トーク生成における「Supervised Fine-Tuning」

1. なぜ営業トーク生成にSFTが必要なのか

生成AIは、自然な文章を作ることは得意です。

しかし、営業トークにおいて重要なのは、自然な文章を作ることではありません。

重要なのは、
相手が思わず聞き入ってしまい、商品やサービスに興味を持ち、次の会話に進みたくなる心理状態を設計することです。

営業トークは、単なる文章ではありません。

たとえば、次のような要素まで設計する必要があります。

• 相手の頭の中に、どのようなイメージを浮かべるのか
• どの順番で情報を出せば、価値が伝わるのか
• どのタイミングで疑問や警戒心を解消するのか
• どの言葉を使えば、自分ごととして受け取ってもらえるのか
• どこまで説明すると売り込みに聞こえ、どこまで削ると伝わらなくなるのか

こうした要素を組み合わせて、相手の心理が自然に前へ進むように設計する必要があります。

一方で、一般的な生成AIは、主にインターネット上の文章やテキスト情報をもとに学習しています。

そのため、文章として自然なトークは作れても、実際の営業現場で成果につながる会話の流れまでは、そのままでは再現しきれません。

特に日本語の営業会話では、表現の強さ、距離感、順番、含みの持たせ方によって、相手の受け取り方が大きく変わります。

さらに営業では、商材ごとの訴求設計も必要です。

誰に対して、どの課題を入口にするのか。
どの表現なら価値が伝わり、どの表現だと誤解されるのか。
どの順番で話すと、相手が自然に興味を持つのか。

これらは、一般的な文章生成能力だけでは対応しきれません。

だからこそ、営業トーク生成には、現場で成果が出ている営業の判断をAIに学習させる必要があります。

そのための方法が、Supervised Fine-Tuningです。

2. Supervised Fine-Tuningとは何か

Supervised Fine-Tuning、略してSFTとは、
人間が作った望ましい出力例をもとに、AIの出力傾向を調整する方法です。

これは、従来の機械学習やディープラーニングでも使われてきた、基本的かつ重要な学習方法の一つです。

営業トーク生成で言えば、AIが作ったトークに対して、営業経験者が修正を加えます。

ただし、単に文章をきれいに直すわけではありません。

• どの課題を入口にすれば、相手が自分ごと化しやすいか
• どの順番で説明すれば、価値が伝わる前に断られにくいか
• どの表現だと、商材の魅力が弱く見えてしまうか
• どの言葉だと、相手の頭に具体的なイメージが浮かぶか
• どの質問なら、会話を止めずに次へ進められるか
• どのタイミングで懸念を解消すれば、売り込み感が出にくいか

こうした判断をもとに、トーク全体を設計し直します。

その修正前・修正後・修正理由をデータとして蓄積し、AIに学習させることで、AIはより実務に近い営業トークを生成できるようになります。

3. RLHFとの違い

SFTとよく比較されるものに、RLHFがあります。

RLHFは、複数の回答案に対して人間が評価を行い、どの回答が望ましいかを学習させる方法です。

現在のChatGPT、Gemini、Claudeのような対話型AIでも、このような人間の評価を活用した学習手法が重要な役割を持っています。

一方でSFTは、人間が直接、望ましい回答例を作る方法です。

営業トーク生成では、まずSFTによって、成果につながるトークの型や判断基準を学習させることが重要です。

そのうえで、複数のトーク案を比較・評価して改善していくことで、RLHFに近い最適化も可能になります。

4. SFTデータで重要なのは「修正理由」まで残すこと

営業トークのSFTでは、修正後の文章だけを残しても不十分です。

重要なのは、
なぜその修正をしたのか
まで言語化することです。

たとえば、営業トークを修正するときには、次のような判断が入ります。

• 相手の頭の中に、どのようなイメージを作るべきか
• どの順番で話せば、相手の理解が追いつくか
• どの表現だと、相手の警戒心が強まるか
• どの課題設定なら、対象顧客に広く刺さるか
• どの説明だと、価値が伝わる前に話が終わってしまうか
• どの質問なら、自然に次の会話へ進めるか

この判断基準がなければ、AIは表面的な言い換えしか学習できません。

逆に、修正理由までデータ化できれば、AIは単なる文章表現ではなく、営業判断そのものを学習しやすくなります。

5. 営業トークのSFTデータ作成が難しい理由

営業トークのSFTが難しいのは、正解が単純な文章の良し悪しでは決まらないからです。

あるトークが良いかどうかは、文面だけでは判断できません。

• 誰に対して話しているのか
• 相手はどの課題をどの程度認識しているのか
• どの段階で興味を持ち、どの段階で警戒するのか
• どの言葉なら相手の頭に具体的なイメージが浮かぶのか
• 今は説明すべき場面なのか、質問すべき場面なのか
• どこで自社の話に入ると、売り込み感が強くなるのか

こうした文脈によって、適切なトークは変わります。

さらに、SFTデータを作るには、AIやデータの知識だけでは不十分です。

実際に成果を出せる営業の感覚が必要です。

なぜなら、営業トークの良し悪しは、文章の美しさではなく、相手の心理がどう動くかで決まるからです。

トップ営業は、相手の反応を見ながら、話す順番、言葉の強さ、質問の入れ方、説明の深さを無意識に調整しています。

しかし、その判断は多くの場合、「センス」という言葉で片付けられ、明確には言語化されていません。

営業トークのSFTでは、この言語化されていない判断を、AIが学習できるデータ構造に落とし込む必要があります。

ここに大きな難しさがあります。

6. まとめ

営業トーク生成におけるSFTとは、AIにきれいな文章を書かせるためのものではありません。

トップ営業が感覚的に行っている、

• 課題の切り出し方
• 訴求の順番
• 相手の心理の動かし方
• 警戒心の下げ方
• 断られにくい質問設計
• 商材価値の伝え方
• アポイントにつながる温度感の作り方

を、AIが学習できる形に変換する取り組みです。

営業の現場では、成果を出している人ほど、多くの判断を無意識に行っています。

その無意識の判断を言語化し、構造化し、教師データとして蓄積する。

これによって初めて、AIは単なる文章生成ではなく、成果につながる営業トーク生成に近づいていきます。

つまり、営業トークにおけるSFTとは、
トップ営業のセンスを、AIが再現できる知識体系に変換する技術
だと言えます。