14本のワークフローは6つの業務領域にまたがる
公開されている14本は、営業の効率化、カスタマーサクセス、リサーチ、コンテンツ制作、社内コミュニケーションとカルチャー、開発・運用の効率化の6領域に分かれています。
どの領域でも、ワークフローが動き出すきっかけは「決まった場所に、決まった形でデータが届くこと」です。会議の文字起こしがスプレッドシートに1行増える、通話の録音が記録シートに加わる、フォームに入力が届く、Slack でボットに話しかける、毎日決まった時刻になる。この合図を起点に、AI の処理と通知が一続きで流れる作りになっています。
業務の入力と出力がはっきりしている9本は、入力・AI がする処理・人に残した判断・道具の4項目で表にしました。人に残した判断の欄は公開記事に書いてあることだけで、書かれていないものは「記事に記載なし」です。
商談の記録と振り返りは、文字起こしが届くと自動で始まる
商談の議事録・ヨミ(受注の見込み)の判定・営業へのフィードバックは、商談が終わると人の操作なしに作られます。tldv(会議を録画して文字起こしするツール)の文字起こしが終わり、スプレッドシートに行が追加されると、n8n(業務の自動化ツール)のワークフローが起動する仕組みです。営業マネージャーは、商談の終了から約5分後に Slack でフィードバック資料を確認できます(鈴木裕斗(株式会社overflow)「商談議事録&ヨミ判定&フィードバックを完全自動化するn8nワークフロー」note・2025年8月24日公開)。
| 項目 |
中身 |
| 入力 |
商談の文字起こし、会議名・参加者名・日時、Google ドキュメントに書いた「理想のセールスフロー」と「トップセールスのナレッジ」 |
| AI がする処理 |
BANT(予算・決裁者・必要性・導入時期)の抽出、ヨミの判定、相手の態度の変化の評価、営業プロセスの点検、トップセールスの視点のアドバイス、議事録の作成 |
| 人に残した判断 |
AI が参照するセールスフローとナレッジを書くこと |
| 道具 |
n8n、tldv、Google スプレッドシート、Google ドキュメント、Google ドライブ、Gemini API、Slack |
人の仕事として残ったのは、AI に渡す「良い商談とは何か」の文書を作ることでした。ナレッジは、トップセールスに直近の商談でどんな仮説を持ち、なぜその提案をしたのかを深掘りして質問し、その録音を文字にして作ります。
営業メンバーが商談のあとに何もしなくてよい作りにした一方、AI の出力を人が確かめて直す工程はこの記事には書かれていません。記事の最後には、Salesforce へのつなぎ込みを「ラストワンマイル」として残しています。
商談の文字起こしは、プロダクトと価格の検討にも回している
最初のワークフローを社内で運用しながら改善し、商談の文字起こしを営業の振り返りに加えてプロダクト改善と価格設計の材料にも使うようにしました。2本目の記事は文字起こしを「経営、ファイナンス、プロダクトマネジメント、商品企画、すべてにつながる情報源」と位置づけ、商談の終了後5分以内に議事録・御礼メールの下書き・改善レポートが自動で作られて通知される流れを書いています(鈴木裕斗(株式会社overflow)「AIワークフローで商談を経営資産化する」note・2025年10月21日公開)。
| 項目 |
中身 |
| 入力 |
商談の文字起こし、自社サービスの概要資料、トップセールスの Tips |
| AI がする処理 |
課題・提案・KPI・担当・価格設計(プラン、オプション、割引、競合)を決まった形式で抜き出し、重要度を★〜★★★で付け、提案文を読みやすく書き直して HTML のレポートにし、要点を Slack に投稿 |
| 人に残した判断 |
改善提案を開発するかどうか。PdM とエンジニアは要件の読み解き・比較・実装判断に集中する |
| 道具 |
n8n、tldv、Gemini 2.5 Pro、Google ドキュメント、Google ドライブ、Slack |
役割の分け方は、記事の言葉では「営業はお客様と候補者に集中。抽出・整形・言語化はAI。」です。顧客と直接話す時間が限られる PdM にも、商談の温度が伝わるようにする狙いがありました。
この仕組みも完成形ではありません。人が途中で確かめて調整する工程(Human-in-the-Loop)をもう少し入れること、改善提案をチケットにして開発のタスク管理ツール(Backlog)に入れることは、今後の課題として書かれています。
候補者との面談からは、企業への印象と次の打ち手を抜き出している
