建設や不動産の調査にAIを使うとき、目的は物件を自動で採点することではありません。対象の物件を取得候補に残すのか、追加の調査へ回すのか、それとも見送るのかを決めることです。この判断を進めるために、立地や取引、建物の設計、災害のリスクなどに関する複数の資料をAIに読み込ませて照合します。
このとき注意したいのは、同じ住所を扱う資料でも、それぞれ答えてくれる内容が違うということです。周辺の取引価格が分かっても、その土地に計画通りの建物を建てられるとは限りません。地域の建築工事が増えているという統計があっても、目の前にある物件で利益を出せるかどうかは決まりません。
そのため、AIに結論を任せることは避けます。AIの役割は、事業について立てた仮説を支える証拠、仮説に反する証拠、まだ確認できていない情報の三つへ資料を整理することです。その結果を受け取った人が、元の資料や現地の状態を直接確かめて、最終的な判断を下します。
対象物件を取得候補に残すのか、追加調査へ回すのか、あるいは見送るのか。こうした決断を、資料の範囲を混同せずに下すにはどうすればよいのでしょうか。まずは、AIへ情報を渡す前に資料の役割を三つの層に分ける考え方から説明します。
建設・不動産のAIリサーチで資料を三層に分ける
不動産の調査では、対象の土地や建物を取得するか、どの用途で運用するかを判断します。取引価格や災害リスク、都市計画などが主な確認事項です。
国土交通白書が説明する不動産情報ライブラリを使うと、価格や防災、周辺施設のオープンデータを地図上で確認できます。しかし、こうした公開情報は初期の調査には使えますが、個別物件の正確な境界や現在の状態、権利関係を証明する資料ではありません。
建設の調査では、計画した用途や規模の建物を実際に作れるかを確かめます。敷地の条件や建物の構造、工事の工程などが対象になります。
建築着工統計の時系列データには、都道府県ごとの戸数や建物の用途別面積などがまとまっています。これを使えば市場全体の動きは読めますが、目の前にある特定の敷地で工事ができるかどうかの答えにはなりません。
そのため、集めた資料を一括してAIに渡すのではなく、役割を三つに分けることが重要です。全体の傾向を見る「市場」の資料、周辺環境や法規制を見る「敷地」の資料、実際の工事を見積もる「設計・施工」の資料です。
資料の役割を分けたら、AIの出力でも市場、敷地、設計・施工の区分を保ちます。資料を整理した次は、物件を評価するための仮説と反証条件を定めます。
取得判断の仮説と反証条件を先に置く
例として、既存の建物を取得し、賃貸住宅へ改修する事業を想定します。ここで立てる事前仮説は、「周辺に賃貸需要があり、災害リスクや建築条件を考慮しても改修の収支が成り立つ」というものです。
この仮説を確かめるには、複数の証拠が必要です。近隣の取引事例や賃料だけではなく、地理、災害、都市計画、建築条件などの情報を集めます。さらに、承認済みの図面から出した面積や部材の表、改修の概算費用も用意します。
同時に、取得を見送る、あるいは追加調査へ戻すための反証条件も定めます。たとえば、比較事例の条件が対象の物件と一致しない場合、賃貸需要の仮説を裏付けたとはみなしません。
また、必要な改修範囲を図面から十分に確認できない場合は、AIが計算した概算費用だけで取得の判断へは進みません。現地の状態や権利関係、契約条件などは人が確定する必要があるため、法令や権利の未確認事項が残っているときも判断を止めて追加調査へ戻します。
漠然と「有望な物件はどれか」とAIに問うのではなく、「この物件を取得候補に残すために、どの仮説を何で確かめるか」を先に決めます。AI調査の問いを先に設計する方法も、この仮説と確認事項を整理する際に使えます。次は、証拠となる公開データの地域や期間をそろえます。
公開データは地域、期間、粒度をそろえる
地理空間データは、同じ地図上に重ねて表示できても、情報の更新時期や作成基準が一致するとは限りません。国土交通省の地理空間情報課ラボは、PLATEAUや国土数値情報などの連携を扱う一方、土地境界データなどには未整備地域が残ると説明しています。
画面にデータが表示されても、必要な情報をすべて確認できたとはみなしません。データの有無と対象範囲を個別に把握します。
3Dの都市モデルを使う場合も、画面に映る建物の見た目だけで精度を判断することは避けます。PLATEAUの標準作業手順書に基づいて、対象となる都市や地物、モデルの詳細度、品質評価、情報が更新された時点を確認します。現在の状況とモデルが作られた時点にずれがある場合は、現地調査を行って情報を補います。
