AI査定とは、統計データから価格の目安を機械的に出す仕組みのことです。
AI査定の数字を顧客に見せるとき、売買仲介の担当者が守るべき線は1つです。それは参考値であり、価格の判断は宅地建物取引士が根拠を持って行うということ。この前提を外して「AIが3,800万円と出しました」と言い切った瞬間に、断定的判断の提供という論点に踏み込みます。とはいえ、AI査定を使わない理由もありません。査定書を作る前の材料集めと、査定額の妥当性を自分で検証する道具として、実務で効く場面ははっきりあります。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）の知見をもとに、AI査定の仕組みと精度の限界、実務での使い方を整理します。
AI査定の数字はどこから来ているのか
数字の出どころは、公開されている取引データと募集情報です。この事実を押さえると、精度の限界がどこにあるかが構造的に理解できます。
AI査定の多くは、過去の成約事例や公示地価をもとに、面積、築年、駅距離、階数といった変数から価格を推定します。学習に使えるデータの筆頭が、国土交通省の不動産情報ライブラリで公開されている不動産取引価格情報です。ここには実際の取引価格が地域と物件種別ごとに集計されており、APIも公開されているため、機械的に取得できます。あわせて、地価公示・地価調査の価格も基礎データとして使われます。
ここに、各社が持つ独自のデータが加わります。ポータルサイトを運営する会社なら募集情報の蓄積、仲介会社が提供するサービスなら自社の成約実績。この独自データの質と量が、サービス間の差になります。
構造上の限界が3つあります。第1に、公開データには物件の個別事情が含まれません。日当たり、眺望、管理状態、リフォームの有無、隣地との関係。これらは価格に数百万円単位で影響しますが、面積と築年と駅距離のデータからは読み取れません。
第2に、取引件数が少ない地域では推定が不安定になります。都心の中古マンションのように月に何十件も取引がある地域と、地方の戸建のように年に数件しか動かない地域では、推定の信頼度がまったく違う。同じサービスの同じ画面に出てくる数字でも、背後のサンプル数は桁が違います。
第3に、市況の転換点に弱い。過去のデータから推定する以上、局面が変わった直後は追随が遅れます。金利や税制が動いた直後の数か月は、AI査定の数字と実際の成約価格が乖離しやすい期間でした。
現場で繰り返し見るのは、この3つの限界を説明せずに数字だけを見せてしまい、顧客の期待値がずれる場面です。査定額が高く出れば売主は喜びますが、その価格で売れなければ後から信頼を失います。数字と一緒に、その数字が何に基づいているかを伝えるのが、実務上の作法でした。
サービスを比較するときに見る5つの点
比較の軸は、精度そのものではなく、精度の見せ方でした。精度は物件と地域で変わるため、一律の順位づけには意味がありません。
第1の点が、幅で示しているかどうかです。単一の金額を出すサービスより、価格の幅を示すサービスのほうが、実務では使いやすい。3,600万円から3,900万円という幅で出れば、その幅の中で交渉の余地を考えられます。単一の数字は、断定的な印象を与えるため、顧客への提示にも使いにくい。
第2が、根拠データの開示です。推定に使った比較事例が何件で、どの範囲から取られたものかが見えるかどうか。事例が3件しかない地域で出た数字と、50件から出た数字では、扱いが変わります。この情報を出さないサービスは、実務での検証に使えません。
第3の点が、更新頻度です。取引価格情報は四半期ごとに更新されるため、サービス側の反映がどの程度早いかで、市況の変化への追随が変わります。
第4が、物件の個別事情を入力できるかどうか。リフォームの有無、眺望、角部屋かどうか。こうした条件を追加入力できるサービスは、標準的な推定からの補正が効きます。ただし、補正のロジックが妥当かは別問題で、入力した条件がどう反映されたかを説明できるサービスは多くありません。
第5が、利用規約と表示に関する制約です。サービスによっては、出力された数値を顧客への提示資料に使うことを制限している場合があります。査定書に転記する前に、規約の確認が要ります。
比較の際、精度を自分で検証する方法が1つあります。自社で過去1年に成約した物件を10件選び、成約時点の条件でAI査定にかけて、実際の成約価格と比べる。この検証を複数のサービスで行えば、自社の取扱エリアと物件種別における実用度が分かります。カタログ上の精度より、この自社検証のほうが判断材料になりました。
査定業務でAIを使うプロンプト6本
