AI空室予測モデル導入の7プロンプト｜入居率94.2%から積み増す

AI空室予測とは、退去の兆しを確率で示す仕組みのことです。

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）の現場知見にもとづいて解説します。

解約予告が届いた日を起点に募集を組む運用では、原状回復の見積り取得、募集条件の決裁、ポータルへの掲載までで2週間前後が溶けます。予告期間が1か月の契約なら、鍵が返る前に内見を入れられるのは残りの2週間だけです。退去予兆スコアで60日前に動き出せれば、この窮屈さが消えます。AI空室予測は、その前倒しを勘ではなくデータで支える道具です。ただしスコアは参考値であり、募集条件と賃料の最終判断は管理責任者と宅地建物取引士が担う前提を崩さないでください。

退去予兆をつかむと初動が何日前倒しになるか

投資対効果がいちばん大きいのは、解約予告が届く前の30〜60日です。予告後の業務は手順化されている会社が多く、削れる時間に限りがあります。予告前は情報が空白なので、そこへ確率を1つ置くだけで動ける日数が増えます。

公益財団法人日本賃貸住宅管理協会が公表した第28回賃貸住宅景況感調査「日管協短観」（調査対象期間2023年4月〜2024年3月、管理会社699社回答）では、全国の入居率は委託管理物件で94.2%、サブリース物件で97.0%でした。委託管理の5.8%が空室という数字は、1,000戸を預かる会社なら常時58戸前後が回転の途中にあることを意味します。この58戸を予告日ベースで受け身に処理するのか、予兆ベースで先に手を打つのかで、年間の延べ空室日数は大きく動きます。

同じ調査の平均居住期間は、全国で単身が39.3か月、ファミリーが63.0か月、全体で50.2か月でした。年月に直すと単身3年3か月、ファミリー5年3か月、全体4年2か月です。単身中心のポートフォリオなら、入居から38か月を越えた住戸が翌年度の退去候補として濃くなる、という周期性がここから読み取れます。この周期性が、モデルに入れる最初の特徴量になります。

供給側の事情も初動の前倒しを後押しします。総務省統計局の令和5年住宅・土地統計調査住宅及び世帯に関する基本集計では、空き家は900万2千戸、空き家率は13.8%と過去最高を記録し、うち賃貸用の空き家は443万6千戸でした。同じ駅、同じ間取り、同じ築年帯の部屋が並ぶ市況で募集開始が2週間遅れれば、その2週間分の内見はそのまま競合へ流れます。

現場で繰り返し見るのは、予測の精度そのものより「着手の順番」で差がつく場面です。予兆スコアが高い住戸から順に、オーナーへの事前共有、原状回復の概算見積りの取得、募集条件の仮決裁を進めておく。これだけで予告受領から掲載までのリードタイムが数日単位で縮みます。スコアが外れた住戸についても、前倒しで作った見積りと条件案は次の回転でそのまま使えるため、空振りのコストは小さく収まります。

念のため書き添えます。予兆スコアは入居者の行動を言い当てるものではありません。確率の高低を示す参考値にすぎず、更新案内の文面や賃料改定の方針を決めるのは人の判断です。「退去しそうだから」という前提で入居者に接触する運用は、信頼関係を損なうだけでなく、賃貸住宅管理業法にもとづく報告や説明の筋道からも外れます。

空室1室が毎月いくら削られているかを金額に置き換える

KPIを設計する前に、空室日数を金額に翻訳しておきます。日数のままでは社内の優先順位が上がらず、オーナーへの説明でも刺さりません。

賃料7万円の住戸が45日空いた場合、賃料の取り逃しは10万5,000円です。ここに共益費、原状回復費の立替期間、募集広告料（ADを1か月出す前提なら7万円）、ポータル掲載費、内見の同行人件費が積み上がります。1室の回転で20万円前後が動くという感覚は、支援先の月次資料を見ている限り大きく外れません。ただし物件グレードと地域差で幅が出るため、自社の直近12か月の実額で置き換えてください。

管理1,000戸、平均賃料7万円、入居率94.2%という条件で概算すると、満室想定の月額賃料総額は7,000万円、未収に相当する部分は月約406万円、年約4,872万円になります。稼働を1ポイント積み増せば月70万円、年840万円の差です。この数字はフリーレントやAD、賃料改定を織り込まない単純計算なので、あくまで社内の意思決定を動かすための目安として扱ってください。

