ビル管理はどこまでAIに任せられるようになるか｜3段階の道筋と、いま作るべき土台

日本の生産年齢人口は減り続けています。ビル管理の現場も例外ではなく、管理員、設備担当、警備——どの職種も、採用は年々難しくなっています。

一方で、テナントがビルに期待する水準は下がりません。 対応は早いほうがよいし、館内は清潔なほうがよいし、設備は止まらないほうがよい。人が減ったからといって、期待値が下がるわけではありません。

人が減る中で、同じかそれ以上の品質を継続的に提供する。 この要請に応えるには、人がやらなくてよい部分を機械に渡していくしかありません。

私が想定している将来像は、次のような状態です。

センサーや監視機器が館内の状況を常時拾い、設備の異常をAIが検知し、必要な作業をAIが手配する。何も起きていなければ、人は手を動かさない。

点検のすべてを機械が代替できるとは考えていません。 現場に立たなければ分からないこと、触ってみなければ判断できないことは残ります。ただ、人が常時張り付いて見ていなくても異常に気づける状態は作れるはずです。そこに割かずに済んだ人手を、判断とテナントとの関係づくりに回す。それが、人口減少下で品質を保つ現実的な道筋だと考えています。

ただし、2026年10月時点では、まだそこに到達していません。 そして到達していない最大の理由は、多くの人が思うのとは違います。AIの賢さではなく、建物側の情報を取れる環境が整っていないことです。

本記事では、ビル管理のAI活用を「使う情報の種類」で3段階に整理し、現在地と、次の段階に進むために何が必要かを示します。

結論：鍵を握るのはAIの進化ではなく、建物の情報を取れる状態が一般化すること

先に結論をまとめます。

1. ビル管理のAIは、使う情報の種類で3段階に分かれます。 2026年10月時点の最前線は第2段階（自社が渡した限定的な情報をAIが使う）です

2. 第3段階（建物から流れ込む情報をAIが分析し、作業を手配する）に進む鍵は、AIの性能ではありません。 ビルOSや中央監視とのデータ接続性が一般化し、築古の中小ビルでも安価にデータを取れる仕組みが整うことです

3. だから、いま着手すべきは「AIを導入すること」ではなく「AIが扱える形で情報を貯め始めること」です。 業務がデジタル化され、文書が機械で読める形になり、記録が構造化されている。この土台がなければ、AIが進化しても材料がありません

いま貯めていない情報は、AIが賢くなってから遡って作ることはできません。 ここが本記事で最も伝えたい点です。

ビル管理のAIは「使う情報の種類」で3段階に進む

AIの機能ではなく、AIが何を材料に動くかで段階を切ると、必要な準備が見えてきます。

第1段階：外部の一般的な情報だけで足りる仕事

お知らせの文面を下書きする、長い報告書を要約する、問い合わせの内容を分類する。これらは自社固有の情報がなくても成立します。 一般的な日本語の運用能力があれば足ります。

したがって、汎用のAIをそのまま使うのが合理的です。専用のシステムは必要ありません。出力が社外に直接届く前に人が確認できるため、導入のリスクも小さく、最初の一歩として適しています。

多くの管理会社にとって、まずここから始めるのが現実的です。

第2段階：自社が渡した限定的な情報を使う — 2026年10月時点の最前線

館内ルール、使用細則、申請様式。自社が「これを使ってよい」と渡した情報の範囲で、AIが答える段階です。テナントからの問い合わせへの一次対応がこれにあたります。

第1段階との決定的な違いは、AIの出力が社外のテナントに直接届くことです。人が最後に見ていません。したがって、渡した情報の範囲から外れたことを推測で答えない設計が条件になります。

逆に言えば、渡す情報を自社で管理できるからこそ、安心して運用できる段階でもあります。何を根拠に答えるかが分かっているので、間違いが起きたときに原因を特定でき、直せます。必要な情報だけを、確実な範囲で使う——これが第2段階の性格です。

第3段階：建物から流れ込む情報を使う

ここから性質が変わります。人が渡すのではなく、建物側から情報が自動的に入ってくる段階です。

• 設備のセンサーが、温度・振動・電流・稼働状況を常時送ってくる

• 中央監視装置が、警報や運転記録を出し続ける

• 監視機器が、館内の状況を捉える

• 入退館の記録、エネルギーの使用量、点検の実績が蓄積される

この情報量は、人が渡す文書とは桁が違います。 そしてAIが本領を発揮するのは、まさにこうした連続的なデータの分析です。異常の予兆を見つける、劣化の進行を予測する、過去の対応履歴と突き合わせて必要な作業を提示する。

