「信頼こそが商品であり、人間こそが差別化要因だ」。不動産領域におけるエージェント型AIの最新研究を共同執筆したマッキンゼーのパートナー、アレックス・ウォルコミアはインタビューでそう語った。「重視すべきは、その中に存在するAIモデルではなく、オペレーティングモデルの設計である」
彼が語っているのは、許可を待たずに行動するAI、つまりメモの下書きやリース契約の要約にとどまらないAIのことだ。エージェント型AIはメンテナンスチケットを発行し、業者を手配し、入居者にメッセージを送り、結果を自律的に記録する。集合住宅、リーシングオフィス、建設現場で導入が始まっている。そしてマッキンゼー・グローバル・インスティテュート（MGI）は、その価値を数字で示した。48カ国における約2100の業務活動を分析した結果、不動産、建設、開発分野全体で年間4300億〜5500億ドルの生産性向上が見込まれるという。
この数字は、厳密に吟味する価値がある。
本当の「取り分」はどれほど大きいのか
ウォルコミアはこの数字を「大規模展開時の年間潜在価値の概算であり、特定の市場や企業に対する短期的な予測ではない」と説明した。MGIは48カ国の約850の職種を分解し、ナレッジワークに適用されるAIを含む自動化が、どこで労働を代替または補完できるかをモデル化した。比較として、マッキンゼーの2024年の分析では、生成AIだけで不動産分野に1100億〜1800億ドルの価値を創出できると試算していた。今回の推計範囲が広がったのは、建設・開発を含め、以前のモデルには存在しなかったエージェント機能を考慮したためだ。
ただし、この見出しとなる数字が脆い理由がある。エージェントに入力されるデータが正確であることを前提としているからだ。作業依頼をトリアージし、更新オファーを作成し、工程遅延を検知するエージェントはいずれも、整備された物件情報、リース情報、ベンダー情報に依存する。基盤となるデータが誤っている場合、エージェントは小さなミスをするのではない。完全な自信を持って、しかも高速に、誤った判断を下す。ウォルコミアは推計範囲に対する感度の具体的な数値は示さなかったが、方向性は明白である。ゴミを入れればゴミが出る──それが自動化の速度で増幅されるのだ。
注目すべき事実： AIが日常業務に完全に組み込まれた「成熟」段階にあると自認する企業はわずか1%にすぎない。一方で92%の企業が今後3年間でAI投資を増やす計画だ（マッキンゼーの2025年1月発表「Superagency」レポートより）。
初期に成果が出る領域
メンテナンスが最も明確な実証例である。
マッキンゼーの2026年3月の調査では、エージェントが入居者からの依頼を基に自律的にチケットを発行し、優先度で分類し、スタッフを派遣し、ステータス更新を送信するパイロットプログラムが紹介されている。リスクの高い判断は人間に回される。これらの導入事例では、ワークフロー時間が30%以上短縮された。
ウォルコミアは、ある集合住宅の例を挙げて説明した。エージェントが定型業務（チケット作成、トリアージ、業者手配、入居者通知）を担い、設定したリスク閾値を上回るものは承認のために人間に回される仕組みである。初期バージョンではほぼすべてのステップに手動の「承認」ボタンがあった。チームがこれらのチェックポイントを削除し始めたのは、システムが正しく機能するのを数週間観察した後だった。
このパターンは、マッキンゼーの取り組みに限らない。BambooHRは、AIによるトリアージにMoveworksを導入して以降、サポートチケット量を30%削減した。世界でデータセンターを運営するEquinixは、チケットのルーティングで96%の精度を達成し、解決までの時間を約3分の1短縮した。
リーシングでも早期の成果が見られる。マッキンゼーのレポートによると、賃貸事業者はAIワークフローにより契約更新率を3〜7%改善し、住宅建設業者は24時間体制で買い手に対応するエージェントを使用して、リード対応時間を90%以上短縮した。商業用不動産分野で20年以上の実績を持つCRM企業Ascendixは、2025年からブローカー向けにSalesforce Agentforceのパイロット運用を開始し、物件検索、リース情報抽出、フォローアップを処理している。
建設はさらに遅れている。ユースケース自体は現実的だ（RFIの自動化、変更指示の検知、プロジェクト文書の最新化）が、スケールして検証した企業は少ない。マッキンゼーの主張はこうだ。エージェントは引き継ぎを減らし、定型的な事務作業を高速化し、工程遅延に雪だるま式に発展する前にリスクを顕在化させ得る。
破綻するポイント
4300億〜5500億ドルという数字は、現在の多くの不動産会社が満たせない3つの前提に立脚している。
