WELLSTAR AGENCY COLUMN
AIの予測精度より、その前提条件が問題になる
先日、埼玉県川口市で1棟マンションを検討している40代の医師から相談を受けた。「AIシミュレーターで家賃下落率を年0.5%と入力したら、IRRが7.2%出た。これで買っていいですか」という内容だった。数字の出し方は悪くない。ただ、年0.5%という前提がどこから来たのかを聞くと、「ツールのデフォルト値をそのままにした」と言う。
これが、AIを使った投資判断でいま最も多く起きていることだ。ツールは精緻になった。しかし入力する前提値の根拠が薄いままでは、精緻なゴミが出てくるだけである。
家賃下落リスクをAIで予測すること自体は正しい方向性だ。問題は、その出力値をどう解釈し、何を見落としているかにある。
「家賃下落率」という変数の中身を分解する
家賃下落は単一の現象ではない。少なくとも3つの異なるメカニズムが重なって起きる。
第一は経年劣化による市場相場の下落。築年数が積み重なるにつれ、同エリアの新築・準新築物件との賃料差が開いていく。第二は需給バランスの変化。人口流出、競合物件の大量供給、企業移転などによってエリア全体の賃貸需要が縮む。第三はテナント属性の劣化。入居者の質が下がることで、家賃を維持しても実質的なキャッシュフローが悪化する（滞納率上昇、原状回復費の増加など）。
多くのAIシミュレーターが扱えるのは主に第一と第二だ。人口動態データや過去の賃料推移から統計的に下落率を推計することはできる。しかし第三──テナント属性の変化は、データ化されにくい定性情報であり、AIが苦手とする領域だ。
川口市の医師の事例に戻ると、対象物件は築22年・24戸・表面利回り8.6%・価格1億4,800万円の鉄筋コンクリート造だった。エリアの人口トレンドはAIでも一定の予測が可能だが、その建物が生活保護受給者の集住物件になりつつあることは、現地確認と管理会社へのヒアリングで初めて分かった。家賃水準は維持されていても、滞納・原状回復の実費が年間120〜150万円規模で発生していた。この数字はいかなるAIも自動では拾えない。
※各要素をAIシミュレーターが定量化できている割合（筆者の実務経験に基づく概算）
融資構造が「出口」を先に決めてしまう現実
IRRやDSCRをシミュレーションする際、多くの投資家が見落とすのが「融資構造それ自体がリスクシナリオを狭める」という事実だ。
横浜市神奈川区で1棟アパートを所有するA氏（50代・会社経営・妻と子2人）の案件は、この典型だった。築18年・木造・10戸・価格8,200万円・表面利回り9.1%。購入時のシミュレーションでは、家賃を年0.8%ずつ下落させても10年IRRで5.4%という試算が出ていた。融資は地方銀行のプロパーで、金利2.1%・期間20年・フルローン。数字の上では問題ない。
ところが購入から5年後、A氏は売却を検討した。子どもの教育費が重なり、手元流動性を確保したかったからだ。しかしここで問題が生じた。残債が約6,700万円あるなかで、物件の市場価格は6,100万円にまで下落していた。売れば600万円以上の損が確定する。かといって保有し続ければ月次キャッシュフローはギリギリだ。AIシミュレーションは「10年保有」を前提にしていたが、5年での売却という現実的なシナリオがそもそも組み込まれていなかった。
「購入前に5年で売るケースも試算しておけばよかった。融資が20年だから20年持ち続けられると、どこかで思い込んでいた」
A氏・50代経営者
融資期間の設定は返済スケジュールだけでなく、事実上の「最短保有期間」を決める。残債の逓減スピードが物件価値の下落スピードより遅ければ、途中売却は損失確定になる。この構造を「撤退コスト」として事前に試算しておくことは、家賃下落予測と同等かそれ以上に重要だ。
物件のCF・IRR・DSCRはもちろん、こうした撤退シナリオまで含めた感度分析を行いたい場合、物件シミュレーションPro Ver.7.0で複数シナリオの試算が可能だ。入力変数を変えながら保有期間別の損益分岐を確認することで、「いつでも売れる」という根拠のない安心感に気づけることがある。
