不動産のAIモデル選定2026｜Opus 5・GPT-5.6・Gemini比較

不動産AIのモデル選定とは、業務ごとに使うAIモデルを決めることです。

Gemini 3.6 Flash は、前世代の3.5 Flashと比べて出力トークンを17%削減しながら、出力100万トークンあたりの単価を9米ドルから7.5米ドルへ下げました。同じ2026年7月に、Anthropicは Claude Opus 5 を24日に公開し、OpenAIは GPT-5.6 の3系統（Sol / Terra / Luna）を9日に一般提供へ移しています。1か月のうちに主要3社が並び替わったので、去年決めた「うちはこのAIで統一」という判断は、いま棚卸しの対象です。本記事は、宅建業免許（東京都知事(1)第113520号）を保有し、AI導入支援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、宅建業者の業務単位でモデルを割り当てる考え方をまとめます。

読者として想定しているのは、賃貸仲介・売買仲介・賃貸管理のいずれかで、すでにChatGPTやClaudeを日常業務に入れている事業者です。全社で1モデルに統一する方針は、費用面でも品質面でも損をしやすい。業務を4つの層に分け、層ごとに違うモデルを当てるのが2026年時点の現実解になります。

2026年8月時点で、選択肢はどう並び替わったか

まず事実関係の整理から入ります。2026年7月から8月にかけて、3社の主力モデルは次の状態にあります。

Anthropicは6月9日にFable 5、6月30日に Claude Sonnet 5、7月24日にOpus 5を出しました。エージェント的な作業や企業向けの複雑な処理はOpus 5から始め、さらに高い能力が要るワークロードにFable 5を充てる、という整理が公式のガイダンスとして示されています。軽量帯にはHaiku 4.5が残っており、大量の定型処理を安く回す用途はここが受け持ちます。

OpenAIは7月9日にGPT-5.6ファミリーをChatGPT、ChatGPT Work、Codex、APIへ一般提供しました。3系統のうちSolがコーディング・リサーチ・科学・コンピュータ操作・設計といった複雑な仕事に向けたフラッグシップの推論モデルで、有料プラン向けに展開されています。無料および標準の応答は、2026年5月5日からGPT-5.5 Instantが既定モデルです。なお旧世代のo3は2026年8月26日にChatGPTから退役予定なので、社内の手順書やGPTsでo3を名指ししている場合は差し替えが要ります。

Googleは7月21日にGemini 3.6 Flashと3.5 Flash-Lite、3.5 Flash Cyberを公開しました。3.6 Flashは知識のカットオフが2025年1月から2026年3月へ進み、コンピュータ操作のベンチマーク OSWorld-Verified は78.4%から83%へ改善しています。入力100万トークンあたり1.5米ドル、出力100万トークンあたり7.5米ドルという価格帯で、多段のワークフローを少ないツール呼び出しで終える方向にチューニングされました。3.5 Pro の広範な提供は準備中とされ、Gemini 4 の事前学習が始まっているという言及もあります。

不動産実務の目線でこの並びを読むと、意味があるのは3点です。第一に、最上位モデルの「賢さ」だけを比べる時代が終わりつつあります。重要事項説明書の突き合わせのように、長い文書を丸ごと読ませて抜け漏れを探す作業では上位モデルの差が出ますが、マイソクのテキストを整形するだけの作業では下位モデルで十分足ります。第二に、価格の下がり方が層によって違います。軽量帯の値下がりが速いため、大量処理をどこに寄せるかで月額が大きく変わります。第三に、コンピュータ操作系の性能が上がったことで、レインズや自社の管理システムのような「APIが用意されていない画面」を扱う自動化が、実験段階から検討段階へ移りました。

賃貸管理の現場で繰り返し見るのは、契約書のレビューにも問い合わせの一次返信にも同じ上位モデルを当てているケースです。品質は出ますが、費用は必要以上にかかります。逆に、全部を軽量モデルで回して契約書のリスク検出まで任せると、見落としの責任を誰が取るのかという話になります。分けるべきところを分けていないのが、費用と品質の両方を悪くしている原因です。

不動産業務を4層に分けて、モデルを割り当てる

結論として、業務は「大量整形」「対人文章」「文書精読」「業務自動化」の4層に分けます。層ごとに求める性能が違うので、当てるモデルも変えます。

第1層は大量整形です。マイソクのPDFからテキストを起こして項目に分ける、レインズからダウンロードしたCSVの表記ゆれをそろえる、ポータル掲載文から募集条件を抽出する、といった処理が該当します。判断の余地が小さく、件数が多い。ここにはGemini 3.6 FlashやClaude Haiku 4.5のような軽量帯を当てます。物件情報の一括処理をGeminiで組む具体的な手順は、Gemini 3.6 Flashでの物件情報一括処理で扱っています。判定基準は単純で、1件あたりの処理コストが1円を大きく超えるなら層の選び方を間違えています。

