「その製品、知りません」から数日で導入支援へ ──オンボーディング担当のためのAIキャッチアップ術
「来週から、別のSaaSも担当してください」
オンボーディング／カスタマーサクセス（CS）を担当していると、担当プロダクトが増えたり入れ替わったりする場面は珍しくありません。しかも多くの場合、ゆっくり覚えている時間はありません。
私の場合、依頼を受けた時点では既存案件が立て込んでいて後回しになり、いざ本格始動が決まった頃にはキックオフまで10日を切っていました。製品知識はほぼゼロ。既存顧客の対応も並行しています。
頭をよぎったのは、次のような不安でした。
「キックオフで顧客に質問されたら、答えられるだろうか」
「先輩に聞きたいけれど、その時間を奪いたくない」
「かといって、一人で調べきれる量でもない」
CSやオンボーディングを担当したことがある方なら、一度は覚えのある焦りではないでしょうか。
「全部覚えてから臨む」のは、どう考えても間に合いません。
そこで発想を変えました。AIを「なんでも答えてくれる先生」ではなく、要約・壁打ち・レビューを担う"相棒"として使い、判断と検証は自分が担う。この役割分担に振り切ったのです。
その結果、キックオフに必要な準備一式（製品理解・導入フローの整理・トークスクリプト・想定Q&A・デモ環境の準備・理解度チェック）を、既存案件と並行しながら約4日、実働にすれば10時間ほどで整えることができました。
大事なのは、AIが魔法のように全部を教えてくれた、という話ではないことです。変えたのは道具ではなく、キャッチアップの"進め方"でした。
本記事では、そのプロセスを「たたむ・きたえる・のこす」という3ステップと、そこで人が必ず握るべき"ガードレール"に分けて、実際に使った指示文も交えながら紹介します。
1.なぜCSのキャッチアップは「間に合わない」のか
まず、従来のやり方がなぜ短期戦に弱いのかを整理します。
「資料を読む → 分からないところを先輩に聞く」という進め方には、いくつかの構造的な壁があります。
情報が散在していて、何から始めればよいのか分からない
マニュアル・ヘルプセンター・FAQ・過去の議事録・説明会動画が、それぞれ別の場所にあり、更新時期もバラバラです。学び始める前に「資料を探して並べる」ところに時間を使ってしまいます。しかも、どれが最新でどれが古いのかも、その製品に詳しくない段階では判断できません。
「先輩への質問」は双方の工数になる
先輩も自分の顧客対応を抱えています。気軽には聞きづらく、そもそも「何が分からないのかが分からない」状態では、質問を組み立てること自体が難しいものです。
結果として、質問のハードルが上がり、分からないまま抱え込んでしまう——という悪循環に陥りがちです。
「使う側の視点」で整理された資料は、意外と存在しない。
製品資料は網羅的です。
しかし「オンボーディング担当が最初に知るべきことは何か」「顧客がどこでつまずくか」という切り口では、まとまっていないことがほとんどです。網羅的であることと、最初の一歩に必要なことは、別物なのです。
そして、ここがCS特有の難しさなのですが、オンボーディングで求められるのは、製品の機能を覚えることだけではありません。顧客がどの業務の、どの場面でその機能を使い、どこでつまずくのか——そこまで分かって初めて、「説明できる」状態になります。
覚える対象は、機能・導入フロー・顧客業務・よくある失敗・社内運用ルールと幅広いものです。「製品理解」という一言で片付けられがちですが、実際はこれらが積み重なっています。
だからこそ、短期間で立ち上がるのは簡単ではないのです。
結局のところ、現実には「理解してから対応」ではなく「対応しながら理解」を強いられる。 キャッチアップが終わる前にキックオフはやってきます。不安を抱えたまま本番に臨み、その場で分からないことは先輩に頼る——という綱渡りになりがちです。
つまりキャッチアップは、「時間さえあれば終わる」ものではなく、進め方そのものを変えないと短期では立ち上がれないのだと、私は考えるようになりました。ここからは、その"変えた進め方"を具体的に説明します。
2.まず「AIに任せること」と「人が担うこと」を分ける
AIを使うと決めたとき、最初にやったのは役割の線引きです。ここを曖昧にすると、AIの答えを鵜呑みにして事故を起こすか、逆に何も任せられず結局手が回らないか、どちらかになります。
そして、この線引きこそが最大のポイントでした。AIに仕事をさせるコツは、「答えを聞くこと」ではなく、「役割を渡すこと」だったのです。
私がAIに任せたこと、人が担うことは、次のように整理できます。
・AIに任せること
散在した情報の要約、全体像の整理、壁打ち相手、アウトプット（スクリプト・Q&A）のたたき台づくり、レビュー、理解度チェック問題の作成
・人が担うこと
正誤の判断、社内固有ルールの確認、最新仕様の確認、機密情報の取り扱い、顧客への説明と最終責任
