ChatGPTで不動産投資の物件調査を自動化する5つの方法｜販売図面・収支・リスク管理の実践手順

販売図面を開き、価格や家賃を転記し、利回りを計算する。気になる点を仲介会社へ質問し、数日後に届いた回答をもとに収支を修正する――。

この作業を毎回ゼロから繰り返していると、検討物件が増えるほど判断が遅くなります。仕事の後に数件確認するだけでも、数字の見落としや、自分に都合のよい前提だけを採用する危険があります。

そこで活用できるのが、ChatGPTによる不動産投資の物件調査支援です。

ただし、ChatGPT単体で販売図面の取得から購入判断までを自動化できるわけではありません。実務では、OCR、スプレッドシート、メール、通知ツールなどと組み合わせ、ChatGPTには主に次の作業を担当させます。

1. 販売図面とレントロールの構造化
2. 空室・修繕・金利を変えた収支シナリオの作成
3. 不足資料と質問メールの作成
4. 購入に反対する観点からのリスク検証
5. 検討履歴とKPIの週次レポート化

目指すのは、「AIが儲かる物件を選ぶ仕組み」ではありません。物件情報が届いてから一次選別、原本照合、例外通知までを繰り返し実行できる調査基盤です。

本記事は一般的な情報提供を目的としており、特定物件の購入、売却、融資を推奨する投資助言ではありません。契約前には、現地、登記、重要事項説明書、修繕記録、金融機関の回答などの一次情報を確認し、必要に応じて税理士、司法書士、土地家屋調査士、建築士、宅地建物取引士などへ相談してください。

Hiroの実行ログで確認した「自動化に必要な4要素」

私（Hiro）は2026年7月22日、自動ブログのローカルリポジトリを実際に再集計しました。

確認結果は次のとおりです。

記事数と設定値は、次のようなPowerShellコマンドで再確認できます。

$posts = Get-ChildItem `
  -LiteralPath "sites\ai-tech\content\posts" `
  -File `
  -Filter "*.md"

$related = $posts | Where-Object {
  (Select-String -LiteralPath $_.FullName -Pattern "ChatGPT" -Quiet) -and
  (Select-String -LiteralPath $_.FullName -Pattern "不動産投資" -Quiet)
}

[pscustomobject]@{
  MarkdownCount = $posts.Count
  RelatedCount  = $related.Count
}

Select-String `
  -LiteralPath "generator\config.yaml" `
  -Pattern "min_chars|max_chars|cli_timeout_seconds"

さらに、generator/logs/generate.logには、2026年7月22日に記事生成、レビュー、最終確認が240秒のタイムアウトで停止した記録が複数残っています。たとえば、同日6時52分台にはレビュー、6時57分台には最終確認がタイムアウトしています。

Select-String `
  -LiteralPath "generator\logs\generate.log" `
  -Pattern "CLI timeout after 240s"

評価すべき点は、344本という記事数そのものではありません。設定に停止条件があり、失敗内容がログに残り、品質判定を通過させる仕組みがあることです。

不動産投資の物件調査にも、同じ4要素を転用できます。

• 入力条件：必要な資料と抽出項目
• 品質判定：原本との一致率や不明項目
• 停止条件：数字の矛盾、資料不足、法務上の懸念
• 実行記録：処理日時、確認者、見送り理由、修正履歴

なお、上記はブログ運用に関するローカル環境の実測値です。不動産投資の収益性や、ChatGPTによる物件分析の正確性を証明するデータではありません。また、記事数やログは運用の進行に伴って変化します。

ChatGPTに任せる工程と、人間が確認する工程

ChatGPTは、購入判断者ではなく分析前処理の担当者として使います。

価格、防災、都市計画、周辺施設などの確認には、国土交通省の不動産情報ライブラリを利用できます。同サイトには掲載情報ごとの出典や整備時期があります。

ただし、コンテンツの作成時点や更新時点によっては、表示内容が最新ではない場合があります。物件台帳にはURLだけでなく、データの対象時点、取得日、出典も保存してください。

理想的な処理フローは次のとおりです。

販売図面・レントロールを受領
        ↓
OCRで文字と表を抽出
        ↓
ChatGPTが指定形式へ整形
        ↓
原本の主要項目と照合
        ↓
スプレッドシートで収支を再計算
        ↓
基準外物件は理由を付けて記録
        ↓
不明・矛盾・基準内の物件だけ人間へ通知

