認のステップを決める：価格・実績は引用のみ、提出前は人が確認する、と決める
- 小さく試し、出力の質を測る：実際の案件で下書きを確認し、誤りの傾向を見つける（評価の方法は生成AIの評価（Evals）を参照）
- 範囲を広げる：精度と運用に問題がなければ、RFP回答や最新性チェックへ広げる
業務の洗い出しから始めたい場合はAI導入に業務棚卸しは必要？が参考になります。
提案書作成のAI活用は、DeploAIのFDEでどう進める？
FDE（Forward Deployed Engineer／フォワードデプロイドエンジニア）は、事業と業務を理解したエンジニアが現場に入り込み、御社の実際の業務フロー・システム・権限に合わせてAIを組み込み、社内に残す形で支援するサービスです。
営業のAI化でつまずきやすいのは、「便利そうなAIツールを入れたが、自社の提案の流れや資料の置き場に合わず、使われない」という状態です。FDE は、この溝を埋めます（FDE の全体像はFDEとはを参照）。
- 営業の資料作成の流れと既存システムを確認し、どの工程にAIを使うかを一緒に絞る
- 過去資料の整理と、固有情報の扱い・参照権限を設計する
- 価格・実績は承認済みの情報から引用する、提出前に人が確認するといった運用を仕組みとして組み込む
- 出力の質を測る評価のしくみ（evals）を作り、定着支援・改善まで伴走する
サービスの工程には、現状診断、プロトタイプ作成、ツール連携、評価のしくみの構築、定着支援・改善、内製化スキル移管が含まれます。進め方はサービス内容、費用は料金をご覧ください。
まとめ
- 提案書づくりが重いのは、書く作業より探す・合わせる・確かめる作業に時間がかかるため
- ユースケースは作る前・作る中・出す前の3段階。最初の候補は、候補の提示にとどまる過去提案の検索
- 価格・割引・契約条件・実績の数値・他社比較の断定は、AIに任せず人が決める。数値は承認済みの情報からだけ引用する
- 過去提案の再利用では、他社情報の混入・古い情報の流用・社外秘の扱いを仕組みで防ぐ
- 始め方は、1つの工程に絞り、過去資料を整えて小さく試し、広げる
FDE の進め方はサービス内容、費用は料金をご覧ください。ご相談はお問い合わせからどうぞ。
関連記事：営業のAI活用は何から始める？｜AI活用のためのデータ整備は何から始める？｜AIのハルシネーションを減らすには？｜生成AIの評価（Evals）
