AI-OCRとは、書類画像から文字と項目を自動抽出する技術のことです。
2026年8月1日、不動産管理ソフト「賃貸革命」を提供する日本情報クリエイトが、契約書や重要事項説明書のPDFを投げ込むだけで自動解析・分類し、電子帳簿保存法に沿った形式で保管するサービスをプレリリースしました。正式リリースは2026年9月予定です。この動きが意味するのは、不動産業界の書類対応が「読み取れるか」から「読み取った後どう業務に流すか」の段階へ移ったということです。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）が解説します。
賃貸管理と賃貸仲介の現場では、契約書・重説・請求書・本人確認書類が物件単位でも入居者単位でも増え続けます。この記事では、AI-OCRで何がどこまでデータ化できるのか、電子帳簿保存法の保存要件をどう満たすのか、そして自社で今日から試せるプロンプト7本を、導入判断に使える粒度でまとめます。専用サービスを買う前に自社の書類で検証する道筋まで含めて整理しました。
2026年8月、不動産の紙対応で何が動いたのか
結論から書くと、変化点は「OCRの精度」ではなく「OCR後の受け皿」が製品として固まってきたことにあります。文字を読み取るだけの製品は以前からありましたが、読み取った値を管理システムへ流し込み、同時に法定保存の形式で置いておく、という一連の流れが1つのサービスに収まり始めました。
日本情報クリエイトのプレスリリースによれば、新サービスはPDFをアップロードするとAIが書類種別を推定して物件ごとのフォルダを自動生成し、契約書・重要事項説明書・請求書などの内容を解析・分類します。さらに重要事項の要約ファイルを自動生成し、解析データはCSVで出力して賃貸革命へ取り込めます。賃貸革命を導入していない会社でも単体で使える点が明記されており、同社は「精度は書類により異なる」「開発状況等により変更となる場合がある」とも注記しています。プレリリース段階の情報である点は割り引いて読む必要があります。
もう一方の背景が電子帳簿保存法です。国税庁の電子帳簿等保存制度特設サイトでは、税法上保存が求められる帳簿・国税関係書類を電子データで保存する制度が3つに区分されて説明されています。このうち不動産会社の実務に直結するのが電子取引データの保存です。メールで受け取った請求書PDF、Web上でダウンロードした明細、電子契約サービスで締結した契約書は、電子データのまま保存する必要があります。紙に印刷して保管する運用は、そのデータについては要件を満たしません。
保存にあたっては、改ざん防止の措置を講じること、日付・金額・取引先で検索できること、ディスプレイやプリンタを備え付けることが求められます。検索要件については、基準期間の売上高が5,000万円以下の事業者は、税務職員のダウンロードの求めに応じられる場合に不要とされています。相当の理由がある場合の猶予措置も設けられていますが、これは対応しなくてよいという意味ではありません。制度の細部は改正が続く領域なので、自社の適用可否は税理士に確認する前提で読み進めてください。
賃貸管理会社の現場に当てはめると、影響が出るのは請求まわりです。工事業者や清掃業者からメール添付で届く請求書、ポータルサイトの利用明細、火災保険や更新事務手数料の請求は、多くが電子取引データに該当します。これらを印刷してファイリングする運用が残っている会社では、データそのものの保存に切り替える作業が必要になります。管理戸数が1,000戸を超える規模になると、月間の受領枚数が数百枚に達することも珍しくなく、切り替えを人力で回すのは現実的ではありません。