候補者との会話の文字起こしからは、候補者が各社をどう受け止めたかと、面談のあとに担当者がする仕事の下書きを作っています(鈴木裕斗(株式会社overflow)「2025年につくったAIワークフロー14本」note・2026年1月2日公開)。
| 項目 |
候補者が抱く企業への印象の抽出 |
キャリア面談の記録 |
| 入力 |
tldv の文字起こし |
キャリア面談の文字起こし、社内のナレッジ(エンジニアの心理変容モデル) |
| AI がする処理 |
会話に出てきた企業ごとに、候補者の印象の要約、該当する発言の原文とタイムスタンプ、採用の改善提案を構造化して抜き出す |
確度の判定、心理フェーズ(Phase1〜7)の判定、STAR 形式の職務経歴、担当者へのフィードバックを含む議事録を作り、プロダクト改善レポートと候補者へのお礼メールの下書きも作る |
| 人に残した判断 |
採用担当者が改善提案をもとに動く |
コンサルタントが候補者へのフォローを行う |
| 道具 |
tldv、Google スプレッドシート |
tldv、社内のナレッジデータベース、Slack |
印象の抽出では、要約と一緒に元の発言とその時刻を残す作りにしています。要約を読んだ人が、根拠になった会話にすぐ戻れる形です。
キャリア面談の記録は、面談1件から詳細な議事録、プロダクト改善レポート、お礼メールの下書きの3つを作ります。メールは下書きとして作られ、候補者へのフォローはコンサルタントが受け持つ分担です。
商談前の下調べと一括メールは、自動で下準備をして人が確かめる
商談の前と、営業メールを一斉に送る前の作業でも、ワークフローは材料をそろえるところまでを受け持っています(鈴木裕斗(株式会社overflow)「2025年につくったAIワークフロー14本」note・2026年1月2日公開)。
| 項目 |
商談前の企業・担当者リサーチ |
一括メールの事前確認 |
通話の分析 |
| 入力 |
HubSpot(顧客管理ツール)の Contact ID |
フォームに入れた送信先の情報、営業担当者名、件名と本文のテンプレート |
通話の記録シートに追加された録音 |
| 自動化する処理 |
5つの AI エージェントが同時に、企業の概要・ニュース・採用情報・採用の競合・担当者のプロフィールを調べ、まとめて Google ドライブに保存 |
テンプレートへの差し込みと苗字の抜き出しを自動で行い、確認用のシートを作って Slack に知らせる |
録音を文字起こしし、発信者に応じて企業向け・候補者向けに分けて分析 |
| 人に残した判断 |
記事に記載なし |
担当者が全メールの中身を一覧で確かめてから送る |
記事に記載なし |
| 道具 |
HubSpot、Serper(検索 API)、Google ドライブ |
フォーム、Google スプレッドシート、Slack |
Google スプレッドシート、Google ドライブ、Slack |
一括メールのワークフローは、自動化を送信の手前で止める設計です。送る直前の一覧を作るところで止まり、中身を確かめて送るのは担当者の仕事として残しています。
社内のデータの取り出しと仕組みの管理にも AI を使っている
営業と候補者対応のほかに、社内のデータベースへの問い合わせ、作ったワークフローの説明書き、上場企業の決算の読み込みを AI に任せています(鈴木裕斗(株式会社overflow)「2025年につくったAIワークフロー14本」note・2026年1月2日公開)。
| 項目 |
Slack からの SQL 生成 |
ワークフローの説明書き |
決算の分析 |
| 入力 |
Slack でボットに話しかけた依頼文、Google ドライブに置いたデータベースの構造とサマリ |
ワークフローの ID |
対象企業の一覧の URL から取る決算 PDF(毎日16時に実行) |
| AI がする処理 |
SQL を作り、Pinecone(ベクトルデータベース)に保存した過去のクエリを参照して精度を上げる |
n8n の API で構成を取り、概要・目的・使い方・注意事項・AI 使用の有無・予測コストを書いて Notion に保存 |
処理済みの URL を除いて決算を分析し、天気マーク付きの要約と HTML のレポートを作る |
| 人に残した判断 |
役に立ったクエリを絵文字のリアクションかフォームで保存する。結果にスレッドで指摘して作り直させる |
記事に記載なし |
経営戦略と投資判断の材料として使う |
| 道具 |
Slack、Google ドライブ、Pinecone |