日本と海外のデータを比較するときは、集計されている工程の違いをそろえる必要があります。米国国勢調査局の住宅建設統計は、建設の許可、着工、建設中、完成をそれぞれ異なる段階として扱っています。日本の着工戸数と米国の許可件数を同じ指標として並べてしまうと、工程の差による数値の違いを読み違えてしまいます。
建設にかかる金額を比べる際も同様です。米国国勢調査局の建設支出統計には、測定する対象や推計の方法が定められています。国や制度をまたいで比較するには、通貨を換算する前に、何をどの時点で数えたかを一致させなければなりません。このように周辺環境や市場の公開データの条件をそろえたら、次は建物自体の設計情報をAIへ渡す準備に移ります。
BIMをAIへ渡す前に読み取れる形へ変える
BIMは、壁や柱などの立体的な形状に、材質や寸法、部屋の名前といった情報を結び付けたデータです。しかし、BIMのファイルをそのまま渡しても、AIが設計の意図や工事の条件を正しく読み取れるわけではありません。
BIMとIFCのデータをAIへ渡す準備について調べたレビューは、形状情報のばらつきや、利用可能な形式へ変換する手段の不足を課題に挙げています。このレビューはBIM環境を対象としており、量的な傾向を広く一般化できる段階ではないとも述べています。IFCを使う場合も、項目名と値の揃い方はモデルごとに確かめます。
AIにはモデルを直接読み込ませず、整理した表を渡します。
担当者は承認済みモデルから部屋表、面積表、部材表、変更履歴を書き出します。出力形式はCSVまたはXLSXにします。
設計図PDFを添える場合は、図面番号と版を別の列に記録します。発行日と承認状態も同じ表に残します。
AIが表の数量差を見つけても、設計変更はAIに決めさせません。モデルの版、集計対象、単位設定を設計者が元のモデルで確認します。
施工会社の見積条件と、現場でしか分からない部材の納まりも人が確認します。データを整えたら、次はChatGPTで情報を分類します。
ChatGPTで支持・反証・未確認へ分ける
準備したデータのうち、社内の規程で外部への送信が許可されたファイルだけを用意します。表の各行には、取引事例や法規制などを一つずつ入力します。出典URL、取得日、対象期間は別の列に分けます。地域、物件種別、単位、確認状態も記録します。
これらの表計算ファイルは、ChatGPTのデータ分析機能を使うと読み込ませることができます。新しいチャット画面を開いてファイルを添付し、入力欄へ依頼の文章を書き込みます。
依頼文には、あらかじめ決めておいた取得の仮説と反証条件を書き込みます。そして、ファイルの中にある情報を「仮説を支持する証拠」「仮説に反する証拠」「未確認の事項」の三つに分けるよう指示します。空欄を推測で補わないよう指示し、判断の根拠になった行番号と出典URLを一緒に出力させます。たとえば、次の依頼文を使います。
取得仮説「周辺に賃貸需要があり、災害リスクと建築条件を織り込んでも改修収支が成立する」を検証してください。各行を「支持する証拠」「反する証拠」「未確認」に分けてください。
地域、期間、物件種別が違う値は統合しないでください。面積、築年、工程段階が違う値も統合しないでください。
比較事例の地域、期間、物件種別が対象物件と一致しない場合は、賃貸需要を支持する証拠にしないでください。
改修範囲を図面から確認できない項目と、法令・権利が未確認の項目は「未確認」として先に示してください。
各行に根拠行、出典URL、定義の違い、収支への影響を付けてください。最後に「取得候補」「追加調査」「見送り」の暫定分類と、不足する資料を示してください。空欄は推測しないでください。
出力には、証拠区分、根拠行、定義の違いを含めます。収支への影響と未確認事項も列にします。
最後に出力させるのは、「取得候補」「追加調査」「見送り」の暫定的な分類です。ただし、この三択はAIに物件の取得を決めさせるためのものではありません。人がどの情報を優先して確かめるべきか、作業の順序を決めるための下書きとして使います。
AIを利用する際、機密資料を外部のサービスへ送信してよいかは、個別の契約や社内のルールによります。OpenAIのファイルアップロードに関する案内を確認すれば対応しているファイルの形式などは分かりますが、第三者から借りたデータの扱いなどは別の確認が必要です。