購入契約、融資判断、現地調査、法務・税務判断までを無人化するのは現実的ではありません。自動化するのは、あくまで情報の整理、計算準備、監視、通知です。

方法1：販売図面とレントロールを物件比較表にする

販売図面は会社ごとに書式が異なります。そのまま比較すると、満室想定賃料と現況賃料、月額と年額、専有面積と延床面積などを混同しやすくなります。

最初に、比較表の列を固定してください。

物件台帳に保存する項目

• 物件ID、物件名、所在地
• 価格、建築年月、構造、戸数
• 土地面積、建物面積、各戸面積
• 満室想定年収、現況契約年収、実際の入金額
• 入居戸数、空室戸数、空室期間、退去予定
• 管理費、固定資産税、保険料
• 修繕履歴、大規模修繕予定、見積額
• 資料名、ページ番号、資料作成日、取得日
• 原本値、実績値、計算値、仮定値の区分
• 不明項目、確認状況、最終確認者

レントロールとは、各部屋の家賃、入居状況、契約条件などをまとめた一覧です。「満室なら年間600万円」と「現在の契約では年間520万円」は、必ず別の列に保存します。

抽出用プロンプト

以下の販売図面とレントロールを物件比較表へ整理してください。

ルール:
- 原本にない情報は推測せず「不明」とする
- 満室想定収入、現況契約収入、入金実績を分ける
- 月額と年額を分け、変換した場合は計算式を記載する
- 土地面積、延床面積、専有面積を混同しない
- 各数値に資料名、ページ番号、資料作成日を付ける
- 原本値、実績値、計算値、仮定値を区分する
- 資料間の矛盾を別表にする
- 最後に追加確認が必要な項目を質問形式で出す
- 購入推奨や法務・税務上の結論は出さない

原本照合で確認する6項目

最初の1件では、少なくとも次の項目を目視で照合します。

1. 売買価格
2. 満室想定賃料
3. 現況賃料
4. 土地・建物面積
5. 建築年月
6. 空室戸数

価格の桁や月額・年額の誤認は、収支全体を壊します。これらを「重要項目」として扱い、1件でも誤りがあれば自動判定を止めてください。

個人情報を入力する前の注意

入居者名、電話番号、勤務先、口座情報、保証会社の識別情報などは、入力前に削除または置換します。

個人向けChatGPTを使用する場合は、公式のData Controls FAQを確認し、必要に応じて「Improve the model for everyone」をオフにします。オフにした後の新しい会話はモデルの学習に使われません。

ただし、学習利用を停止しても、機密情報を無制限に入力してよいわけではありません。所属組織の情報管理規程、利用プラン、保存期間、共有設定も確認してください。

方法2：空室・修繕・金利を変えた収支シナリオを作る

表面利回りは、年間家賃収入を物件価格で割った単純な指標です。

価格8,000万円、満室想定年収640万円なら、表面利回りは8.0%です。

640万円 ÷ 8,000万円 × 100 = 8.0%

しかし、この8.0%には、空室、滞納、管理費、固定資産税、保険、修繕、借入返済などが反映されていません。

そこで、少なくとも3つのシナリオを作ります。

空室率や金利上昇幅は、ChatGPTに決めさせません。最初は検証用の仮定値として入力し、その後、管理会社の募集履歴、金融機関の回答、修繕見積書などで置き換えます。

固定する計算式

実効総収入
= 満室想定収入
− 空室・滞納損失
＋ その他収入

NOI（運営純収益）
= 実効総収入
− 運営費

返済後キャッシュフロー
= NOI
− 年間元利返済額

DSCR（返済余裕率）
= NOI
÷ 年間元利返済額

NOIの運営費には、一般に管理費、固定資産税、保険料、通常修繕費などを含めます。一方、借入元利返済、所得税、減価償却、取得時の諸費用、大規模な資本的支出は混ぜず、別に管理します。

DSCRは、物件のNOIが年間返済額の何倍あるかを見る指標です。ただし、合格水準は金融機関、物件、融資条件、投資方針によって異なります。一律の安全値をChatGPTに決めさせず、金融機関の審査条件と自分の投資基準を分けて記録してください。

