OCRによる自動入力を実装し、AIによる自動化の準備を整えた― 自社の大家向けアプリの読み取り機能を、不動産業務アプリとして提供するまで

01不動産の現場は、まだ「紙」と「手入力」で動いていた

地域の不動産会社・管理会社の現場に入ると、最初に見えてくるのは 「システムが古い」ことではなく、「人がまだ紙で回している」という現実だった。

領収書、請求書、賃貸借契約書、修繕の見積書。これらは紙やPDFで届き、 担当者が一枚ずつ目で読み、金額・日付・取引先・物件名を手で台帳やExcelに打ち込む。 担当者の多くは50代・60代で、退職が近づくほど 「この人がいなくなったら誰が入力するのか」という不安が現場に静かに積み上がっていた。

つまり、ここで起きていたのは業務の高齢化と属人化だった。新しいSaaSを導入する以前に、 「手入力という作業そのもの」をどう軽くするかが、最初に解くべき課題だった。

02出発点は、ゼロからの開発ではなく「自社アプリの中」にあった

私たちはもともと、個人大家向けの賃貸経営アプリ「大家賃貸ノート」を自社開発していた。物件・契約・修繕・家賃・経費・書類を一元管理するアプリで、 その中核機能のひとつが、領収書や契約書をカメラで撮るだけで内容を読み取るOCR ＋ 端末内AIだった。

新しい不動産業務アプリを一から作るのではなく、すでに現実のデータで鍛えられていた読み取り機能を転用する。 これが、最短で現場に届けるための設計判断だった。

03読み取りエンジンを「業務アプリ」へ転用する

大家向けと不動産業務向けでは、扱う書類の種類も、入力先のデータ構造も異なる。 そこで、読み取りの中核（画像 → テキスト → 構造化データ）はそのまま活かしつつ、 業務側に合わせて次の層を載せ替えた。

• ▸

  読み取り対象の追加

  領収書・契約書に加え、請求書・見積書・銀行明細など業務で頻出する帳票へ拡張

• ▸

  項目マッピングの差し替え

  抽出した値を、業務アプリ側の取引・物件・取引先データへ自動で割り当て

• ▸

  証憑番号の自動採番

  読み取った1枚ごとに管理番号を付与し、後から突合できる状態で保存

• ▸

  既存運用との接続

  出力はCSV/PDFで、いま使っているExcelや会計ソフトの取り込みを壊さない

「読み取る」部分は作り直さない。変えたのは“読み取った後、どこへ流すか”だけ。 自社アプリで先に検証済みのエンジンだったからこそ、業務アプリ側の開発は ロジックの再発明ではなく、接続と調整に集中できた。

04OCRによる自動入力 ― 「撮る」と「下書きができている」

実装した自動入力の体験は、できるだけシンプルにした。 担当者がやることは、書類をカメラで撮る（またはPDFを選ぶ）だけ。 あとは読み取りエンジンが、金額・日付・取引先・物件・税区分などを抽出し、入力フォームにあらかじめ埋まった「下書き」を用意する。

これまで1件あたり数分かかっていた手入力が、 「読み取り結果を眺めて、必要なら直して、確定する」だけの作業に変わる。 ゼロから打ち込む作業と、出来上がったものを確認する作業では、心理的な負荷がまるで違う。

高齢化した現場ほど、まったく新しい操作よりも、「いつもの確認作業の延長」に見えることが受け入れられる条件になる。自動入力はその設計思想で組み立てた。

そして、この「入力から確認へ」という作業の質の変化は、思わぬ副産物も生んだ。 ゼロから打ち込む作業が減ったことで、誤字や入力の誤りそのものが減り、後工程での手戻りも少なくなったという報告が、現場から上がってきたのだ。

ここで再認識させられたのは、生産性の向上とは「同じ作業を速くすること」だけではない、ということだ。業務の“種類”そのものを、目的に沿った形へ変える― 入力という作業を、確認という作業に置き換える ― その変化自体が、 誤りと手戻りを減らし、結果として生産性を押し上げていく。 手段を効率化するだけでなく、作業の性質を目的に合わせて変えることこそが重要だと、現場の声があらためて教えてくれた。

05端末内処理と「下書き → 承認」 ― 自動化を暴走させない

自動入力で最も怖いのは、AIが勝手に台帳を書き換えてしまうことだ。読み取りは便利だが、必ず誤読は起きる。金額の桁、日付、似た取引先名 ― 現場の数字は誤れない。

そこで、大家向けアプリで採用していた設計をそのまま業務アプリにも持ち込んだ。

「全自動」をうたうほうが見栄えはいい。だが現場で本当に必要だったのは、速さと、間違えても止められる安全弁の両立だった。下書き → 承認という一手間こそが、自動化を現場に定着させる条件になる。