ここに到達して初めて、「何も起きていなければ人は手を動かさない」という状態が成立します。

2026年10月時点の現在地

• 第1段階は実用段階です。汎用のAIが広く使われ、ビル管理の現場でも文章作成などで使われ始めています

• 第2段階は、設計条件を満たした製品であれば実用可能です。ただし提供している製品はまだ限られます

• 第3段階は、大型ビルの一部で取り組みが始まっているものの、業界全体としてはこれからです

第3段階の鍵は、AIの進化ではなく「ビルの情報を取れる状態」

ここが本記事で最も伝えたい部分です。

第3段階に進めない理由を「AIがまだ賢くないから」と考えるのは、おそらく間違っています。 連続的なセンサーデータから異常の予兆を見つける、という処理自体は、AIがすでに得意とする領域です。

足りないのは、AIに渡すデータそのものです。

① ビルOS・中央監視とのデータ接続性

多くのビルには中央監視装置があり、設備の運転状況や警報を扱っています。しかしそのデータが、外部のソフトウェアから扱える形になっているとは限りません。

メーカーごとに仕様が違い、閉じたシステムとして作られ、データを取り出す前提になっていない。近年は「ビルOS」としてデータを集約・開放する動きが出てきていますが、まだ一般化していません。

接続性が標準になること。 これが第3段階の前提条件の一つ目です。

② 築古の中小ビルが置き去りになる

より深刻なのはこちらです。

新築の大型ビルであれば、設計段階からデータ連携を織り込めます。投資回収の計算も立ちます。問題は、日本のビルストックの大半を占める、築年数の経った中小ビルです。

中央監視装置がそもそもない。あっても古く、外部連携の想定がない。センサーを後付けしようにも、工事費と機器代が見合わない。「やったほうがよいのは分かるが、この規模のビルでは投資回収できない」という状態です。

ここが解けない限り、ビル管理全体としての第3段階は来ません。 一部の先進ビルだけが進んでも、業界の標準にはならないからです。

③ 安価にデータを取れる仕組みが要る

したがって必要なのは、築古の中小ビルでも、現実的なコストでデータを取れる仕組みです。

後付けできる安価なセンサー、既存設備からの簡易な信号取得、通信コストの低減。ハードウェアとソフトウェアの両面で、導入コストが下がっていくこと。 これが第3段階を一般化させる条件です。

この領域は、AIの開発とは別の進化軸です。AIがどれだけ賢くなっても、ここが整わなければ第3段階には行きません。 逆に、ここが整えば一気に進みます。

そのほかに、普及を遅らせている要因

データ基盤以外にも、現場で感じている要因があります。いずれも技術の問題ではありません。

現場のリテラシー — 高齢化という現実

ビル管理の現場は高齢化が進んでいます。管理員、設備担当、警備。新しいツールの導入が、現場にとって負担になるという現実があります。

これは軽視すべきではありません。現場が使えないツールは、どれだけ高機能でも導入されたことになりません。 段階を一足飛びに進めようとして現場が離れれば、むしろ後退します。

ただし、ここでAIが逆に効く側面もあります。操作を覚えるのではなく、聞けば答えが返ってくるという形は、従来のシステムより現場に優しい可能性があります。この点は今後の展開で変わりうる部分です。

DX推進を担う人がいない

これが最も大きな障壁かもしれません。

管理会社を回っていると、DXを推進する立場の人がそもそも置かれていない会社が少なくありません。情報システム部門がない、あっても基幹システムの保守で手一杯、現場は日々の対応で手一杯。「やったほうがよいのは分かるが、誰が進めるのか」で止まります。

技術が成熟しても、導入を主導する人がいなければ普及しません。

効果が実証されるまでの時間

新しい技術が普及するには、技術開発 → アーリーアダプターが採用 → 効果が実証されるという段階を踏む必要があります。

ビル管理のAIは、いまアーリーアダプターが採用している段階です。効果の実証はこれからで、「隣のビルでうまくいっている」という事例が積み上がって初めて、大きく動きます。

これは時間が解決する問題ですが、時間はかかります。そしてその時間を短縮できるのは、いま採用している会社だけです。

いずれも、原理的な限界ではない

データ接続性、コスト、現場のリテラシー、推進体制、実証の時間。どれ一つとして「AIにはビル管理が本質的に向いていない」という理由ではありません。 すべて、環境整備と普及の時間の問題です。

