GTMエンジニアリングとは​｜​営業データの​仕事を​AIに​任せる​実装の​考え方

GTMエンジニアリングとは、GTM（Go-to-Market＝市場投入）活動のうち、リスト整備・企業の下調べ・優先順位づけ・CRM入力といった「営業データの仕事」を、ツールとAIで仕組み化する職能です。米国では専任職として確立しつつあります。この記事は、SFA/CRMは導入したがデータを判断に使えていない中小・中堅BtoB企業の営業責任者・営業企画に向けて、この職能の中身と、専任を雇わずに実装する考え方を解説します。

背景——​営業データの​仕事は、​担当者がいないまま​増え続けている

売上が伸びないのは、営業が弱いからではありません。あたる先と攻め方が、決まっていないからです。そして決めるための営業データの仕事——リスト整備・名寄せ・展示会名刺の登録・商談前の下調べ・CRM更新——は、誰の専任でもないまま手すきの営業に割り振られ、優先度が下がり、たまり続けています。この「誰の専任でもない仕事」を束ねる職能が生まれたのは、必然でした。

米国で​職能に​なった​経緯——​a16zの​3記事

ベンチャーキャピタルa16zの公開記事3本が、この職能の成立を時系列で記録しています。

2025年11月の「Need for Speed in AI Sales」（Seema Amble・James da Costa）は、AIが「何を売るか」だけでなく「どう売るか」を変えたと論じました。同記事はa16zの企業向け調査を引き、AIベンダーを選ぶ際に「導入の速さ」を最重要要因に挙げた買い手が7割に達したと報告しています。買い手側も速く、同記事が引く別の調査（G2）では、購入後3か月以内にプラスの投資対効果を求める買い手が57%、購入直後に求める買い手が11%でした。この速さに応えるため、GTMチームの役割自体が再編されつつある、というのが同記事の観察です。営業担当は人ではなくデータと向き合う技術的な理解を求められ、営業と技術支援の役割が1人に統合される動きが出ている。実装を顧客先で担う役割や、導入後に成果を出しきる新しい成功役割（記事はAgent PM、Solutions Architectといった呼称を挙げる）も生まれています。

2026年1月の「Forward-deployed Job Titles」（Tom Hollands）は、肩書きそのものを分析しました。2011年にPalantirが社内の統合・導入担当を「forward-deployed engineer」と名づけ直した例を引き、新しい職能は新しい肩書きで可視化されると整理します。そのうえで、Clayが「GTM engineer」、Harveyが「legal engineer」を打ち出した動きを、実体のある職能シフトの例として挙げました。同記事は見せかけの肩書き乱発と本物の職能を分ける判定基準も示しています——「その肩書きは、5年前には認識できなかった仕事を表しているか」。表していれば本物、責任範囲が同じで呼び名だけ変えたなら見せかけ、という基準です。同記事は「prompt engineer」を後者の例として挙げ、プロンプト作成は独立した職ではなく全職種の一機能だったため肩書きが実態を追い越した、と対比しています。

2026年4月には、growth marketer・PM・engineerの役割が1つの職能へ収斂しつつあるとして、この職能を対象とする「Growth Engineer Fellowship」の開講を告知しました（8週間のコホート、2026年5月開始）。告知記事は、この収斂した人材が多くのスタートアップにとって最重要の採用になりつつある、とまで述べています。いずれも米国の職能動向であり、日本の状況と一致するとは限りません。

仕事の​中身は​6つに​分解できる

GTMエンジニアリングの仕事は、6工程に分解できます。工程ごとに、手が動くタスクは具体的です。

• ①ICP（理想顧客像）の定義受注実績から共通項（業種・規模・部門・購入のきっかけ）を抜き、除外条件も言葉にする
• ②リスト構築公開情報源から、条件に合う企業の母集団を作る
• ③エンリッチ（下調べ）各社の公開情報を集め、シグナル（採用の動き・拠点・設備投資の告知など）を付ける
• ④優先順位づけシグナルに重みをつけ、上位から着手できるよう並べ替える
• ⑤CRMへの書き戻し・整備名寄せ・重複統合・欠損の補完と、更新の段取りづくり
• ⑥計測と改善反応率・商談化率を工程ごとに見て、基準を直す

