空室対策AI|物件特性別の打ち手を自動レコメンド|空室期間22日→8日・中小不動産向け

公開日: 2026/04/30 / 最終更新: 2026/05/14 / 著者: 馬場生悦(宅建士)

2025年8月15日、お盆休みの最終日、午後16時。横浜市鶴見区の自社オフィスで、自社管理物件の空室一覧を眺めていた。当時、空室は7室。そのうち1室、鶴見駅から徒歩14分のアパート(家賃6.8万円、1K、築22年、2階の角部屋)が、2025年5月の退去から3ヶ月空いていた。

仲介担当の鈴木(仮名・新卒1年目)が「馬場さん、この物件もう家賃下げるしかないですよね…」と言ってきた。確かに、3ヶ月空いている時点で家賃下げが定石。ただ、家賃を下げると同等条件の他の入居者(2階の別号室、家賃6.8万円で居住中)に説明がつかない。一度下げたら戻せないし、近隣相場の引き下げにもつながる。

その日、初めて「ChatGPTに空室対策を相談する」を試した。物件情報(駅距離・築年数・周辺競合家賃・過去2年の入居期間)を入力した結果、出てきたのは3案。「家賃を5,000円下げる」「ペット可に転換」「家具付きにして単身赴任ターゲットに転換」。

結論から言うと、この3案を組み合わせて2ヶ月後に成約。詳細は5章で書く。ただし、その後の別物件で「AIに言われた家賃下げだけ」を採用して6ヶ月失敗した経験もある。中盤で書く。

1. 不動産業務における自社200室で空室がどう発生していたか

うちは神奈川県内で賃貸管理200室。2025年8月時点で稼働率96.5%、空室7室。年間で換算すると、退去70件・新規入居72件のサイクル(自然増減で年2-3件の純増)。

2024年までの空室対策は、ベテランスタッフ田中(副社長・経験18年)の頭の中にあった。「築20年超で駅遠なら家賃-3,000円」「ファミリー向けで内装古いならクリーニング+クロス張替え」「学生エリアなら2月までに動かないと年内成約難しい」。経験則として正しかったが、田中が外勤の日は判断が止まっていた。

問題は3つ。

1. 意思決定の集中。空室対策の判断が田中1人に集中。週2回しか社内にいないので、判断のリードタイムが長い物件で1週間。
2. 判断根拠が言語化されていない。新卒の鈴木に「なぜ家賃-3,000円?」と聞かれても、田中は「経験」としか答えられない。後継者が育たない。
3. 過去データを使っていない。自社で過去5年の成約データ(成約家賃・成約までの日数・打ち手の有無)が蓄積されていたのに、対策決定時に参照していなかった。データはあるのに、頭の中の経験で判断していた。

同業の空室期間 比較データ

※ 馬場が参加する首都圏賃貸研究会(11社)で2025年6月にヒアリング。「平均空室期間」は退去日から次の入居日までの日数中央値。

意外なことに、零細(50室以下)が空室期間で一番速い。理由は1人で全部見ているから判断が速い。中堅(1,000室以上)はマニュアル化されているから速い。中規模(200室前後)が一番苦しい谷で、ベテランの判断待ちで時間が溶ける構造的な問題があった。

2. なぜAIで空室対策を始めたか — 過去データを使い倒したかった

2025年8月のお盆、3ヶ月空室の鶴見アパートを見ながら気づいた。「過去5年の成約データ全部、ChatGPTに食わせて『この物件にはこの打ち手が効く』って聞けばいいんじゃないか」。

使ったのは社内で既に契約していたChatGPT Team(月30ドル/ユーザー)。Claude・Geminiも比較したが、表データの読み込みと施策提案の網羅性ではChatGPTが上だった。テストプロンプトで「過去成約30件を読み込ませて、空室物件Aへの打ち手3案を出して」を依頼し、3ツールの提案を比較した結果。

最終的に固まったプロンプトはこんな感じ。

「あなたは横浜・川崎エリアの賃貸仲介に詳しいベテラン担当です。以下の空室物件Aと、過去2年の弊社成約データ50件を読み、空室Aを2ヶ月以内に成約させるための打ち手を3案、優先度順に提案してください。
各案には次を含めてください:
- 期待効果(成約までの日数・想定家賃)
- 実行コスト(リフォーム費・広告費・家賃減額の機会損失)
- リスク(他入居者への影響・近隣相場への影響)
- 実行判断のチェックポイント(これがYESなら採用、NOなら次の案)」