第2層は対人文章です。反響への一次返信、内見後のフォロー、オーナーへの月次報告、退去予告への対応文などが入ります。求められるのは推論の深さより、トーンの安定と、禁止表現を踏まないことです。中位帯のモデルで足ります。追客メールの自動生成をどう組むかは、GPT-5.6 Lunaでの追客メール自動生成にまとめました。この層で気をつけるのは、景品表示法と宅建業法に触れる断定表現をプロンプト側で先に禁止しておくことです。「日当たり良好で資産価値が上がります」のような文言は、モデルの性能とは無関係に出てきます。

第3層は文書精読です。賃貸借契約書の特約チェック、重要事項説明書と登記事項証明書の突き合わせ、売買契約書の期限条項の抽出。ここは上位モデルを使います。Opus 5やGPT-5.6 Solの領域です。読ませる文書が数十ページに及ぶ場合、長い文脈を保ったまま前後を参照できるかどうかが精度を決めます。この層でのAI出力は下書きであり、最終確認は宅地建物取引士が行う、という運用を崩さないでください。AIの指摘を根拠に説明義務を果たしたことにはなりません。

第4層は業務自動化です。複数のシステムをまたいで、取得・整形・登録までを一続きで走らせる領域を指します。ここは単体のモデル性能よりも、外部システムとつなぐ仕組みの整備状況で成否が決まります。接続の標準規格についてはMCPで不動産テックの業務システムを接続するで整理しました。コンピュータ操作の性能が上がったとはいえ、レインズのように利用規約で自動アクセスの扱いが定められているシステムでは、規約の確認が先です。技術的にできることと、業務でやってよいことは別に判断します。

4層に分けたうえで、社内の業務一覧に対して「この作業は第何層か」を1回だけ棚卸しします。管理戸数1,000戸前後の管理会社で棚卸しをすると、件数ベースでは7割前後が第1層と第2層に落ちるという結果になりやすい。つまり、費用の大半は安い層で回せます。上位モデルは第3層に集中させ、そこだけ精度に投資するのが合理的です。

具体例で追うと分かりやすい。賃貸管理会社の1日を想定します。朝、前日にポータル経由で入った反響が20件たまっています。これは第2層です。同時に、翌月退去予定の5戸について原状回復の見積書が届いており、過去の同種工事と単価を突き合わせる作業が発生します。単価表への変換までが第1層、妥当性の判断は人が行います。午後、オーナー3社への月次報告を作ります。数値の集計は第1層、文章化は第2層です。夕方、新規受託予定の物件について、前の管理会社から引き継いだ賃貸借契約書8通を確認します。ここだけが第3層です。1日の作業量で見ると、上位モデルが要るのは全体の1割前後にとどまります。

売買仲介では比率が変わります。1件あたりの文書量が多く、重要事項説明書・登記事項証明書・測量図・管理規約と、突き合わせる対象が増えるためです。第3層の比重が上がるので、上位モデルの利用時間も長くなります。逆に賃貸仲介は反響対応の件数が多く、第2層が中心になります。同じ「不動産会社」でも業態でモデルの当て方が変わるという点は、選定前に押さえておいてください。

なお、層の境界は固定ではありません。軽量モデルの性能が上がれば、いま第2層に置いている作業の一部は第1層へ下りてきます。四半期ごとに境界を引き直す前提で設計しておくと、モデルが更新されるたびに全体を組み直さずに済みます。

モデル選定を検証するためのプロンプト6本

選定は机上で決めず、自社のデータで比べます。ここでは検証用のプロンプトを6本用意しました。同じ入力を複数モデルに与え、出力を並べて比較する使い方を想定しています。変数は中括弧で示しているので、自社の物件情報や書式に置き換えてください。

プロンプト1は、第1層の整形精度を見るものです。マイソクや募集図面のテキストを渡し、項目化の正確さを測ります。

プロンプト1：募集情報の構造化テスト（第1層）

あなたは不動産の募集情報を扱うデータ整形の担当者です。
以下のテキストから、次の項目を抽出してJSON形式で出力してください。
項目：物件名 / 所在地 / 最寄駅と徒歩分 / 賃料 / 管理費 / 敷金 / 礼金 / 間取り / 専有面積 / 築年月 / 構造 / 階数 / 現況 / 引渡時期 / 取引態様