もうひとつ押さえておきたいのが、スキャナ保存との違いです。紙で受け取った請求書や領収書をスキャンして電子データで保存する制度は、電子取引データの保存とは別の枠組みで、要件も異なります。相手から紙で届いたものと、メールで届いたものが同じ机の上に混在するのが不動産会社の日常なので、入り口で「紙で来たか、データで来たか」を仕分ける習慣を作れるかどうかが、後工程の複雑さを決めます。制度の区分は国税庁の電子帳簿保存法関係ページに整理があるので、社内ルールを作る前に一読しておくと迷いが減ります。
不動産会社の書類が厄介なのは、電帳法の対象になる書類とならない書類が同じ棚に混ざっている点です。請求書や領収書は国税関係書類ですが、重要事項説明書は宅建業法に基づく書類であり、税務保存の文脈とは別軸で管理されます。ここを分けずに「全部スキャンして保存」と決めると、後から検索要件を満たすファイル名に付け替える作業が発生します。現場で繰り返し見るのは、この付け替え工数を見落としたまま走り出すパターンです。
書類種別ごとに、どこまで機械に任せられるか
先に線を引くと、AI-OCRが得意なのは「定型のレイアウトから決まった項目を抜くこと」で、苦手なのは「文脈を読んで判断すること」です。この境目を書類種別ごとに把握しておくと、導入後の落胆が減ります。
賃貸借契約書は、貸主・借主・物件所在地・部屋番号・賃料・共益費・敷金・礼金・契約期間・更新料といった項目が明確に並ぶため、抽出との相性が良い書類です。ただし特約条項は書式が会社ごとに違い、原状回復の負担区分やペット飼育の条件など、判断を伴う内容が自然文で書かれます。抽出そのものは可能でも、そこから契約リスクを読む工程は別の設計が要ります。契約書の中身をAIで検査する具体的な進め方は、AI契約書レビューで賃貸借のリスクを検出するで扱っています。
重要事項説明書は、法定記載事項が定型で並ぶ一方、物件固有の記載（インフラの整備状況、周辺環境、告知事項）が自由記述になります。要約の自動生成は確認工程の初速を上げますが、要約だけを見て説明義務を果たしたことにはなりません。説明責任は宅建士にあり、AIの出力は下準備の位置づけです。重説の検査観点を整理したものは、AI重説チェックの実務にまとめています。国が主導する実証の範囲については、国交省のAI実証事業で重説・契約書はどう変わるかも参考になります。
請求書と領収書は、電帳法の対象として最も直接的に効いてくる書類です。工事業者や清掃業者からの請求が毎月大量に届く賃貸管理会社では、金額・日付・取引先の3項目を機械的に取り出し、そのままファイル名と検索用の索引に流せると、探す時間が目に見えて減ります。ここは効果が測りやすい領域なので、最初の検証対象として向いています。家賃入金や督促のデータ整備と合わせて考えると効きます。関連する運用は賃貸管理のAI家賃回収・督促でも触れました。
本人確認書類は、精度以前に取り扱いの慎重さが要ります。運転免許証や在留カードの画像をどのサービスに渡すか、学習に使われない契約になっているか、保存期間と削除手順が決まっているかを先に確認してください。直近の支援案件で観測したのは、書類のデータ化だけ先に走らせて、削除ルールが決まっていない状態で個人情報が滞留するケースです。
工数の目安としては、月間300枚の請求書を手入力していた管理会社で、抽出の自動化により入力工程が半分程度まで下がった例があります。これは業務設計と書類の揃い方に大きく左右されるため、業界共通の平均値としては扱えません。自社の書類で10枚だけ試す小さな検証を、先に置くべきです。
自社の書類で検証する手順とプロンプト7本
ここからは、専用サービスを契約する前に、手元の生成AIで精度と工数を測るための手順です。ChatGPT、Claude、Geminiのいずれでも動きます。2026年8月時点の主要モデルはOpenAIのGPT-5.6系、AnthropicのClaude Opus 5とSonnet 5、GoogleのGemini 3.1 Proと3.6 Flashで、いずれもPDFや画像の読み取りに対応しています。個人情報を含む書類を試す場合は、学習に利用されない設定や法人契約の条件を先に確認してください。
