1. 数字ではなく信頼区間で:評価の再編

同じ家、違う数字

2021年、テキサス州オースティン郊外の寝室3つの一戸建てが、二つの答えを出した。

一つは人間が出した答えだった。地元市場で20年のキャリアを持つ鑑定士が家を歩き、屋根の状態や裏庭の日当たり、隣地との塀の高さを確認し、最近売れた類似物件3件と比較した上で価格を付けた。もう一つはアルゴリズムが出した答えだった。Zillowが提供するAVM(自動査定モデル)、通称「Zestimate」は、数千の変数を一度に走らせ、数秒で数字を弾き出した。延べ床面積、方角、階数、学区、直近の地域の取引履歴、さらには航空写真にプールが写っているかどうかまでもが変数だった。

二つの数字は食い違った。それ自体は驚くに値しない。人間の鑑定士同士でも意見が割れるのはよくあることだ。本当に驚くべきことは、この後に起きた。Zillowは自社アルゴリズムの答えをそこまで信頼し、その価格で実際に住宅を買い始めたのだ。「iBuying」と呼ばれるこの事業は、単純で大胆な命題の上に成り立っていた。AIが正確に値付けできるなら、自分たち自身がその価格で売買してもいいのではないか。2021年第3四半期だけで、Zillowはこの事業で4億2,100万ドルの損失を出した。その年が終わる前に、Zillow Offersは完全に閉鎖され、大量の人員削減が行われた。通年の損失額とCEO自身の公式な告白の詳細は、第8章で扱う¹。ほぼ同時期、欧州やアジアでもiBuyingの実験が縮小、あるいは静かに幕を閉じていった――英国の複数のスタートアップや、中国の大手仲介プラットフォームいくつかの自社買取事業もその例だ。これは一社の判断ミスではなかった。「正確な価格タグ」と「実際にその価格で売買する市場の流動性」を取り違えるという同じ過ちが、複数の大陸で繰り返されたのである。

Zestimate自体の精度は悪くなかった。実際に売りに出された住宅と比較した誤差率はおよそ2%で、これは多くの人間の鑑定士より高い精度だった¹。それでもこの会社は、わずか数四半期で数億ドルを溶かした。

その理由は、本章全体を貫く一つの区別にある。「その物件がいくらの価値を持つかを知ること」と「実際にその価格で売買する度胸とタイミングを持つこと」はまったく別の問題だ。 AIは前者を得意とする。後者は今も、そしておそらくこれからも長らく、市場の流動性、タイミング、人間の判断が絡み合う領域であり続ける。この5年間で不動産評価に起きた本当の変化は、「AIが人間より正確になった」という単純な話ではない。問いそのものが変わったのだ。「この建物はいくらか」ではなく、「この建物の価値の確率分布はどんな形をしているか」へと。

精密さの時代から、信頼区間の時代へ

不動産投資の古典として知られる1999年の著書『The Real Estate Game』の中で、ウィリアム・プールブは今なお示唆に富む主張をしている。不動産の価値はほとんどの場合、精緻なスプレッドシートではなく「封筒の裏の計算」で判断されるというのだ。ハーバードで不動産論を教えていた彼自身、学界がますます精緻なモデルへと向かう一方で、実務家はNOI(純営業収益)、ROE(自己資本利益率)、再調達コストに対する購入価格といったごく少数の中核比率だけを使い、案件をすばやくふるいにかけていると指摘した。仲介業者からの電話を受けながら黄色いリーガルパッドに走り書きした彼の計算は、今見てもその単純さが際立つ。購入価格を延べ床面積で割って坪単価を出し、それを新築コストと比べて価格の安全性を測り、運営コストと元利返済を差し引いた後に賃料が投下自己資本の何パーセントを生むかを計算する。彼はこれを「おばあちゃんのチキンスープ」のアナロジーと呼んだ。精密なレシピなど不要で、毎回だいたい正しい結果が出てくるという意味だ。

それから25年、この比喩をひっくり返してみる価値がある。AI時代の不動産評価は、おばあちゃんの手さばきに行き着いたのではない。むしろ正反対の極に行き着いた。数千の変数を定量化し、数百万件の過去の取引で訓練され、誤差率を小数点以下まで管理する超精密な機械である。ところが、この精密さが実務家にもたらしたのは「もう一段正確な数字」ではなかった。皮肉なことに、その数字をそもそもどこまで信頼すべきかという問いだったのだ。