以下の6本は、査定額そのものを出させない設計です。材料の整理と、担当者が出した査定の検証に使います。
1本目は、比較事例の整理です。
プロンプト1：比較事例の整理と外れ値の抽出
あなたは不動産の市場分析担当者です。以下の成約事例データを読み、査定の材料として整理してください。
対象物件：
- 所在：{値}
- 種別：{中古マンション／中古戸建／土地}
- 専有面積または土地面積：{値}平方メートル
- 築年：{西暦}
- 最寄駅と徒歩分数：{値}
- 階数・所在階：{値}
- 構造：{値}
比較事例データ：
{CSVを貼り付け。列名も含める}
出力：
1. 対象物件と条件が近い事例（5件以内）と、選んだ理由
2. 除外した事例と、その理由
3. 面積単価のばらつきと、ばらつきの要因として考えられること
4. データ上、説明がつかない外れ値
5. 査定担当者が現地で確認すべき項目
制約：
- 査定額の数値を一切出力しないこと（価格の判断は宅地建物取引士が行うため）
- サンプル数が5件未満の場合は、統計的な傾向を語らずその旨を明記すること
- 将来の価格動向について記述しないこと
2本目は、担当者が出した査定額の検証です。
プロンプト2：査定額の根拠チェック
以下は、担当者が作成した査定の根拠です。論理の飛躍や、根拠が不足している箇所を指摘してください。
査定の根拠：
{担当者が書いた説明を貼り付け}
比較事例：
{事例データ}
物件の個別事情：
{リフォーム履歴、眺望、管理状態、法令上の制限など}
指摘の観点：
1. 比較事例の選定に偏りがないか
2. 個別事情による補正の根拠が示されているか
3. 数値の計算に誤りがないか
4. 説明されていない前提が含まれていないか
5. 売主に説明したときに質問が出そうな箇所
出力：
指摘番号／該当箇所／懸念点／補強が必要な根拠
制約：
- 査定額の妥当性を数値で判定しないこと
- 根拠の構造に対する指摘に徹すること
3本目は、査定書の説明文の作成です。
プロンプト3：査定書の説明文ドラフト
以下の情報から、査定書に添える説明文を作成してください。
査定価格：{担当者が決定した価格。幅の場合は上限と下限}
根拠とした比較事例：{件数と概要}
個別事情による補正：{内容と方向}
市場環境に関する事実：{公表データに基づく事実のみ}
要件：
1. 査定の考え方（どの事例を、なぜ選んだか）
2. 対象物件の特徴が価格にどう影響しているか
3. 査定価格と成約価格が異なりうる理由
4. 売却活動における留意点
制約：
- 本文600〜800字
- 「必ず売れます」「値上がりします」のような断定を書かない
- 将来の価格動向を予測する記述を含めない
- 査定価格は参考であり、成約価格は市場との交渉で決まる旨を明記する
- 誇大広告に当たる表現を避ける
4本目は、売主への説明で想定される質問への準備です。
プロンプト4：売主からの想定質問と回答方針
以下の査定内容について、売主から出そうな質問を10件挙げ、それぞれの回答方針を整理してください。
査定内容：
{プロンプト3の出力}
売主の状況：
- 売却理由：{住み替え／相続／転勤 など}
- 希望価格：{値／未定}
- 売却期限：{値／未定}
出力：
質問／回答の方向性／回答時に示すべき根拠／回答してはいけない内容
制約：
- 「いくらで売れますか」への回答は、断定を避けた形にすること
- 値上がりや値下がりの予測を回答方針に含めないこと
- 他社の査定額との比較を問われた場合の対応も含めること
5本目は、複数のAI査定サービスの出力を比較するものです。
プロンプト5：複数サービスの査定結果の比較整理
以下は、同一物件について複数のサービスから得た査定結果です。差異の要因を整理してください。
サービスAの結果：{価格または幅／根拠として示された事例数／備考}
サービスBの結果：{同上}
サービスCの結果：{同上}
対象物件：{条件}
出力：
1. 各結果の差の大きさ
2. 差が生じている要因として考えられること（根拠データの範囲、補正の有無など）
3. どの結果を、どういう場面で参考にすべきか
4. いずれの結果からも読み取れない、現地確認が必要な要素
制約：
- どのサービスが正しいかを判定しないこと
- 自社の査定額をこの比較から導かないこと
- 各サービスの精度を一般化して評価しないこと
6本目は、自社の査定精度を検証するものです。
プロンプト6：自社の査定精度の振り返り
以下は、過去1年の査定と成約の記録です。査定精度の傾向を整理してください。
記録：
{物件条件／査定額／成約額／査定から成約までの日数／値下げの有無 のCSV}
出力：
1. 査定額と成約額の差の分布（物件種別・エリア別）