06高齢化する現場でも使えるUXに寄せる

機能が優れていても、操作が複雑なら現場では使われない。 業務アプリ化にあたって、UXは徹底して「迷わない」方向に振った。

• ▸

  操作の起点は“撮る／選ぶ”の一択に絞る

• ▸

  読み取り結果は、直すべき箇所だけが目立つ表示にする

• ▸

  専門用語より、現場で使われている言葉でラベルを付ける

• ▸

  承認待ちは「ホームのカード」に集約し、やるべきことを一目で示す

• ▸

  失敗しても元に戻せる ― 取り消し・再読み取りを常に用意する

新しい技術を入れることが目的ではない。「いまの担当者が、今日から使えること」を目的に置いたとき、自動入力はようやく現場の道具になった。

07見えないコスト ― 複雑なソフトが、世代間の軋轢を生む

なぜ、ここまで「簡単であること」にこだわったのか。その裏には、 複雑なソフトウェアが生む“見えないコスト”への警戒があった。

50代・60代の社員に、新しいSaaSの操作をゼロから覚えてもらう ― これは、本人にとっても会社にとっても、決して小さくない学習コストだ。 高機能なソフトは確かに便利だが、その複雑さがシニアに忌避されれば、便利なはずのソフトは使われない。

そして、これは単なる業務負担の偏りでは終わらない。「なぜ自分ばかり」という不満は、 静かに世代間の軋轢を育てていく。とりわけ、人間関係が濃く、 同じ顔ぶれで長く働く郊外・地方の職場では、この軋轢は致命的になりうる。 チームの空気が一度ぎくしゃくすれば、その修復にかかるコストは、 ソフト導入で得られる効率をたやすく上回ってしまう。

だから私たちは、新しい操作を覚えさせる方向ではなく、「いつもの確認作業の延長」にしか見えない形にこだわった。シニアが避けず、若手に入力が偏らない ―見えないコストを増やさないこと自体を、設計の要件に据えた。

08これは「AIによる自動化」への助走だった

今回実装したのは、いきなりの完全自動化ではない。 読み取り → 下書き → 人の承認、というワークフローを現場に根づかせる「準備」の段階だ。だが、この準備こそが、その先のAI自動化を可能にする土台になる。

つまり、自動入力の実装は単なる省力化ではなく、AIに任せられる範囲を一段ずつ広げていくためのデータ基盤づくりでもある。承認の履歴が貯まるほど、どこを自動化してよいかの判断材料も増えていく。 大家向けアプリで磨いた読み取りの考え方は、AI・OCRによる自動化の文脈でも、そのまま業務の現場へ広げていける。

09提供価格 ― 月3,000円から、1年36,000円＋税という選択

この読み取り・自動入力を業務アプリとして提供するにあたり、当初想定していたのは月額3,000円のサブスクリプションだった。月々の負担を抑えつつ、継続的に使ってもらう形だ。

だが今回の提供では、月額ではなく1年契約・36,000円（＋税）という形を選んだ。

理由は大きく二つある。

採算だけを見れば合理的とは言いにくい価格だ。それでも、最初の一歩は“数字”より“現場の反応”で測りたい― この段階では、その判断を優先した。

10今後の展望 ― 「どこまで自動化するか」を、費用の実感ごと設計する

読み取りの起点は、いまはカメラ撮影とPDFが中心だ。だが本来、書類が入ってくる入口はそれだけではない。 次に広げたいのは、もっと手前 ― メールと申込フォームからの自動化だ。

• ▸

  メールの自動読み取りから書類反映

  メールに届く請求書・明細・通知を自動で読み取り、台帳や書類へそのまま反映する

• ▸

  申込フォームからの自動資料生成

  入居申込フォームの入力内容から、必要書類や案内資料を自動で組み上げる

ただし、自動化できる範囲を広げるほど、開発・運用の費用はかさんでいく。 潤沢な予算がある大手ならともかく、中小規模の不動産経営で、青天井の自動化は現実的ではない。 だからこそ、本当の関心はここに移っていく。

すべてを自動化することがゴールではない。 規模に見合った「ちょうどいい自動化」の線引きを、費用の実感とセットで現場と一緒に探っていく ― それが、メールやフォームへと広げていく次の段階で、私たちが向き合うテーマになる。

11まとめ ― 自前で作ってきた資産が、業務アプリの近道になった

不動産業界の高齢化という課題に対して、私たちが選んだのは派手な新技術ではなかった。 自社で大家向けに育ててきた読み取り機能を、業務アプリへ転用しただけだ。 しかし、現実のデータで鍛えられた機能を転用したからこそ、短い開発で、現場が今日から使える自動入力を届けられた。

新しい仕組みを増やしたいわけじゃない。
ただ、いまの担当者がいなくなっても回る形に、少しずつ近づけておきたい。

OCRによる自動入力は、その第一歩だ。手入力を確認に変え、データを構造化し、 人の承認で正しさを担保する。地に足のついたこの準備が、AIによる自動化への確かな助走になる― それが、今回の実装で私たちが確かめたことだった。