不動産・建設業のAI活用事例

JLLは技術職の人材が足りず採用も定着も進まなかった。

現場で働く人が何百もの拠点に散らばっていて、人事の手続きや社内の求人情報を同じように届けられなかった。

1. 現場で働く人を役割ごとのペルソナに分ける
2. ペルソナごとに求める情報と手続きを整理した
3. ParadoxのAIで年150万人の応募を受け付ける流れを作る
4. 応募の受け付けと絞り込みをAIに担わせた
5. 社内公募にも広げ従業員が別の仕事へ手を挙げられるようにする

応募者の絞り込みにかかる時間は70%減り、節約額は約1,200万ドルと見込まれる。

社内公募には6,700件を超える登録が集まり、430人以上が新しい仕事へ移った。

研修資料は英語だけで作っていた。

現場には英語を話さない作業員が多く安全の決まりや手順が伝わらなかった。

1. 研修資料や現場のルールをLILTに渡す
2. 英語からスペイン語などへ訳す
3. 翻訳の流れが無いため進め方の設計から相談した
4. 資料をプラットフォームに載せて順に処理する
5. 品質を確かめてから現場へ配る

多言語の研修をこれまでより早く現場へ出せるようになった。

品質も落とさずに量をこなせている。

40社を超えるグループへ広がるにつれ、契約の中身がどこにあるか分からなくなった。

判断に必要な範囲や期限をすぐ取り出せず、意思決定が遅れていた。

1. Docusign IAMに契約の作成と交渉を集めた。
2. 全社の契約を探せて範囲や承認条件を引ける状態にした。
3. 自社のチェック観点を読ませ危ない条項を洗い出す。
4. 普通の言葉で質問して説明を受け取り自分で確かめる。
5. 論点が固まったものだけ法務へ回す。

契約交渉と赤入れにかかる期間は80%減り、承認は90%速くなった。

提案への返答も50%速くなり、依頼を受けてから48時間以内に返せるようになった。

数十年分の1億件のファイルがSharePointやMicrosoft TeamsやProcoreに散らばっていた。

規程も手順も過去の工事記録も社内のどこかにあるのに届かず探す時間が積み上がっていた。

1. 社内の各システムを1つの検索窓につないだ。
2. Microsoft Copilotと比較検証してGleanを選ぶ。
3. 全社員がエージェントを試作できる場を用意した。
4. 公開の権限は審査した少人数だけに持たせる。
5. 規程確認や契約条件の突き合わせにエージェントを使う。

社員1人あたり週に約2時間の削減を見込み本社部門の利用率は90%まで伸びた。

最もよく使われるエージェントは最初の2か月で4万回以上動き270万ドルを超える変更契約の確認を助けた。

夜間や休日に内見の問い合わせが集中し、少人数の体制では受けきれなかった。

反響を逃すと物件が他社へ流れるため、通知が来るたびにPCを開いて対応していた。

1. KUZENを入れて流入元の広告から物件情報を送り分ける
2. 内見の受付を友だち追加直後の初回アンケートに置き換えた
3. 希望条件やエリアの回答をSalesforceへ自動で入れる
4. アンケート回答を受付完了の必須ステップにした
5. GCLIDを保存しGoogle広告へ返す仕組みを組んだ

1件あたり1〜2時間かかっていた対応が平均約30分になり、月約30時間の工数が減った。

手作業の転記と聞き漏れが無くなり、内見希望者のアンケート回答率はほぼ100%を保っている。

コンタクトセンターが複数のベンダーのオンプレ環境に分かれていて、急ぎの連絡にも素早く同じ品質で返せなかった。

担当者は手作業と自分の記憶に頼って業者へ作業を振り分けていた。

1. 音声とメールとデジタルの窓口を1つの基盤へ寄せた
2. アジア太平洋に散らばる拠点の仕組みをそろえた
3. 応対中はAgent Copilotが次にすべきことを示す
4. 会話の要約が自動で作られる
5. 担当者が内容を確かめ作業依頼を業者へ渡す