AIが予測する「エリアの将来」と、管理が決める「物件の将来」は別物だ
AIによる家賃下落予測は、基本的にエリア単位の統計モデルだ。国勢調査データ・住宅着工統計・地価公示などを組み合わせ、そのエリアの平均的な賃料推移を予測する。これはマクロ予測であり、個別物件の賃料推移はまた別の話になる。
同じ川口市内でも、駅から徒歩3分の物件と徒歩12分の物件では賃料下落の速度がまったく異なる。さらに同じ立地でも、管理会社が積極的に設備投資・リノベーションを提案する物件と、現状維持だけを続ける物件では、5年後の賃料水準が15〜20%以上乖離することがある。
管理会社の質は、AIがまず評価できない変数だ。具体的には、空室発生から入居付けまでの平均日数（ADR）、入居者クレーム対応のレスポンス速度、退去後の原状回復工事の単価管理、そして新規入居者の審査基準。これらは管理会社ごとに大きく異なり、年間の実質収益に100〜300万円規模の差をもたらすことがある。
管理会社の選定が実質利回りを変える
管理会社を変えることで年間収益が改善したケースは実務上珍しくない。しかしこれはAIシミュレーションの入力値には反映されない。逆に言えば、現状の管理会社が低水準であれば、その前提で計算された「家賃下落予測」には改善余地が含まれていないことになる。デューデリジェンスの段階で管理会社を評価し、必要なら切り替えを前提に収益計画を立て直すことが有効だ。
「空室率の想定」が甘くなる構造的な理由
AIが弾く空室率の想定は、多くの場合エリアの平均賃貸稼働率から算出される。全国的に見ると賃貸住宅の空室率は18〜20%程度（総務省住宅・土地統計調査）だが、投資シミュレーションで使われる想定空室率は5〜10%に設定されることが多い。この乖離がなぜ生まれるかというと、「総戸数に占める空室」と「稼働中物件における空室」の定義が違うからだ。
加えて、空室率の「時間的分布」が見落とされやすい。年間平均で5%の空室率でも、3月〜4月の繁忙期にほぼ満室になり、9月〜2月にかけて15%まで上昇するという季節変動があれば、ローン返済の月次キャッシュフローには実際に欠損が生じる。年次の平均値でシミュレーションしている限り、この問題は表面化しない。
もう一つ、長期的な空室リスクとして「ゾーニングの変化」がある。工場跡地の再開発、大型商業施設の撤退、大学のキャンパス移転──こうした地域環境の変化は賃貸需要を急変させるが、過去データに基づくAIモデルは「起きていないこと」を予測できない。エリアの中期的な都市計画をリサーチすることは、今もアナログな作業として残っている。
「買える価格」と「買っていい価格」の間にある盲点
高所得者が収益物件を購入する際、銀行の融資審査は通りやすい。年収1,500万円以上の医師・経営者・弁護士クラスであれば、2億円前後の融資も珍しくない。しかしここに一つの罠がある。「融資が通る規模」と「CFが成立する規模」が一致しないことがある。
大阪市淀川区で2棟目の1棟マンション購入を検討していたB氏（40代・開業医・配偶者・子1人）は、年収3,100万円・金融資産6,000万円という属性で、金融機関から最大2億5,000万円の融資枠を提示された。対象物件は築14年・RC造・18戸・価格2億1,000万円・表面利回り7.4%。AIシミュレーターを使って家賃を年0.7%下落させた試算では、DSCRが1.15を維持し「問題ない」という判定が出た。
しかし詳細を精査すると、物件の管理費・修繕積立金相当の実費、固定資産税、火災保険料、管理委託費を正確に組み込んだ後のNOIベースのDSCRは1.03まで下がっていた。金利が0.5%上昇するシナリオでは1.0を割る。融資枠内に収まることと、ストレス耐性があることはまったく別の話だ。
B氏は最終的に購入を見送り、価格帯を1億5,000万円前後に修正した。「融資が通る」という事実が判断を鈍らせる構造は、高属性の投資家ほど働きやすい。自分が実際に買える物件規模と、買っていい物件規模を切り分けることが先決だ。自分の購入力の上限と下限を整理したい場合、1棟投資 購入力診断で30秒で目安が分かる。
