AI導入は社内ナレッジ検索が先、顧客向けチャットが後です。
住宅ローン業界の実務家が、AI導入の順番が業界全体で逆になっていると指摘しました。派手な顧客向けチャットボットを先に出し、地味な社内ナレッジ整備を後回しにし、ガバナンスを最後に付け足す。この順番では、社内で答えが揃っていない状態のまま、顧客に対して不揃いな回答を大量に返すことになります。日本の不動産事業者にも、そのまま当てはまる話です。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）が解説します。
現場が最も時間を失っているのは「探すこと」
結論から言えば、この寄稿が示したのは「AIの投資対効果が最も出る場所は、判断業務ではなく情報を探す時間である」という現実です。HousingWireに2026年8月26日付で掲載された寄稿で、Marlabs のAIリーダーであるNarendra Saxenaは、住宅ローン事業の現場に「どこで最も時間を失っているか」と尋ねると、返ってくる答えは審査判断でも顧客対応でもなく「探すこと」だと書いています。
寄稿が挙げる具体像はこうです。コールセンター担当者が1件の問い合わせに答えるために複数のシステムを行き来する。事務担当者が手続きを確認するために規程集を探し回る。審査担当者が過去の例外処理を覚えている「あの人」にメールで聞く。制度や規程が複雑な業界ほど、知識はマニュアル、研修資料、旧システム、そして長く勤めた社員の記憶に分散して蓄積されていきます。
そのうえで寄稿は、失敗のパターンを3つに整理しています。第1に、社内のナレッジが整う前に顧客向けチャットボットを出してしまうこと。第2に、コンテンツを統一する前にツールを買い足し、ツールごとに新しい情報のサイロを作ってしまうこと。第3に、ガバナンスを公開後の作業として扱うことです。順番の話であって、技術の話ではないという指摘が、この寄稿の核心です。
なお本稿はHousingWireの寄稿コラムであり、同社編集部の見解を必ずしも反映するものではないと注記されています。統計データではなく実務者の観察に基づく主張である点は、読み手として押さえておくべきところです。
日本の不動産事業者に置き換えると何が問題か
日本の不動産業でも、暗黙知の分散という構造はまったく同じです。賃貸管理であれば、オーナーごとの修繕判断の基準、原状回復の負担区分の運用、管理規約の解釈、過去のクレーム対応の落としどころ。売買仲介であれば、金融機関ごとの融資姿勢の癖や、決済当日の段取りの細部。これらの多くは文書化されておらず、担当者の頭の中にあります。退職や異動のたびに、会社としての回答品質が落ちる構造です。
この状態のまま、問い合わせ対応の入口だけをAIチャットに置き換えるとどうなるか。社内で答えが割れている論点について、AIが自信のある口調で不揃いな回答を返し始めます。不動産業の場合、これは単なる顧客満足の問題では済みません。物件の条件や契約条件に関する誤った説明は、宅地建物取引業法が禁じる誇大広告や断定的判断の提供に接近します。重要事項説明は宅地建物取引士が行うものであり、AIが生成できるのはあくまで下書きまでです。この線引きを社内基準として先に決めておかないと、現場が判断できません。
個人情報の扱いも同じ順序の問題です。入居者情報や購入検討者の属性情報をどのAIサービスに入れてよいのか、学習に使われない設定になっているのか、社内の誰が承認するのか。これを決める前にツールを配ると、部署ごとに別々の運用が走り出します。ガバナンスを最後に付け足すのが最も高くつくという指摘は、日本の宅建業者にとってはさらに重い意味を持ちます。関連する論点は、AIチャットで不動産の一次対応を24時間化する方法でも整理しています。
一方で寄稿は、AIとコンプライアンスは対立しないとも述べています。最新の規程へのアクセスを容易にし、解釈のばらつきを減らし、属人的な知識への依存を下げる方向に働くからです。人の専門性を置き換えるのではなく、必要な情報に早くたどり着けるようにするという整理は、宅建士や賃貸不動産経営管理士を抱える組織にもそのまま応用できます。
明日から着手できる4つの初動
先に結論を書くと、着手すべきは顧客向けの入口ではなく、社内で答えが1つに定まっていない領域の棚卸しです。
1つ目は、社内問い合わせの棚卸しです。直近1か月で社内チャットやメールで飛び交った「これどうするんでしたっけ」を集め、頻度順に並べます。上位10件が、最初にナレッジ化すべき対象になります。ここを飛ばして全社ナレッジベースを作ろうとすると、着地しません。
2つ目は、情報の置き場を1つに寄せることです。管理規約、原状回復の基準、テンプレート文面、金融機関別の必要書類。同じ内容の古いファイルが複数の場所に残っている状態では、AIに読ませても回答は揺れます。ツールを増やす前に、参照元を1本化する作業が先です。
3つ目は、社内向けから始めることです。まず自社の従業員が使う検索アシスタントとして運用し、回答の誤りを社内で潰します。顧客に出すのは、その後です。社内向けは失敗しても損害が限定され、修正のサイクルを速く回せます。導入の定着プロセスについては、不動産AI導入を90日で定着させる3手順にまとめています。
4つ目は、公開前のガバナンス整備です。入力してよい情報の範囲、学習利用の可否設定、人による確認が必須の業務、記録の残し方。この4点だけでも文書化しておけば、現場は動けます。ツール選定の考え方は、不動産向けAI導入プログラムの選び方を参考にしてください。
まとめ
AI導入で成果が出るかどうかは、モデルの性能よりも順番で決まります。社内ナレッジの統一を先に置き、ガバナンスを公開前に決め、顧客向けは最後にする。この順序は、規制業種である不動産業でこそ効きます。まずは社内で答えが割れている論点を10件洗い出すところから始めるのが、最も費用対効果の高い初動です。
参考文献
- HousingWire「The mortgage industry is deploying AI backward」（Narendra Saxena, 2026年8月26日）
- HousingWire「Why many real estate AI rollouts fail — and how to make them stick」
- HousingWire 著者ページ（Narendra Saxena）
- HousingWire「Artificial Intelligence」タグ一覧
※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: HousingWire
【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）