n8n API、Notion |
スクレイピング、Google ドライブ、Slack |
SQL の生成では、どのクエリを「良い例」として残すかを人が選びます。保存されたクエリが次の生成の参考になるため、人の選択がそのまま AI の精度に返ってくる作りです。
自社で始めるなら、入力が決まった場所に届く業務から選ぶ
記録した9本のどれにも言えるのは、入力が決まった場所に届き、出力の受け取り手(Slack のチャンネル、担当者、Google ドライブや Notion の置き場)が先に決まっていることです。1社の記録なので、他社の業務にそのまま当てはまるとは限りません。
それでも、AI ワークフローを始める業務を選ぶときの問いとして、「入力はどこに届くか」「出力を誰が受け取るか」「人はどこで確かめるか」の3つは使えます。
Offers AX は、コンサルティング・AI エージェント開発・内製化支援の3つで、企業の業務に固有の文脈を織り込んだ AI の仕組みを作る支援です。戦略を考える人と作る人を分けずに、業務の現場に近い距離で一体で進める FDE 型のモデル(FDE の定義)を選んでいます。要件定義書の代わりに動くもので合意し、プロトタイプを実業務で検証して、効果を確かめてから本実装へ進む流れです。引き継ぎのドキュメントと社内の運用体制も最初から設計し、構築は企業の既存環境(GCP・Azure・AWS)で行います。
Offers AX のサービス内容を見る/無料相談を申し込む
人に残した判断は「送る」「決める」「教える」の3つ
9本を並べると、人に残した判断は3種類に分かれます。
| 人に残した判断 |
当てはまるワークフロー |
中身 |
| 送る |
一括メールの事前確認、キャリア面談の記録 |
ワークフローはメールの下書きと確認用の一覧を作るところまでにとどめ、相手に届ける判断は担当者が持つ |
| 決める |
商談からの改善レポート、決算の分析、候補者の印象の抽出 |
AI が抜き出した提案や要約をもとに、何を開発するか・どこに投資するか・採用活動をどう変えるかを人が決める |
| 教える |
商談の記録と振り返り、キャリア面談の記録、Slack からの SQL 生成 |
AI が参照するセールスフロー・トップセールスのナレッジ・心理変容モデル・良いクエリの例を人が作り、選ぶ |
「教える」仕事は、ワークフローを作ったあとも続きます。トップセールスへの聞き取りや、役に立ったクエリの保存のように、AI の出力の質は人が書いたナレッジと人が選んだ例に左右されるからです。
まだ自動化できていないことも記録に残っている
公開記事には、うまくいっていない部分や手の届いていない部分も書かれています。
- 2025年10月の記事の時点では、改善提案をチケットにして Backlog に入れる工程は今後の課題とされていた
- 顧客管理の Salesforce へのつなぎ込みは、残りの課題として書かれている
- AI の出力を人が確かめて直す工程は、商談の自動化の記事には書かれておらず、2本目の記事で Human-in-the-Loop を足したいと書いている
- 商談前リサーチ、通話の分析、ワークフローの説明書きの3本は、人がどこで判断するかが記事に書かれていない
人の確認の場所を決めないまま自動化を広げると、AI が出した内容がそのまま次の工程に流れる作りになります。記録した9本のうち確認の場所がはっきりしていたのは一括メールと SQL の生成で、どちらも「人が確かめて送る」「人が選んで保存する」操作がワークフローの中に組み込まれていました。
記録を読むときに押さえておきたい前提
この記録は、代表が公開した記事に書かれた範囲だけを使っています。作業時間の短縮幅は、他社の条件でそのまま再現できる数字ではないため載せていません。
ワークフローの中身も、公開時点のものです。2本目の記事は1本目を社内で運用しながら改善した内容で、同じ商談の自動化でも、出力に改善レポート(プロダクト改善と価格設計の材料)が加わりました。
商談や面談の文字起こしには、相手の氏名や発言がそのまま入ります。AI に渡すデータの範囲を社内のルールとして決めるときは、AI ガバナンスの記事が参考になります。
ワークフローを1本動かしたあと、業務に合わせて AI に判断の一部まで任せたくなったら、AI エージェントの開発の記事と用語集の AI エージェントを参照してください。検証で止めずに本番の業務へ広げる進め方はPoC の記事、全社で推進する体制はAI CoE の記事で扱っています。株式会社overflow の他の導入記録は自社の導入記録のカテゴリから読めます。