Amit BendovがGongで会話分析をARR$500MのRevenue AI OSへ育てた道のり

Gongの出発点は、Amit BendovがCEOを務めていた別会社の「最悪の四半期」だった。

何が起きたのか説明できないまま、意思決定が勘に頼られていることに気づいたAmitは、友人Eilon Reshefに声をかけ、顧客が本当に何を話しているのかをAIで理解する方法を探し始めた。出典

2015年、二人はGongを創業し、商談の会話を録音・分析して勝ち負けの理由をデータで示すプロダクトを作った。

当時、営業の振り返りは自己申告と記憶に頼るのが当たり前で、会話そのものを分析対象にする発想は新しかった。出典

成長は速かった。

2020年8月にSeries D、2021年6月にはFranklin TempletonがリードするSeries Eで2億5000万ドルを調達し、企業価値は72億5000万ドル、累計調達額は5億8400万ドルに達した。

ARRは1年で2.3倍になり、2,000社以上が利用、従業員は550名を超えた。出典

Amit Bendovは当時を「Revenue Intelligenceがゲームチェンジャーであることが証明された」と振り返っている。出典

その後Gongは会話分析の枠を越え、AIエージェントが売上業務を実行する「Revenue AI OS」へ軸足を移した。

2025年にはTagadoの主要メンバーを迎え入れ、2026年のCelebrate '26でMission Callistoを発表。

利用企業は5,000社以上へ増え、ARRは5億ドル規模に達している。出典

Gongは、営業の振り返りが自己申告と記憶に依存し、受注・失注の理由を説明できないという痛みに刺さる。

会話を自動で記録・解析し、商談の文脈と勝ちパターンをデータで示すことで、営業責任者は「なぜ」を語れるようになる。出典

効果は現場のコーチングと予測精度に表れ、導入企業は商談の標準化と立ち上がり期間の短縮を報告している。出典

示唆は明確だ。

会話という一次データを押さえた製品は、CRMのような記録系ではなく、意思決定の質を直接引き上げる武器になる。出典

会話データの蓄積量と、それを売上予測・コーチングに変換するモデル・UIの組み合わせが参入障壁になる。

長年蓄積した商談文脈は他社が短期で再現しにくい。出典

顧客間の直接的なネットワーク効果は弱い。

ただし、業界横断で蓄積した商談データがモデル精度を高め、それが導入企業の成果を押し上げるデータの規模効果は働く。出典

営業・RevOps・イネーブルメント・カスタマーサクセスの責任者と現場。

商談数が多く、属人的なナレッジに依存する中〜大規模B2B企業が中心となる。出典

第一に、会話データを独占的に蓄積し、推論の文脈として使えること。

第二に、分析結果を現場の行動に変換するUIとROI訴求。

第三に、Gong Labsに代表されるデータ起点のコンテンツで関心を集め続けたことだ。出典

これらは同時に、参入後に真似しにくい資産になっている。

AIによる会話分析がCRMやクラウド大手の標準機能になれば、差別化が薄まるリスクがある。

価格が非公開で導入障壁が高く、中小企業には届きにくい。

未上場で大型調達を重ねているため、成長鈍化時の資金調達・評価の不確実性も残る。出典

データ起点のコンテンツ（Gong Labs）で認知を広げ、年次イベントCelebrateでコミュニティを形成し、Microsoft Marketplaceなどパートナー経由の販路を重ねる。

現場から導入を広げつつ、経営層にはROIで訴える二段構えだ。出典

主要チャネル: content, events, partner, seo

プロダクトの成長は機能数より「一次データをどこで押さえるか」で決まる。

Gongは会話という未構造化データを先に押さえ、分析・実行・予測へ積み上げた。

日本でも自社固有の一次データを起点に設計する余地は大きい。出典

日本では商談の録音への心理的抵抗が高く、いきなり商談データから入るのは難しい。

社内会議や1on1の記録など負担の軽い用途から価値を体験させ、日本語の要約や稟議下書きなど業務文脈に寄せた機能で差別化するのが現実的だ。出典