だからこそ、待つのではなく、来るべき段階に備えておくことに意味があります。

第3段階から逆算すると、いま何をすべきか

AIが建物のデータを分析する状態を目標に置いたとき、いま着手すべきことは明確になります。

重要なのは、どれもAI製品を買う話ではないという点です。

1. 業務をデジタル化する — 紙と電話のままでは情報が残らない

最も本質的です。申請が紙で、問い合わせが電話なら、AIが扱えるデータは存在しません。

設備のデータが取れるようになっても、人が何をしたかの記録がなければ分析になりません。 「この異常に対して、誰が、いつ、どう対応したか」が残っていて初めて、AIは次の提案ができます。

移行の順序と定着のさせ方は、テナント対応を電話と紙からデジタルへで詳しく扱っています。

2. 文書を機械で読める形にする

館内ルール、使用細則、申請様式、設備の仕様書。紙やPDFの画像のまま、あるいは担当者の頭の中にある限り、AIは参照できません。

ここでやるべきことは「AI対応」ではなく、単純な情報整備です。何が文書化されていて何が暗黙知か、どれが最新でどれが古いか、テナントに見せてよいものと社内限りのもの。

この棚卸しは、AIを導入しなくても価値があります。 問い合わせが減り、担当者が交代しても運用が続くようになります。そして第2段階に進める状態にもなります。

3. 記録を構造化して貯める

いま貯めていない記録は、AIが賢くなってから遡って作ることはできません。

• 申請・問い合わせの記録（誰が、いつ、何を、どう処理したか）

• 設備の点検履歴と故障履歴

• 対応にかかった時間、担当した会社

第3段階のAIは、建物から流れ込むデータと、過去の対応の蓄積を突き合わせて判断します。センサーが「異常かもしれない」と伝えても、過去に同じ兆候でどう対応したかの記録がなければ、提案はできません。

4. 根拠を追える形で記録する

「対応済み」だけでは足りません。何を根拠にそう判断したかが残っていることが、後からAIが参照できる条件になります。

申請がどの規則に照らして承認されたのか、故障にどう対応したのか、その判断を誰がしたのか。記録の粒度が、将来AIに渡せる情報の質を決めます。

「AIを導入する」のではなく「AIが扱える形で情報を貯め始める」

4つとも、AI製品の話ではありません。そしてこの土台は、AIが来なくても単体で価値があります。 損をする投資ではありません。

問い合わせの6割は、館内ルールに答えが書いてある

第2段階がいま実用になる理由を、具体的な数字で示します。

AI導入前のテナントからの問い合わせの内訳を数えたところ、館内ルールに答えが書いてある一般的な質問が、全体の6割程度を占めていました。

感覚より多いはずです。「テナント対応は個別の判断が大半だ」と思われがちですが、実際には「書いてあることを聞かれている」のが多数派です。

なぜそうなるのか。テナント側が館内ルールを探せないからです。入居時に紙で受け取った冊子はどこかにしまわれ、担当者は交代し、「聞いたほうが早い」という状態になります。電話で聞けば30秒で答えが返ってくるなら、探す理由がありません。

つまりこの6割は、テナントが怠けているのではなく、情報提供の設計が機能していない結果です。そしていまのAIでも、ここは引き受けられます。

2026年10月時点で、任せられるもの・まだ人が必要なもの

現時点の線引きを整理します。これは固定的な境界ではなく、段階が上がれば右側は縮みます。

左側に共通するのは、答えが文書に書いてあり、同じ質問が繰り返されることです。右側に共通するのは、判断・交渉・感情のいずれかを含むことです。

右側が永久に人の仕事だと考える理由はありません。 判断に必要な材料（過去の対応履歴、契約条件、類似案件の結果、そして建物から流れ込むデータ）が揃えば、AIが提案できる範囲は広がります。

なお、ビル管理システム全体における機能の位置づけは、ビル管理システムでできること一覧で3つの層に整理しています。

まず自社の内訳を数えてください

AI導入を検討するなら、直近1か月の問い合わせを内容別に分類するところから始めてください。比率は物件によって変わります。ベンダーの提示する効果ではなく、自社の実数で判断してください。 そしてこの分類作業自体が、「文書を整える」作業の出発点になります。

