物件写真をAIで整理・タグ付けする実用ライン

物件写真のAI整理は、「部位の分類」「掲載NGカットの検出」「重複排除」までは実用段階です。一方で「どの号室か」「専有面積」「築年数」の推定はできません。この境界を先に引かないと、導入しても使われない仕組みになります。

物件写真のAIタグ付けとは何ですか？

物件写真のAIタグ付けとは、撮影された写真1枚ごとに「外観」「リビング」「浴室」などの部位ラベルと、掲載可否・品質に関する属性を画像認識で付与し、命名規則に沿ったファイル名とフォルダ構造に自動で振り分ける仕組みです。

ポイントは「タグを付けること」自体が目的ではない点です。タグ付けの価値は、その後ろにあるマイポソク作成・ポータル入稿・レインズ登録の順番決めが自動化されて初めて出ます。分類結果が人の目にしか届かない構成にすると、フォルダを開く手間が増えるだけで終わります。

AIで判定できる項目と、できない項目の境界はどこですか？

判定タスクは「自動確定に回せる」「候補提示にとどめる」「自動化に向かない」の3段階に分かれます。

この表を最初にクライアントと共有し、「候補提示」列の項目を人がどこで確認するかを決めるところから設計を始めます。

導入はどの順で進めますか？

エクサテックでは次の順で進めます。モデルの選定は最後です。

1. 保管場所の棚卸し — NAS、Googleドライブ、営業担当のスマホ、撮影業者から届くZIP、SDカードのどこに何が入っているかを列挙する。この段階で「同じ物件の写真が3箇所に分散している」ことが判明するケースが多いです。
2. 命名の実態調査 — サンプルを数百枚単位で抜き出し、IMG_1234.JPG のまま放置されている割合、日本語ファイル名の割合、HEIC形式の割合を数える。
3. 既存の分類結果をラベルとして回収 — すでに人が部位別フォルダに振り分けた過去写真は、そのまま評価用データになります。新たにラベル付けする前に、社内にあるものを探します。
4. タグ体系の確定 — 自社の掲載フローと、入稿先ポータルの画像カテゴリに合わせて決める。AI側の都合で決めない。
5. 分類の精度測定 — 混同行列を作り、どのラベル同士が混ざるかを見る。全体正解率は見ません。
6. 閾値と例外キューの設計 — 確信度が高いものは自動確定、低いものは「要確認」キューへ送る。
7. 出力先への接続 — 物件ID配下の部位別フォルダに、{物件ID}_{部位}_{連番}.jpg で書き出し、掲載順（外観→エントランス→間取り図→リビング→水回り→居室）に並べ替える。

イーリアルティ様に転記エージェントを構築した際も、契約の前段階から何度も現場に足を運び、実際の作業を見るところから始めました。写真整理も同じで、「誰がいつどの端末で撮り、どこに置き、誰が選別しているか」を観察しないと、タグ体系が現実と噛み合いません。

精度はどう運用に落とし込みますか？

「精度95%を目指す」という設計はしません。代わりに、部位ごとに誤りのコストを分けて閾値を設定します。

• 誤りのコストが低い部位（居室、バルコニー、共用部）→ 自動確定。間違っても掲載順が入れ替わるだけで済む。
• 誤りのコストが高い判定（人物の写り込み、他社撮影写真の混入）→ 検出したら必ず人の確認を通す。見逃しを減らす方向に振り、過検出は許容する。
• 判定不能を許す — 「浴室か洗面か決めきれない」場合に、無理に一方を選ばせず「水回り（要確認）」へ落とす設計にします。強制的に二択にすると、誤ラベルが静かに混入して信頼されなくなります。

要確認キューは、1枚あたり1クリックで確定できる画面を用意します。ここが手間だと、担当者は結局フォルダを直接開いて手作業に戻ります。

現場で実際に詰まるのはどこですか？

技術的な難所より、データの入口側で止まることが多いです。

• HEIC形式 — iPhoneで撮影した写真がHEICのまま届き、既存の基幹システムやポータル入稿画面が受け付けない。変換工程を最初に入れる必要があります。
• Exif Orientation — 回転情報を見ずに処理すると、横倒しの画像がそのまま出力される。分類精度も落ちます。
• 文字化け — 撮影業者から届くZIP内の日本語ファイル名が、解凍環境の違いで文字化けする。物件名がファイル名にしか入っていない場合、紐付けが不可能になります。
• Exifの撮影日時が消えている — スキャン画像や、一度画像編集アプリで保存し直した写真ではメタデータが失われています。撮影日時を号室の紐付けに使う設計にしていると、ここで破綻します。
• 3点ユニットバス — 浴槽・便器・洗面が1枚に収まるため、「浴室」「トイレ」「洗面」のどれに分類しても間違いではなくなります。タグ体系側に「3点ユニット」を用意して解決します。
• 夜間・逆光の外観 — 部位分類は成功しますが掲載品質としては不採用になるため、「分類成功だが再撮影推奨」という2軸の出力が必要になります。