進め方は3段階です。第一段階で書類種別の判定ルールを固め、第二段階で項目抽出とCSV設計を作り、第三段階で誤読の検出と保存ルールに落とします。以下のプロンプトは、この順番で使う前提で並べています。変数は中括弧で示したので、自社の呼称に置き換えてください。
最初は、混ざった書類を仕分けるところからです。書類種別の判定が安定しないと、後続の抽出がすべてずれます。
プロンプト1：不動産書類の種別自動判定ルールの作成
あなたは不動産管理会社の書類整理を設計する実務担当者です。
以下の書類種別リストについて、PDFの1ページ目に含まれる語句だけで
種別を判定するためのルールを作成してください。
書類種別：{賃貸借契約書 / 重要事項説明書 / 請求書 / 領収書 / 本人確認書類 / 更新契約書 / 解約通知書}
条件：
1. 各種別について、判定の決め手になるキーワードを3〜5語
2. 他種別と誤判定しやすい組み合わせと、その切り分け条件
3. どの種別にも当てはまらない場合の扱い（保留フォルダへの退避条件）
4. 判定に自信がないときにフラグを立てる基準
出力：種別ごとの判定ルール表を文章で。最後に誤判定リスクの高い順に3つ列挙
次に、抽出項目を決めます。ここで管理システムの取り込み仕様に合わせておくと、後の手戻りが消えます。
プロンプト2：賃貸借契約書からの項目抽出とCSV設計
添付の賃貸借契約書から、以下の項目を抽出してCSV1行で出力してください。
抽出項目：物件名 / 部屋番号 / 所在地 / 賃料 / 共益費 / 敷金 / 礼金 /
契約開始日 / 契約終了日 / 更新料 / 貸主名 / 借主名 / 管理会社名
条件：
1. 記載がない項目は空欄とし、推測で埋めない
2. 金額は数字のみ（カンマと円記号を除去）
3. 日付はYYYY-MM-DD形式に統一
4. 読み取りに自信がない項目は、値の後ろに [要確認] を付ける
5. 特約条項は本CSVに含めず、別途テキストで全文を書き出す
出力：1行目にヘッダー、2行目に値。その後に特約条項の全文
重説は要約の粒度が命です。長すぎると読まれず、短すぎると確認の役に立ちません。
プロンプト3：重要事項説明書の確認用サマリー生成
添付の重要事項説明書を、宅建士が最終確認する前の下読み用に要約してください。
条件：
1. 400字以内
2. 告知事項、インフラ（上下水道・ガス）、法令上の制限、
契約解除条件、違約金の5点は記載の有無を明示する
3. 書類に記載がない項目は「記載なし」と書き、推測しない
4. 数値（面積・金額・期間）は原文のまま転記する
5. 最後に「原本での確認が必要な箇所」を3点挙げる
出力：要約本文 → 5項目の記載有無 → 要確認箇所3点
請求書はボリュームが出るぶん、検算を自動化する価値が高い書類です。
プロンプト4：請求書OCR結果の検算と異常検知
以下は請求書からOCRで抽出した明細データです。
計算と記載の整合性を検査してください。
データ：{明細行（品名・数量・単価・金額）と小計・消費税・合計}
検査項目：
1. 数量×単価と金額行の一致
2. 明細合計と小計の一致
3. 消費税額が税率{10%}で計算した値と一致するか
4. 合計金額の桁の異常（前月比で{2}倍以上の乖離）
5. 取引先名の表記ゆれ（{既存取引先リスト}との照合）
出力：不一致があった項目のみを列挙し、それぞれ想定原因を1行で。
すべて一致した場合は「検査項目5件すべて一致」とだけ返す
保存の形式は、あとから直すと全件やり直しになります。命名規則を先に決めてください。
プロンプト5：電子帳簿保存法の検索要件に沿ったファイル命名規則
当社の書類保存ルールを設計してください。
前提：
- 会社規模：{基準期間の売上高〇〇円}
- 対象書類：{請求書 / 領収書 / 契約書}
- 保存先：{クラウドストレージ名}
- 管理システム：{システム名}
条件：
1. 日付・金額・取引先の3項目で検索できるファイル名の形式を提案
2. 取引先名の表記ゆれを吸収する正規化ルール
3. 1つの取引に複数ファイルがある場合の枝番の付け方
4. 月次で棚卸しする際のチェック手順を5ステップで
出力：命名規則の形式 → 具体例5件 → 正規化ルール → 月次チェック手順
注記：税法上の最終的な要件充足は税理士の確認を前提とする旨を明記すること
誤読は一定の割合で起きる前提に立ち、検出側を先に作っておきます。この工程を省くと、静かに間違ったデータが管理システムへ流れます。
プロンプト6：OCR誤読の検出（数値・日付の整合チェック）
以下の抽出結果に、OCR誤読の疑いがある箇所がないか検査してください。
抽出結果：{項目名と値のリスト}
検査観点：
1. 契約開始日が契約終了日より後になっていないか
2. 賃料に対して敷金・礼金が常識的な倍率（0〜3か月分）に収まっているか
3. 数字の桁数（賃料が4桁以下、または8桁以上になっていないか）
4. 全角と半角、0とO、1とlの混同が疑われる箇所
5. 郵便番号と住所の都道府県が矛盾していないか
出力：疑わしい項目と、その理由、確認すべき原本の箇所。
問題がなければ「検査観点5件で異常なし」とだけ返す
最後は移行計画です。全書類を一度にデータ化しようとすると、たいてい途中で止まります。
プロンプト7：紙書類の棚卸しとデータ化の優先順位付け
当社の紙書類をデータ化する順番を設計してください。
前提：
- 管理戸数：{〇〇戸}
- 保管中の紙書類：{おおよその箱数・年数}
- 月間の新規発生：{契約〇件 / 請求書〇枚}
- 対応できる人員：{〇名・週〇時間}
条件：
1. 効果が出る順（探す頻度×枚数）で書類種別を並べる
2. 法定保存期間が近く終わる書類は後回しにする判断を入れる
3. 過去分の遡及と、今後の新規分の切り替えのどちらを先にするか判断根拠つきで
4. 3か月・6か月・12か月の到達目標を、測れる指標で
出力：優先順位リスト → 判断根拠 → 3段階のマイルストーン
つまずきやすい3つのパターンと回避策
第一のパターンは、精度を検証しないまま全社展開に進むケースです。デモで見た読み取り精度は、整った書式のサンプルで出た数字であることが少なくありません。自社に実際に届く書類は、FAXの再スキャンで潰れた文字、手書きの追記、押印が数字に重なった箇所を含みます。回避策は、直近3か月分の書類から30枚を無作為に抜き、そのまま試すことです。整っていない書類を意図的に混ぜるほど、判断材料として使えます。
第二は、データ化と保存要件を別々に進めてしまうケースです。先にスキャンだけ済ませ、後から検索要件に合わせてファイル名を付け直す作業が発生し、結局は手作業が二重に走ります。抽出項目の設計時点で、日付・金額・取引先をどうファイル名と索引に載せるかまで決めておくのが定石です。
第三は、AIの出力を人が見ないまま管理システムへ流す設計です。特に金額と日付は、1桁の誤読が請求ミスや契約管理の齟齬に直結します。抽出結果に自信度のフラグを立て、フラグが付いた項目だけ人が原本を確認する形にすれば、全件目視より工数を抑えつつ品質を保てます。5,000社支援の中で何度も再現したパターンとして、確認工程を残した会社のほうが最終的に自動化を広げられています。
第四は、原本の廃棄を急いでしまうケースです。データ化が終わった時点で紙を処分したくなりますが、書類の種類ごとに保存期間と保存形式の要件が違い、宅建業法に基づく帳簿の備付けや、賃貸借契約の原本を求められる場面も残ります。データ化と原本廃棄は別の意思決定として扱い、廃棄可否は税理士と顧問弁護士に確認したうえで、書類種別ごとの一覧表にしておくのが安全です。ある賃貸管理会社では、データ化完了から原本廃棄まで1年の据え置き期間を設け、その間に検索性と復元性を検証していました。急がない設計のほうが、結果として社内の合意を取りやすくなります。
