# 営業・マーケ担当者はエージェントに関心がない：HubSpot CPTO ダンカン・レノックスが語る実用的なAIエージェント戦略

- 番組: [DataFramed](https://ai-curator.jp/podcasts/shows/cmv3z5c1u00145o10683wm5ms)（DataCamp）
- 元のタイトル: # 386 Sales and Marketing Don't Care About Agents | Duncan Lennox, CPTO at HubSpot
- 配信日: 2026年11月9日
- 長さ: 50分
- 要約作成日: 2026年11月9日
- トピック: [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#営業・マーケティング自動化](https://ai-curator.jp/topics/%E5%96%B6%E6%A5%AD%E3%83%BB%E3%83%9E%E3%83%BC%E3%82%B1%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0%E8%87%AA%E5%8B%95%E5%8C%96) [#evals](https://ai-curator.jp/topics/evals) [#コンテキストエンジニアリング](https://ai-curator.jp/topics/%E3%82%B3%E3%83%B3%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%8B%E3%82%A2%E3%83%AA%E3%83%B3%E3%82%B0) [#成果報酬型価格](https://ai-curator.jp/topics/%E6%88%90%E6%9E%9C%E5%A0%B1%E9%85%AC%E5%9E%8B%E4%BE%A1%E6%A0%BC) [#ヘッドレスSaaS](https://ai-curator.jp/topics/%E3%83%98%E3%83%83%E3%83%89%E3%83%AC%E3%82%B9SaaS)
- URL: https://ai-curator.jp/podcasts/cmw960wku00015s10t1oogb35

## 要約

HubSpotのCPTOであるDuncan Lennox氏が、営業・マーケティング・カスタマーサポートにおけるAIエージェント活用を語った回。顧客が求めるのはエージェントそのものではなく、リード獲得や受注、顧客満足といった成果だと強調する。信頼構築、コンテキスト設計、evals、モデル非依存のハーネス、コスト管理、成果報酬型の価格設定、ヘッドレス戦略まで幅広く議論した。

## ポイント

- カスタマーエージェントはサポートチケットの解決率が平均で70%台前半、顧客によっては80〜92%に達すると述べている。人が対応するのはより複雑で重要な案件になる。
- AIとエージェントを使う顧客群は、MQLが約3.6倍、成約が約3.2倍という結果をコホート分析で確認したという。これは平均値で、成果には差があると断っている。
- 導入の最大の壁は信頼で、テスト機能や対応時間帯の限定など、低リスクで試して徐々に権限を委譲できる仕組みを用意している。
- 品質の鍵は、適切な量のコンテキスト、自社開発のモデル非依存エージェントハーネス、数千規模のevalsの3点。コンテキストは多すぎても逆効果でコストも増えると説明した。
- メール文面には「ヒューマニティスコア」を導入し、営業担当者の編集内容から学習した結果、約半年で無編集送信の割合が3分の1から3分の2超に反転したという。
- 価格はシート＋クレジットのハイブリッド型で、カスタマーエージェントとプロスペクティングエージェントは成果報酬型に移行。解決チケットや適格リードにのみ課金する。

## 章立て

- [01:03] **営業は完全自動化できるか** — AI SDRの現状について、単純な購買では自動化が進むが、高額で複雑な商談では人が顧客対応に集中できるよう雑務を減らすのが目的だと語る。
- [03:04] **カスタマーエージェントと解決率** — サポート領域から始めた経緯、70%超の解決率、ナレッジベースエージェントによるフィードバックループを説明する。
- [08:22] **導入効果と信頼構築** — 顧客コホート分析による成果の数値と、人の関与が必要な場面、信頼を築く段階的導入の仕組みを紹介する。
- [16:50] **SaaSとエージェントの両立・ヘッドレス戦略** — HubSpotがSaaSからエージェント型プラットフォームへ移行する姿と、Breeze AssistantやClaude、ChatGPTなど外部LLMからの利用を可能にする戦略を述べる。
- [26:00] **品質を支える三本柱** — 精密なコンテキスト供給、独自エージェントハーネスによるモデル非依存、大量のevalsによる継続テストを解説する。
- [34:24] **ヒューマニティスコアとモデル選択** — AIっぽさを避ける指標の仕組みと改善結果、小型モデルでも十分な場面が多いことを語る。
- [39:30] **コスト管理と成果報酬型価格** — 品質・速度・コストの三角形での最適化と、シート＋クレジット、成果課金の設計を説明する。
- [47:57] **今後の展望とおすすめ** — AIは人を置き換えず拡張するという見方と、evalsの書き方を学ぶ重要性、Lenny's Newsletterの推薦で締める。

## 解説記事

HubSpotのChief Product and Technology OfficerであるDuncan Lennox氏が、DataFramedのRichie氏と対談した回である。テーマは、営業・マーケティング・サポートの現場でAIエージェントをどう実用化するか。Lennox氏は一貫して「顧客はエージェントに興味があるのではなく、成果を求めている」という立場をとる。