理由は単純だ。AVMの誤差率は一様ではない。標準化された資産が取引される流動性の高い市場では、誤差率は2~3%まで下がりうる。米国郊外の寝室3つの住宅はその典型で、データが潤沢にある²。ところが取引量の薄い市場や特徴のある商業資産、あるいは生まれたばかりの新興資産クラス(後述するデータセンターがその代表例だ)に目を移すと、誤差率は容易に10%を超える。原因はデータの乏しさにある。同じモデル、同じ企業から、「これはほぼ確定と言っていい」数字と「あくまで目安にすぎない」数字が並んで出てくる。AVMとは本質的に、極端な速度で走らせる取引事例比較法にほかならない。人間が一本の電話で5、6件の類似物件から印象を形作るところを、機械は同じ瞬間に数千件をスキャンする。だがスキャンすべき対象――取引記録――が何もない市場では、どれほど速い機械でも手がかりを持たない。

過去5年間、業界にはある感覚が静かに、しかし確実に根を下ろした。優れた評価モデルの物差しは、もはや「どれほど正確な数字を出すか」ではなく、「その数字にどこまで自信を持てるかを教えてくれるか」になったのだ。統計学から借用された「信頼区間」という概念は、いまや不動産実務の日常語彙の一部になった。「この建物は100万ドルの価値がある」という単純な一点主張ではなく、「この建物は90%の信頼度で95万~105万ドルの価値があるが、この範囲は直近の類似取引3件にのみ基づいており、サンプルは薄い」という答えこそが、いま信頼される答えとなった。精密さではなく、正直さが新しい基準になったのだ。

8分間のアンダーライティングと、その代償

この変化がもっとも劇的に表れたのが、商業不動産ローンの審査(アンダーライティング)である。伝統的に商業不動産ローンは官僚的なプロセスで、書類提出から承認まで30~45日を要し、銀行員やアナリストの手を何度も経由した。賃貸借契約書を一件ずつ読み込み、テナントごとの賃料明細をスプレッドシートに転記し、運営報告書の数字を前年と照合し、キャッシュフローモデルを手作業で組み立てる。先に述べた封筒の裏の計算が一本の電話の中で完結するのと同じく、この作業の根底にあるロジック自体は単純だ。違うのは規模である。個人投資家が一棟の建物をふるいにかけるときに使う同じ算術を、銀行は毎日何百件もの案件で繰り返さなければならない。

この5年間、銀行によるAIアンダーライティング導入の報告が積み上がってきた。審査時間の50~75%削減、コストの最大20%削減といった具合だ³。条件が明確に整った案件では、AIが書類を読み取り、キャッシュフローモデルを自動生成し、8分で審査を終えるケースも登場している。アナリストが数週間かけていた作業を、機械はコーヒー1杯を飲み終える時間で片づけてしまう。

その速さには代償が伴う。なぜその数字が出たのか説明しにくい「ブラックボックス」が増えているのだ。人間のアナリストなら、「このテナントの直近の売上が振るわないので、更新確率を低めに見積もった」というように、判断の根拠を言葉にできる。AIモデルが同じ結論に達しても、それが本当にテナントの売上数字に由来するのか、それとも訓練データに偶然紛れ込んだバイアスに由来するのかを見極めるのははるかに難しい。規制も、遅ればせながら、しかし速いペースで追いついてきており、その出発点と対応の形は国によって異なる。米国では2024年に発効した「AVMに関する省庁間規則」が、評価モデルの信頼度管理、データ改ざんへの防御策、利益相反防止を義務付けている⁴。欧州では鑑定業界の基準を定める機関が、2025年の改訂基準を通じて「AVMは単独で正式な鑑定に代わることはできず、現地調査と専門家の判断とを組み合わせなければならない」という原則を確立した。5年前、競争優位とは「いかに速くAIを導入するか」を意味した。今日それは「AIの判断をどれだけ説得力を持って説明できるか」を意味する――大陸をまたいで通用する、新しい競争軸である。

30人がジャイアントを買った

この5年間を象徴するもう一つの出来事がある。2021年、世界最大級の不動産サービス会社の一つであるJLLは、社員わずか30人あまりのイスラエル・ニューヨーク拠点のデータスタートアップ、Skyline AIを買収した。この会社が実際に何を作り、買収後どう使われたかは第2章で詳しく扱う⁵。

この買収が投げかけた問いは単純で鋭かった。数十年をかけて築かれた仲介業者や鑑定士の組織よりも、少人数のデータサイエンティストのチームが、資産の未来をより正確に予測できるのか。業界の答えは、この買収そのものだった。これは孤立した能力獲得の方法ではなかった。その後5年間、大手仲介会社や資産運用会社は繰り返し、自社構築ではなく買収を選んだ。アジアはやや違う道を歩んだ。ある中国の大手不動産仲介プラットフォームは、買収ではなく大規模な社内データエンジニアリングチームを構築し、写真から物件の状態を読み取る画像認識ツールを含む独自のAI評価支援機能を内製で開発した。買収か内製かは分かれたが、AI能力が不動産サービス会社の中核的な競争資産になったという結論は大陸を超えて共通していた。JLL自身の裏付け統計(AIユースケースの数、機関投資家の試験導入率)も第2章で扱う。評価はもはや一握りのアーリーアダプターの実験ではない。業界標準のワークフローになったのだ。