費用と工数の目安、そして測るべき指標
費用は3層で考えます。生成AIの基本料金は、ChatGPT PlusやClaude Proが月額20米ドル前後、Google Workspaceのプランに含まれるGeminiが月額数百円から数千円の帯です。専用のAI-OCRサービスは書類枚数や機能によって幅があり、公表価格が出ていない製品もあるため、見積もりを取って比較するのが実際的です。三層目がクラウドストレージと管理システムの費用で、既存契約に含まれている場合もあります。
工数の測り方は、導入前に基準値を取っておくのが要点です。書類1件あたりの入力時間、探す時間、月間の処理枚数、転記ミスの発生件数の4つを、2週間だけ計測してください。この基準がないと、導入後の効果が感覚論になります。
指標としては、入力工数の削減時間、書類検索にかかる平均時間、月次の転記ミス件数、そして電帳法の観点では対象書類のうち要件を満たす形式で保存できている割合を置きます。最後の指標は、税務調査を想定した内部確認としても機能します。数値目標は業種と書類量で変わるため、他社の削減率をそのまま自社に当てはめないほうが安全です。
投資対効果の見立て方も書いておきます。仮に月間300枚の請求書を1枚あたり3分で処理していると、月15時間、年間180時間が入力に消えます。時給換算2,000円なら年36万円分です。ここが半分になれば年18万円の効果で、汎用の生成AI費用（年3万円前後）は回収できる計算になります。一方で専用サービスを年数十万円かけて入れる判断は、この規模では合いません。処理枚数がその数倍あるか、管理システム連携で別の工数も同時に消せるかが分岐点です。数字は自社の実測値に置き換えて計算してください。
工数の配分で見落とされやすいのが、初期の設定と例外対応です。抽出項目の設計、命名規則の決定、判定ルールの調整に、最初の1か月は担当者の週4〜6時間程度を見ておくのが現場感覚に近い水準です。ここを「空いた時間でやる」設計にすると、たいてい途中で止まります。逆に言えば、初月の工数さえ確保できれば、2か月目以降は例外処理だけに絞れます。
3年後を見据えると、勝負どころは抽出精度ではない
この領域の競争軸は、数年のうちに「読み取れること」から「読み取ったデータをどこへ流せるか」へ移ると見ています。理由は単純で、抽出精度は主要モデルの進化に引っ張られて全体的に上がっていく一方、管理システムとの接続や社内の業務フローは各社固有で、そこだけは自動的には整わないからです。
不動産会社にとっての実利は、書類がデータになった後の二次利用にあります。契約期間と更新料のデータが揃えば更新案内の自動化に、請求書の明細が揃えば修繕費の推移分析に、賃料と契約条件が揃えば空室時の条件見直しに使えます。書類データ化を単独の効率化プロジェクトとして見るか、社内データ基盤の入り口として見るかで、3年後の差が開きます。
実装面で先に整えておくと差がつくのが、抽出項目の共通化です。契約書から取る「賃料」と、請求書から取る「賃料」と、管理システムに登録された「賃料」が、それぞれ別の名前と桁で持たれている会社は珍しくありません。データ化を進めるタイミングは、この項目名を社内で1つに揃える数少ない機会です。ここを揃えないままデータを増やすと、後から突き合わせる作業が延々と発生します。逆に、項目名と型（数値か文字列か、税込か税抜か）を先に決めておけば、どのツールに乗り換えても資産が残ります。