条件：
1. テキストに記載がない項目は null とし、推測で埋めない
2. 賃料・管理費・敷金・礼金は数値（円）と単位を分けて出力する
3. 敷金・礼金が「賃料○か月」表記の場合は、月数と換算額の両方を出す
4. 判断に迷った箇所は uncertain 配列に項目名を入れる

テキスト：
{募集情報のテキスト}

プロンプト2は、第2層のトーン安定を見るものです。同じ条件で3通り生成させ、表現のばらつきと法令上の危うさを確認します。

プロンプト2：反響一次返信のトーン検証（第2層）

あなたは賃貸仲介の営業担当です。
以下の問い合わせに対する一次返信を、3案作成してください。

条件：
1. 各案200〜260字。件名は付けない
2. 断定的な将来予測（値上がり、資産価値の向上、空室にならない等）を含めない
3. 「必ず」「確実」「保証」「業界No.1」といった断定・最上級表現を使わない
4. 内見の候補日を2つ提示し、返信のハードルを下げる一文で終える
5. 3案は、丁寧度・文の長さ・訴求順序をそれぞれ変える

問い合わせ内容：
{問い合わせ本文}
物件情報：
{物件の概要}

プロンプト3は、第3層の精読力を見るものです。契約書の抜け漏れ検出を、根拠付きで出させます。

プロンプト3：賃貸借契約書の特約チェック（第3層）

あなたは不動産の契約実務に詳しい法務担当です。
以下の賃貸借契約書について、次の観点で確認し、指摘を一覧化してください。

観点：
1. 原状回復の負担区分が、国土交通省のガイドラインの考え方と整合しているか
2. 更新料・更新事務手数料の記載に、金額と支払時期の両方があるか
3. 中途解約の予告期間と違約金の関係が矛盾していないか
4. 禁止事項と解除条項の対応関係に抜けがないか
5. 特約のうち、消費者契約法上の争点になりやすいもの

出力条件：
- 指摘ごとに「該当条項番号」「引用（30字以内）」「懸念」「確認すべき点」を書く
- 契約書に書かれていないことを推測で補わない
- 法的な結論は断定せず、確認事項として提示する

契約書：
{契約書本文}

プロンプト4は、同じ文書を使ったモデル間の突き合わせです。1つのモデルに他モデルの出力を評価させ、見落としを洗い出します。

プロンプト4：モデル間クロスチェック

以下は、同じ契約書に対する2つのAIによる指摘一覧です。
両者を突き合わせ、次の3区分に整理してください。

1. 双方が指摘した項目（確度が高い）
2. 片方だけが指摘した項目（要人手確認）
3. 双方が触れていないが、契約書を読む限り確認したほうがよい項目

出力は区分ごとに箇条書きとし、各項目に該当条項番号を添えてください。
根拠が契約書内に見つからない指摘は「根拠未確認」と明記してください。

指摘A：
{モデルAの出力}
指摘B：
{モデルBの出力}

プロンプト5は、費用の見積もりを自社データで出すためのものです。処理件数から月額を概算します。

プロンプト5：処理コストの概算

以下の条件で、1か月あたりのAI利用コストを概算してください。

条件：
- 処理する文書：{文書の種類}、1件あたり平均 {入力文字数} 文字
- 出力：1件あたり平均 {出力文字数} 文字
- 月間件数：{件数} 件
- 使用モデルの単価：入力 {入力単価} 米ドル / 100万トークン、出力 {出力単価} 米ドル / 100万トークン
- 日本語1文字あたりのトークン数は概ね0.9〜1.3として、レンジで示す

出力：
1. 月額コストの下限・上限（米ドルと円の両方。為替レートは {レート} 円で計算）
2. 1件あたりの単価
3. 件数が2倍になった場合の月額
4. 上位モデルに切り替えた場合の差額（単価は {上位モデル単価} で計算）

プロンプト6は、選定結果を社内文書に落とすためのものです。誰がどの業務でどのモデルを使うかを明文化します。

プロンプト6：モデル利用ルールの草案作成

あなたは不動産会社の業務設計担当です。
以下の情報をもとに、社内向けの「AI利用ルール」草案を作成してください。

含める内容：
1. 業務ごとの使用モデル（大量整形 / 対人文章 / 文書精読 / 業務自動化の4層で整理）
2. 各層で人の確認が必要な範囲と、確認する役職
3. 個人情報・顧客データを入力してよい範囲と、禁止する範囲
4. 出力をそのまま外部に出してはいけない文書の種類
5. 宅建業法・景品表示法の観点で使用を禁じる表現の一覧
6. モデルが更新されたときの見直し手順と頻度