2. 差が大きくなりやすい条件の傾向
3. 査定から成約までの日数と、査定額の関係
4. 査定の精度を上げるために、次に記録すべき項目
制約：
- サンプル数が少ない区分については、その旨を明記して傾向を語らないこと
- 特定の担当者の評価につながる記述をしないこと
- 外部要因（金利、税制、市況）による影響と、査定手法による影響を区別すること
6本のうち、6本目は半期に1回でも回す価値があります。自社の査定がどの方向にずれているかを数字で把握している会社は、そう多くありませんでした。
物件種別ごとに、精度の当てにならなさが違う
同じサービスでも、物件種別によって使える度合いが大きく変わります。この違いを把握しておくと、どの場面で参考にするかの判断が速くなります。
最も推定が安定するのが、都市部の中古マンションでした。同一マンション内で複数の取引があり、面積と階数と方位という比較可能な変数が揃っている。専有部分の仕様差はあるものの、建物の立地条件が共通しているため、比較の土台がしっかりしています。この種別に限れば、AI査定の数字を出発点として使える場面が多い。
次に安定するのが、区画整理された住宅地の中古戸建です。土地の形状と面積が揃っており、道路付けの条件も似ている。ただしマンションに比べると、建物の状態による差が大きく出ます。築20年の戸建で、リフォーム済みと未実施では数百万円の開きが生じることも珍しくありません。この差は面積と築年のデータからは読めない領域でした。
推定が当てにならなくなるのが、土地の取引です。形状が不整形、間口が狭い、高低差がある、私道に接している。こうした条件は価格に直接影響しますが、公開データには含まれません。加えて、土地は建物と違って「同じ条件のものが2つとない」性質が強く、比較事例の選定そのものが難しい。土地の査定でAIの数字を出発点にするのは、避けたほうが安全でした。
収益物件も、別の理由で当てになりません。価格が賃料収入と利回りで決まる性質上、周辺の類似取引より、その物件の賃貸借の状況が価格を左右します。満室か空室か、賃料が相場と乖離していないか、テナントの属性はどうか。この情報を入力できないサービスの数字は、参考にする意味が薄い領域でした。
種別ごとの傾向を踏まえると、AI査定を業務に組み込む優先順位が見えてきます。中古マンションの査定件数が多い会社ほど効果が出やすく、土地や収益物件が中心の会社では、査定額よりも比較事例の収集機能のほうに価値があります。
顧客に数字を見せるときの3つの約束
第1の約束は、参考値であることを明示することです。AI査定は統計に基づく推定であり、実際の成約価格は物件の個別事情と市場との交渉で決まります。この説明を口頭で済ませず、書面に1行入れてください。査定書の様式に定型文として組み込んでおくのが、抜け漏れの出ない方法でした。
第2が、断定的な将来予測をしないことです。宅地建物取引業法は、断定的判断の提供を禁じる規定を置いています。「このエリアは今後値上がりします」「今が売り時です」といった発言は、その根拠を示せなければ問題になりえます。市況について語る場合は、公表されている統計を示し、そこから何が読めるかという形にとどめてください。
第3が、他社との比較を煽らないことです。AI査定の数字は、サービスによって数百万円の差が出ます。この差を使って「他社は安く査定していますが、当社なら高く売れます」という営業をすると、消費者庁が所管する景品表示法の観点から、優良誤認を招く表示に当たる可能性があります。査定額の高さを競う営業は、結果として売主の不利益につながる場面も実際にありました。
不動産×AI導入コンサルの現場で繰り返し確認したパターンとして、数字を強く見せるほど短期の反響は増える一方、成約後の満足度が下がる傾向があります。査定額を高く出して媒介契約を取り、その後に値下げを繰り返す進め方は、長期的には紹介の減少という形で返ってきました。
費用と、導入の順序
AI査定サービスの費用は、無料で提供されているものから、月額数万円のものまで幅があります。ポータルサイトが提供する簡易査定は無料のことが多く、根拠データの開示や補正機能を持つサービスは有料という構図でした。
生成AIを使った材料整理の費用は、これとは別枠です。1件あたりの処理で入力2万トークン、出力3千トークンとすると、上位モデルでも1件0.2米ドル前後。月50件の査定でも10米ドル、日本円で1,500円ほどに収まります。費用が導入判断の障害になる水準ではありません。
導入の順序としては、まず自社検証から始めてください。過去1年の成約物件10件で、複数のサービスの精度を確認する。この作業に2日ほどかかりますが、ここを飛ばすと、自社のエリアで使えるかどうかが分からないまま契約することになります。
