RAGとAIエージェントによるリード適格性評価エンジンの構築

従来のB2Bにおけるリード適格性評価（リードクオリフィケーション）のプロセスには根本的な課題が存在します。標準的なWebフォームは静的な連絡先データをCRMに送るだけであり、営業担当者は見込み顧客のWebサイトの事前調査、購買意図の判定、そして繰り返しの商談調整メールの送信に膨大な手作業の時間を費やしています。一方で、従来のチャットボットウィジェットは硬直したルールツリーに依存しているため、高価値な見込み顧客を失望させ、複雑な質問には対応できません。

この問題を解決するため、私たちは「Agentic AI（自律型AIエージェント）リード適格性評価エンジン」を構築しました。リアルタイムのWebhook処理、ハイブリッド・ベクトル検索（Pinecone + Zep）、Retrieval-Augmented Generation（RAG）、およびイベント駆動型ワークフロー自動化（n8n）を組み合わせることで、本システムはインバウンドの意図を自律的に評価し、見込み顧客のプロファイルを補強し、企業ナレッジに基づく的確な回答を提供しながら、商談の自動獲得までをリアルタイムで実行します。

以下が、私たちが実際に構築・運用しているシステムのアーキテクチャ設計図です。

コア・システムアーキテクチャ

単一のプロンプトや単純なLLMラッパーに依存するのではなく、本適格性評価エンジンはイベント駆動型のステートマシン（状態遷移モデル）として動作します。

sequenceDiagram
    autonumber
    actor Prospect as 提携・見込み顧客 (Next.js)
    participant Orchestrator as n8n オーケストレーター<br/>(Webhook)
    participant Enrichment as データ補強 & スクリピング<br/>(Python/Playwright)
    participant RAG as ベクトル検索 & RAG<br/>(Pinecone + Zep)
    participant Agent as Agentic AI 判定エンジン<br/>(Claude/OpenAI API)
    participant Systems as CRM & カレンダー<br/>(HubSpot / Cal.com / Slack)

    Prospect->>Orchestrator: 問い合わせフォーム送信 (インバウンド)
    Orchestrator->>Enrichment: 企業ドメイン & メタデータ抽出
    Enrichment-->>Orchestrator: 補強された企業プロファイル (JSON)
    
    Orchestrator->>RAG: 類似度検索 & 会話履歴取得
    RAG-->>Orchestrator: ナレッジベクトル & 過去コンテキスト
    
    Orchestrator->>Agent: BANT判定用プロンプト送信 (JSON Schema制御)
    Agent-->>Orchestrator: 評価スコア & アクション出力 (Score: 0-100)

    alt スコア ≥ 80 (高意図・優先リード)
        Orchestrator->>Prospect: インライン カレンダー予約画面を動的表示
        Orchestrator->>Systems: HubSpot CRM 同期 & Slack 優先通知
    else スコア < 80 (中・低意図リード)
        Orchestrator->>Prospect: 最適化されたホワイトペーパー/事例送付
        Orchestrator->>Systems: CRM 低優先タグ付け & 育成シーケンス追加
    end

Step 1: リアルタイム・インバウンドキャプチャ & エンリッチメント

見込み顧客が Next.js の画面上で問い合わせを送信すると、非同期 Webhook が発動して n8n オーケストレーションワークフローが即座に起動します。

リード情報を LLM に引き渡す前に、システムは即時のデータ補強（エンリッチメント）を実行します：

1. ドメイン抽出： 見込み顧客の法人口座メールアドレスから企業ドメインを自動抽出します。
2. 自動スクレイピング： 軽量スクレイピング・マイクロサービス（Python + Playwright）を呼び出し、相手企業のWebサイトから企業規模、技術スタックの痕跡、コア事業の説明を直接取得します。
3. ペイロードの正規化： フォーム送信テキスト、企業背景、およびセッションメタデータを構造化された JSON ペイロードとして整理・パッケージ化します。

