AI経営の神経系 — リアルタイム観測装置

月次会議では遅すぎる — 「今」を見る装置

不動産会社の月次会議では「先月の反響数・成約数・粗利」を報告し、BIダッシュボードは「なぜ先月の成約率が下がったか」を分析する。しかしAIが常時動いている企業では、先月の分析では遅すぎる。AIは会社を賢くしない。構造を増幅するため、異常を早期に発見し修正する仕組みが必須になる。

OIが扱うのは「今」である。AIが査定価格を提案した瞬間、営業がそれを上書きした瞬間、反響対応AIが顧客に回答した瞬間に、何が起きているか、どのルールと人間が関係しているか、どんな異常が発生しているかを観測する。

4つの役割: 可観測性・追跡可能性・異常検出・制御

OIは単なるダッシュボードではない。企業アーキテクチャを測定・制御可能にする神経系として、4つの役割を持つ。

1. Observability(可観測性) — 内部状態を見えるようにする

AIがブラックボックスのまま動くと、何が起きているかが経営者にも営業担当にも見えない。可観測性とは、AIと人間の判断プロセスを外から観測できる状態にすることである。不動産会社の例: AI査定が1,800万円と出した根拠(周辺取引事例5件・築年数補正-8%・駅距離補正+3%)を画面に表示する。

2. Traceability(追跡可能性) — AI判断を追跡可能にする

AIが判断した結果だけでなく、その判断がどのデータ・どの定義・どのAIモデル・どのポリシー・どの担当者・どの意思決定権限を通って出力されたかを追跡可能にする。不動産会社の例: AI査定の1,800万円が、物件データ(レインズ取得)→周辺相場定義(過去6か月・半径500m)→査定AIモデル(ver 2.3)→上限下限ポリシー(±15%以内)→営業担当A→最終決裁者(社長)という経路を通ったことを記録する。

3. Exception Detection(異常検出) — 異常・例外を検出する

異常とは、設計した通りに動かなかった箇所である。AI査定が周辺相場から±30%外れた、追客LINEが配信失敗した、反響対応AIが顧客に誤情報を返した、といった例外を検出する。重要なのは、例外ゼロが目的ではないことである。例外を「発見→分類→理解→改善」に回すことが目的である。例外から学ぶ仕組みがあるかどうかが分かれ目である。

4. Control(制御) — 異常からルール・AIモデル・閾値・ワークフロー・ガバナンスを修正する

検出した異常を分類し、ルール・AIモデル・閾値・ワークフロー・ガバナンスのどこを修正すべきかを判断し、実際に修正する。

フィードバックループは、Observe(観測) → Analyze(分析) → Adjust(修正) → Govern(統制) → Observe... と循環する。フィードバックがあれば企業アーキテクチャは生きた制御システムになる。

人の上書き(Override)こそが判断基準更新の材料

AIが提案した査定価格・追客タイミング・広告文を、人間が上書き(Override)した箇所こそ、判断基準更新の最良の材料である。

不動産会社の例: AI査定が1,800万円と出した物件を、社長が2,100万円で決裁した。この時点で記録すべきは「社長が上書きした」という事実だけでなく、なぜ上書きしたかの根拠である。眺望が良い(15階・南向き・公園が見える)、直近リフォーム済み(キッチン・バス・床)、オーナーが売り急ぎではない、といった根拠を言語化して記録すると、次回から「眺望が良く直近リフォーム済みでオーナーが売り急ぎでない物件」の査定価格をAIが自動的に上方修正できるようになる。

人間がAIを上書きした記録は、AIが賢くなるための教材である。上書きを「例外処理」で終わらせず、「判断基準の更新」に回す仕組みを持つかどうかが、AI経営の成否を分ける。企業の魂をAIに宿す — 判断基準のデジタル化とは、この記録を階層化して積み上げる作業である。

不動産会社での最小実装

中小不動産会社がOIを最小実装する手順は以下の3段階である。

第1段階: 実行ログを記録する

AIと人間が「何を・いつ・どの根拠で」やったかを記録する。スプレッドシート1枚でもよい。

第2段階: 例外を分類する

記録された上書きを分類する。眺望良で上方修正12件、リフォーム済で上方修正8件、売り急ぎで下方修正5件、競合案件ありで追客前倒し7件、といったパターンを週次で見る。

第3段階: ルールとAI判断基準を更新する

分類された例外から、ルールとAI判断基準を更新する。AI査定に「眺望良」「リフォーム済」の補正項目を追加し、追客タイミングに「競合案件あり」のトリガーを追加し、値下げ権限の閾値を「売り急ぎ」「売り急ぎでない」で分ける。この3段階を回すことで、AIは会社の判断基準を学習し、人間の上書きが減り、経営者の稼働が減る。松本の実際のAI業務環境でも、この記録→分類→更新のループを日常的に回している。