数字が正確でも判断が間違う理由
AIシミュレーションが優れているのは、多変数を同時に処理して感度分析を行える点だ。家賃下落率・空室率・金利・修繕費──4変数を同時にストレスかけた時の収益変化を瞬時に可視化できる。10年前の計算では数時間かかっていた作業が数秒で済む。
しかし精度が上がったことで、かえって「数字に書かれていないこと」への注意が薄れる傾向がある。
具体的に言えば、出口戦略の多様性だ。売却一択ではなく、建て替え・借地権化・一部売却・継承──保有資産の活用方法は物件の立地・構造・土地形状によって大きく異なる。AIシミュレーターが想定するのは通常「保有→売却」の一本道だ。しかし実際の投資ホライズンは、投資家の税務状況・事業計画・相続対策と連動して変化する。
また、AIが苦手とするのが「競合物件の質的変化」だ。エリア内の賃貸需要が一定でも、新しく供給された競合物件がオートロック・宅配ボックス・独立洗面台を標準装備していれば、それを持たない既存物件は家賃競争力を失う。この「設備水準の相対的劣化」は、賃料データには遅れて反映されるため、予測モデルへの組み込みが難しい。
投資判断における数字の役割は「答えを出すこと」ではなく「問いを立てること」だ。IRRが7%という数字が出たとき、問うべきは「この7%はどの前提が崩れたら3%になるか」であり、「この7%は信頼できるか」ではない。
デューデリジェンスで確認すべき非数値情報
AIの出力値を前提条件として検証するためには、現地・現物・現場の情報が不可欠だ。建物の廊下・ゴミ置き場・駐輪場の状態、入居者の生活音、郵便受けの状況、近隣の競合物件の賃料と設備水準。管理会社へのインタビューでは、直近3年の退去理由・滞納発生件数・原状回復の平均費用を必ず聞く。これらは数値で存在しても、ツールには入力されていない。
初めて1棟収益物件への投資を考えているなら、数字を精緻化する前にこうした非数値情報の読み方を身につけることが先だ。はじめての1棟投資 無料相談では、シミュレーションの前提値の妥当性を含めた個別の論点整理から始めることができる。
比較表：AIが得意なこと・苦手なこと
| 評価項目 | AIシミュレーターの精度 | アナログ確認の代替可否 |
|---|---|---|
| エリア賃料の長期推移予測 | 高（過去データ豊富） | 部分代替可能 |
| 人口動態・需給バランス | 中（自治体単位まで） | 補完が必要 |
| テナント属性・滞納リスク | 低（データ化困難） | 現地確認が必須 |
| 管理会社の運営品質 | なし | 現地確認が必須 |
| 設備水準の相対的劣化 | 低（競合変化は遅行） | 現地確認が必須 |
| ローン残債と市場価格の乖離 | 中（金利・価格変動は試算可能） | 融資構造の精査が必要 |
| 都市計画・大型開発の影響 | 低（未来の計画は入力不可） | 行政情報の直接確認が必要 |
個別の融資条件・税務構造・物件属性を組み合わせた具体的な投資相談は、不動産投資ページから問い合わせることができる。AI予測の前提値を現場情報で補正した上で、最終的な投資判断を組み立てることが現実的なアプローチだ。
数字を疑う習慣が、投資家の武器になる
AIが家賃下落を予測してくれる。DSCRが自動計算される。IRRが瞬時に出る。これらは間違いなく投資判断の質を底上げした。ただ、ツールが進化するほど「入力値の精度」と「出力値の解釈」という人間側の仕事の比重が増す。精緻なモデルに粗い前提を入れれば、洗練された誤答が出るだけだ。
あなたが使っているシミュレーションの家賃下落率は、誰が・何のデータから・どういう前提で設定したものか。その一問を自分に投げかけてみることで、数字の見え方が変わることがある。
FOR SUBSCRIBERS
不動産投資コラムを
定期的にお届けします
１棟収益物件投資に役立つ、
実務家ならではの視点と最新の市況を、
LINEまたはメールでお届けします。
配信は週1〜2回。ご不要になれば、いつでも解除いただけます。
配信: 株式会社ウェルスターエージェンシー