第2段階を安心して運用するための3つの設計条件

第2段階では、AIの出力が社外のテナントに直接届きます。 だからこの段階には設計上の条件が付きます。

誤解しないでいただきたいのは、これはAIを制限するための条件ではないということです。渡した情報の範囲で確実に運用し、次の段階へ進むための足場です。

1. 参照先を限定する — 渡していない情報から推測させない

AIが参照してよい文書を、運営者が明示的に指定する構造にします。「社内の情報を何でも検索して答える」のではなく、「指定された館内ルールの、指定されたファイルだけを根拠に答える」という形です。

指定された範囲に答えがなければ、AIは「分かりません」と返すべきです。 これは能力の制限ではなく、渡した情報の範囲で確実に運用するための選択です。

2. 回答に根拠を添える

どの文書を根拠にした回答かを提示します。

テナント側は、示された資料を開いて確認できます。運営者側は、誤った回答が出たときに原因を資料まで遡れます。根拠が示されない回答は、間違っていても誰も気づけず、直しようもありません。

そして重要なのは、この「根拠を追える」構造が、第3段階に進むための前提でもあることです。建物から大量のデータが流れ込むようになったとき、AIの判断を検証できない仕組みのまま自律化を進めることはできません。いま根拠を残す設計にしておくことが、将来への信頼を積み上げます。

3. 答えられないときは人に戻す

AIが答えられない質問は必ず出ます。そのとき「解決しなかった」という状態が記録され、通常の問い合わせとして担当者に引き継がれる導線が必要です。

ここが切れていると、テナントは「AIに聞いたが分からなかった」まま放置され、結局電話をかけてきます。

そして、人に戻った質問の一覧は、館内ルールに書かれていない情報の一覧そのものです。 これを見て資料を直せば、AIが答えられる範囲が広がります。この改善ループが、第2段階を深めていく原動力になります。

読ませる資料は「追加方式」にする

もう一点、実務上の要点があります。AIに読ませる資料は、既定でOFFにしておくべきです。

館内ルールの中には、テナントに見せる前提でない資料も混ざります。社内向けの運用メモ、古い規則、作成途中の様式。「全部読ませて、除外したいものだけ外す」設計だと、除外し忘れがそのまま事故になります。

「明示的に指定したファイルだけを使う」方式であれば、社内資料を根拠に回答される事態は構造的に起きません。選定時には除外方式か追加方式かを必ず確認してください。

AI導入で確認すべき7つのこと

選定時のチェックリストにまとめます。

7は、他の選定記事ではまず出てこない観点です。 いま導入する製品は、第2段階のために選ぶだけでなく、第3段階の材料を貯める器としても選ぶべきです。記録が構造化されずに流れていく製品では、数年後に何も残りません。

入力した情報は学習に使われるのか

テナントの問い合わせ内容には、企業名、担当者名、工事の内容、ときには事業上の事情が含まれます。これがAIの学習に使われるのかは、稟議で必ず問われます。

確認すべきは「規約に書いてあるか」

営業資料や口頭説明ではなく、利用規約に明記されているかを確認してください。口頭の説明は担当者が変われば残りません。規約は契約の一部です。

確認する表現は、具体的には次のようなものです。

入力データおよび利用ログを、AIモデルの追加学習のために利用しない

「サービス運用のための利用」と「モデル学習」は別の話

「一切利用しません」という説明は、実態と合わないことがほとんどです。

サービスを提供する以上、入力データは処理され、障害対応やサポート、不正利用の防止、機能改善のために参照されることがあります。これは正常な運用です。

区別すべきなのは、それらの利用と、AIモデルそのものに学習させることは別だという点です。したがって、「運用・改善には使うが、モデルの追加学習には使わない」という切り分けが規約上で明確になっているかを見てください。

あわせて確認したいこと

• 第三者認証の有無。 ISO/IEC 27001（ISMS）などを取得していれば、情報管理体制が第三者に検証されています

• 解約時のデータの扱い。 返却・削除の手続きが定められているか

• 資料の内容に対する責任分界。 AIに読ませる資料を選ぶのは運営者であり、その正確性・最新性に責任を持つのも運営者です。ベンダーが資料の中身まで保証することはありません

第1段階：汎用AIをどう使うか

第1段階は、自社固有の情報を渡さなくても成立する仕事です。専用のシステムを買う必要はなく、汎用のAIで足ります。

代表的なのが文章の下書きです。お知らせの文面、通知文、報告書の骨子。ゼロから書き始めるのが最も時間がかかるので、下書きがあるだけで作業時間が変わります。

ただし、生成された文章をそのまま出さないでください。 日時・対象範囲・連絡先といった事実はAIには分かりませんし、その物件で過去にどういう経緯があったかという文脈も反映されません。「AIが書き、人が直す」であって「AIが書いて終わり」ではありません。