AIにできないこと・限界

以下は画像認識の範囲外です。仕組みに期待させない前提で設計します。

• 号室の特定 — 前述のとおり、空室写真から部屋を一意に決めることはできません。撮影時のフォルダ分けなど、撮る側の運用でしか解決しません。
• 面積・築年数・方位・眺望の推定 — 画像にその情報が含まれていないため、出力すれば必ず推測になります。広告表示に使う数値をAIに推定させてはいけません。
• 権利処理の判断 — 人物やロゴの写り込みを「検出」することはできますが、その写真を掲載してよいかの判断はできません。撮影者の許諾、他社写真の利用可否、現況写真とイメージ写真の区別といった判断は人が行います（広告表示に関わる部分は、個別案件ごとに専門家や所属団体にご確認ください）。
• 原状回復の判定 — 傷や汚れの写真を分類することはできますが、負担区分の判定は責任を伴う判断であり、自動化の対象外とします。
• 写真が足りないことの是正 — 「水回りの写真が1枚も無い」ことは検出できますが、撮り直しは人が現地に行くしかありません。

費用と期間の目安は？

写真の分類・命名・振り分けという1業務に絞った小さなプロジェクトであれば、数十万円から着手できます。ポータル入稿やマイソク生成まで対象範囲を広げると、数百万円前半のレンジになります。金額を左右するのは、対象業務の複雑さ（業務種類数、入力データの状態、既存システム連携の有無、求める精度）です。あくまで目安であり、正確な見積りは現状の保管状況を確認してからになります。

まとめ

• 物件写真のAIタグ付けは、部位分類・掲載NG検出・重複排除までが実用ラインです。
• 号室の特定、面積・築年数の推定、原状回復の判定はできません。画像に情報が無いためです。
• 「洋室とリビング」「浴室と洗面（3点ユニット）」は視覚的に区別できないため、タグ体系側で吸収します。
• 精度目標を1つ置くのではなく、誤りのコストが高い判定だけ人の確認を通す二段構えにします。
• 実際に詰まるのはHEIC変換、Exifの欠損、ZIPの文字化けといった入口側です。モデル選定より先に、保管場所の棚卸しから始めます。

FAQ

Q. AIは物件写真から「どの部屋か（号室）」を特定できますか？
できません。空室の写真は壁・床・建具が同一仕様のため、画像だけでは301号室と401号室を区別できません。号室の紐付けは撮影時のフォルダ分けやExifの撮影日時、撮影順といった画像外の情報に頼る必要があります。

Q. 「洋室」と「リビング」はAIで区別できますか？
写真単体では安定しません。両者の違いは間取り上の役割であり、視覚的な特徴の差ではないためです。実務では「居室」として一括分類し、間取り図や撮影順の情報と突き合わせて人が確定させる運用が現実的です。

Q. 設備の有無（追焚き・独立洗面台など）はAIで判定できますか？
判定できる場合もありますが、自動確定には向きません。追焚きは操作パネルが写っているかに依存し、写っていなければ「無し」ではなく「判定不能」です。設備は候補提示にとどめ、人が確認する前提で設計します。

Q. 過去に溜まった写真の整理から始めるべきですか？
先に新規分だけを対象にすることをおすすめします。過去分は形式・命名・欠損の状態がばらついており、整理コストが読めません。新規フローで分類精度と運用が固まってから、過去分に同じ処理を流すほうが失敗しにくいです。

Q. 導入費用はどのくらいかかりますか？
写真分類という1業務に絞った小さなプロジェクトなら数十万円から着手でき、ポータル入稿やマイソク生成まで対象範囲が広がると数百万円前半のレンジになります。入力データの状態と既存システム連携の有無で変動します。

ご相談について

エクサテックは、不動産・建設業の現場に入り込んで業務を観察し、仕組み設計からWebアプリ構築まで同一チームで実装しています。写真がどこに散らばっているか分からない、という段階からのご相談で構いません。現状の保管状況を一緒に棚卸しするところから始めます。