NTTデータが社内ChatGPTハッカソンでAIエージェントオーケストレーション×GPTs連携のプロトタイプを構築し、提案ドラフト生成を数時間→数十分まで短縮した事例です。 NTTデータ公式テックブログ(Zenn、2025-11-17)で公開されています。
「大手SIerの社内ハッカソンの話だから関係ない」と読み飛ばすにはもったいないです。 中小企業の営業部門が提案書作成で疲弊する原因は、「ヒアリング→ソリューション抽出→資料化が分断されて属人化している」ことだからです。 NTTデータはこの問題を、「AIエージェントを役割別に並べ、GPTsで連携させる」という運用で解こうとしている、と読めます。
僕が注目したのは、数十分という短縮値ではなく、「役割別エージェント+GPTs連携」という設計思想です。中小企業の提案業務にそのまま応用できます。
提案業務の課題
提案ドラフトを毎日量産している営業部門にありがちな構造はこうです。
- ヒアリング → 提案候補抽出 → 資料化が、すべて担当者の頭の中で進む
- 過去の提案書を毎回探しに行く時間が長い
- ベテラン営業の暗黙知が他のメンバーに移らない
- 提案件数を増やそうとすると、品質がバラつく
汎用ChatGPTに「提案書を書いて」と頼んでも、自社のソリューション知識やヒアリング情報に紐づいた提案は出てきません。「役割別エージェント+社内ナレッジ参照」が必要、というのがNTTデータの取り組みから読み取れる発想です。
NTTデータの取り組み
NTTデータ公式Zennで紹介されている内容は以下です。
- 対象: 提案業務(顧客要件ヒアリング→ソリューション候補抽出→資料化)
- 基盤:
- AIエージェントオーケストレーション
- GPTs連携(役割別)
- 社内ChatGPT環境
- 設計:
- ヒアリング担当エージェント
- ソリューション抽出エージェント
- 資料作成エージェント
- 各エージェントをオーケストレーターが連携
- 成果: 提案ドラフト生成 数時間 → 数十分
つまり「1つのGPTで全部やらず、役割別に分けて連携させる」という設計で、提案業務を「ベテランの暗黙知」から「再現可能なフロー」へ進化させています。
何が真似できるか
NTTデータの規模感はまったく違いますが、設計思想だけ抜き取るとこうなります。
- AIエージェントを「役割別に分ける」(ヒアリング/抽出/資料化)
- 各GPTに「過去の提案書/ソリューション一覧/業界知識」を読ませる
- オーケストレーターは「人間でも代替可」(中小企業はまず人間が連携役を担う)
- 効果は「1案件あたりの作成時間」で測る
特に「役割別エージェント設計」が秀逸です。中小企業でも、ChatGPTのGPTsを3〜4個並べて、人間が手動で連携するだけでも近い効果が出ます。
中小企業で再現するなら
ここからが本題です。社員30〜200名の中小企業の営業部門で同じ思想を取り入れるならどう削るか。
構成
| 項目 | NTTデータ | 中小企業(社員30〜200名・営業10〜30名) |
|---|---|---|
| 対象 | 提案業務全般 | 提案書・見積書・営業資料作成 |
| ツール | エージェント+GPTs+社内ChatGPT | ChatGPT Team(GPTs複数)(月3,000〜6,000円/人〜、2026年5月時点。要最新価格確認) |
| 月額費用 | (規模非公開) | 推定 月10〜30万円(営業数×ライセンス) |
| 初期費用 | (ハッカソン段階) | 推定 50〜150万円(GPTs設計+ナレッジ整備) |
| 体制 | DX部+各事業部 | 営業企画+IT担当+外部AI支援 |
| 期間 | プロトタイプ段階 | 2〜4ヶ月でGPTs連携運用化 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★★★☆ |
| 難易度(低いほど簡単) | ★★★★☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは高い。提案件数が増え、商談化率の底上げに直結する
- 再現性は高い。GPTsを役割別に並べる構造は中小企業でも作れる
- 難易度は高い。エージェントオーケストレーションは設計力が必要
前提条件・必要データ
- 過去の提案書・見積書が電子ファイル化されている
- 自社ソリューションのリスト(製品/サービス/価格)が整理されている
- 業界別の課題・キーワードが社内に蓄積されている
- ChatGPT TeamでGPTsを複数作れるライセンスがある
失敗条件・適用しないケース
- 過去提案書が個人PCに散在し、ナレッジ化できていない
- 1つのGPTに「ヒアリングも抽出も資料化も」と詰め込み、精度が落ちる
- AI生成の提案書をノーチェックで顧客に提出する
- 効果測定をせず「便利になった気がする」で終わる
「GPTsを契約すれば提案ドラフトが10分で出る」のではありません。
過去提案ナレッジ整備→役割別GPTs設計→人間オーケストレーション→効果測定→改善、という流れが2〜4ヶ月で回って初めて、NTTデータと同じ数十分への短縮が中小企業にも見えてきます。
特に「役割別に分ける」設計を省くと、汎用ChatGPTと変わらない精度になり、提案品質が落ちます。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
愛知県岡崎市を拠点に、中小企業向けのAI活用支援を提供。ChatGPT・Claude Code等を活用した業務自動化やSEO・広告運用の内製化を支援。経営者が自らAIを使いこなせる体制づくりをサポートしている。
＞＞詳細なプロフィールはこちら