#### 完全自動化ではなく「雑務の削減」

AI SDR（営業開発を担うAI）が注目されるなか、Lennox氏は営業の完全自動化にはまだ距離があるとの見方を示した。CRM更新や見込み客のリサーチといった管理作業を減らし、営業担当者が人と人のやり取りに集中できるようにするのがHubSpotの考え方だという。一方、比較的単純な発見・購買の流れでは、エージェントが質問への回答から購入手続きまでを担うことで、顧客にとっての利便性が上がると述べている。

出発点はカスタマーサポートだった。待ち行列や担当者間の引き継ぎで同じ説明を繰り返す体験をなくせるため、早期から製品適合性が高かったという。同社のカスタマーエージェントの解決率は平均で70%台前半で、顧客によっては80〜92%に達する。人に回るのは複雑で影響の大きい案件になる。また、裏で動くナレッジベースエージェントが新しい問い合わせの傾向を検知して記事作成を提案し、製品やプロセス改善にもつながるフィードバックループができているという。

#### 成果と信頼：導入のハードル

30万社超の顧客データを使ったコホート分析では、エージェントとAIを使う顧客はMQL（マーケティング適格リード）が約3.6倍、成約が約3.2倍、解決チケット数が2倍超だったとする。ただし平均値であり、成果にはばらつきがあると本人も断っている。

導入の最大の障壁は信頼とコストの見通しだという。そのため、顧客自身が顧客役になってテストできる機能や、夜間・週末のみエージェントに任せる設定など、低リスクで試して徐々に権限を委譲できる仕組みを整えている。顧客の多くは小規模事業者で、AIに不安を抱く人も多い。HubSpotはエージェントハーネスやコンテキストエンジンといった技術の複雑さを隠し、「認知獲得・受注・顧客満足」という成果に集中できるようにしている。

#### SaaSからエージェント型プラットフォームへ

「SaaSの終焉」論については、HubSpotは長年ツールやワークフローを提供してきたが、今は人とエージェントのハイブリッドチームを支えるプラットフォームに移行していると説明する。例として、キャンペーン立案、コンテンツ制作、リード育成を担う複数のエージェントがMarketing Studioとして提供され、Breeze Assistantに話しかけるだけで適切なエージェントが選ばれるという。

さらにヘッドレス戦略として、Claude、ChatGPT、Copilot、Geminiといった外部LLMにHubSpotの機能を公開するコネクタを提供している。UIでできることは将来LLM側でもできるようにする方針で、顧客のAI習熟度に合わせて接点を選べるようにする狙いだ。

#### 品質を支える三本柱

Lennox氏は品質確保の要点を三つ挙げた。第一にコンテキストの精度で、モデルは顧客固有の事情を知らないため、必要な情報を必要な場面で注入することが重要だが、多すぎると過学習に似た問題で品質が下がりコストも増えるという。第二に、約3年前から開発してきた独自のエージェントハーネスによるモデル非依存性。モデルごとに得意・不得意（jaggedness）があり、タスクごとに最適なモデルへ切り替えられる。第三に、20年分の営業・マーケの知見から作った数千のevals（評価基準）と継続的な自動テストである。

具体例が、メール文面の「ヒューマニティスコア」だ。人が書いたように聞こえるか、担当者固有の文体や口調を捉えているかを数値化する。担当者による編集内容をevalsとメモリに反映した結果、約半年で、無編集で送信される割合が3分の1から3分の2超へと逆転したと述べている。多くの実務タスクは小型モデルでも十分で、最先端モデルを常に使う必要はないとの見解も示した。

#### コスト管理と成果報酬型の価格設計

コスト面では、品質・速度・コストの三者のバランスを用途ごとに調整するという考え方を示した。サポート返信は品質重視、キャンペーン全体の企画は高性能モデルが必要など、使い分けが前提となる。

価格はシートとクレジットのハイブリッド型で、カスタマーエージェントとプロスペクティングエージェントは成果報酬型に移行済みだ。前者は会話単位から解決チケット単位の課金に、後者は監視対象数から適格リード単位の課金に変えた。エスカレーションされた場合は無料になる。解決率が低くても顧客の経済性は保たれ、ベンダー側は品質向上が収益に直結するため、インセンティブが揃うと説明している。曖昧な成果が多い領域では成果の定義が難しく、実験を続けているという。

#### まとめ

本回の核心は、エージェント導入の成否を左右するのは技術の目新しさではなく、顧客の成果に紐づく設計だという点にある。適切なコンテキスト、evals、モデルを切り替えられるハーネス、段階的な信頼構築、成果連動の価格は、日本企業がAIエージェントを自社プロダクトや業務に組み込む際にも参考になる。Lennox氏は、evalsを書くスキルがプロダクトチームにとって今最も価値の高いものの一つだと述べており、その点も注目したい。なお、数値は同社の自己申告による平均であり、自社環境での検証が前提になる。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: DataFramed「# 386 Sales and Marketing Don't Care About Agents | Duncan Lennox, CPTO at HubSpot」