前提情報：
業種：{賃貸仲介 / 売買仲介 / 賃貸管理}
従業員数：{人数}
現在使っているAIツール：{ツール名}

6本を回すのに要する時間は、1モデルあたり30分から1時間が目安です。3モデルで半日から1日みておけば、社内の判断材料はそろいます。

選定でよくある失敗3つと回避策

失敗の型は3つに集約されます。

1つ目は、ベンチマークの数字だけで決めてしまうことです。公開されているベンチマークは共通の課題セットに対する成績であり、自社の書式や地域特性を含みません。Anthropicの解説記事でも、実際のワークロードで試すか、本番から取った問題を集めた独自の評価を使うべきだという整理が示されています。マイソク10件、契約書3通、問い合わせ20件を自社から抜き、それで比べるほうが判断は速い。

2つ目は、上位モデルに全業務を寄せることです。第1層の処理まで上位モデルで回すと、件数が増えたときに費用が線形に膨らみます。管理会社で問い合わせ対応をAI化すると、想定より処理件数が伸びる傾向があります。件数が増えて困る設計にしないでください。

3つ目は、モデル名を手順書に固定してしまうことです。この1年で見たとおり、モデルは数か月単位で入れ替わります。手順書には「第3層で使う上位モデル」と層で書き、対応するモデル名は別表で管理する。別表だけを更新すれば済むようにしておくと、更新のたびに手順書を書き直す手間がなくなります。o3の退役のような場面でも、影響範囲がすぐに分かります。

補足すると、社内で使うモデルを1社に寄せるかどうかは、費用よりも運用の手間で決めることが多くなっています。3社を併用すると、アカウント管理・利用ログ・支払いがそれぞれ増えます。従業員20名以下であれば、主軸を1社に置き、第1層だけ安いモデルを別途APIで使う構成が管理しやすい。

もう1つ、選定の議論で抜けやすい観点があります。出力の再現性です。同じプロンプトに同じ入力を与えても、生成AIの出力は完全には一致しません。第1層の構造化のように機械的な処理では、この揺れが表記ゆれとして残ります。物件名の全角半角、駅名の「駅」の有無、面積の小数点以下の桁数といった細部です。検証のときは1回の出力で判断せず、同じ入力を3回通してばらつきの幅を見てください。ばらつきが業務上許容できない場合は、プロンプトで出力形式を厳密に指定するか、後段で正規化の処理を挟みます。モデルを上位に替えてもこの揺れはゼロにはならないので、上位モデルへの乗り換えでは解決しません。

もう1点、検証を担当する人の選び方も結果を左右します。実務を知らない担当者が出力を眺めると、それらしく書けているという理由で合格判定を出しがちです。契約書の特約チェックであれば、日常的にその書類を見ている人が判定に入ってください。判定基準を「この出力を、そのまま部下の下書きとして受け取れるか」に置くと、評価がぶれにくくなります。

KPI設計と費用・工数の目安

測る指標は3つで足ります。1件あたりの処理時間、1件あたりのAI利用コスト、そして人の手戻り率です。

処理時間は、導入前に手作業で計測した平均と比べます。マイソクの項目入力であれば1件7〜10分が手作業の目安で、第1層の自動化が効けば1〜2分まで下がるケースが見られます。これは業務の型と入力元の品質に左右されるため、自社での実測が前提です。

コストは、前述のプロンプト5で概算したうえで、初月の実績で補正します。個人向けの上位プランは各社とも月額20米ドル前後が基準になっていますが、金額は改定されるため各社の料金ページで確認してください（2026年8月時点、要確認）。API利用の場合は、Gemini 3.6 Flashが入力100万トークンあたり1.5米ドル、出力100万トークンあたり7.5米ドルという水準です。ClaudeとOpenAIのAPI単価は各社の料金ページで最新値を確認してください。

手戻り率は、AI出力をそのまま使えた件数の割合で測ります。第2層で8割を超えれば運用に乗っています。第3層は性質が違い、人の確認を前提とするため手戻り率では測りません。代わりに「AIが指摘した項目のうち、実際に修正対象だった割合」を見ます。指摘が多すぎて全部確認する羽目になるなら、プロンプト側で観点を絞る必要があります。

工数の目安としては、4層の棚卸しに半日、検証プロンプト6本の実行に1日、社内ルールの草案づくりに半日。合計2日で「どの業務にどのモデルを使うか」が決まる計算です。ここを曖昧にしたまま各自の裁量で使わせると、個人情報の取り扱いが人によって変わるという別のリスクが出ます。