ほかに任せやすい定型作業

同じ性質の作業、つまり人が確認してから次に進むものは、安全に任せられます。

• 問い合わせ内容の分類 — 受け取った問い合わせを「設備」「請求」「館内ルール」などに振り分ける下準備

• 長い報告書や議事録の要約 — 原文が手元にあるため、要約が外れていれば気づける

• 議事録やメモの整形 — 箇条書きへの整理、体裁の統一

共通するのは、出力が社外に直接出ず、原文との突き合わせができることです。まずここから始めるのが確実で、しかも投資がほとんど要りません。

AI導入でよくある4つの失敗

1. 「AI搭載」という言葉だけで製品を比べる

第1段階の機能と第2段階の機能では、確認すべきことがまったく違います。どの段階の、どの業務に使うのかを決めずに比較を始めると、機能の数で判断してしまいます。

2. 資料を整えずにAIを動かす

館内ルールが古い、散在している、文書化されていない状態で導入しても、答えられないか古い情報を答えるかのどちらかです。そして現場は「AIは使えない」と判断します。 一度そう思われると、資料を整えた後も使われません。

3. 回答ログを誰も見ない

AIが答えてくれるようになると、運営者は中身を見なくなります。しかし答えられなかった質問は、館内ルールに書かれていない情報の一覧です。月に一度でよいので、見る担当と時間を決めてください。

4. 効果測定の基準を取らずに始める

「電話が減った気がする」で終わります。測るなら、始める前に測る必要があります。後からは取り戻せません。

導入の順序 — 資料が整っている物件から

館内ルールが整備されている物件から始めてください。 第2段階のAIの回答品質は、読ませる資料の品質で決まります。

ステップ1：対象物件の館内ルールを棚卸しする 何が文書化されていて、何が担当者の頭の中にあるかを確認します。この時点で、AIの有無にかかわらず情報提供の設計が改善されます。

ステップ2：テナントに見せてよい資料を選別する AIに読ませる範囲を決めます。この作業は、そのまま「テナントがいつでも見られる場所に何を置くか」の整理にもなります。

ステップ3：件数の多い質問から様子を見る ゴミの出し方、駐車場、時間外空調。定型の質問に答えられるかを確認します。

ステップ4：回答ログを見て、資料を直す 答えられなかった質問を確認し、資料の側を直します。 ここが改善ループの本体です。

ステップ5：対象物件を広げる

ステップ1と2は、AIを導入しなくても価値があります。 「AI導入プロジェクト」として社内を動かし、実際には情報整備が進む——という進め方は現実的で、しかもDX推進を担う人がいない会社でも動かしやすい形です。

効果をどう測るか

1. AIだけで完結した問い合わせの件数と比率 最も重要な指標です。人に引き継がれずに解決した割合が、AIが実際に引き受けている量を表します。低いなら、読ませている資料が足りていません。

2. 人に引き継がれた質問の内容 館内ルールに書かれていない情報の一覧です。改善材料として最も価値があります。

3. 繰り返される質問の減少 資料はあっても見つけにくい場所にある、という合図です。

4. 電話件数の変化 導入前に1週間分の件数と内容を記録しておいてください。

5. 浮いた時間の使い道 手続きの質問をAIが引き受けた分、担当者の時間が空きます。その時間を何に使ったかを記録してください。テナント訪問、面談、共用部の改善。ここが動いていなければ、導入は省人化で終わっています。

なお、ベンダーが提示する削減率をそのまま稟議に使うのは避けてください。 物件ごとに問い合わせの内訳が違うため、他社の数字は参考になりません。

ラクビルTeXでの実装例

テナントコミュニケーションの領域で、ラクビルTeXがAIをどう扱っているかを示します。第2段階にあたる部分です。

渡した情報の範囲で確実に動く設計にしている

ラクビルTeXのAIによるテナント問い合わせ自動応答は、館内ルールとして登録された資料のうち、運営者が指定したものだけを根拠に回答します。 指定されていない情報から推測して答えることはありません。

この設計は、精度を上げる方向ではなく、根拠のない回答をさせない方向に振った結果です。申請の締切、工事の可否、設備の使用条件——こうした内容で誤った案内がテナントに届けば、テナントの行動を直接誤らせます。テナントを惑わせないことを最優先に検証を重ね、現在の形になっています。