既存の仕組みとの接続

不動産会社がすでに持っている仕組みをOIに接続できる。営業日報に「AI提案と人間判断のズレ」を記録する欄を追加し、CRMに「AIが提案した追客タイミングと実際の追客日」を記録し、査定システムにAI査定価格と最終決裁価格の差分理由を記録する。新しいシステムを導入する必要はない。既存の仕組みにズレを記録する欄を追加し、そのズレから学ぶ仕組みを作ればよい。

私たちが支援している現場での実例

関西の売買仲介会社(従業員12名)では、AI査定を導入した当初、社長が査定価格を上書きする頻度が週8件ほどあった。上書きの記録を3か月続けたところ、駅徒歩5分以内の物件は平均12%高く決裁、築30年超でリフォーム未実施は平均8%低く決裁、相続案件は査定通りで決裁、というパターンが見えてきた。この記録をもとに査定AIの補正ルールを更新したところ、社長の上書き頻度が週8件から週2件に減少した。社長の稼働が減り、営業担当が自分で査定価格を決められる案件が増えた。

ガバナンスとの一体化

OIは単独で機能しない。AI層は最後に置く — 8層アーキテクチャの順序で示した8層モデルの第7層として、ガバナンス層と一体で設計する必要がある。

ガバナンスが「ルールを守らせる仕組み」であるのに対し、OIは「ルールが守られているかをリアルタイムに観測し、守られていない箇所からルールを更新する仕組み」である。両者は表裏一体である。ルールを規程でなく実行時チェックに埋め込むアプローチと組み合わせることで、AI経営の統制と改善が同時に機能する。

よくある質問

Q. 従来のBIダッシュボードとOperational Intelligenceの違いは何ですか

A. BIは「先月何が起きたか・なぜか」を扱う過去分析ですが、Operational Intelligenceは「今何が起きているか・どのAI・ルール・人間が関係しているか・どんな異常が発生しているか」をリアルタイムに観測し制御する神経系です。AIが判断している瞬間を追跡可能にし、異常を発見した時点でルール・AIモデル・閾値・ワークフローを修正できる点が異なります。

Q. 不動産会社での最小実装は何から始めればよいですか

A. まず実行ログ(AIと人間が「何を・いつ・どの根拠で」やったか)を記録することから始めます。次に人の上書き(AI査定を社長がひっくり返した箇所)を記録し、なぜ上書きしたかを言語化します。この記録が判断基準更新の最良の材料になります。例外ゼロではなく、例外を発見→分類→理解→改善に回す仕組みを作ることが目的です。

Q. AIエージェントは部門境界を越えると聞きましたが、どういう意味ですか

A. AIエージェントは営業データを取得し、法務ルールを参照し、CRMを操作し、経理処理を発生させるというように、1つの処理が複数部門にまたがります。従来の業務システムは部門ごとに設計されていましたが、AIエージェントは部門の壁を越えて動くため、全体を統制するガバナンス層が技術的に必要になります。

Q. 人の上書き(Override)の記録が判断基準更新の材料とはどういうことですか

A. AI査定が1,800万円と出したのに社長が2,100万円で決裁した場合、その判断根拠(立地・眺望・リフォーム歴など)を言語化して記録します。この記録が蓄積されると「社長ならこの場合どう判断するか」をAIが再現できるようになります。AIが正しくなるのは、人間がAIを上書きした記録を学習材料として与えた結果です。

Q. 中小不動産会社でも導入できますか

A. 最小実装なら導入できます。高額なシステムではなく、まず「AIと人間の判断を記録する仕組み」を作ることから始めます。スプレッドシート1枚でも構いません。重要なのは記録が残ること、例外が分類されること、分類された例外からルールとAI判断基準が更新されることです。

相談窓口

Operational Intelligenceは概念だけで終わらせず、実際に動く仕組みとして実装する必要があります。貴社の既存システムへの接続方法、記録を始める業務、分類と判断基準への反映方法は、扱う物件・組織の規模・現在の業務フローによって最適解が変わります。

生成AIを貴社の業務にどう組み込むかは、扱う物件・組織の規模・現在の業務フローによって最適解が変わります。株式会社MCOでは、不動産・建設業に特化したAI経営コンサルティングと実装代行、社内定着までの伴走を行っています。まずは公式LINEからお気軽にご相談ください。

LINEで無料相談する