AIは、それらしい答えを自信を持って間違えることがあります。だからこそ、AIに任せる範囲を広げるほど、人側の「検証力」がより重要になります。
「AIが下書きをし、人が検証して確定する」
この順番さえ崩さなければ、スピードと正確さは両立しやすくなります。逆に言えば、この順番を崩した瞬間に、速さは事故に変わります。
AIは思考を止める道具ではなく、思考の初速を上げる相棒です。
この捉え方を前提に、実際の進め方を「たたむ・きたえる・のこす」の3ステップで見ていきます。
3. たたむ ： 散在した情報をAIで「1枚の地図」にする
最初のステップは、バラバラの情報を集約して、全体像と優先順位を先に作ることです。個々の資料を読み込む前に、地図を手に入れるイメージです。地図がないまま資料を1つずつ読むと、いま自分が製品のどのあたりを見ているのか分からず、迷子になります。最初に作ったのは、知識ではなく、迷わないための地図でした。
私は、ヘルプ・FAQ・製品資料・議事録などをAIに渡し、「顧客対応に必要な知識」と「顧客がつまずきやすいポイント」に絞って整理してもらいました。
CSのキャッチアップで本当に効くのは、機能の網羅ではなく「顧客がどこでつまずくか」の地図です。すると、膨大な情報の中から最初に押さえるべき幹（本質）が浮かび上がり、どこから深掘りすればよいかが見えてきます。
ポイントは、指示の切り口です。ここを変えるだけで、返ってくる情報の実用度が大きく変わりました。
【現場での実践例】指示の切り口を変えるだけで、精度が変わる
はじめは、AIにこう頼んでいました。
「この製品について、資料を読んで網羅的にまとめて」
返ってきたのは、体系的ではあるものの、教科書的な要約でした。間違ってはいないものの、明日の商談ですぐ使える情報ではありません。
そこで、切り口を次のように変えました。
「キックオフを担当する人が最初に理解すべきことを、顧客がつまずきやすい順に整理して。特に、料金体系・独自ルール・よくある勘違いを重点的に」
すると、実務で本当に必要な観点（費用が発生する条件、他社と混同されやすい仕様、初期設定でハマりやすい箇所）が前面に出てきました。
AI活用は、「何を聞くか」で結果が決まる——そう実感した瞬間です。
もうひとつのコツは、「表形式で」「A4一枚に収まる粒度で」「専門用語には補足を」と、アウトプットの形まで指定することです。そのまま自分用のカンペになります。
なお、社外秘などAIに読み込ませられない資料は、無理をせず人が要点を渡す、と割り切りました。全部を入れようとして止まるより、入れられるものだけで地図の初版を作るほうが、結果的に速く進みます。
4. きたえる： ロープレ×AIレビューで、説明時間を56分から31分に
全体像をつかんだら、次はアウトプットを通じて理解を鍛えます。
インプットだけでは、本番で「自分の言葉」で説明できるレベルには届きません。読んで分かることと、口で説明できることの間には、思った以上に距離があります。
私はトークスクリプトや想定Q&AをAIに作らせ、そこから自分で読み上げる（ロープレ）→その原稿や録音をAIにレビューさせる→修正する、というサイクルを高速で回しました。
具体的には、次のような流れです。
1.たたき台を作らせる
「キックオフで話すトークスクリプトを、オープニング→製品概要→導入の流れ→今日決めたいこと、の順で作って。所要時間はxx分想定」
2.自分で声に出して読む
実際に時間を計りながらロープレ。詰まった箇所・言いにくい言い回しにマークをつけます。
3.AIにレビューさせる
「このスクリプトを読んだら◯分かかった。長い／説明が飛んでいる／専門用語が唐突な箇所を指摘して、直した版も出して」
4.修正して、再度読む
指摘をもとに修正し、再度声に出して確認します。
このAIレビューが、想像以上に鋭いものでした。実際に返ってきた指摘は、例えばこんな具合でした。
「冒頭で専門用語が3つ続いていて、初見の顧客には負荷が高い。最初の1つは平易な言い換えを」「"料金の話→機能の話→導入の流れ"の順番だと、費用の不安を抱えたまま説明を聞くことになり、頭に入りにくい。導入の流れを先に見せてはどうか」
どれも、顧客がどう感じるかという目線の指摘です。それを、何度でも、待たずにもらえる。これが壁打ち相手としてのAIの強みでした。レビューを受けるたびに、「顧客に伝わる説明」へ一歩ずつ近づいていく感覚がありました。
結果として、最初は56分かかっていた説明が、2周目には31分まで縮み、詰まっていた箇所も解消しました。
ここで大事なのは、31分という数字そのものではありません。
キックオフは、質疑応答や相談の時間まで含めて全体を30〜45分に収めるのが理想です。説明そのものをロープレで30分前後まで削っておけば、本番では顧客の質問や相談に、余裕を持って応じられます。
56分のままでは、説明だけで持ち時間を使い切ってしまう計算でした。31分まで削れて、ようやく「本番で使える」水準に乗った——だからこの短縮に意味がありました。削ったのは"自分が言いたいこと"で、残したのは"相手が知りたいこと"です。