具体的には3点が組み合わさっています。

参照先の限定。 AIが参照するのは、館内ルール、申請情報、運営者が登録・指定した情報に限られます。これは実装だけでなく、利用規約上も「AI情報ソース」として定義されています。

資料はファイル単位の追加方式。 館内ルールに添付した各ファイルについて、AIの回答に使うかを個別に指定します。既定値はOFFです。 明示的にONにしたファイルだけが使われるため、社内向けの資料や古い様式が紛れ込む事故が構造的に起きません。利用規約にも、テナントに開示することが不適切な情報をAI情報ソースとして利用してはならない旨が定められています。

回答に引用元が付く。 AIの各回答には、どの館内ルールの、どのファイルを参照したかが引用情報として添えられます。テナントは示された資料を開いて確認でき、運営者は誤った回答の原因を資料まで遡れます。

未解決は人に引き継がれ、一覧で区別できる

やり取りは「解決した／解決していない」の状態を持ち、未解決のものは通常の問い合わせとして担当者に引き継がれます。運営者側で解決状態を更新することもできます。

さらに、問い合わせの一覧上で「AIだけで完結したもの」と「人に引き継がれたもの」が区別できます。 効果測定の指標1と2をそのまま取れる形です。

運営者がAIのやり取りを見られる

AI問い合わせは、通常の問い合わせと同じ一覧で確認できます。物件・期間・件名・テナント・質問したユーザーで絞り込めるため、「今月この物件で何を聞かれたか」を把握できます。

AIをブラックボックスにしないための設計であり、改善ループを回すための前提です。

記録が構造化されて貯まる

AI問い合わせも、通常の問い合わせも、館内申請も、構造化された記録として蓄積されます。 誰が、いつ、何を、どう処理したかが残ります。

前述のとおり、第3段階のAIは、建物から流れ込むデータと過去の対応の蓄積を突き合わせて判断します。 いまこの形で貯めておくことが、将来の選択肢を残すことになります。

入力データの扱いを規約に明記している

AI入力データおよびAI利用ログを、AIモデルの追加学習のために利用しないことを利用規約に明記しています。一方で、サービスの提供・運用・障害対応・不正利用防止・機能改善・分析のために利用することも、同じく規約で定めています。

「一切利用しない」という曖昧な説明ではなく、運用のための利用とモデル学習を切り分けて明文化しているのが実態です。規約は公開されているため、稟議や情報システム部門への説明の際に原文をそのまま確認いただけます。あわせて、国際セキュリティ規格 ISO/IEC 27001 の認証を取得しています。

文章生成と、物件ごとの有効化

お知らせやLINEでの通知については、タイトルから本文の下書きを生成する機能があります。あくまで下書きであり、確認・修正したうえで使う前提です。

AIによる問い合わせ自動応答も、文章生成も、物件ごとに使うかどうかを選べます。 資料の整備が進んでいない物件で先に走らせても効果は出ないため、整った物件から順に使うという判断ができます。

よくある質問

Q. ビル管理のどこまでAIに任せられるようになりますか？

A. 最終的には、設備の異常をAIが検知し、過去の履歴と契約内容をもとに必要な作業を手配する段階まで進むと考えています。人が手を動かすのは、判断が必要な例外と、テナントとの関係づくりが中心になります。ただし点検のすべてを機械が代替できるとは考えていません。 現場に立たなければ分からないことは残ります。目指すのは「人をなくすこと」ではなく、人口が減る中で品質を落とさないことです。2026年10月時点の最前線は、自社が渡した情報の範囲でAIが問い合わせに一次対応する段階です。

Q. なぜまだ自律的な運用に至っていないのですか？

A. 最大の理由は、AIの賢さではなく、建物側の情報を取れる環境が整っていないことです。連続的なセンサーデータから異常の予兆を見つける処理自体は、AIがすでに得意とする領域です。足りないのは渡すデータのほうで、①ビルOSや中央監視とのデータ接続性が一般化していない、②築古の中小ビルでは後付けの投資が回収できない、という2点が効いています。加えて、現場の高齢化、DX推進を担う人材の不在、効果が実証されるまでの時間も影響しています。いずれも「AIがビル管理に向いていない」という理由ではありません。

Q. 中央監視装置があればAIで分析できますか？

A. 装置があることと、外部のソフトウェアからデータを扱えることは別です。メーカーごとに仕様が異なり、閉じたシステムとして作られ、データを取り出す前提になっていないものが多くあります。近年は「ビルOS」としてデータを集約・開放する動きが出ていますが、まだ一般化していません。導入を検討する際は、既存の中央監視からどの程度データを取り出せるかをメーカーに確認するところから始めてください。