このプロンプト、特に「実行判断のチェックポイント」を入れたのが効いた。AIが提案するだけだと「採用するかどうか」を人間が判断できない。「家賃下げの判断ポイント=他入居者から家賃見直し請求が来るか?」のような判断軸が一緒に出ることで、提案を採用判断につなげやすくなる。

渡したデータ — Excelの過去成約データ50件

ChatGPTにアップロードしたのは、自社のCSVファイル1つ。中身は次の項目。

• 物件属性: 築年数・駅距離・専有面積・間取り・所在階
• 退去状況: 退去日・空室期間・退去理由
• 打ち手履歴: 家賃減額・リフォーム・ペット可・家具付き・敷礼ゼロ・フリーレント
• 成約結果: 成約日・成約家賃・成約までの問い合わせ件数

個人情報(入居者名・電話番号)はマスキング済み。物件名は「物件A」「物件B」のような匿名コードに置換。これだけ準備するのに、自分で2時間かかった。一度作れば繰り返し使えるが、初期準備の工数は事前に見積もっておく必要がある。

3. AIに「家賃を下げろ」と言われて下げただけで6ヶ月放置、結局リフォーム160万円必要だった話

2025年10月、別の空室物件でやらかした。

横浜市港北区の単身用アパート、家賃7.5万円、1K、築28年、駅12分、1階。退去から1ヶ月で問い合わせがゼロ。鈴木がChatGPTに分析させたところ、3案出てきた。「家賃を6.8万円に下げる」「クロス全面張替え+設備リフォーム(計60万円)」「敷礼ゼロ+フリーレント1ヶ月」。

その時、自分は決算月で資金繰りに気を取られていて、3案の中で「一番コストがかからない家賃下げだけ採用」と判断。鈴木に「家賃6.8万でSUUMOに出して、様子見て」と指示。

3週間後、問い合わせ2件。内見1件。決まらず。

2ヶ月後、問い合わせ3件。内見2件。1件は契約直前で「やはり築年数が気になる」と辞退。

4ヶ月後、ようやく内見した方から「水回りがちょっと…」と指摘。風呂釜が古く、洗面台のメッキが剥がれていた。家賃を下げるだけで内装はそのまま、というのが結局の弱点だった。

6ヶ月目、田中(副社長)から強い言葉で言われた。

「馬場さん、AIが3案出してきたうち1案だけ採用したのは、AIの提案を半分も活かしてないですよ。3案の中で『家賃下げ』が一番効果が小さいって、AIの出力にもありましたよね。コスト惜しんで一番効かない手だけ打ったのに、6ヶ月家賃ゼロですよ。月7.5万×6=45万円の機会損失。最初に60万出してリフォームしてた方が安かった。」

その通りだった。AIが優先度順に「リフォーム→敷礼ゼロ→家賃下げ」と提案していたのに、自分は「コスト最小」を選んでしまった。AIの提案順位を尊重せず、自分の都合で最下位の案を選んだ結果。

結局、6ヶ月目に観念してリフォーム実施。風呂釜交換22万円+洗面台交換8万円+クロス全面12万円+クッションフロア18万円+ハウスクリーニング6万円+鍵交換2万円=合計68万円。さらに、6ヶ月空室期間中の家賃損失45万円。広告費追加6万円。合計約120万円のコスト。

リフォーム後、家賃は元の7.5万円に戻して募集。3週間で成約。当たり前といえば当たり前。

そこから変えた運用ルール3つ

1. AIの3案は「優先度順」を必ず尊重する。最下位案だけ採用は禁止。優先度上位を採用できない理由(資金・オーナー承認待ち)があるなら、その理由を文書化してから次案に降りる。
2. 「家賃下げ単独」は禁止施策に指定。家賃下げを採用するなら、必ず内装改善か募集条件改善とセット。
3. 2ヶ月の効果測定タイミングを設定し、効かなければ次案に切り替える。6ヶ月放置は最大の機会損失。月の家賃損失額を計算して、放置コストを可視化するシートを作った。

4. 不動産業務における数字で見る効果 — 自社の空室期間がどう動いたか

月46万円の機会損失削減、年換算で約550万円。AIの月額費用(3,600円×4ユーザー=14,400円)に対するROIは桁違い。

ただし、この数字には2つの注意がある。1つ目、2025年6-8月は閑散期、2026年1-3月は繁忙期前で、季節要因で空室が動きやすい時期。純粋なAI効果は半分くらいの差分(月23万円程度)が現実的な数字。2つ目、2025年10月の160万円失敗(3章)は、この削減額からは控除されている。