クリーンなデータ。 マッキンゼーはこれを「事実層（factual layer）」と呼ぶ。すなわち、物件、住戸、リース、ベンダーのメタデータであり、エージェントが真実（グラウンドトゥルース）として扱う情報である。だが現実には、不動産データはスプレッドシート、デジタル化されていないPDF、相互連携しないプロパティマネジメントシステムに散在している。単一のポートフォリオで、2つのシステム間のリース記録を突き合わせようとしたことがある者なら、この問題の深刻さを知っているだろう。では、同じ混沌からAIエージェントが情報を引いて、4000ドルの配管修理を自動手配する場面を想像してほしい。エージェント型AIのガバナンスに関するMayer Brownの2026年2月の法務ブリーフィングは、これを正面から指摘し、「誤った行為の実行」や「必要なドメイン知識なしでの意思決定」を主要リスクとして挙げている。
透明性。 「チームが、システムが何をしたか、何に触れたか、どこで人が介入すべきかを素早く把握できなければ、導入は停滞する」とウォルコミアは語った。信頼は「意図的に獲得されるべき」であり、初期のパイロットでは明示的な人間によるレビューポイントを組み込み、信頼が高まった後にのみ削除すべきだという。Verdantixのアナリスト、ソフィア・シャクールも、2025年7月のレポートで同様の問いを投げかけた。「AIシステムが失敗したとき、誰が責任を負うのか？ 使用するデータはどれほど安全か？ ビル管理者は、なぜその判断に至ったのかを説明できるのか？」シャクールは「リスクフレームワークについて透明性を示す企業は少ない」と警告し、「スマート」な物件と「それほどスマートではない」物件の二極化が訪れると予測した。
実効性のあるガバナンス。 AIがベンダー請求書を承認し、更新価格を調整し、請負業者を派遣するようになれば、金銭と契約に触れることになる。ここを誤れば、無権限の返金、不適切な賃料設定、コンプライアンス違反に直面する。KPMGのAIガバナンスフレームワークは、リスク区分を示している。評判の毀損、規制上の露出、不良データに起因する誤判断、ユーザーの不信である。
ウォルコミアは、譲れない統制として次を挙げた。「明確な説明責任である。実務ではそれは、金銭に関わる意思決定やポリシー例外といった重大な行為が、定義された権限レベル、適切な人間の監督、そして新しいワークフロー設計における、実行されたすべての行為のログ記録に結び付けられていることを意味する場合が多い」
Mayer Brownは具体的な仕組みを示している。AIガバナンスチーム、文書化されたリスク評価、最小権限の原則に基づく役割ベースの権限設定、不可逆的な行為に対する人間の承認チェックポイントである。
じっくり考えるべき数字がある。Gartnerは、2026年末までにエンタープライズアプリの40%がタスク特化型AIエージェントを組み込むと見込む。2025年の5%未満からの急増である。だが同社は同時に、適切なガバナンスがなければ、エージェント型AIプロジェクトの40%以上が2027年までに失敗し得るとも警告している。
投資意欲と運用準備態勢のギャップこそが本当の問題だ。エージェント型AIに資金は流れ込んでいる。しかし能力は追いついていない。
何かを「オン」にする前にやるべきこと
メンテナンスから始めよう。件数が多く、KPIが明確で、何か問題が起きても影響が小さい。
エージェントにできることと、できないことを定義する。金銭や契約が関わるものには必ず人間の承認を組み込む。すべての行為をログに残し、監査証跡を確保する。異常検知のアラートと、迅速にロールバックできる手段を用意する。成功指標は、何人がログインしたかではなく、キャッシュフローと入居者満足度にひも付ける。
ウォルコミアは取材中、ひとつのアイデアに繰り返し立ち返った。AIモデルだけでなく、オペレーティングモデルを再設計せよ、ということだ。マッキンゼーの調査によれば、実際にリターンを得ている企業は、壊れたプロセスにエージェントを投入して成功を期待するのではなく、領域全体（メンテナンス依頼から解決まで、あるいはリードから契約締結まで）を見直している。
明確なテストをしたいなら、比較可能な2つのポートフォリオを90日間並行して運用するとよい。一方は人間の承認を伴うエージェント型トリアージを導入し、もう一方は人間のみで運用する。解決までの時間、チケットあたりコスト、入居者満足度、エラー率を追う。どちらも改善しなければ、答えは出ている。
そして、地味な作業を省略してはならない。不正確なマスターデータの修正、ビル管理システム連携の修復、新しいワークフローに関するスタッフ研修。これらはAI戦略のようには聞こえないが、すべてがAI戦略なのだ。成功する企業は、「何を自動化できるか？」と問うのをやめ、「そもそもデータは自動化を支えられるのか？」と問い始めた企業である。
結論
エージェント型AIは、自社の建物やポートフォリオ全体で業務が実際にどう流れるかを再考する企業において、不動産分野で成果を上げるだろう。メンテナンスとリーシングのパイロットがそれを裏付けている。しかしマッキンゼーの4300億〜5500億ドルは上限値にすぎず、データが乱雑でガバナンスが欠落していれば急速に縮小する。今四半期中に、エージェント型の行為に対する権限階層を設計せよ。完全なログ記録を伴う90日間のパイロットを回せ。まず入居者への影響を測れ。