今後の展望と、いま決めておくべきこと

向こう半年で効いてくる変化を3つ挙げます。

1つ目は、軽量帯の値下がりが続くことです。Gemini 3.6 Flashの出力単価が7.5米ドルまで下がったのは、同じ処理をより安く回せる方向に競争が向いている証拠です。第1層の自動化は、いま採算が合わなくても半年後には合う可能性があります。棚卸しの結果は捨てずに残しておいてください。

2つ目は、コンピュータ操作系の実用化です。OSWorld-Verifiedで83%という水準は、画面操作を伴う作業の一部が自動化の射程に入ったことを示します。不動産業界はAPIが用意されていない業務システムが多く、この方向の恩恵を受けやすい領域です。ただし、各システムの利用規約と自動アクセスの可否を先に確認する順序は変わりません。

3つ目は、モデルの世代交代の周期です。Gemini 4の事前学習が始まっているという言及があり、Claudeも数か月おきに更新が入っています。年単位で契約や手順を固定する設計は、この周期と合いません。四半期に1回、層ごとのモデル割り当てを見直す運用にしておくと無理がない。

いま決めておくべきことは1つです。「どの業務で、誰が、どのモデルの出力に責任を持つか」を文書にしておく。モデルが変わっても、この文書の骨格は変わりません。宅建業者にとっては、説明義務や重要事項の記載責任がAIに移らない以上、責任の所在を先に固めておくほうが後の負担が軽くなります。

よくある質問

不動産会社は3社のAIを併用すべきですか

いいえ、従業員20名以下であれば主軸を1社に絞るほうが管理しやすいです。アカウント・ログ・支払いの管理コストが3倍になるためです。ただし第1層の大量処理だけは、安価なモデルをAPIで併用する構成が費用面で有利になります。

契約書のチェックをAIに任せてよいですか

いいえ、AIの出力は下書きとして扱い、最終的な確認は宅地建物取引士が行ってください。AIが指摘しなかったことをもって説明義務を果たしたことにはならず、責任は事業者と有資格者に残ります。指摘の網羅性を上げる用途に限定するのが現実的な使い方です。

顧客の個人情報をAIに入力してよいですか

原則として、氏名・住所・連絡先を含むデータをそのまま入力するのは避けてください。個人情報保護法上の第三者提供や利用目的の範囲に関わるため、社内ルールで入力可能な範囲を先に定義し、必要なら仮名化してから渡す運用にします。法人向けプランの学習利用の扱いは各社で異なるため、契約条件の確認が要ります。

無料プランでどこまでできますか

第1層と第2層の検証であれば、無料または個人向けプランで十分に判断がつきます。件数が月に数百件を超える段階でAPI利用に切り替えると、単価と処理の安定性の両面で有利になります。第3層の長文精読は、無料プランでは文脈長や利用回数の制限に当たりやすい領域です。

モデルが更新されたら、社内の手順書を全部直す必要がありますか

いいえ、手順書には層の名前だけを書き、モデル名は別表で管理してください。更新時は別表の1行を書き換えるだけで済みます。o3が2026年8月26日に退役するような場面でも、影響範囲を数分で特定できます。

導入の最初の一歩は何ですか

業務一覧を出し、各作業が4層のどれに当たるかを分類することです。ツール選定より先に、この分類を終えてください。分類ができれば、どこに上位モデルを使い、どこを安く回すかが自動的に決まります。所要は半日程度です。

AI査定や賃料予測の結果を、そのまま提案資料に載せてよいですか

いいえ、AIによる査定や予測は参考値として扱い、最終的な価格判断は宅地建物取引士および免許事業者が行ってください。資料に載せる場合も、算出根拠と参考値である旨を明示します。断定的な将来予測を提示すると、宅建業法上の断定的判断の提供や景品表示法上の問題につながります。

外注は必要ですか

第1層から第3層までは社内で始められます。外注を検討するのは第4層、つまり複数システムをまたぐ自動化に踏み込む段階です。この層は業務システムの仕様確認や規約の解釈が絡むため、社内だけで進めると設計をやり直す確率が上がります。

まとめ

2026年7月の1か月でOpus 5、GPT-5.6、Gemini 3.6 Flashが出そろい、モデルの並びが入れ替わりました。全社1モデルで統一する判断は、費用でも品質でも中途半端になります。業務を大量整形・対人文章・文書精読・業務自動化の4層に分け、層ごとにモデルを当てる。検証は自社の書類で行い、責任の所在を文書に残す。この順序で進めれば、次にモデルが更新されても判断をやり直さずに済みます。

著者：齋藤竹紘（株式会社オルセル編集長／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）

参考文献

※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/

【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）