分解して見えるのは濃淡です。①④⑥は「基準を決める・直す」判断の色が濃く、②③⑤は手順の決まった作業の色が濃い。この濃淡が、AIに任せる範囲を決める土台になります。

日本の​中小・​中堅がとれる​道は​3つ

米国で職能になったからといって、日本ですぐ専任を雇えるわけではありません。とれる道は3つで、それぞれ成立する条件が違います。

• ①専任を採用する日本ではこの職能の採用市場がまだ薄く、コストも高い。成立条件は、募集要件を書けて候補者の実力を見抜ける人が社内にいることです。
• ②ツールを導入して自社で回す「ツールを回す人がいない」という最初の問題が残る。成立条件は、回す時間と担当を確保でき、運用の設計まで引き受けられることです。
• ③仕事ごと外部に任せ、基準は自社で持つ成立条件は、判定基準を自社の言葉で書き、改訂履歴ごと自社に残す取り決めを契約に落とせることです。

優劣ではなく、自社の条件で選ぶ問題です。ただしどの道でも共通して必要なのが「自社の判断基準を言葉にして持つ」ことです。

AIに​任せる​仕事・​人に​残す仕事の​3基準

任せる範囲は、次の3つで判定します。

• 言語化できる（やり方と良し悪しを他人に渡せる言葉で書ける）
• 出典で確認できる（出てきたデータの根拠をたどれる）
• 間違いが可逆（誤りを検品して直せる範囲）

3つが揃う業務——名寄せ、公開情報の収集、CRMの書き戻し——はAIに移せます。逆に、重要顧客への次アクション判断のような不可逆で言語化しにくい仕事は、人に残します。

各社の公開情報を集めてシグナルを付ける下調べ（エンリッチ）は、源の選び方と止めどきの設計しだいで大きく効く工程です。その設計の詳しい進め方は企業情報のエンリッチメントとはに分けて整理しています。

つまずきやすい​点

実際に着手すると引っかかる点が4つあります。

• 第一に、米国の職能や肩書きをそのまま輸入する誤り——日本は採用市場が薄く、使える公開データ源も制度も米国とは違います。
• 第二に、肩書きだけ作って中身が伴わない状態。a16zが示した基準（5年前に認識できなかった仕事を表すか）を満たさないなら、それは見せかけの肩書きです。
• 第三に、ツールを導入すれば片づくという誤解——ツールは回す人を前提に作られており、回す人がいない問題は温存されます。
• 第四に、基準書を作らないままAIに丸投げすること——判断のよりどころがないと、出力の良し悪しを誰も検品できません。

始め方​——​棚卸しして、​1業務を​90日で​移す

いきなり全部ではなく、まず自社の営業データ業務を棚卸しします（何を・どの頻度で・月何時間・判断が要るか・手順を言語化できるか）。そのうえで3基準に照らし、最初の1業務を選びます。移行はおよそ90日を3つのフェーズで回します。

• 最初の約30日は、選んだ業務の基準書を初版で書き、AIの出力を人が全件検品しながら基準を直す期間です。
• 次の約30日は、基準を回しながら細部を詰め、反応（反応率・商談化率）を計測します。
• 最後の約30日で、検品を全件から抜き取りに絞り、定点運用へ移します。並行して次に移す業務を選びます。

移管の途中で検品を外さないことと、基準を直した履歴を残すことが、次の業務を速くする資産になります。

次の​一歩

まず、自社の営業データ業務を紙に書き出してください（リスト整備・名刺登録・下調べ・CRM更新・レポート作成……）。

どこにあたるか。なぜそこか。どう攻めるか。——この三つが決まるだけで、売上は上がる。その三つを決めるためのデータの仕事を、誰が担っているかを見える化するのが第一歩です。実装を任せる場合は、AI実装FDEと成果物で受け取る専門業務AI-BPO（営業リスト作成・データエンリッチメント）を提供しています。相談からどうぞ。

関連記事: 「次にどこへ行くべきか」を受注実績から導く／展示会の名刺の山を、商談準備済みのリストに変える／企業情報のエンリッチメントとは／ウォーターフォールエンリッチメントとは