担当者の生産性が7%上がった。

新しく入った担当者が独り立ちするまでの期間は6週間から2週間になった。

人同士のロールプレイングは相手役の癖や力量で中身が変わり、若手の伸び方に差が出ていた。

管理職の育成の手間も重く、練習の機会自体も減っていた。

1. 投資用マンションの営業部門にジシュトレAIを導入した
2. 現場の商談に近い台本を先に用意する
3. AIに買い手を演じさせ担当者が繰り返し練習する
4. 練習後にAIが点数と改善点を返し弱点をやり直す
5. 実施時間や台本や評価基準を共通ルールとして整える

導入から約1か月の時点で一部の社員が積極的に取り組む状態になり、練習の中身をそろえる土台ができた。

利用の頻度に個人差が残るため、営業部門共通のルール整備を進めている。

家を建てたい人は情報をできるだけ早く集めたがっていた。

以前は相談のたびに車で面談場所へ出向く必要があり、相談員側の手間も大きかった。

1. サイトのボタンで地域ごとの担当相談員へ振り分ける
2. チャットや電話の相談をビデオ面談に切り替える
3. コンタクトセンターを自社のCRMとつないだ
4. 応対中に自社のナレッジベースから手がかりを出す
5. 通話内容の要約をAIに作らせて後から確認した

月曜から日曜まで朝から晩まで地域の担当者と話せるようになり、顧客の満足度が上がった。

相談員の効率も目に見えて良くなった。

新規事業の部署では海外の相手と毎週のように企画やビジネスの話をしていて、外国語で話すことに気を取られ会議の負担が大きかった。

議事録まで手が回らず、会議の後に発言内容を確かめるやり取りも増えていた。

1. オンライン会議中にCoeFont通訳を開き翻訳文を字幕として読む
2. 聞き取れない単語や専門用語は画面の文字で確かめる
3. 分野特有の言葉を辞書登録機能に登録し訳のずれを防ぐ
4. 会議直後に作られる要約付き議事録でメモの不足を補う
5. 英語以外の言語の会議も同じやり方で対応する

会議の後に内容を確かめるやり取りが減り、コミュニケーションにかかっていた時間が数時間以上減った。

海外との会議だけでなく、社内の日本語の会議でも発言の記録や認識合わせに使うようになった。

全面リモートに切り替えたあと情報が多くのアプリへ散らばって必要な資料が見つからなくなった。

廊下での雑談で回っていた知識も途切れた。

1. 社内の30を超えるデータ元をGleanにつないだ
2. 1億3,800万件の文書を横断で探せるようにした
3. 各チームが業務用エージェントを3,400超作った
4. 障害の振り返りをエージェントが時系列でまとめる
5. MCPでCursorやClaude Codeへ設計書を渡す

自己評価と同僚評価を助けるエージェントは最初の評価期間で約10,000回使われて参加率が7%上がった。

新しく入った人も相手や案件の背景を自分で調べて打ち合わせに臨めるようになった。

家賃の滞納者へかける電話が月間43,000件あり1日平均12名でぎりぎりの状態だった。

人を増やすと採用と教育の費用がかかる。

1. 伝える内容が決まっている案件を自動音声に切り替えた。
2. 冒頭の挨拶に時候の言葉を足して柔らかい印象にした。
3. 駆け付け業務の受電は通話を文字に起こして要約まで作る。
4. オペレーターは通話後の記録をその要約から仕上げる。
5. 既存のコールシステムはそのままでソフトフォンとつないだ。

人を増やさずに架電業務を回せるようになり担当者の効率が上がった。

コールセンターの工数は約30％減った。

顧客の氏名や年収など個人情報を日々扱うため、どこまでAIに入力してよいか判断がつかず社内での利用が広がらなかった。

社内に複数のAIツールが混在し、ルールも定まっていなかった。

1. 企業向けのGemini Enterpriseに利用環境をまとめる
2. 権限管理と入力してよい情報の基準を社内規程で決める
3. 週1回の勉強会を全8回開き基礎からGASまで扱う
4. 非エンジニア社員が自部署の作業でアプリを作る
5. 前後で同じ設問の社内アンケートを取り変化を確かめる