指標として使うなら、平均空室日数よりも中位値を推します。半年以上動かない長期空室が数戸あると平均が引っ張られ、改善が数字に出なくなるためです。中位値が30日から24日へ縮んだなら、1室あたり1万4,000円の賃料を拾い直したことになります。回転58戸なら年間で81万2,000円。派手さはありませんが、追加の広告費を1円も使わずに出る差です。

もう1つ効くのが、原状回復の手戻りです。予告を受けてから業者手配に入ると繁忙期は着工が2週間待ちになり、その待ち時間がそのまま空室日数に乗ります。予兆スコアで対象住戸が事前に見えていれば、工程の空きを押さえる交渉が先にできます。ここは金額換算しづらい領域ですが、繁忙期の着工待ちを1週間削れるだけで賃料1万6,000円分に相当すると考えれば、優先度の判断はつけやすくなるはずです。

退去予兆スコアを組み立てる7つの変数

モデルの精度は、アルゴリズムより先に「どの列を持っているか」で決まります。管理システムから抜ける範囲で、次の7つを起点にしてください。

1つ目は居住月数と契約更新月までの残月数です。日管協短観の平均居住期間が示すとおり、単身は3年3か月前後に山が来ます。2つ目は賃料改定と更新料の履歴で、直近の更新で賃料を上げた住戸は次の更新期に動きやすい傾向があります。3つ目は入金の遅れ回数と代位弁済の記録です。第28回日管協短観では全国の1か月滞納率が1.2%、2か月以上滞納率が0.5%でした。低い水準ですが、遅延が2回以上続いた住戸は退去とセットで語られる場面が多く、督促の履歴は予兆データとして質が高い部類に入ります。督促側の自動化とあわせて設計すると、同じデータを二度使えます。詳細は賃貸管理のAI家賃回収と督促メール自動化にまとめました。

4つ目は問い合わせと修繕依頼の件数・種類です。鍵や騒音の相談は退去と直結しませんが、給湯器の不調、エアコンの効きの悪さ、水回りの詰まりのような設備不満系が半年に2件以上出ている住戸は、退去の話が出る確率が上がります。5つ目は設備の経年で、給湯器・エアコン・洗面化粧台の設置年を持っているだけでスコアの説明力が変わります。

6つ目が周辺相場と現行賃料の乖離です。現行賃料が近隣の募集賃料を大きく上回っている住戸は、更新時に検討され直します。逆に大きく下回っているなら、退去は起きにくい代わりに機会損失が発生しています。相場側の見立てをAIに任せる場合の精度検証はAI家賃査定の精度をMERで見抜くで扱いました。7つ目は契約属性で、法人契約・学生・単身・ファミリーの区分、および勤務先変更の届出有無を持ちます。法人契約は転勤サイクルに連動するため、個人契約とは別のモデルで扱うほうが素直です。

データを外部の生成AIへ渡す前に、個人が特定できる列を落としてください。氏名、電話番号、メールアドレス、勤務先名、緊急連絡先は、スコアリングに寄与しないうえに漏えい時の被害が大きい情報です。住戸は「物件ID-部屋番号」のような内部IDへ置き換え、年齢は5歳刻みの階級値にします。個人情報保護委員会は生成AIサービスの利用に関する注意喚起等で、個人情報を含むプロンプト入力について利用目的の範囲内であることの確認を求めています。管理受託契約の利用目的に「AIによる分析」が読み込めるかは、社内で一度確認しておく論点です。

AI空室予測を回す7本のプロンプト

ここからは実装です。前提として、月に1回、管理システムから住戸単位のCSVを書き出し、生成AIに読ませてスコアと初動案を受け取る運用を想定します。特別な機械学習環境は使いません。ChatGPT・Claude・Geminiのいずれでも動く書き方にしてあります。

最初にやるのは、手元のデータで何が言えて何が言えないのかの棚卸しです。列が足りない状態でスコアを作ると、根拠の薄い数字にオーナーが振り回される結果になりがちです。