「年550万円のROI」と書きたいのを我慢して、現実的には「年250-300万円のROI」が等身大の数字。それでも投資回収は十分。

新卒スタッフが対策提案できるようになった

数字以上に大きい変化は、新卒の鈴木が単独で対策提案できるようになったこと。AI出力を読みながら「この物件は3案の上位2つが現実的、3つ目は他入居者影響でNG」と自分の言葉で判断するようになった。田中の頭の中の暗黙知が、AI経由で部分的に言語化された結果。

鈴木の言葉。

「馬場さん、AIに分析してもらってから対策を考えると、自分でも筋道立てて田中さんに提案できるんです。前は『これでいいですか?』しか言えなかったのが、『これとこれの2案で、こっちを推します、理由は…』って話せるようになりました。」

新人教育のツールとしての副次効果が、想定より大きかった。

5. 鶴見アパート(冒頭の物件)はどう成約したか — 3案組み合わせの実例

冒頭で書いた、鶴見駅徒歩14分・3ヶ月空室の物件。AIが出した3案は次の通り。

1. 家賃を5,000円下げる (6.8万→6.3万、月損失5,000円・他入居者影響リスク中)
2. ペット可に転換 (敷金1ヶ月→2ヶ月へ増額、原状回復負担明確化、需要は単身者層中心)
3. 家具付き(ベッド・冷蔵庫・洗濯機) (初期投資12万円、単身赴任ターゲット狙い)

3章の失敗を経た後だったので、今回は3案全部を順次重ねる方針にした。

1ヶ月目: 案1の家賃5,000円下げ→問い合わせ1件、内見ゼロ。これだけでは効かなかった。

2ヶ月目: 案2のペット可を追加 (敷金2ヶ月、原状回復特約をペット用に書き換え)→問い合わせ4件、内見2件、その中の1件(20代男性、リモートワーク中心、犬を飼いたい)が「家具付きならすぐ決めたい」と言ってきた。

3週目: 案3の家具付き(ベッド・冷蔵庫・洗濯機・小さなテレビ・電子レンジ、計14万円)を追加して、その方が即決。家賃6.3万、敷金13.6万(2ヶ月)、契約期間2年。

結果、AIに相談してから2ヶ月で成約。家賃下げの月5,000円損失は痛いが、家具14万円は2年で回収、原状回復はペット用特約でカバー。トータルで赤字にはならなかった。

大事なのは、AIの3案を「全部試して組み合わせる」発想。1案だけ採用ではなく、効果がなければ次を重ねる、という運用に変えた。

6. 不動産業務における自社で実際にやっている運用 — 5ステップ

STEP 1: 退去発生→退去2週間後に空室分析タイマー (自動)

自社CRMに退去が登録されると、2週間後にスタッフへ「空室分析リマインダー」が飛ぶように設定。退去から2週間で問い合わせ3件未満なら、AI分析対象に乗せる。

STEP 2: 物件情報+過去成約データをChatGPTに投入 (1物件10分)

カスタムGPT「空室対策レコメンダー」に、物件情報シート(築年数・駅距離・周辺競合家賃)と過去成約データCSVを投入。出力は3案+判断ポイント。

STEP 3: 自分か田中が3案をレビュー、優先度確定 (1物件15分)

AI出力をそのまま使わず、自分か田中が「この物件、AIは分かってない要素」(オーナーの意向・周辺の建設予定・季節性)を加味して優先度を最終確定。

STEP 4: 1案を実行→2ヶ月で効果測定→次案を重ねる (継続)

最初の1案を実行、2ヶ月で問い合わせ件数・内見件数を測定。効果が薄ければ次案を重ねる(3章の失敗から、最下位案だけ採用は禁止)。

STEP 5: 月末レビュー会で全空室物件のAI出力と実成果を比較 (月1回・1時間)

月末、全空室物件についてAI出力と実際の成果を照らし合わせ。プロンプトを改善。今のプロンプトはバージョン5。

7. 不動産業務における馬場の現時点の意見 — 4ヶ月運用して信じていること

第一に、AIの提案は3案以上出させて、必ず複数を組み合わせて運用する。1案単独採用は3章の失敗パターン。3案出させて、優先度上位から重ねていくのが現実的。AIに「優先度順」を出させるプロンプト設計が肝心。