アルゴリズムが、それと知らずに作り上げた談合

この5年間のすべてが明るい物語というわけではない。もっとも劇的な逆転劇は、賃料設定ソフトウェアRealPageのケースだ。このソフトウェアは複数の大家から非公開の価格情報をプールし、各建物に「最適な賃料」を推奨した。その論理はもっともらしく聞こえた。AVMと同じ前提、すなわちデータが多いほど価格は正確になる、というものだ。

問題は、同じ都市の複数の大家が同時にこのソフトウェアを使っていたことだった。個々の大家が互いに談合を話し合ったことは一度もない。だが誰もが自分の建物の価格データを同じアルゴリズムに投入し、そのアルゴリズムが各人に「ほかの誰もが同じソフトウェアを使っているのだから、市場は足並みをそろえた賃上げに耐えられる」という同じ結論をそっと返す構造ができあがっていた。結果として、誰も明示的に合意していないのに、談合と同じように機能する構造が生まれたのである。米司法省の訴状によれば、あるオーナーはこのソフトウェア導入から1週間以内に賃上げを開始し、11カ月で25%以上値上げした⁶。米国の賃料アルゴリズム訴訟は事実上、これを談合の幇助として告発するもので、2025年11月、このソフトウェア会社は不正を認めないまま司法省と和解し、非公開の競合情報を用いた賃料推奨機能を廃止することに同意した⁶。

このケースは、一企業や一国の問題にとどまらない意味を持つ。「AIは市場をより効率的にする」という物語に対する、初の本格的な法的反証だからだ。似た懸念はすでに大西洋の向こう側でも表面化している。不動産ではなく欧州のガソリン小売業だ。多数のガソリンスタンドが同一の価格アルゴリズムに切り替えた後、マージンが足並みをそろえて上昇し、競争当局の注目を集めた。業界は違えど、構造は同じである。個々の国の法律を脇に置いて根底の原理だけを見れば、複数の競合企業が同じ価格アルゴリズムを同時に稼働させた瞬間、そのアルゴリズムは効率化ツールと談合装置の境界線上に立つ。各当事者は個別には合理的に行動しているのに、結果として全体がカルテルのように機能してしまう――新種の市場の失敗である。これはAI評価の最初の5年間がもたらした、もっとも意外な教訓であり、一国にとどまる話ではない。

鑑定士は消えていない。持ち場を移しただけだ

では最終的に、鑑定士や仲介業者という職業はどうなるのか。5年間のデータが指し示す答えは、「消滅」ではなく「移動」である。

AIが明らかに肩代わりした仕事は確かにある。類似物件の抽出と一覧化、標準化された資産の価格計算、賃料明細の読み取りとキャッシュフローモデルの構築。こうした反復的で定量的な作業は、いまや人間より機械の方が速く、標準的な資産であれば正確でもある。だからこそ大手仲介会社は、自社構築ではなくSkyline AIのような企業を丸ごと買収したのだ。反復計算能力はもはや人間が手作業で埋めるべき空欄ではなく、既製品として買ってくる部品になった。

まさにそれゆえに、人間に残された仕事の性格が変わった。今日、鑑定士が向き合う問いは「類似物件が最近いくらで売れたか」ではない。それは機械が数秒で答えてしまう。代わりに人々が向き合うようになったのは、データがまだ捉えていない問いである。モデルが参照できるまともな類似物件が存在しない資産をどう評価するか。この界隈でテナント構成に、データがまだ拾い上げていない変化の兆しはないか。売り手は切羽詰まった事情を隠していないか。「AVMは現地調査と専門家の判断と組み合わせなければならない」という欧州の鑑定基準機関の主張も、これと同じ精神に立っている。機械の答えと人間の答えを並べ、その乖離を人間が指摘するという構造を制度化しているのだ。

仲介業者の役割も同じように変化した。相場を教えることの希少価値は、誰もが数秒で携帯電話で確認できる時代になって失われた。代わりに価値を生むのは、交渉のテーブルの向こう側にいる相手の本当の事情を読むことであり、規制、地域社会との関係、パートナーシップといった数字に還元できない変数を乗りこなすことだ。この5年間が生み出した新しい分業はこうなる。データが豊富な領域では、機械が「いくらの価値があるか」を計算する。データが薄い、あるいはそもそも数字に還元できない領域では、人間が「この数字は信頼できるか」を判断する。失われた仕事ではない。持ち場を移した仕事なのだ。