数値例でシナリオを比較する

次の表は、計算方法を示すための仮定例です。実在する物件の分析結果ではありません。

基準シナリオだけを見ると年間98万円が残りますが、ストレスシナリオでは年間108万円の不足です。このように、ChatGPTには「利回りが高いか」ではなく、どの前提が変わると資金不足になるかを整理させます。

この例には、所得税、取得時諸費用、突発的な資本的支出などを含めていません。実際の分析では、各費用の定義と対象期間をそろえてください。

ChatGPTの計算をそのまま採用しない

ChatGPTには、数式、入力項目、シナリオの案を作らせます。最終計算はExcelやGoogleスプレッドシートに固定し、同じ入力なら常に同じ結果になるようにします。

確認手順は次のとおりです。

1. 原本値と実績値を入力する
2. 仮定値を色や列で区別する
3. ChatGPTの計算結果とシートの結果を比較する
4. 差異があれば単位、期間、税込・税抜を確認する
5. 前提を変更した人と日時を履歴へ残す

方法3：不足資料と質問メールを自動生成する

初心者が詰まりやすいのは、「何を質問すればよいか分からない」状態です。

物件比較表の空欄と矛盾をChatGPTへ渡し、質問を宛先別に分類します。

• 仲介会社：売却理由、価格根拠、境界、接道、契約条件
• 管理会社：募集履歴、空室期間、滞納、退去予定、修繕対応
• 金融機関：金利、期間、自己資金、手数料、繰上返済条件
• 税理士：取得費の区分、減価償却、保有形態、税務処理
• 司法書士など：登記、担保、共有、権利関係
• 建築士・調査会社：建物状態、違法増築の疑い、修繕範囲

質問生成用プロンプト

以下の物件比較表から、未確認項目と資料間の矛盾を抽出してください。

出力列:
- 質問ID
- 質問内容
- 質問先
- 必要な一次資料
- 回答期限
- 回答がない場合の影響
- 回答がない場合に自動処理を止めるか

質問は一問一事項にし、
事実確認と意見依頼を分けてください。

メールの自動送信は、最初から行わないほうが安全です。まずは下書き生成までにし、次の条件をすべて満たした場合だけ送信します。

• 宛先を人間が確認した
• 物件IDと物件名が一致している
• 不要な個人情報が含まれていない
• 価格や住所に資料間の矛盾がない
• 法的結論や価格交渉を勝手に記載していない

回答はメールのまま放置せず、質問IDとひも付けて物件台帳へ戻します。回答によって収支前提が変わった場合は、変更前後の値、変更理由、回答資料も保存してください。

方法4：購入に反対する検証担当として使う

気に入った物件ほど、好条件を重く見て、悪条件を軽く評価しがちです。

そこでChatGPTには、営業担当ではなく「購入に反対する検証担当」の役割を与えます。

この物件を購入したい人が過小評価しやすいリスクを挙げてください。

各リスクについて、以下を表にしてください。
1. 起こり得る事象
2. 収入、費用、融資、売却への影響
3. 確認すべき一次資料
4. 質問先または確認先
5. 確認期限
6. 自動処理を止める条件
7. 解消後に再計算する項目

不明な事実を補完せず、
法務・税務・建築上の結論は出さないでください。

確認状況は、次のような選択式にします。

• 未確認
• 質問作成済み
• 質問済み
• 回答済み
• 原本確認済み
• 専門家確認待ち
• 条件変更
• 見送り候補

「懸念があります」で終わらせず、必ず一次資料、確認先、停止条件、再計算項目までつなげるのがポイントです。

高利回り物件で確認すること

高利回りをそのまま魅力と評価させず、利回りが高い理由を分解します。

• 満室想定賃料が相場より高くないか
• 長期空室や滞納がないか
• 修繕が先送りされていないか
• 再建築や接道に問題がないか
• 融資期間が短くならないか
• 売却時の買い手が限定されないか
• 災害や擁壁などの追加調査が必要ではないか

ChatGPTの役割は、原因候補の列挙までです。実際の原因は、原本、現地、役所、専門家の確認によって確定させます。

方法5：検討履歴を週次KPIレポートにする

見送った物件の情報を捨てると、次の物件でも同じ調査を繰り返します。

見送り理由、誤抽出、追加質問、回答待ち日数を保存すれば、検索条件と自動化フローを改善できます。

以下の物件検討ログから週次レポートを作成してください。

出力:
- 登録物件数
- 一次選別通過数と候補化率
- 見送り理由トップ3
- 重要項目の抽出誤り
- 未回答の質問と経過日数
- 人間確認が必要な例外
- 停止した処理と停止理由
- 来週変更する検索条件
- 来週修正するプロンプトまたはOCR設定

