AI評価を専業とするValsが4,000万ドルを調達しました。
モデルの総合スコアではなく、実務タスクでの出来高でAIを測る流れが、資金の裏付けを得はじめています。TechCrunch は2026年9月19日、AI評価ベンチマークの専業企業 Vals が Andreessen Horowitz（a16z）主導で4,000万ドルのシリーズAを調達し、AI評価の標準を狙っていると報じました。不動産業務でどのAIを使うかという判断にも、同じ論理がそのまま効いてきます。本記事は、宅建業免許（東京都知事(1)第113520号）を保有し、AI導入コンサル100社超の実績を持つ株式会社オルセル（不動産のチカラ運営）が解説します。
何が起きたか：試験問題を公開しないAI評価ベンチマークに4000万ドル
Vals は2024年設立、サンフランシスコ拠点のAI評価ベンチマーク専業企業です。シードは8VCとBloomberg Betaが主導し、2026年8月に a16z がリードするシリーズAで4,000万ドルを調達しました。共同創業者は Rayan Krishnan と Langston Nashold の2名で、いずれもスタンフォード大学でコンピュータサイエンスを学んだ経歴です。社員数は年初の8名から25名へと3倍になり、売上は前年の8倍になったと同社は説明しています。
設計の特徴は2点です。1つは、試験問題そのものを公開しないこと。公開データセットは学習データに混ざり、そのテストに合わせてモデルが最適化されるため、点数が実力を表さなくなります。MIT Technology Review も既存ベンチマークの限界を指摘しており、Vals は非公開の試験セットと実行回数の制限で汚染と対策を防いでいます。
もう1つは、司法試験を解けるかではなく、法務・金融・コーディングといった領域の実務タスクを完遂できるかで測ることです。a16z は出資の告知で、Vals は「モデルとそれに依存する人々の間の信頼レイヤー」を築くと説明しています。ドメイン専門家が実際のワークフローを課題に変換し、成果物を専門家水準で自動採点する設計です。同社は2026年5月、差がつかなくなった金融ベンチマークCorpFinを引退させ、Excelモデリングのベンチマークに差し替えています。ベンチマークは腐る前提で作り替える、という運用思想です。
不動産事業者にとっての論点：総合スコアは自社業務の精度を説明しない
不動産業務でのAI選定において、モデルのリーダーボード順位は判断材料としてほぼ役に立ちません。理由は、業務ごとに問われる能力が別物だからです。重要事項説明の下書き、レインズから落とした成約データの整理、賃貸の追客メール生成、売買契約書のチェック、物件写真のキャプション作成は、それぞれ長文読解、表計算、文章生成、条項照合、画像認識という異なる負荷がかかります。総合点が高いモデルが、自社の契約書チェックで最も歩留まりが良いとは限りません。
日本側の制度も、この方向と整合しています。総務省と経済産業省が2026年3月31日に公表したAI事業者ガイドライン第1.2版は、対策の程度をリスクの大きさに対応させるリスクベースアプローチを軸に据え、取組を立案・実践するためのチェックリストとワークシートを別添で提供しています。つまり、利用者側にも自社用途に応じた点検の設計が求められているということです。宅建業務では、AI査定や重要事項説明の下書きはあくまで参考値・素案であり、最終判断は宅建士が負う前提を崩せません。評価設計は、この責任分界を前提に組む必要があります。
社内でAI導入が止まる理由の多くも、モデル選定より評価設計の不在にあります。この論点は不動産AI導入が本番化しない理由と、OpenAI法務AIの正答率を扱った記事でも整理しています。
明日からできるAI選定3基準
第一に、自社の実タスクを20〜30件集めて評価セットにすることです。過去1年の実案件から、重要事項説明の下書きや賃貸の入居条件整理など、頻度の高い作業を抜き出します。個人情報を含む書類を使う場合は、氏名・住所・連絡先をマスキングし、ベンダー側の学習利用をオプトアウトできる契約になっているかを先に確認します。ここを詰めないまま実データを投げるのは、個人情報保護法の観点で避けるべき運用です。
第二に、採点基準を人が言語化できる範囲に絞ることです。「条項の抜けを指摘できているか」「数値の転記が原本と一致するか」のように、正解を人が作れる項目だけを測ります。正解を定義できない業務は評価もできないため、当面は人的チェックを前提にするか、導入を見送る判断になります。支援会社を選ぶ際の判断軸は不動産×AI導入プログラムの選び方で詳述しています。
第三に、評価セットを定期的に作り直すことです。Vals が差がつかなくなったベンチマークを引退させているのと同じ理屈で、社内の評価も全モデルが満点を取る状態になったら役目を終えています。モデルの更新タイミング、または3〜6か月ごとに設問を入れ替え、前回との比較を残す運用が現実的です。この記録自体が、AI事業者ガイドラインが求める点検の証跡にもなります。
まとめ
Vals の4,000万ドル調達は、AI評価が独立した産業として立ち上がりつつあることを示す動きです。不動産事業者が取るべきスタンスは、ベンダーのデモとリーダーボードを判断材料の中心から外し、自社の実タスクで測る小さな評価セットを持つことだと考えます。20〜30件の設問と、人が言語化できる採点基準、そして3〜6か月ごとの作り替え。この3つが揃えば、モデルが入れ替わっても選定をやり直せます。
参考文献
- TechCrunch｜Vals, backed by Andreessen Horowitz, is looking to become the gold standard for AI benchmarking
- Andreessen Horowitz｜Investing in Vals
- citybiz｜Vals AI Raises $40M to Expand Independent AI Benchmarking
- 総務省｜AI事業者ガイドライン（第1.2版・令和8年3月31日）掲載ページ
- MIT Technology Review｜AI benchmarks are broken. Here’s what we need instead
※不動産のチカラでは、生成AIの導入支援から運用最適化まで、貴社の不動産事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://fudosannochikara.jp/contact/
引用元: TechCrunch
【監修】齋藤竹紘（株式会社オルセル代表 / EC支援19年5,000社超・AIコンサル100社超 / 宅建業免許 東京都知事(1)第113520号）