プロンプト1：退去予兆スコアの設計レビュー（保有データの棚卸し）

あなたは賃貸管理会社のデータ分析責任者です。
以下の保有列だけを使って退去予兆スコアを作る前提で、設計レビューをしてください。

保有列：
{列名のリストをそのまま貼る。例：物件ID、部屋番号、間取り、専有面積、築年、入居年月、契約更新月、現行賃料、共益費、前回改定額、入金遅延回数（24か月）、代位弁済回数、修繕依頼件数（12か月）、修繕依頼カテゴリ、給湯器設置年、エアコン設置年、契約区分（個人/法人）、世帯区分（単身/ファミリー）}

出力してほしいこと：
1. この列だけで説明できる退去要因と、説明できない退去要因の切り分け
2. スコアに入れるべき列の優先順位（上位7つ、理由を各1行）
3. 相関が重複していて片方を落としたほうがよい列の組み合わせ
4. 追加取得すべき列を3つ、取得コストの低い順に
5. この設計で出るスコアの限界（オーナーに説明すべき留保事項）を3行

条件：断定を避け、限界は限界として書くこと。数値の当てはめはしない。

次は、外部へ渡してよいデータの形を固める工程です。マスキング仕様を人の記憶に任せた現場が繁忙期に崩れる場面を、何度も見てきました。

プロンプト2：個人情報のマスキング仕様づくり

あなたは個人情報保護に詳しい業務設計コンサルタントです。
賃貸管理会社が退去予兆分析のために生成AIへCSVを渡します。
以下の列一覧から、外部AIへ渡してよい列・加工して渡す列・渡さない列の3分類を作ってください。

列一覧：
{管理システムの出力列を貼る}

出力形式：
1. 渡してよい列（そのまま）
2. 加工して渡す列（加工方法を具体的に。例：生年月日→5歳刻みの年齢階級）
3. 渡さない列（理由を1行）
4. CSV書き出し担当者向けのチェックリスト7項目
5. 加工漏れを検知する簡易ルール（列名の正規表現など）を3つ

条件：個人情報保護法の考え方を前提に、実務で回せる粒度にすること。
法的な当てはめの断定は避け、社内確認が要る箇所は「要確認」と明記する。

仕様が固まったら、月次のスコアリングに入ります。出力を固定フォーマットにしておくと、翌月との比較が楽になります。

プロンプト3：退去予兆スコアリング（月次バッチ）

あなたは賃貸住宅の稼働率改善を担うアナリストです。
添付CSVの住戸ごとに、今後6か月以内の退去確度を0〜100のスコアで評価してください。

評価の重み付け（合計100）：
- 居住月数と更新月までの残月数：25
- 現行賃料と周辺募集賃料の乖離率：20
- 入金遅延回数と代位弁済回数：15
- 設備不満系の修繕依頼件数（12か月）：15
- 給湯器・エアコンの経年：10
- 契約区分・世帯区分：10
- 前回更新時の賃料改定額：5

出力フォーマット（CSV、ヘッダ付き）：
住戸ID, スコア, 判定（高/中/低）, 主要因1, 主要因2, 反証材料, 推奨初動, 初動の起算日

条件：
1. スコアは予測であって断定ではない旨を出力の末尾に1行入れる
2. 各住戸に「反証材料」（退去しない可能性を示す事実）を1つ書く
3. データが欠損している住戸はスコアを出さず、欠損列名を書く
4. 上位20件だけを詳細出力し、残りは判定のみ
5. 数値の根拠になった列名を主要因欄に明記する

対象データ：{マスキング済みCSVを添付}

スコアが出ても、そこから何をするかが決まっていなければ稼働は動きません。上位住戸の初動を、担当者が読んですぐ動ける粒度まで落とします。

プロンプト4：空室リスク上位物件の初動アクション設計

あなたは賃貸管理会社のリーシング責任者です。
以下の退去予兆スコア上位リストについて、予告前にできる初動を設計してください。

前提：
- 解約予告期間は1か月（契約書ベース）
- 原状回復の着工待ちは繁忙期で2週間程度
- 入居者に対して退去を示唆する接触はしない

出力してほしいこと（住戸ごと）：
1. 予告前にできる準備を3つ（入居者に接触しないもののみ）
2. オーナーへの事前共有メモ（120字以内、断定表現を使わない）
3. 原状回復の想定範囲と概算レンジの取り方
4. 募集開始日の逆算スケジュール（起算日と各工程の締切）
5. スコアが外れた場合に無駄にならない準備はどれか