Step 2: ハイブリッド・ベクトル検索 & RAG コンテキスト注入

一般的な汎用LLMは、詳細なサービス価格、エンタープライズ層の要件、理想的な顧客プロファイル（ICP）といった自社固有の内部ビジネスコンテキストを把握していないため、リード判定において不正確な回答を出しがちです。AIにハルシネーション（幻覚）ゼロの完璧な記憶を与えるため、私たちは Pinecone と Zep を組み合わせたハイブリッド RAG（検索拡張生成）アーキテクチャを展開しています。

1. 静的ナレッジ検索（Pinecone）

製品ドキュメント、エンリッチメント価格表、対応サービス、適格性の境界条件のベクトル埋め込み（Embeddings）を Pinecone に格納しています。例えば、ユーザーが「GCPと連携し、エンタープライズアプリ開発におけるHIPAAコンプライアンスに対応していますか？」といった質問を送信した場合、エンジンはコサイン類似度検索を実行し、正確な社内規定や技術ガイドラインを瞬時に引き出します。

2. 対話メモリー & ユーザー履歴管理（Zep）

適格性評価がインタラクティブなチャットや複数ターンのやり取りで行われる場合、Zep が長期記憶（Long-term Memory）を管理します。過去のやり取りを維持し、「顧客は予算5,000万円と発言した」といったエンティティ事実を自動抽出し、AIが同じ質問を繰り返すのを防ぎます。

Step 3: Agentic Evaluation & インテントスコアリング

補強された見込み顧客データとベクトルコンテキストが結合されると、ペイロードは Claude / OpenAI API を動力とする Agentic Evaluation Layer（AI評価層）へ入力されます。

LLMに自由形式のテキストを出力させるのではなく、標準的な BANT 条件（予算・決裁権・ニーズ・導入時期）を評価するために、厳格な JSON Schema Outputs（構造化出力）を適用しています：

• ニーズの一致（0〜30点）： 見込み顧客の技術的課題が当社の主要サービス領域と合致しているか？
• 決裁権 & 企業属性（0〜25点）： 意思決定者がCTO、創業者、VPoEクラスであるか？ 企業規模がエンタープライズ基準に達しているか？
• 予算感の合致（0〜25点）： 明示または推定されるプロジェクト規模が当社の最小案件規模を満たしているか？
• 導入時期 & 緊急度（0〜20点）： 導入目標が即時（1〜3ヶ月以内）であるか、あるいは初期情報収集段階であるか？

意思決定マトリクス（出力スキーマ定義）

Step 4: 自動ルーティング & ワークフロー実行

適格性評価の出力結果に基づき、後続のシステムアクションがリアルタイムで自動発動します：

高購買意図リード（スコア ≥ 80）

• 即時カレンダー予約： Web UIが動的に変化し、適切な営業担当者の商談枠が埋め込まれたカレンダー予約スケジューラー（Cal.com / HubSpot API）を表示します。
• Slack / Teams 優先通知： 営業チームの最優先チャネルへ自動メッセージを飛ばします。企業要約、抽出されたペインポイント、およびAIが推奨するトークスクリプトを含む分析レポートが添付されます。
• 双方向 CRM 同期： API経由で HubSpot / Salesforce 内の商談ステージを作成または更新し、全補強データを紐付けます。

中・低購買意図リード（スコア < 80）

• 自動ナーチャリング・シーケンス： リード属性に応じたセグメント別メールシーケンスへ送信され、技術プレイブックや関連事例が自動で配信されます。
• 自動タグ付け & 保管： データベース内で低優先度として自動タグ付けされ、営業担当者が高価値なエンタープライズパイプラインに100%集中できる環境を維持します。

主要成果・システムインパクト

• 商談化までの時間を98%削減： フォーム送信から商談予約完了までを数時間から2分以内へ短縮。
• 営業工数の100%削減： 初期リサーチおよび日程調整作業を完全自動化。
• コンバージョン率（CVR）3.5倍向上： リアルタイムな応答と最適化された予約動線により、ターゲット顧客の離脱を防止。