そして、先輩への依頼の仕方も変わりました。
ゼロから「教えてください」と相談するのではなく、AIが作成したスクリプトを先に渡し、「認識に齟齬がないか、差分だけ見てほしい」とお願いしたのです。
先輩のレビューは「全部を確認する」から「差分をチェックする」に変わりました。先輩の指摘は、AIには判断できない社内の勘所やこの顧客ならではの事情に集中し、短時間で本質的なフィードバックがもらえます。こちらも先輩も、負担が大きく減りました。
【現場での実践例】人が必ず担うガードレール
AIは自信を持って間違えることがあります。
だからこそ、仕様の数値・制限事項・料金体系は、必ず社内のFAQや一次情報で裏取りしました。ここを怠ると、そのまま顧客への誤案内につながります。
AIが作ったQ&Aは、それらしく見えても、細部が事実と違っていることがあります。この"もっともらしく間違える"リスクは常にあるものと考え、数値や仕様は必ず一次情報で裏取りしてから使う、と決めていました。
ルールはシンプルです。
①機能の不明点は推測せず、社内の有識者やFAQで確認する
②顧客影響の大きい仕様・数値は必ず一次情報で確認する
③機密情報はそもそもAIに入力しない
CSは、知識量そのものより「顧客の不安を先回りできるか」が問われる仕事です。だからこそ、AIに任せて生まれた時間は、検証と"顧客の顔を思い浮かべること"に使う。この線引きだけは、最後まで人の仕事です。
5. のこす ：プレイブック化で「次の担当者がゼロスタートしない」
最後のステップは、得た知識を資産として残すことです。
せっかく数日かけてキャッチアップしても、それが自分の頭の中だけに留まっていては、次に同じ製品を担当する人はまたゼロから始めることになります。それは、チームとしては大きな損失です。
私は、学んだ内容を、1枚のプレイブック（案件の要点・落とし穴・進め方をまとめた運用資料）に整理しました。
ここでもAIが役立ちます。キャッチアップ中にAIとのやり取りで生まれた要約や指示文が、そのまま素材になるからです。
「これまでの内容を、後任がこの案件を引き継ぐ前提で、要点・つまずきやすい点・進め方の順にまとめて」と頼めば、たたき台が一気にできあがります。あとは自分の実感に合わせて手を入れるだけです。
さらに、理解の定着にはアウトプットでの自己テストが効きます。
【現場での実践例】クイズは"理解の穴"を可視化する
インプットした直後は、分かったつもりになりがちです。
そこでAIに「これまで学んだ内容から、重要ポイントを問う一問一答を10問作って。ジャンルはばらけさせて」と頼み、実際に解いてみました。
すると、スラスラ答えられる設問と、曖昧なまま流していた設問がはっきり分かれます。答えられなかったところが、そのまま自分の理解の穴です。その論点だけを資料に戻って復習すればいいので、闇雲な見直しより圧倒的に効率的でした。ここでも、問題を作るのはAI、答え合わせと復習の判断は自分、という役割分担は変わりません。
この「のこす」工程があると、次に同じ製品を担当するときの自分も、後から入ってくる後任も、ゼロから始めなくて済みます。
属人化していた知識が、チームで使い回せる資産に変わる。そして一度作ったプレイブックは、数か月後に自分が同じ案件へ戻ってきたときにも役立ちました。
「誰かのため」だけでなく「未来の自分のため」にも、残しておく価値があります。
まとめ：「理解してから」ではなく「理解できる仕組み」を作る
振り返ると、AIが全部を教えてくれたわけではありません。
変えたのは、AIとの役割分担であり、その結果としてキャッチアップの進め方そのものでした。整理・壁打ち・レビュー・出題はAIに任せ、判断・検証・顧客への説明は自分が握る。この線引きを最初に決めたことが、すべての土台になりました。
「全部理解してから仕事をする」のではなく、「仕事をしながら理解できる仕組みを作る」。製品知識がゼロでも、短期間で立ち上げるうえで、これが一番効いた発想の転換でした。
そして、AIに任せる範囲が広がるほど、人の検証力の価値は、むしろ上がっていく——これは、これからのCS・オンボーディング担当にとって、心強い変化だと思います。
私はこの進め方で、製品知識がほぼゼロの状態から、約4日でキックオフ準備を整えられました。繰り返しになりますが、それはAIのおかげ"だけ"ではありません。「AIとの役割分担」を最初に設計したことが、一番大きな変化だったと思っています。
いきなり全部を真似る必要はありません。まずは手元の資料をAIに渡し、「顧客がつまずきやすい順に整理して」と頼んでみる——"たたむ"の一歩から始めてみてください。「全部覚えてから顧客の前に立つ」のではなく、「顧客と向き合いながら、理解を深めていく」。そんなオンボーディングの進め方も、AIを相棒にすれば、きっと実現しやすくなるはずです。
※本記事でいう「AI」は、ChatGPTやClaudeなどの生成AI全般を指します。特定のツールに依存しない考え方として読んでいただければ幸いです。