スコア上位リスト：{プロンプト3の出力を貼る}

募集条件は最もオーナー合意に時間がかかる論点です。値下げの一択に寄らないよう、代替案を並べさせます。

プロンプト5：募集条件の調整案と根拠づけ

あなたは賃貸仲介と管理の両方を経験したリーシング担当です。
以下の住戸について、募集条件の調整案を賃料以外の選択肢も含めて設計してください。

住戸情報：
- 間取り／専有面積／築年：{値}
- 現行賃料／共益費：{値}
- 周辺の同条件募集賃料レンジ：{値と出典（ポータルの実掲載）}
- 前回の空室日数と成約経路：{値}
- 設備の弱点：{値}

出力してほしいこと：
1. 調整案を4案（賃料据置＋AD増額、フリーレント、設備更新、条件緩和など）
2. 各案の想定空室日数と年間収支への影響（計算式を明示）
3. オーナーに提示する順序と、その順序にした理由
4. 賃料を下げる案を選ぶ場合の判断ライン（何日空いたら、いくらまで）
5. 各案の根拠に使った外部データと、その確度（高/中/低）

条件：断定表現と誇大表現を使わない。相場の数値は出典の取り方を書く。

原状回復と修繕は、前倒しできる部分とできない部分の切り分けが要点です。ここを曖昧にすると、退去していない住戸に発注をかける事故が起きます。

プロンプト6：原状回復と修繕の前倒し発注シナリオ

あなたは賃貸住宅の工事発注を統括する管理担当です。
退去予兆スコアが高い住戸について、退去前に着手してよい範囲を切り分けてください。

前提：
- 入居中の住戸内には立ち入らない
- 共用部と空室、および退去確定住戸のみ工事対象
- 繁忙期（1〜3月）は職人の確保が難しい

出力してほしいこと：
1. 退去前に着手できる項目（見積り取得、部材発注、工程枠の仮押さえなど）
2. 退去確定まで着手できない項目とその理由
3. 職人の工程枠を仮押さえする際の交渉文面（120字）
4. 仮押さえをキャンセルした場合のコストとその抑え方
5. 設備更新を先行させるべき条件（経年何年、故障履歴何件など）を数値で

対象住戸：{スコアと設備経年を含むリストを貼る}

最後が精度レビューです。ここを飛ばすとスコアは半年で信用を失います。的中だけでなく空振りの棚卸しを同じ重さで扱ってください。

プロンプト7：予測精度の月次レビューと再学習の判断

あなたは分析モデルの運用評価を担うレビュアーです。
先月のスコアと実際の退去実績を突き合わせ、モデルの改善点を洗い出してください。

入力データ：
- 先月のスコア一覧（住戸ID、スコア、判定）
- 実際の解約予告一覧（住戸ID、予告日）
- 実際の退去日と空室日数

出力してほしいこと：
1. スコア上位20%の的中率と、下位50%からの退去件数
2. 外した住戸の共通点（列単位で3つ）
3. 重み付けの見直し案（どの列を何ポイント動かすか、理由つき）
4. 季節性の影響（繁忙期・閑散期でスコアの意味が変わっていないか）
5. 次月の運用で止めるべき指標と、追加すべき指標

条件：改善案は3つまでに絞る。同時に多くを変えると原因が切り分けられない。
的中率が低い場合も、モデルを捨てる前に列の欠損を確認すること。

予測を外したときに何が壊れるか、3つの失敗例と回避策

1つ目は、予兆スコアの高さをそのまま値下げの根拠にしてしまうパターンです。スコアが高い住戸に先回りして募集賃料を下げると、退去しなかった場合でも近隣の相場観に自社の下げ幅が残ります。オーナーへの報告書に「AIが退去を予測」と断定調で書いてしまい、退去しなかった月に説明が立たなくなった例も見ています。回避策は2つあり、スコアは初動の順番付けにだけ使う、報告書には反証材料を併記する、というルールを先に文書化しておくことです。賃料の変更は空室日数の実績が出てから判断する順序を崩さないでください。