信頼区間の先にあるもの

では、この5年間の物語のうちどの部分が、3年後、あるいは別の国でも通用し続けるだろうか。三つの問いが際立つ。

第一に、AI評価の精度がデータの密度に直結するという構造的な限界は消えない。流動性の高い市場の標準化された資産では、AIはこれからもさらに精密に人間を上回り続けるだろう。希少で特殊な資産や新興資産クラスでは、人間の経験と直感が優位を保ち続ける。その境界線はAIモデルの進化とともに動き続けるだろうが、完全に消えることはない。

第二に、「予測」と「その予測を根拠に実際に資本を投じる決断」は、これからも別の問題であり続ける。Zillowが4億ドル超を失ったのは、モデルが間違っていたからではない。正確な予測を実際の取引に転換する過程で、統計モデルが苦手とする市場の流動性とタイミングという変数につまずいたからだ。AIがどれほど洗練されても、このギャップはそう簡単には埋まらないだろう。なぜなら不動産は、売りたいと思った瞬間に売れる資産ではないからだ。

第三に、複数の競合企業が同じツールを同時に使うことから生じる構造的リスクは、規制がどう進化しようと、この業界に付いて回るだろう。評価ツールはすでに、個々の判断を助ける道具から、市場全体の価格形成を直接左右するインフラへと踏み出している。このインフラを誰が、どう監督するのかという問いは、まだ始まったばかりだ。

過去5年間が残したのは、「AIが人間に取って代わった」という単純な勝敗の物語ではない。不動産の価値を問うそのやり方自体が変わったのだ。かつては一人の鑑定士がサインした一つの数字が答えだった。今では、その数字にはクエスチョンマークが当たり前のように付いて回る。この数字は実際どこまで信頼できるのか。その問いに正直に答える能力こそが、AI時代の不動産に携わる人と機械の双方に求められる新しい資格になった。

さて、そのクエスチョンマークを次の問いへと運んでいこう。なぜAIはこれほどまでに不動産の価値をこれほどの精密さで計算しようとするのか。そして、そのAI自身は、いったいどこに宿っているのか。

---

ゲームの法則 モデルは市場を要約するのであって、市場を作るのではない。AIはデータが深いところでしか賢くなれないし、正確な数字を知っていることは、実際にその数字に資本を賭ける度胸とタイミングを持っていることを意味しない。だから勝つのは、より洗練されたモデルを持つ側ではない。そのモデルをどこまで信頼できるか、そしてどこから人間が引き継ぐべきかを正確に知っている側である。

---

Sources

Footnotes

1. Zillowは2018年から自社AVM「Zestimate」を用いて住宅を直接売買するiBuying事業(Zillow Offers)を展開したが、2021年第3四半期に4億2,100万ドルの損失を出し撤退した。 市場に出た物件に対するZestimateの誤差率は約2%と報告されている。 (The Close, “Zillow Estimates Ultimate Guide”; Best Practice AI, “Zillow provides real estate price estimates”) ↩ ↩²

2. AVMの誤差率について——業界資料では標準的な住宅資産で2〜3%、非標準・商業資産で5〜15%という幅が広く引用されている。(PatSnap, “AI property valuation technology landscape 2026”; BusinessWire, “PropStream Announces New AVM & AI Innovations”) ↩

3. 業界ベンダー・コンサルティング資料(Blooma、GrowthFactor、Alpacaなど)——銀行によるAIアンダーライティング導入は審査時間の50~75%削減、コストの最大20%削減、条件の明確な案件で8分以内の審査完了事例を報告。 機関やサンプルによるばらつきが大きく、標準化された業界統計ではない点に留意。 ↩

4. 米国の「AVMに関する省庁間規則」(2024年発効)は、評価モデルの信頼度管理、データ改ざんへの防御策、利益相反防止を義務付けている。 コロラド州の2026年AI法など、地域固有の追加コンプライアンス要件も発効済み。 ↩

5. JLLは2021年、イスラエル・ニューヨーク拠点の商業不動産AIスタートアップSkyline AIを買収した。 詳細な仕様、買収後の活用、JLLのAI導入統計は第2章で扱う。 (JLL Newsroom; AI Business; PitchBook) ↩

6. 米司法省は2024年8月、賃料設定ソフトウェア会社RealPageをアルゴリズム談合の幇助で告発した。 あるオーナーが導入から1週間以内に賃上げを開始し、11カ月で25%以上値上げした事例が挙げられている。 (DOJ official announcement; ProPublica; NPR; Holland & Knight) ↩ ↩²