次に、材料整理のプロンプトを1件の査定で試す。比較事例の整理と外れ値の抽出だけでも、査定書作成の前工程が短くなります。この段階では査定額の算出に一切触れないでください。
3段階目が、査定の検証への活用です。担当者が出した査定額の根拠をAIに点検させ、説明の弱い箇所を補強する。この使い方は、若手担当者の教育にも効きました。根拠を言語化する訓練になるためです。
AI査定が普及した先に何が起きるか
起きるのは、査定額そのものの価値の低下です。売主が自分で複数のサービスの数字を見られる状況では、仲介会社が査定額を示すこと自体に希少性がなくなります。差がつくのは、その数字をどう読むかの説明力でした。
具体的には、なぜその価格帯なのか、どの条件が価格を押し上げ、どの条件が押し下げているのか、売却期間をどう見込むか。この説明ができる担当者と、数字を持ってくるだけの担当者では、売主の受け止めが変わります。AI査定は、この差を可視化する方向に働きます。
もう1つの変化が、データの整備です。不動産情報ライブラリのような公的基盤が拡充されるほど、査定の基礎データは共通化されます。共通化された基礎の上で何を上乗せできるかが、各社の差になる。自社が扱った物件の記録、現地で見た情報、売主とのやり取りの経緯。これらは公開データにない情報であり、自社の資産です。
推測を含む見立てを書いておくと、今後3年で価値が上がるのは、査定の精度ではなく、査定の説明を記録として残す仕組みだと考えています。なぜこの価格にしたかを言語化して蓄積している会社は、その記録自体が次の査定の材料になる。この積み上げは、外部のサービスでは代替できません。
よくある質問
AI査定の数字をそのまま売主に提示していいですか
いいえ、参考値であることを書面で明示したうえで提示してください。AI査定は統計に基づく推定であり、物件の個別事情や市場との交渉で成約価格は変わります。査定価格の決定と説明は、宅地建物取引士が根拠を持って行うべき業務です。
AI査定の精度はどのくらいですか
物件種別と地域で大きく変わるため、一律には言えません。取引件数の多い都心の中古マンションでは推定が安定する一方、年に数件しか動かない地域では信頼度が下がります。自社の取扱エリアで過去の成約物件10件を使って検証するのが、最も実用的な確認方法でした。
サービスによって金額が違うのはなぜですか
使っている基礎データの範囲と、個別事情の補正方法が異なるためです。公開されている取引価格情報を基礎にする点は共通していても、各社が持つ独自データと補正のロジックが違えば、結果は数百万円単位でずれます。どれが正しいかを判定するより、差の要因を理解して使い分けてください。
「今が売り時です」と伝えてもいいですか
根拠を示せない場合は避けてください。宅地建物取引業法は断定的判断の提供を禁じており、将来の価格動向を言い切る発言は問題につながりえます。市況に触れる場合は、公表されている統計を示し、そこから何が読めるかという形で説明してください。
査定額を高く出して媒介契約を取るのは問題ですか
根拠のない高値査定は、景品表示法上の優良誤認を招く表示に当たる可能性があるほか、その後の値下げ交渉で売主の信頼を失います。短期の反響は増えても、成約後の満足度と紹介の減少という形で返ってくる傾向がありました。
AI査定に個別事情を入力できますか
サービスによります。リフォームの有無や角部屋かどうかを追加入力できるものもありますが、補正のロジックが開示されていないことが多く、入力した条件がどう反映されたかを説明できない場合があります。補正の根拠が見えないサービスは、顧客への説明資料には使いにくい領域でした。
導入にどのくらい費用がかかりますか
AI査定サービス自体は無料のものから月額数万円まで幅があります。生成AIで比較事例を整理する費用は、月50件の査定でも日本円で1,500円ほどです。費用より、自社のエリアで使えるかどうかの検証に時間をかけてください。
参考文献
売買仲介の実務は売買仲介カテゴリにまとめています。契約書のチェックについてはClaude Opus 5の1Mコンテキストで契約書をレビューする記事、市場データの収集はPerplexityで相場リサーチと商圏分析を行う記事もあわせてご覧ください。
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）
※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 / 宅建業免許 東京都知事(1)第113520号 / AI導入コンサル100社超）