中古物件の賃料設定を予測AIで支援、不動産グループの空室期間短縮の取り組み

最初に効いたのは、AIを適用するテーマを「早期賃貸付け」の一点に絞り込んだ進め方です。全社の機能戦略上の課題からデータで解けそうな候補を挙げ、部門ごとのヒアリングを重ねて、最も実現可能性が高いと判断できたものが残る形でテーマが決まりました。支援側が用意したテーマ定義シートが、この絞り込みの共通の物差しとして働いています。やりたいことではなく、今あるデータで解けることを起点に置いた選び方が、最初の一本を成立させたのだと見ています。

予測に使う項目を、システム部門と業務部門の往復で決めた進め方も要点でしょう。システム側が20〜30個の特徴量（予測の手がかりとなる項目）を用意して持ち込むと、業務部門からは「これはいらない」という反応が返り、そのすり合わせには相応の手間がかかりました。ただ、この摩擦こそが、ベテランが何を見て値付けしているのかを外に取り出す作業そのものだったと考えられます。過去のデータをやみくもに並べるのではなく、現場の知見で取捨選択を通す設計にしたことが、モデルの実用性を分けたのではないでしょうか。

できあがったモデルを、募集開始の条件を決める・変えるという通常の業務フローの中に置いた点も見逃せません。分析の結果を別途受け取って解釈する運用にすると、判断までに間が生まれますが、業務の流れそのものに埋め込めば、その待ち時間を作らずに済みます。運用中に生じた不具合はその都度連絡を取り合って修正し、現在もモデル改善に向けた定期的な打ち合わせが続いています。