営業チーム向けAIワークフロー：LangGraphを使用して見込み客調査、リード認定、CRM更新を自動化

営業チームは毎日、人間が行うべきではない反復作業に多くの時間を費やしています：見込み客の調査、理想的な顧客プロフィール（ICP）に基づくスコアリング、CRMへの結果の記録。これらのタスクはルールベースで手順が決まっており、自動化に最適です。本記事では、LangGraphを使用してマルチエージェント駆動のAIワークフローを構築し、これら3つのステップを高速かつ一貫して実行し、手作業をゼロにする方法を紹介します。

LangGraphは、LangChain上にステートフルなマルチステップAIアプリケーションを構築するためのフレームワークです。ワークフローを有向グラフとしてモデル化し、ノードはエージェントや関数、エッジはノード間の状態の流れを表します。この設計により、LangGraphは営業ワークフローに特に適しています。なぜなら、次のステップが前の結果に依存することが多いからです（例：リードが適格な場合のみCRM更新を実行）。LangGraphは条件分岐、共有状態、チェックポインティングによる再開、並列実行をサポートし、自動化システムに精密な制御を提供します。

本システムは3つの専用エージェントで構成され、順次実行され、条件分岐を持ちます。共有状態オブジェクトがシステム全体のバックボーンであり、各エージェントはこのオブジェクトから読み取り、結果を書き込みます。状態フィールドには、入力情報（見込み客の氏名、会社、役職、メール、LinkedIn URL）と各エージェントの出力（調査データ、資格スコア、資格理由、適格フラグ、CRMレコード、CRM更新確認、パイプラインメッセージログ）が含まれます。

まず、共有状態スキーマ（SalesState）を定義します。これはTypedDictで、すべてのフィールドを含みます。次に調査エージェントを構築します。このエージェントはgpt-4.1-miniモデルを使用し、入力から構造化された調査データを生成します。データには、会社概要、規模、業界、資金調達段階、技術スタックのシグナル、役職のシニアリティ、購買力、ペインポイント、最近のシグナル、パーソナライゼーションフックが含まれます。次に資格認定エージェント：調査データをスコアリング（0〜100点）し、適格かどうかのブール判定を行います。最後にCRMエージェント：データをフォーマットしてCRMシステムに書き込みます（本記事ではシミュレーション）。

全体のプロセスはLangGraphのGraphオブジェクトでオーケストレーションされます。調査ノードが失敗した場合はパイプラインが早期に終了し、資格認定ノードが不適格と判定した場合はCRM更新がスキップされます。この条件ロジックにより、下流に誤ったデータや無関係なデータが流れるのを防ぎます。開発者は10件の見込み客から10,000件まで、追加の人員を必要とせずにスケールアップできます。

実運用では、調査エージェントはApollo.io、Clearbit、Web検索APIなどの外部ツールと統合し、資格認定エージェントは実際のICPに基づいてスコアリングルールを調整し、CRMエージェントはSalesforceやHubSpotなどのシステムに接続する必要があります。LangGraphのアーキテクチャにより、ツールの交換や機能拡張が容易です。

要約すると、AIワークフローは営業担当者を置き換えるのではなく、彼らの時間を解放し、人間にしかできないこと（関係構築や成約）に集中させることを目的としています。本記事で提供されるコードとアーキテクチャを使用すれば、どの営業チームでも自動化パイプラインを構築し、効率を大幅に向上させることができます。