書類の保存先も、同じ理由で先に決めておく価値があります。専用サービスのストレージに置くのか、自社のクラウドストレージに置いてサービス側は解析だけ担わせるのか。前者は導入が速く、後者は乗り換えの自由度が残ります。管理戸数が増える見込みのある会社ほど、後者を選ぶ判断に合理性があります。サービスの寿命よりデータの寿命のほうが長い、というのが不動産業の書類を扱ううえでの前提です。
もうひとつの論点が、AIエージェントとの接続です。書類から抽出した構造化データがあれば、エージェントに「今月更新を迎える契約を一覧化して」と頼める状態になります。逆に言えば、データ化されていない書類はAI活用の外側に置き去りになります。紙のまま棚に残る書類は、単に探しにくいだけでなく、業務自動化の対象から外れ続ける資産です。この観点は、競合の解説記事があまり踏み込んでいない部分だと考えています。
よくある質問
AI-OCRを入れれば電子帳簿保存法に対応できますか
いいえ、ツール単体では対応は完結しません。電帳法が求めるのは、改ざん防止の措置、日付・金額・取引先での検索、そしてディスプレイやプリンタの備付けを含む運用全体です。AI-OCRは検索要件を満たすための索引づくりを助けますが、事務処理規程の整備や保存期間の管理は社内ルールとして別に決める必要があります。自社の要件充足は税理士に確認してください。
無料で試せますか
はい、生成AIの無料プランでもPDFの読み取りは試せます。ただし無料プランは1日の利用回数やファイルサイズに制限があり、入力データが学習に使われる条件になっている場合もあります。個人情報を含む書類で検証するなら、有料プランや法人契約で学習利用の設定を確認してからにしてください。ダミーの契約書で精度だけ見るなら無料でも十分です。
手書きの書類も読み取れますか
読み取れる場合と読み取れない場合があります。丁寧に書かれた楷書の数字は比較的安定しますが、崩し字や重なった押印の下にある文字は誤読が増えます。手書きが混ざる書類は、抽出結果に自信度のフラグを立てて人が確認する運用にするのが現実的です。
重要事項説明書の要約をそのまま説明に使えますか
使えません。重要事項の説明義務は宅建士にあり、AIの要約は下読み用の補助にとどまります。要約で全体像をつかんでから原本を確認する、という順序であれば確認時間の短縮に役立ちます。説明の場で読み上げる資料としては使わないでください。
どの書類から始めるのが効率的ですか
請求書と領収書から始めるのが定石です。枚数が多く定型的で、抽出項目が日付・金額・取引先の3つに集約され、電帳法の対象としても直接的だからです。契約書や重説は判断を伴う項目が多く、業務設計に時間がかかるため、請求書で運用の型を作ってから広げると失敗が減ります。
専用サービスと汎用の生成AI、どちらを選ぶべきですか
処理枚数と管理システム連携の有無で決まります。月間数十枚で管理システムへの取り込みが手作業でも回るなら、汎用の生成AIで十分に試せます。月間数百枚を超え、管理システムへCSVで流し込む必要があるなら、専用サービスの検討に入る段階です。まず汎用AIで自社の書類を検証し、精度と工数の実数を持って商談に臨むのが有利です。
導入して1か月で効果は出ますか
書類種別によります。請求書の入力工数は1か月でも数値に出やすい一方、契約書の項目抽出は業務フローの組み替えを伴うため、3か月程度は見ておくのが現実的です。最初の1か月は効果測定ではなく、精度の実測と例外パターンの洗い出しに充てるほうが、その後の展開が速くなります。
参考文献
- PR TIMES｜日本情報クリエイト「AI Kamigakari」を2026年8月1日にプレリリース
- 日本情報クリエイト｜AI-OCR×ストレージ×賃貸革命連携サービス「AI Kamigakari」
- 国税庁｜電子帳簿等保存制度特設サイト
- 国税庁｜電子取引関係
- 国税庁｜電子帳簿保存法関係
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）