Q. 築古の中小ビルでもAI活用は可能ですか？

A. 第1段階（文章の下書きなど汎用AIの利用）と第2段階（渡した文書の範囲での問い合わせ対応）は、建物の設備に依存しないため規模や築年数にかかわらず可能です。一方、建物から流れ込むデータを使う第3段階は、現状ではセンサーの後付け費用が投資回収に見合わないケースが多くあります。ここが業界全体の課題で、安価にデータを取れる仕組みが整えば一気に進む領域です。それまでは、第1・第2段階で記録を貯めておくことが、将来への備えになります。

Q. いま何から始めるべきですか？

A. AI製品を買うことではなく、AIが扱える形で情報を貯め始めることからです。①業務をデジタル化する（紙と電話のままでは記録が残りません）、②文書を機械で読める形にする、③記録を構造化して貯める、④判断の根拠を残す。この4つはAIの話ではありませんが、将来AIに渡せる材料を持っているかどうかを決めます。 しかもどれも、AIが来なくても単体で価値があります。

Q. いま貯めていないデータは、後から用意できませんか？

A. できません。過去の対応履歴、点検の記録、判断の根拠は、遡って作ることができないからです。第3段階のAIは、建物から流れ込むデータと過去の蓄積を突き合わせて判断します。センサーが「異常かもしれない」と伝えても、過去に同じ兆候でどう対応したかの記録がなければ提案はできません。 製品を選ぶ際は、記録が構造化されて残る器かどうかを確認してください。

Q. テナントからの問い合わせは、どのくらいAIに任せられますか？

A. 実際にAI導入前の問い合わせの内訳を数えたところ、館内ルールに答えが書いてある一般的な質問が全体の6割程度を占めていました。感覚より多いはずです。ただし比率は物件によって変わるため、直近1か月の問い合わせを自社で分類して判断してください。

Q. AIが間違った回答をしたらどうなりますか？

A. 現時点では「間違えにくいAI」ではなく「渡していない情報から推測して答えない設計」を選ぶべきです。確認すべきは3点で、①参照する文書を運営者が指定でき、指定外から推測して答えない、②回答にどの文書を根拠にしたかが付く、③答えられないときは人に引き継ぐ。これはAIを制限するための条件ではなく、渡した情報の範囲で確実に運用し、次の段階に進むための足場です。特に②は、将来AIの判断を検証しながら自律化を進めるための前提にもなります。

Q. AIに社内資料を全部読ませてよいですか？

A. よくありません。館内ルールの中には、テナントに見せる前提でない資料が混ざります。重要なのは、「全部読ませて除外する」方式ではなく「明示的に指定したものだけを使う」方式を選ぶことです。前者は除外し忘れがそのまま事故になります。選定時に、既定値がONかOFFかを確認してください。

Q. 現場が高齢化していて、新しいツールに抵抗があります

A. 現実的な課題で、軽視すべきではありません。現場が使えないツールは、どれだけ高機能でも導入されたことになりません。 一方で、AIには従来のシステムと違う側面もあります。操作を覚えるのではなく、聞けば答えが返ってくるという形は、現場にとって負担が小さい可能性があります。まずは運営側の内部作業（文章の下書き、問い合わせの分類）から始め、現場への展開は効果が見えてからにしてください。

Q. 社内にDXを推進する人がいません

A. これが最も大きな障壁かもしれません。有効なのは、規模の小さい、成果の見えやすい単位で始めることです。たとえば「1物件の館内ルールを整理する」であれば、情報システム部門がなくても現場の担当者が進められます。そしてこの作業は、AI導入の前提であると同時に、それ自体で問い合わせを減らします。

Q. 効果が実証されていない段階で導入するリスクは？

A. 第2段階（問い合わせの一次対応）に限れば、リスクは管理可能です。物件ごとに有効化できる製品であれば、1物件で試し、効果が出なければ止められます。 むしろ大きいのは、着手しないことによる機会損失です。いま貯めていない記録は後から作れません。 効果が実証されてから動く会社は、実証した会社が持っている蓄積をゼロから作ることになります。

Q. お知らせの文章をAIに書かせても大丈夫ですか？

A. 下書きとして使う分には問題ありません。テナントに届く前に人が確認できるため、最初の一歩として適しています。ただしそのまま出さないでください。 日時・対象範囲・連絡先といった事実はAIには分かりませんし、その物件固有の文脈も反映されません。

Q. AI導入で人員を減らせますか？

A. そこを目的にすると、投資としては失敗しやすくなります。そもそもの出発点は、人が減る中で品質を保つことです。採用が難しくなる前提に立てば、AIは削減の手段ではなく、限られた人員で従来の水準を維持するための手段になります。そして手続きをAIに渡して空いた時間を、判断とテナントとの関係づくりに移せるかどうかが問われます。

Q. テナントの情報がAIの学習に使われませんか？

A. 利用規約に明記されているかを確認してください。営業資料や口頭説明ではなく規約です。なお「一切利用しません」という説明には注意してください。サービスを提供する以上、障害対応やサポート、不正利用防止のためにデータが参照されることはあり、それは正常な運用です。運用のための利用とモデル学習を切り分けて明文化しているかを見るのが正しい確認の仕方です。

Q. 効果はどう測ればよいですか？

A. 5つの指標で見てください。①AIだけで完結した問い合わせの件数と比率、②人に引き継がれた質問の内容、③繰り返される質問の減少、④電話件数の変化、⑤浮いた時間の使い道。特に①は、AIが実際に引き受けている量を表す最重要の指標です。④は導入前に測っておかないと比較できません。

まとめ

ビル管理のAI活用は、次のように整理できます。

1. 出発点は人口減少です。 人が減る中で、テナントの期待する水準を落とさずに提供し続ける。そのために、人がやらなくてよい部分を機械に渡していく必要があります

2. AIは「使う情報の種類」で3段階に進みます。 第1段階は外部の一般情報だけで足りる仕事（文章の下書き）、第2段階は自社が渡した限定的な情報を使う仕事（問い合わせの一次対応）、第3段階は建物から流れ込む情報を分析する仕事（異常検知と作業の手配）です

3. 2026年10月時点の最前線は第2段階です。 第3段階は大型ビルの一部で始まっているものの、業界全体としてはこれからです

4. 第3段階に進む鍵は、AIの進化ではありません。 ビルOSや中央監視とのデータ接続性が一般化し、築古の中小ビルでも安価にデータを取れる仕組みが整うことです。ここが整えば一気に進みます

そして、いま着手すべきことです。

AI製品を買うことではなく、AIが扱える形で情報を貯め始めること。 業務をデジタル化し、文書を機械で読める形にし、記録を構造化して貯める。判断の根拠を残す。

いま貯めていない記録は、AIが賢くなってから遡って作ることはできません。 効果が実証されてから動こうとする会社は、実証した会社がすでに持っている蓄積を、そこからゼロで作ることになります。その差は、技術が成熟した後では埋められません。

人が減るのは確定した未来です。その中で品質を保つ手段を、いまのうちに用意しておく。 それが本記事の結論です。

ラクビルTeXについて

ラクビルTeXは、オフィスビル・商業施設・物流倉庫など事業用不動産の運営者とテナントをつなぐWebプラットフォームです。本記事で解説したAIによるテナント問い合わせの一次対応に加え、館内申請と承認フロー、テナントへの通知、問い合わせ管理、会議室・共用設備の予約、館内ルール掲示、個別テナント宛書類の共有、アンケート、日程調整、売上管理などを一つのプラットフォームで提供しています。複数物件・複数社での運用を前提に設計されており、国際セキュリティ規格 ISO/IEC 27001 の認証を取得しています。

• サービスサイト：https://tex-lp.rakbil.com

ご相談について

「ビル管理や不動産まわりの日常業務を見直したうえで、AIによる効率化を図りたい」 というご相談を承っています。事業用不動産に特化したDX・AI活用コンサルティングサービスとして、現状の業務の棚卸しから、AIを導入できる状態への整備、実際の導入までをお手伝いします。

本記事で述べたとおり、AI活用の成否は製品選定よりも、業務と情報の整備で決まります。 そのためご相談は、「どの製品を入れるか」を決める前の段階からで構いません。むしろ 「何から手をつければよいか分からない」「社内にDXを推進する担当がいない」という状態からのご相談を歓迎しています。

そして、既存のサービスで解けない課題については、サービス開発を伴う形でのご提案も可能です。 自社でプロダクトを開発している事業者として、必要であれば仕組みそのものを作るところから検討できます。業務を見直した結果、既成のツールでは形にならないという結論になることもあります。そうした場合にも、選択肢を用意できます。

約30分の無料相談で、現状の課題整理からお手伝いします。お気軽にお声がけください。

• ご相談はこちら：https://tex-lp.rakbil.com/consulting