第二に、過去成約データをAIに食わせる前処理が一番大事。AIが優秀でも、入力データが整理されていなければ出力は使えない。自社CRMから物件属性・打ち手履歴・成約結果をCSVで切り出す設計が前提。最初の2-3時間の準備工数を惜しまないこと。

第三に、AI出力は新卒の教育ツールとして強力。ベテランの暗黙知を言語化してくれるので、新人がベテランの判断を「読んで学ぶ」ことができる。OJTのペース問題が解決した。

逆に疑っている点もある。うちは200室で過去5年データが蓄積されているからAI効果が出るが、50室以下の零細だとデータ量が足りずAIが見当違いの提案をする可能性が高い。零細企業はベテラン1人の頭の中の方が精度が出る場面も多い。AI導入の損益分岐点は「過去成約30件以上のデータが揃う規模」だと感じている。

8. 不動産業務におけるこれから始める人へ — 最初の3週間でやること

1週目: 過去成約データのCSV化

過去2年の成約データを、Excelで「物件属性・打ち手履歴・成約結果」を1行=1成約の形式で整理。30件以上集まればAI分析可能。個人情報はマスキング。

2週目: 1物件で試行

現在空室の物件1つだけで、AI分析→3案抽出→最も実行しやすい案の試行。2週間で効果測定。

3週目: 全空室物件に展開、ただし複数案組み合わせを徹底

3週目から全空室物件に展開。同時に「最下位案だけ採用は禁止」「2ヶ月で効果測定→効かなければ次案を重ねる」をルール化。これがないと3章のような6ヶ月放置事故が起きる。

不動産業務のよくある質問 FAQ|実務で押さえるべきポイント

Q1. 過去成約データが10件以下しかないが、AIで分析できる?

A. 10件だと精度が出ない。AIが「過去2件で家賃-3,000円が効いた」のような小サンプルから一般化してしまう。最低30件、理想は50件以上の過去成約データが必要。それ以下なら、田中のような経験豊富な人の頭の中の方が精度が出る。

Q2. オーナーへの説明はどうしている?

A. AI分析結果のスクリーンショットをオーナー向けレポートに貼っている。「AIが過去50件のデータから3案抽出、上位2案を実行提案」という形でオーナー承認を取る。AI根拠があるとオーナーの納得が早い。

Q3. 家賃下げを提案する時、他入居者への影響は?

A. これは最大の懸念。プロンプトに「同じ建物内の他入居者に影響する家賃改定は提案から除外」と書いている。代わりに「家具付き転換」「ペット可」など、他入居者と差別化できる打ち手を優先するように設計。

Q4. リフォーム判断はAIに任せられる?

A. 最終判断は人間。AIは「こういうリフォームの選択肢がある」を提案するだけ。実際にやるかどうかは、オーナーの意向と長期収支シミュレーションで人間が決める。AIを判断ツールではなく選択肢提示ツールとして使う設計。

Q5. 月の家賃機会損失はどう計算している?

A. 「想定家賃×空室月数」のシンプル計算。これを物件ごとにスプレッドシートで可視化し、空室期間が伸びるほど損失が膨らむのを毎週見る運用にした。これがないと「もう少し様子見て」と判断が伸びる。

Q6. AIの3案、全部採用したら他入居者に不公平にならない?

A. なる場合がある。だから優先度上位案で「他入居者影響リスク」もAIに出させている。リスクが高い案は実行前にオーナー・他入居者への事前説明を入れる。AI提案をそのまま実行ではなく、リスク管理工程を必ず挟む。

Q7. AIではなく既存の不動産SaaSの空室対策機能では?

A. SaaSの機能は、汎用ロジック(家賃下げ・敷礼ゼロ)が中心で、自社の過去成約データを学習しない。ChatGPTに自社CSVを食わせる方が、自社特化の提案が出る。SaaSの空室機能は補助として使い、本格判断はAIに寄せている。

不動産業務の関連記事|あわせて読みたい

• 契約書をAIがレビュー|リスク条項の自動検出で弁護士工数を削減
• 顧客セグメンテーションをAIで自動化|次の営業アクションを提案
• AIで反響メール返信を3分→30秒|テンプレ生成と承認フローの実装
• 中堅管理会社の経営指標ベンチマーク|業界平均との比較で課題発見