物件概要書 PDF 自動生成の設計 — 業販 200 件 / 月を 100 時間短縮するまで

「業販で届く他社書式の物件概要書を、毎日 自社書式に転記している」という業務、私は不動産業界 20 年で何度も見てきました。

業販ルートで月 200 件届けば、1 件 30 分の転記作業で 月 100 時間。これを誰も「自動化できる」と思わずに 10 年やっていた会社もあります。本当はテンプレート化と OCR + AI で 9 割以上を仕組みにできる業務です。

この記事では、物件概要書 PDF を自動生成する 4 段階の設計と、実装で詰むポイントを経営者視点で整理します。

月 100 時間という業務量の正体

業販でやり取りされる物件概要書は、会社ごとにフォーマットが違います。項目順 / 用語 / 表組みの構造が全部バラバラ。これを自社の決まったフォーマットに転記するのが、業販事務の仕事の半分以上を占めるケースもあります。

1 件 30 分というのは平均値で、初見の会社の書式だと 45 分かかったり、慣れた会社なら 15 分で済んだりします。でも 月 200 件で 100 時間前後は、不動産業の中堅以上で珍しくない数字です。

時給換算で月 25-30 万円の人件費が、誰がやっても同じ作業に消えていく。経営側で見れば、これを 1 人の事務員の業務にしておく合理性は無い業務です。

なぜ「テンプレート手作業」が続いてきたか

理由は 3 つあります。

  1. 書式が会社ごとに違う: パッケージで買える「自動化ソフト」は、想定書式が固定で、現実の業販書式に対応できなかった
  2. OCR の精度が低かった: 5 年前までは項目誤認識が多く、人が結局チェックする時間が転記より長くなる事例も
  3. 「一部署の業務」で経営判断が回ってこない: 月 100 時間あっても、業販事務 1〜2 人の領域なので、経営層が課題として認識していない

ところがこの 3 年で AI による OCR 精度が大きく上がり、汎用的な PDF 解析が現実的に使えるレベルになりました。「やる価値が出てきた業務」です。

4 段階の自動化設計

物件概要書の自動生成は、以下 4 段階に分解します。

1. PDF を読み取る（OCR / AI 抽出）

入力 PDF を画像として AI に渡し、「物件名 / 所在地 / 賃料 / 共益費 / 敷金 / 礼金 / 構造 / 築年月 / 専有面積 / ...」を JSON で返してもらいます。Claude や GPT の Vision 機能で十分実用的な精度が出ます。

ポイントは、PDF 内のテキストレイヤーが信頼できないケースがあること。OCR と AI 抽出の二段階で確認させると、誤読が減ります。

2. 構造化する（正規化）

抽出した JSON を、自社の項目体系に正規化します。たとえば:

  • 「賃料」「家賃」「月額賃料」 → すべて monthly_rent
  • 「敷金 1 ヶ月」「敷 1」 → deposit_months: 1
  • 「ペット可（要相談）」 → pet: { allowed: true, note: '要相談' }

会社ごとの表記揺れを、自社のスキーマに揃える工程です。ここを丁寧にやると、後段の差し込みが綺麗にいきます。

3. テンプレートに差し込む

正規化したデータを、自社書式のテンプレートに流し込んで PDF を生成します。HTML + CSS + 印刷用 CSS で組んでおくと、変更が容易です。

不動産業の場合、テンプレートには以下が含まれます:

  • 物件名・所在地（読み仮名つき）
  • 賃料・共益費・敷金・礼金（金額表記の統一）
  • 構造・築年月・面積・間取り
  • 設備一覧（チェックボックス形式）
  • 図面・写真（別途扱い、後述）
  • 取扱業者欄（自社情報を自動記載）

4. 命名 / 保存 / 配信

生成した PDF を 自社の命名規則に従ってリネームし、Google Drive / kintone の指定フォルダに保存します。例:

20260712_物件名_物件番号_自社書式.pdf

保存と同時に、kintone の物件マスタにファイルを紐付けると、業販管理の流れが完結します。

AI が必要な工程・不要な工程

4 段階のうち、AI が必要なのは 1（OCR / 抽出）と 2（正規化の一部）だけです。3（差し込み）と 4（保存）は普通のテンプレート処理 + ファイル操作で十分。

ここを混同して「全部 AI」にすると、コストが膨らみ、精度のブレも大きくなります。AI に渡すのは判断が必要な部分だけ、後段は決定論的なコード処理にする、という切り分けが重要です。

「精度 100% は無理」が現実

自動化の話をすると「ミスったらどうするのか」と必ず聞かれます。答えは 「99% を狙い、人が最終確認する設計にする」 です。

精度 100% の自動化は、書式が完全に統一された場合のみ可能で、業販で来る他社書式相手には現実的ではありません。代わりに:

  • AI 抽出の 信頼度スコアを低く出す項目（例: 70% 以下）は警告マーク
  • 担当者は警告マーク付きの項目だけを目で見て修正
  • 修正パターンを学習データに戻して、次回以降の精度を上げる

この設計で、転記時間を 1 件 30 分から 3-5 分に圧縮できます。月 200 件で 100 時間 → 15 時間、85 時間の業務時間が他に回せます。

実装の 5 ステップ

仕組み化の手順は以下です。

  1. 業販書式のサンプル収集（最低 20 社、フォーマットの幅を見るため）
  2. 自社の正規化スキーマ定義（物件概要書に必要な項目を整理）
  3. AI プロンプト + 抽出フロー設計（信頼度スコアつきで JSON 出力）
  4. テンプレート（HTML + CSS）を作成（既存の自社書式 PDF を HTML 化）
  5. kintone 連携 + 命名規則実装（保存先・命名・物件紐付け）

実装期間は、書式サンプルが集まっていれば 4 週間程度。業販書式が集まっていない場合、まずそこから 2 週間追加です。

失敗パターン — 「全部 AI でやろうとする」

よくある失敗は、保存先のフォルダ判定や命名規則まで AI に任せること。

  • 「この物件は ABC 不動産の物件だから ABC フォルダに保存して、命名は CCYYMMDD_物件名_番号にして」を AI に指示すると、AI が確率的に判断するので 時々間違える
  • 結果、ファイルが行方不明になり、信頼を失う

このタイプの判断は コードでルールを書くべきで、AI には渡さないのが正解です。AI を使うのは「人が見て判断するしかない領域」だけ。

まとめ — 「人が見るべきところ」だけ AI に渡す

物件概要書の自動生成は、4 段階に分けてそれぞれの工程に最適な技術を使うのが現実解です。

  • 抽出・正規化 → AI（Vision LLM）
  • 差し込み・保存 → 決定論的コード（テンプレート処理）
  • 確認 → 人（信頼度スコアで効率化）

この設計で月 100 時間の業務を 15 時間に圧縮できれば、業販事務の生産性は 6-7 倍になります。残った時間で営業強化に回せば、案件流入そのものが伸びる構造です。

「業販書式の転記に時間が溶けている」「OCR は試したけど精度が出なかった」というご相談は、業務 DX 無料診断（60 分）で具体構成までご提案します。

→ 業務 DX 無料診断（60 分）を申し込む

---

関連サービス:

関連事例: