月間5,000件の物件情報PDFをAIで読み取り、不動産の仕入れ業務を自動化

毎月5,000件もの物件情報が、PDFや紙のままメールで届く。担当者はそれをExcelに打ち直し、そのうえで仕入れ価格を算出していたため、処理が追いつかない場面では仕入れ判断そのものが遅れ、他社に物件を押さえられるという損失が生まれていました。

編集部の見立てでは、困りごとの本質は件数の多さではなく、判断の起点がすべて転記の完了待ちになっていた構造にあります。仕入れ先ごとにレイアウトも記載項目も異なる資料は、人が目で追って意味を汲み取るしかなく、その読み解きが終わるまで価格を出す仕事に着手できません。届く量が増えるほど価格提示は遅くなり、スピードが競争力に直結する仕入れ業務では、そのまま抱え続けにくい負荷だったと考えられます。

単純な文字起こしで終わらせず、抽出したデータの整合性まで含めて生成AIに担わせた設計が、この自動化の要になっています。仕入れ先ごとに様式の異なる資料は、決まった位置から文字を拾う従来型の読み取りでは取りこぼしが避けられません。Amazon Bedrock経由でClaude Sonnet 4に解析させ、Salesforceに取り込みやすいJSON形式へ整形するところまでを一続きの処理にしたことで、様式のばらつきを人が吸収しなくてよい形に落とし込んでいます。

自動化の範囲を既存のSalesforceの手前までに限定した割り切りも、実運用へ乗せやすくした判断でしょう。仕入れ価格の算出はもともとSalesforce上で行われており、業務のやり方そのものを作り変える必要はありません。受け渡しにAmazon AppFlowを用い、連携する頻度を業務に合う間隔へ調整することで、動かし続けたときのコストにも目配りされています。

タイトな納期に対して機能を分割し、要件が決まったものや構築環境が整ったものから順次対応する進め方も見逃せない点です。全体の要件が揃うのを待たずに着手できるため、決めきれない部分が開発全体を止めずに済みます。運用に入ってからもSalesforce側の仕組みと連動した異常検知やエラー通知が組み込まれており、自動化した処理が黙って失敗したまま流れていく事態を防ぐ備えが置かれています。

手作業で行われていた物件情報の抽出からSalesforceへの連携までが自動化され、作業工数は大幅に削減されています。仕入れ先へのレスポンスも速くなり、判断の遅れによる物件取得の機会損失を抑えることにつながりました。運用面では異常検知とエラー通知が働き、実務に即した形で安定稼働しています。今後については、さらに大量の物件情報への対応や、仕入れ予測といった新しいAI活用の可能性も検討されています。