投資判断ではなく、調査工程の改善として整理してください。

人間が毎日検索サイトを巡回する運用から、条件に合う候補と異常だけを受け取る運用へ移行するには、見送り情報の蓄積が欠かせません。

初心者向け：物件調査を自動化する7手順

上の画像は処理の流れを示すAI生成イメージです。実測ログや特定物件の分析結果を示す画像ではありません。

手順1：一次選別条件を固定する

「良さそう」では機械判定できません。

地域、価格上限、物件種別、構造、築年、現況収入、最低必要資料などを、数値または選択肢にします。

手順2：物件台帳を作る

最低限、次の列を用意します。

物件ID
項目名
原本値
実績値
計算値
仮定値
単位
出典資料
ページ番号
確認状態
見送り理由
更新日時
確認者

手順3：抽出プロンプトを保存する

物件ごとに指示を変えると、結果を比較できません。抽出項目、禁止事項、出力形式を固定してください。

手順4：販売図面1件で照合する

価格、家賃、面積、建築年月、戸数、空室数を原本と比較します。誤りは修正するだけでなく、原因も記録します。

誤抽出の例:
- OCRが「8,000万円」を「800万円」と認識
- 月額家賃を年額として登録
- 延床面積を土地面積へ登録
- 満室想定収入を現況収入へ登録

手順5：同じ形式の資料を5件処理する

5件は、統計的な安全性を証明する件数ではありません。初期不具合を見つけるための小規模テストです。

重要項目の誤抽出が残る間は、処理件数を増やしません。

手順6：収支計算と例外通知を接続する

数式は表計算ソフトに固定します。

資料不足、単位不明、数字の矛盾、計算不能、権利・法令・修繕上の懸念がある場合は、自動処理を止めて人間へ通知します。

手順7：週次KPIで改善する

見送り理由に偏りがあれば検索条件を変更します。誤抽出が特定の資料形式に集中するなら、OCR設定か抽出ルールを修正します。

専門家目線のチェックポイントと停止条件

数字を4種類に分ける

仮定値を原本値のように表示すると、根拠の薄い収支表が精密に見えてしまいます。列、色、ラベルのいずれかで区別してください。

自動処理を止める条件

次のどれかに該当したら、自動判定を中断します。

• 資料間で価格、家賃、戸数が異なる
• 月額と年額を判別できない
• 現況収入と満室想定収入が区別されていない
• 権利関係、接道、境界が不明
• 再建築、用途制限、違法状態の懸念がある
• 修繕履歴や固定資産税が確認できない
• 資料の作成日が不明、または古い
• 重要項目を原本照合できない
• 現地を見なければ判定できない

「不明」を無理に埋めないことが、精度を守る中心ルールです。

よくある失敗と対策

ChatGPTに「買いですか」と聞く

失敗理由：自然な文章が、根拠のある投資判断のように見えるためです。

対策：結論ではなく、必要資料、計算式、反対意見、停止条件を出させます。

満室想定賃料を現在の収入として扱う

失敗理由：販売図面で目立つ数字を、そのまま現況収入として転記するためです。

対策：満室想定、現況契約、実際の入金を別の列にします。

画像PDFのOCR結果をそのまま信用する

失敗理由：OCRが桁、単位、小数点を誤認する場合があるためです。

対策：価格、家賃、面積などの重要項目は、原本画像と目視照合します。

いきなり大量処理する

失敗理由：誤った列対応や計算式が全物件へ広がるためです。

対策：1件を詳細に照合し、次に同じ形式の5件で再検証します。

処理時間だけを成果にする

失敗理由：速くても誤抽出が増えれば、確認工数と判断リスクが増えるためです。

対策：作業時間と同時に、抽出誤り率、原本確認率、例外発生率を測ります。

「完全自動化」を放置と解釈する

失敗理由：契約、融資、修繕、入居者対応までAIで代替できると考えてしまうためです。

対策：情報処理は自動化し、物理的、法的、金銭的な判断には人間と専門家を残します。

成果を測るKPI

最初の1週間を、自分の基準値にします。

仮に5件の処理に100分かかり、翌週に同条件の5件を75分で処理した場合、作業時間は25%減っています。

導入前：100分 ÷ 5件 = 20分／件
導入後：75分 ÷ 5件 = 15分／件
削減率：(20分 − 15分) ÷ 20分 × 100 = 25%

ただし、これは説明用の仮定値です。処理時間が短くても、重要項目の誤抽出が増えた場合は改善とは評価できません。

初期運用では、重要項目の抽出誤りを0件にすることを処理拡大の条件にします。これは業界共通の合格基準ではなく、誤った価格や家賃で自動判定しないための内部ゲートです。