2つ目は、マスキングをせずに管理システムのCSVをそのまま生成AIへ貼るパターンです。氏名・電話番号・勤務先が混ざったファイルを外部サービスへ渡す運用は、管理受託契約で約した利用目的の範囲を越える可能性があります。イタンジはAI入居者対応支援機能の提供開始にあたって、情報を蓄積しないステートレス環境で稼働させ、処理後にデータを破棄し、入力データを学習に再利用しない設計を明示しました。業務システム側がここまで踏み込んでいる以上、自社の手作業運用も同じ水準を目指すのが筋です。回避策は、プロンプト2で作ったマスキング仕様をCSV書き出しのテンプレート側に埋め込み、人の判断を挟まない形にすることです。

3つ目は、精度レビューを回さないまま半年運用してしまうパターンです。退去には季節性があり、1月から3月の繁忙期に組んだ重み付けは閑散期にそのまま当てはまりません。的中率を測らずにいると、担当者が「当たらないスコア」を無視するようになり、CSVの書き出しだけが残ります。回避策は、月次で上位20%の的中率と下位50%からの退去件数を並べて記録し、3か月連続で改善が見えなければ重み付けを1つだけ動かすという運用です。同時に複数の変更を入れると、何が効いたのか切り分けられなくなります。

KPI設計と費用・工数の目安

追う指標は5つに絞ると運用が続きます。稼働率（管理戸数ベース）、空室日数の中位値、解約予告受領から募集掲載までのリードタイム、予兆スコア上位20%の6か月的中率、原状回復の手戻り件数です。稼働率だけを見ていると、賃料を下げて埋めた月と条件を維持して埋めた月が同じ評価になってしまいます。空室日数の中位値と併走させると、条件を守りながら回転を速められているかが判別できます。

目標値の置き方は、初年度は控えめが現実的です。リードタイムは現状値から3日短縮、空室日数の中位値は5%改善、予兆スコア上位20%の的中率は6か月で40%前後を最初の到達点に置く、という設計を支援先で採っています。的中率40%は低く見えますが、上位20%に退去の4割が集中していれば初動の優先順位付けには十分です。この水準は2026年8月時点の運用実感にもとづく目安で、ポートフォリオの単身比率によって幅が出ます。

費用は生成AIの月額から始まります。2026年8月時点で、ChatGPT Plusが月20米ドル前後、Claude Proが月20米ドル前後、Google AI Proが月20米ドル前後です。為替と改定で変わるため、契約前に公式の料金ページで確認してください。1,000戸規模の月次バッチをAPI経由で回す場合、モデルと入力量によりますが月あたり数千円から数万円の範囲に収まるケースが多く、月額プランのチャット画面にCSVを添付する運用なら追加費用は発生しません。

工数の目安は、初期のデータ棚卸しに1〜2人日、CSV書き出しのテンプレート化に0.5人日、マスキング仕様の作成と社内確認に0.5人日です。運用に乗ってからは月次で30分から60分。プロンプト3から7までを順に流し、上位20件の初動をリーシング会議の議題に載せる形が回しやすいと感じています。管理システムとの自動連携は初年度は不要で、手動のCSV書き出しで十分に成果が出ます。全社的にAIを業務へ埋め込む段階の進め方は不動産のAI全社導入で売上2億円増に整理しました。

投資判断の材料としては、前章の概算が使えます。1,000戸・平均賃料7万円で稼働1ポイントは年840万円の目安でした。月額20米ドルのツール代と月1時間の運用工数に対して、この桁の改善余地があるという構図を経営会議に持ち込むのが、承認を得るいちばん短い道筋です。

2026年後半に効いてくる論点と独自考察

モデル側の進化で、実装のハードルはさらに下がりました。Anthropicが2026年7月24日に公開したClaude Opus 5は1Mトークンのコンテキストと最大128Kの出力に対応しており、1,000戸分の履歴CSVと過去24か月の修繕ログを一度に読ませる運用が現実的な選択肢になりました。従来は住戸を数百件ずつ分割して投げる必要があり、分割の境目でスコアの一貫性が崩れる問題がありました。GoogleのGemini 3.6 FlashとGemini 3.5 Flash-Liteは安定版で単価が低いため、月次バッチの定型処理を任せる先として現実的です。OpenAIのGPT-5.6 Solは推論寄りの設計で、「なぜ外したのか」を検証するプロンプト7に向いています。用途で使い分ける前提に立つと、1社に寄せる必要はありません。

