
【やってみた】Zapier×Claude Agentで、商談前の企業リサーチを自動化してみた
問い合わせが来てから商談に入るまでの間、営業担当がまずやることは「相手企業を調べる」ことです。企業のWebサイトを見て、IR情報を確認し、最近のニュースを検索し、過去の取引履歴をCRMで探す。こうした準備作業は商談の質を大きく左右しますが、毎回手動で行うには相応の時間がかかります。
アンダーワークスでは、このシリーズで問い合わせ対応の自動化に段階的に取り組んできました。
今回の第3弾では、その先にある課題、「問い合わせ企業のことを商談前にどこまで理解できているか」に踏み込みます。問い合わせが来た瞬間にAIが自動的に企業リサーチを実行し、営業がすぐ使えるレポートを生成する仕組みを構築した話をお届けします。
商談前リサーチの課題 ── なぜ自動化が必要だったのか
B2Bの営業現場では、問い合わせから初回商談までのスピードが成約率に直結します。理想的には、問い合わせがあった当日か翌日には商談を設定したい。しかし、そのためには相手企業のことをある程度理解した状態で臨む必要があります。
この「企業リサーチ」が、実は大きなボトルネックでした。
営業担当が一件の企業を調べるために行う作業を分解してみると、かなりの工程があります。企業のWebサイトで事業内容を確認する。IR情報や決算資料に目を通す。業界ニュースを検索する。CRMで過去の接点を探す。競合との関係性を把握する。これを丁寧にやると、1社あたり1〜2時間はかかります。
さらに厄介なのは、対応品質のバラつきです。時間に余裕のある担当者は入念に調べてから商談に臨みますが、忙しい時期には最低限の情報だけで訪問してしまうこともあります。調べる観点も属人的で、ある担当者はIR情報を重視し、別の担当者はデジタル施策の状況を重視する、というように、リサーチの質と深さにムラが生じていました。
第2弾までの自動化で「CRM登録」は効率化できていましたが、「企業理解」の部分は依然として人間の手作業に依存していたのです。
自動リサーチの全体アーキテクチャ
今回構築した仕組みの全体像を先にお見せします。

構成要素は以下の4つです。
Zapier がオーケストレーター(指揮者)の役割を担います。問い合わせの検知、データの整形、各ステップの連携制御など、パイプライン全体の流れを管理します。
Claude Managed Agent(Anthropic API) がリサーチの実行エンジンです。Claude Managed Agentは、Anthropicが提供するAPIベースのエージェント実行環境で、プロンプトにツール利用権限やステップを定義すると、エージェントが自律的にWeb検索や外部API呼び出しを実行します。今回は企業リサーチに特化したAgentとして構成しました。
Google Docs がリサーチレポートの出力先です。Google Apps Script経由でドキュメントを自動作成・保存し、営業担当が普段使い慣れたツールでそのまま閲覧できるようにしました。
Salesforce がレポートURLの格納先です。営業担当がSalesforceのアカウント画面を開くだけで、リサーチレポートにワンクリックでアクセスできます。
ここで注目していただきたいのが、第1弾・第2弾との連携です。問い合わせの自動判定(第1弾)→ CRM自動登録(第2弾)→ 企業リサーチ自動化(今回)と、これまでの記事で紹介してきた仕組みが一連のパイプラインとして繋がっている点です。問い合わせが一つ入れば、判定・登録・リサーチまでが自動で流れる状態が実現しました。
技術的な観点で補足すると、第1弾ではZapier AI(Gemini API)を使って問い合わせの分類を行っていました。今回のリサーチ自動化では、Claude Managed Agentに切り替えています。
理由は、タスクの性質の違いです。第1弾のある問合せが有効か否か「問い合わせを2つのカテゴリに分類する」という処理は、比較的シンプルな判定タスクでした。一方、今回の企業リサーチは、Web検索を繰り返しながら多角的に情報を収集・統合するという、複雑で自律的な処理が求められます。Claude Managed Agentは、こうした「複数ステップを自律的に実行するエージェント型のタスク」に適した環境です。
つまり、タスクの複雑さに応じてAIの実行環境を使い分けるという判断をしています。
導入してみてわかったこと
AIリサーチの品質感 ── 「たたき台として十分」の設計思想
実際に数社のリサーチを回してみた結果、率直な感想をお伝えします。
ある製造業の大手企業でテストした際、基本情報(業種、設立年、本社所在地、代表者、従業員数など)は正確に収集されていました。IR情報や業界内のポジション、グローバル展開の状況も、公開情報ベースでかなりの精度でまとめられています。

一方で、非公開情報や業界の暗黙知に基づく分析(「この企業は表向きデジタル推進を掲げているが、現場の意思決定はまだアナログ寄り」など)は当然ながら含まれません。また、直近数日以内のニュースの反映にはタイムラグがある場合もあります。
ただ、ここで重要なのは、このレポートの目的は「完璧な調査報告書」ではないということです。
第2弾の記事でも触れた考え方ですが、「AIが100点の成果を出す」ことを目指すのではなく、「営業担当が0からリサーチを始める」状態から「60〜70点のたたき台がある」状態へ引き上げることが目的です。たたき台があれば、営業担当は差分を埋めるだけで済みます。1〜2時間かかっていた準備作業が、10分程度のレビューと補足で完了するイメージです。
処理時間と精度面での工夫
実運用で気づいた調整ポイントもいくつかあります。
まず処理時間です。調査軸の複数の観点でWeb検索を繰り返すため、リサーチ完了までに数分程度かかります。リアルタイムのレスポンスを期待する用途には向きませんが、「問い合わせが来てから商談設定までの間」に自動生成されるという運用であれば、全く問題ない速度です。
精度面では、エージェントへの指示(プロンプト)で分析観点を明確に定義していることが効いています。「何を調べるか」をエージェントに丸投げするのではなく、調べてほしい観点を構造化して指示することで、アウトプットの粒度と網羅性が安定します。
まとめと今後の展望
本記事でご紹介した仕組みにより、問い合わせ対応の自動化パイプラインが3段階で完成しました。
第1弾: Zapier×AIによる問い合わせの自動判定 → 営業への通知
第2弾: CRM(HubSpot・Salesforce)への自動登録
第3弾(今回): 企業リサーチの自動実行 → レポート生成 → Salesforce連携
問い合わせが1件入れば、判定・登録・リサーチまでが自動で流れ、営業担当はSalesforceを開くだけでリサーチレポートを手にできる。この一気通貫のパイプラインが、商談準備の時間を短縮し、対応品質のバラつきを解消する土台になると考えています。
編集後記
このシリーズを第1弾から第3弾まで書いてきて、振り返ってみると一つの共通点が浮かび上がります。それは、「自動化は一気にやるものではなく、段階的に積み上げるもの」だということです。
第1弾では問い合わせの分類だけ、第2弾ではCRM登録まで、そして第3弾で企業リサーチまで。一歩ずつ範囲を広げていくことで、各段階での学びを次の設計に活かすことができました。
自動化で手が空いた分、営業担当は「相手企業のことを深く考える」という本来の仕事に集中できるようになります。AIが下調べをして、人間が洞察を加える。この役割分担こそが、これからのB2B営業における一つのスタンダードになっていくのかもしれません。