この方法の限界と使わないほうがよい案件

ChatGPTは、個別物件の瑕疵、最新の融資姿勢、現地の騒音、管理状態、入居者トラブルを保証できません。

特に次の案件では、AI出力への依存を避けてください。

• 再建築不可や違法状態の可能性がある
• 共有持分など権利関係が複雑
• 修繕履歴がない築古物件
• 擁壁、越境、境界の問題が疑われる
• 災害リスクの個別調査が必要
• 地域需要を現地で確認する必要がある
• 融資結果が個人属性に大きく依存する
• 原本資料が不足している

不動産情報ライブラリにも、データごとに収録時期と対象範囲があります。利用時は同サイトのコンテンツ一覧で、出典と整備時期を確認してください。

自動化によって調査時間を減らすことはできますが、空室、修繕、金利、災害、市況による損失はなくなりません。

類似記事との違い

一般的なChatGPTと不動産投資の記事は、プロンプト例や簡易的な物件評価で終わりがちです。

この記事では、次の運用設計まで踏み込みました。

• 購入推奨ではなく、確認漏れ防止に使う
• 原本値、実績値、計算値、仮定値を分離する
• ChatGPTの計算を表計算ソフトで再計算する
• 自動処理を止める条件を先に決める
• 見送り理由も再利用可能なデータとして残す
• 時間と精度を同時にKPIで測る
• Hiroのローカル設定、再現コマンド、実行ログを開示する
• AI生成画像と実測データの役割を区別する

差別化の中心は、便利な質問文ではありません。誤りを検出し、処理を止め、次回の調査へ検証結果を残す運用です。

今日から始める最小アクション

匿名化した販売図面を1件選び、次の指示をChatGPTへ入力してください。

この物件資料から、以下を表にしてください。

- 物件概要
- 満室想定収入
- 現況契約収入
- 不明項目
- 資料内の矛盾
- 追加で必要な一次資料
- 仲介会社への確認質問
- 購入に反対する観点

原本にない数字は推測せず「不明」としてください。
各数値に資料名とページ番号を付けてください。
購入推奨や法務・税務上の結論は出さないでください。

出力後、価格、家賃、面積、建築年月、戸数、空室数を原本と照合します。

最後に、次の3点を記録してください。

処理時間：
照合した重要項目数：
誤抽出数と内容：

これが、あなた自身の自動化前の基準値になります。

まとめ：ChatGPTで物件調査を再利用できる仕組みに変える

ChatGPTを不動産投資へ活用できる主な領域は、次の5つです。

1. 販売図面とレントロールの構造化
2. 複数条件による収支シナリオの作成
3. 不足資料と質問メールの生成
4. 購入に反対する観点からのリスク検証
5. 検討履歴のKPIレポート化

物件情報が届くたびに手作業で調べる状態から、AIが整理し、表計算ソフトが再計算し、異常だけを人間へ知らせる状態へ移す。この仕組みは、次の物件でも使える調査資産になります。

購入や契約から人間を完全に外すことはできません。それでも、定型的な転記、比較、質問作成、記録、監視を仕組みへ移せば、人間は現地確認や条件交渉など、本当に判断が必要な作業へ時間を使えます。

本気で自動化の仕組みを構築したい方へ

「便利なプロンプトを試して終わる」のではなく、情報収集、AI処理、品質判定、停止条件、収益導線、定期実行までつながった仕組みを、自分の資産として持ちたい方へ。

Hiroの実践マニュアルでは、AIを一時的な作業短縮ツールではなく、処理、検証、記録を継続する自動化システムへ組み込む手順を公開しています。

収益を保証する教材ではありません。一方で、何を自動化し、どこで処理を止め、どのKPIを使って改善するかを具体的に設計できます。

本気で自動化・不労所得を構築する実践マニュアルを見る →