もう1つの変化は、AIエージェントが管理システムとポータルを横断し始めた点です。空室確認、内見予約、一次対応の自動化はすでに製品として市場に出ています。予測とアクションが同じ画面でつながると、スコア上位の住戸に対して募集原稿の下書きと工程枠の仮押さえまで自動で並ぶ設計が視野に入ります。この段階で問われるのが、判断の説明責任です。

独自の見立てを1つ書きます。空室予測で管理会社の力量差が出るのは、モデルの精度ではなく「スコアの根拠を3行で言える状態を作れるか」です。オーナーへの報告で「AIがそう出しました」は通りません。居住月数が38か月を越え、周辺募集賃料より現行賃料が6%高く、給湯器が12年目で修繕依頼が2件、だから優先度を上げました、と言える形になっていれば、値下げ以外の提案が通ります。賃貸住宅管理業法は管理受託の内容についてオーナーへの定期報告を求めており、AIを使った分析結果もその報告の一部として扱われます。根拠を言語化できないスコアは、報告書に載せられません。

この観点で見ると、投資すべきはモデルではなくデータの整備です。給湯器の設置年が半分の住戸で空欄、修繕依頼のカテゴリが自由記述、周辺相場が担当者の記憶頼み。この状態でどのモデルを使っても、出てくるスコアの説明力は上がりません。2026年後半に着手するなら、列を埋める作業を先に3か月分の計画へ落とし込むのが順序として妥当です。

よくある質問

AI空室予測は無料の生成AIだけで始められますか

はい、月次1回のスコアリングであれば無料プランでも動きます。ただし無料プランは1回に添付できるファイルサイズとコンテキスト長に制限があり、1,000戸規模のCSVを一括で読ませると途中で切れます。300戸を越えるなら月20米ドル前後の有料プランを前提にしたほうが安定します。

予測の的中率はどのくらいを目標にすればよいですか

予兆スコア上位20%の6か月的中率で40%前後を初年度の到達点に置くのが現実的です。上位20%に退去の4割が集中していれば、初動の優先順位付けとしては機能します。的中率を極限まで引き上げようと変数を増やす設計は過学習を招き、季節性が変わった月に一気に崩れます。外れた住戸の共通点を毎月1つ潰していく進め方のほうが、運用としては長持ちします。

入居者の個人情報をAIに入れても問題ありませんか

氏名・電話番号・勤務先などを外部の生成AIへそのまま渡す運用は避けてください。個人情報保護委員会は生成AIへの個人情報の入力について、利用目的の範囲内であることの確認を求めています。住戸IDへの置換と年齢の階級化を書き出しテンプレートに組み込み、人の判断を挟まない形にするのが実務的な回避策です。

ChatGPT・Claude・Geminiのどれを選ぶべきですか

長い履歴データをまとめて読ませたいならClaude Opus 5、月次の定型バッチを安く回したいならGemini 3.6 Flash、外した原因の検証にはGPT-5.6 Solという使い分けが2026年8月時点では合理的です。1社に絞る必要はなく、プロンプト3を安いモデル、プロンプト7を推論モデルに振る運用で足ります。

管理システムとの連携は最初から必要ですか

いいえ、初年度は手動のCSV書き出しで足ります。賃貸革命、いえらぶCLOUD、ESなどの管理システムは住戸単位のCSV出力に対応しており、月1回の書き出しであれば10分程度の作業です。自動連携の開発は、スコアが社内の意思決定に組み込まれてから検討するほうが投資の無駄が出ません。

予兆スコアが高い住戸に値下げを先回りしてよいですか

先回りの値下げは推奨しません。スコアは確率であって決定ではないため、退去しなかった場合に下げ幅だけが相場に残ります。スコアは初動の順番付けに使い、賃料の変更は実際に空室が発生して日数の実績が出てから、オーナーと合意のうえで判断する順序が安全です。

参考文献

著者：齋藤竹紘（株式会社オルセル編集長／宅建業免許東京都知事(1)第113520号／AI導入支援100社超／EC支援19年5,000社超のノウハウを不動産×AIに横展開）

※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）