不動産AIの試験導入で目標達成は5%だけ、失敗を避ける5つの確認点

不動産AIの試験導入は92%が実施する一方、目標達成は5%。JLL調査をもとにPropmodoが整理した失敗要因を、日本の仲介・管理会社向けの確認点として解説します。

不動産AIの試験導入で目標達成は5%だけ、失敗を避ける5つの確認点

JLLの2025年調査では、不動産AIを試験導入中の企業は92%に達した一方、目標の大半を達成できたのは5%にとどまりました。

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。

米国の不動産テック媒体Propmodoが、商業不動産におけるAI試験導入（パイロット）がなぜ成果に結びつかないのかを整理した記事を公開しました。AIパイロットとは、本番運用の前に小さな範囲で効果を確かめる試験導入のことです。商業不動産の話ではありますが、AIツールを検討中の日本の賃貸・売買仲介や管理会社にも、そのまま当てはまる論点が多い内容でした。

何が起きたか：試験導入は92%、目標達成は5%

Propmodoによると、JLLの「2025 Global Real Estate Technology Survey」は、16市場の上級意思決定者1,000人超から回答を集めました。その結果、不動産AIを試験導入しているチームの割合は、3年で5%未満から92%に跳ね上がっています。利用企業は平均で5件のパイロットを同時に走らせ、検討中の用途は約27件にのぼります。

ところが、プログラムの目標の大半を達成できたと答えた組織は5%でした。残りは実験や評価を続けているか、成果が出ないまま静かに中止しているとされています。記事は、問題はAIが作業をこなせるかどうかではなく、試験で動いたものを安定して採算の合う本番業務へ移せるかどうかにあると整理しています。

失敗の型として挙げられたのは、次の5つです。入力データの質が低いこと、AIの誤りがどこにあるか分からないこと、確認作業のコストが手作業を上回ること、一般的なモデルが不動産書類の特性を理解しないこと、そして導入後の運用体制がないことです。

データが散らかっていれば、AIはその散らかりを増幅する

不動産のデータ品質は、記事が最初に挙げる失敗要因です。記事は、JLL調査で6割超の企業がAI活用の前に、機能の重複や使われていないシステムといった基本的な課題を片付ける必要があったと紹介しています。また81%が、期待した成果を出していない既存システムを3つ以上抱えているとのことです。

データ分野の専門家は、記事内で「One of the biggest reasons that AI pilots fail is inaccurate data」と述べています。登記や物件資料のように、書式が地域や担当者ごとにばらつく入力から情報を抜き出す場合、出力の品質は元の資料の品質を超えられません。

また、誤りの有無よりも、どの出力が怪しいかをAIが示せるかが重要だと指摘されています。たとえば、100件の契約書の読み取り精度が94%と分かっても、残りの6%がどれかが分からなければ、全件を確認するか、まったく確認しないかの二択になります。前者は効率化の効果を消し、後者は誤りをそのまま業務に流してしまいます。

日本の不動産事業者にとっての論点

この話は商業不動産の海外事例ですが、日本の現場に置き換えると論点が3つあります。

1つ目は、確認作業を含めた総コストで判断することです。記事は、AIの出力を人が二重に確認すると、手作業より高くつく場合があると指摘しています。重要事項説明書の下書きや賃貸借契約書のチェックにAIを使う場合も、宅地建物取引士が最終確認する前提では、確認時間が減らなければ導入効果は出ません。導入前に、現在の作業時間、ミス率、差し戻し件数を記録しておくことが出発点になります。

2つ目は、信頼度スコアで確認対象を絞るという考え方です。記事では、複数のモデルに同じ書類を読ませ、結果が食い違った項目だけを人が確認する方法が紹介されています。一致した項目の精度が数千件の実績で裏付けられれば、高スコアの項目は確認を省略できるようになるという設計です。管理会社で請求書や見積書の読み取り、仲介会社でレインズや登記情報の転記を自動化する場合にも、応用できる発想です。

3つ目は、費用対効果の説明責任が重くなっていることです。JLL調査では65%の組織が過去2年間にテクノロジー予算の制約を経験し、承認前により詳細な事業計画が求められるようになったとされています。日本の中小の不動産会社でも、IT導入補助金などを使う際に効果測定の根拠が求められます。最初の試験導入で数字を残せなければ、次の段階の予算は付きにくいと考えるのが現実的です。

なお、国土交通省は2025年に、宅地建物取引業者を対象とした不動産分野のDX実証事業の参加者を募っていました。全日本不動産協会のお知らせによると、導入費用の一部を補助する内容でしたが、2026年度以降に同種の支援があるかは要確認です。

今後の展望と初動アクション

記事は、成功する5%が特別に優れたモデルを使っているわけではなく、準備の質が違うと結論づけています。拡大の前に、次の5つの問いに答えられるか確認するよう勧めています。

基準値を測れているか。出力を信頼できるか。例外を効率よく見つけられるか。人の確認を含めても採算が合うか。本番の業務フローで安定して動くか。この5点です。

日本の不動産会社が最初にできることは、次の3つに絞れます。1つ目は、AIを入れたい業務の現状の所要時間、件数、ミス率を2週間分だけ記録することです。2つ目は、入力となる書類や顧客情報の保管場所と書式を揃えることです。物件資料が担当者ごとの表計算やメールに散らばっているなら、先にそこを整理します。3つ目は、ベンダーに「確認が必要な出力をどう特定できるか」と「導入後の運用支援は誰が担うか」を質問することです。記事は、人による確認を組み合わせた端から端までの支援を求める企業が多いと紹介しています。

注意点として、本記事の事例と数字は米国を中心とした商業不動産の調査に基づいています。日本の賃貸・売買仲介にそのまま当てはまるとは限らず、記事内の専門家はデータ関連のサービス提供企業の立場である点も割り引いて読む必要があります。

まとめ

AIの試験導入は広がっていますが、目標を達成できた組織は5%という数字は、導入そのものより準備と運用設計が成否を分けることを示しています。日本の不動産事業者は、AIツールを選ぶ前に、現状の基準値を測り、データの置き場所を揃え、人の確認を含めた採算を試算してください。その順番を守るだけで、試験導入が成果の出る業務改善に変わる確率は上がります。

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/

引用元: Propmodo

【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）