マンション査定AI、実証実験で価格の誤差率4.89% 三井不動産リアルティ

三井不動産リアルティは、AI査定に着手する前から、ウェブサイト上でマンションの推定成約価格を確認できるサービスを提供していました。つまり困っていたのは、価格を出す手段がなかったことではなく、出した数字をどこまで信頼できる情報として顧客に手渡せるか、という点です。

住み替えの検討は、売却でいくらになりそうかという見通しが立って初めて動き出します。裏を返せば、提示された金額の確からしさが心もとなければ、顧客はその数字を判断の土台にできず、サービスは参考程度に眺めるもので止まってしまう。編集部の見立てでは、ここで問われていたのは査定機能の有無ではなく、顧客が最初の一歩を踏み出す材料として耐えられるだけの精度を、自社の手で示せるかどうかだったのではないでしょうか。

価格を左右する条件を、棟ではなく住戸の単位まで分解したことが、精度を押し上げる起点になっています。立地や建物のグレードに加え、階数や部屋の向きまで含めて総合的に評価する設計は、同じマンションでも部屋ごとに相場が変わるという実務の常識を、そのままアルゴリズムの構造へ落とし込んだものといえます。マンション名と部屋番号という二つの入力だけで結果が返る導線も、この粒度があって初めて成り立つもので、利用者に細かな条件入力を求めずに済ませています。

学習素材に、売り出し価格ではなく実際に取引が成立した成約事例を据えた点も見逃せません。売り出し価格には売主の希望が混じるため、それを学べば希望価格を言い当てるAIになりかねませんが、成約価格を正解として学べば、市場で折り合いのついた金額そのものに近づいていく。長年の仲介業務のなかで溜まり続けた成約データは、外から買ってくることのできない資産であり、これをアルゴリズムの土台に置いた判断が、精度という一点で差の出る構造をつくっています。

開発を外部のAI企業であるエクサウィザーズとの共同で進めた体制も、現実的な進め方として参考になります。取引データと不動産の勘所を持つ側と、機械学習の設計を担う側が役割を分けることで、自社にない技術を補いながら、データ資産の解釈は手元に残す形になりました。精度を誤差率の中央値という一つの指標で測り、実証実験で数値を確かめたうえで対象エリアを広げる進め方も、感覚ではなく測定で妥当性を確認する姿勢の表れです。

実証実験では、機械学習による推定成約価格と実際の成約価格との誤差率の中央値、MERと呼ばれる指標が、首都圏1都4県で4.89%、全国エリアでは5.34%と測定されています。対象範囲も広がり、全国18都道府県、約30,000棟のマンションについて推定成約価格を算出できる状態になりました。誤差の中央値が5%前後に収まるということは、顧客が受け取る金額が、ざっくりした目安ではなく資金計画の出発点として扱える水準に近づいたことを意味します。