AIの出力を手に入れたら、まずは「仮説に反する証拠」から目を通し、公的な画面や元のデータへ戻って照合します。次は、この分類結果をもとに、現地調査や法務、設計の担当者がどのように事実を確かめていくのかを説明します。
AIの結果を現地・法務・設計の確認へ渡す
AIによる分類結果を受け取ったら、自動的な比較はいったん終わります。住所表記、面積単位、図面の版、統計定義の違いを確認票にします。担当者は確認票から原典へ戻ります。
AIツールを導入しただけでは、誰がどの情報を確定させるかという責任分担や、データの版管理までは整いません。RICSの建設業AI調査でも、回答者は技能不足と既存システムとの統合を主な障壁として挙げています。回答者の認識であり、すべての建設会社へ一般化はしません。
物件を取得候補に残すのは、需要の比較条件がそろい、災害や法規制の条件を計画に織り込み、図面と費用の根拠を追える場合です。情報の一部が未確認として残っているなら、現地調査や行政窓口での確認、設計や法務の担当者による調査へ回します。
一方で、比較する事例の条件が合わず、事業の収支を支える前提が崩れた場合は取得を見送ります。AIが物件に高い評価を与えたとしても、それを取得の最終的な判断基準にはしません。記録として保存するのはAIの点数ではなく、支持する証拠、反証、未確認の事項、そして追加の調査を行った担当者の名前と日付です。
建設や不動産のAI調査で役立つのは、集めた資料を要約して一つのランキングを作ることではありません。市場、敷地、設計、施工の各資料が持つ役割と限界を混ぜずに保ち、次に人が行う調査と判断へ正しく引き継ぐことです。
よくある質問
Q1. 建設・不動産の物件調査をAIだけで完了できますか？
AIだけで調査を完了させることはできません。AIの役割は、集めた複数の資料を比較し、情報が矛盾している点やまだ確認できていない事項を探し出すことです。対象物件の現在の状態や権利関係、法令に適合しているかといった重要な項目は、人が元の資料や専門家の意見をもとに確定させます。
Q2. 不動産情報ライブラリのデータだけで取得判断できますか？
価格、防災、都市計画の初期調査には使えますが、取得判断までは完了しません。対象物件の境界、権利、現況、契約条件は別の原典と現地調査で確認します。
Q3. BIMファイルをそのまま生成AIへ渡せますか？
利用するAIがBIM形式へ対応しているかを先に確認します。本稿の手順では、担当者が承認したモデルから面積表や部材表を作り、図面の版、単位、集計範囲を付けて渡します。
Q4. AIへ物件資料を添付するときに何を除きますか？
第三者への提供が契約で禁じられたデータと、社内規程や秘密保持契約で外部送信を許可されていない資料を除きます。個人情報や社内資料を扱えるかは、社内規程、利用権、AIサービスの契約条件とデータ取扱条件で確認します。
Q5. AIの比較結果から取得候補を決める基準は何ですか？
担当者が事前仮説、必要証拠、反証条件を照合して決めます。判断を変え得る情報が未確認なら、取得候補へ確定せず、確認先と担当者を決めて追加調査へ回します。
調査手法について
こちらの記事はグラフAIリサーチプラットフォームのSnorbeを使って作られています。Snorbeは研究開発・新規事業向けの調査テーマに応じた幅広い項目のオートリサーチや、ナレッジグラフの構築、構造化レポートの生成ができるAIリサーチツールです。
Screenshot
調査したいテーマを入力するだけで、AIが深堀りすべき観点や広げるべき調査項目をレコメンドしながら、自動でリサーチを進めます。収集した情報はナレッジグラフとして蓄積され、未調査領域（ホワイトスペース）を可視化しながら調査の網羅性を高めていけます。
また、観点マトリクスを30秒・構造化レポートを10分で自動生成する機能があり、出典付きのレポートをMarkdown/PDF形式でエクスポートできます。調査の元データも保存されるため、ファクトチェックや社内共有も容易です。
ご利用をご希望の方は、こちらよりお申し込みください。
また、グラフAIを活用した社内ナレッジ管理や、研究開発・新規事業のリサーチ支援、セルフホスト導入のご相談も受け付けています。お困りの方はお気軽にご連絡ください。
市場調査やデスクリサーチの生成AIエージェントを作っています 仲間探し中 / Founder of AI Desk Research Agent @deskrex , https://deskrex.ai
コメント