AIを定常業務のプロセスに組み込む社員は57.8%から82.3%になり、API連携や定型処理の自動化を自分で実装した社員も21.2%まで増えた。

開発事業部では物件データの集計が約2時間から15分に短くなった。

自社で開発した建築・管理システムでは、原価の状況を人が読み解いたり発注申請の差し戻しが起きたりと、担当者の手間が残っていた。

見積依頼のメール作成も毎回手作業だった。

1. 自社開発の建築・管理システムにテックタッチAIHubを組み込んだ
2. 原価状況の要約と発注申請の確認と見積依頼メール作成の3業務を対象に選んだ
3. コードを書かず画面上の設定だけで組み立てた
4. DX推進部が業務の流れを見てAIを動かす場面を決めた

3つの業務をいずれもノーコードで実装し、最短30分で形にした。

この取り組みは同社のユーザーイベントで事例として発表された。

問い合わせの大半がYouTubeの動画から来るのに、撮影のたびにカメラや照明やテレプロンプターを組む必要があった。

準備が重くて数か月投稿が止まることもあった。

1. Claudeで動画の題材を調べてネタを出させる
2. 同じClaudeに台本の下書きまで作らせる
3. その台本を自分の声で読んで音声を録る
4. 録った音声をHeyGenへ上げてアバター動画を作る
5. 公開前に本人として通る見た目か自分で確かめる

録音してから1時間半〜2時間で公開できるようになり、スタジオの用意にかけていた2〜3時間が要らなくなった。

動画は合わせて約2万回再生され、AIを使っていると書いた人は1人だけだった。

上の階で起きた火事と水漏れで自宅を離れることになり機材も失って動画が作れなくなった。

近隣を紹介する動画は1本仕上げるのに1週間以上かかっていた。

1. 撮りためた自分の映像をHeyGenに読ませ分身を作った。
2. プロが録音した声を室内用と屋外用で使い分ける。
3. 地元のニュースと市場のデータを自分で調べ台本を書いた。
4. 中身を確かめてから動画にしAIだと分かる表示を付ける。
5. 分身は地域の情報を伝える用途に限る。

週1本だった動画が1日2本になり10か月ほどでInstagramのフォロワーが約1,500人から6,000人近くへ増えた。

月に77万を超えるアカウントへ届き反応は6万〜7万件になった。

SNS経由の問い合わせが多く動画投稿が仕事の必須になったが、接客をこなしながら週2本を出し続けるのは重かった。

自分でプロンプトや画像を組んでも思った形にならなかった。

1. HeyGenで自分が話す形の動画を作った
2. そこから街の出来事に絡めた内容へ広げた
3. 難しい企画はWhite Gloveへ素材と方向性を渡した
4. 火曜と木曜に素材を渡し動画を受け取った
5. 企画の中身と伝えたいことは本人が決めた

FacebookとInstagramとTikTokへ週2本以上の投稿を続けられるようになった。

動画を見たと言って来店する見込み客が出て、担当する物件の入居率は94%を超えている。

動画を1本作るのにほぼ1日かかり、週1〜2本しか出せず飛ばす週もあった。

撮影を外注しても費用と手間が重く、投稿が続かなかった。

1. 月曜の朝にその週に出す内容を決める。
2. Manusで地域の相場や動きを調べる。
3. ChatGPTに台本を書かせる。
4. HeyGenが写真と素材から動画を作る。
5. 出来上がった5本をその場で予約投稿する。

月曜の3〜4時間で1週間分の5本を用意できるようになった。

YouTubeの登録者は1,000人を超え、視聴者の70%が25〜45歳になった。

教育動画をきっかけに65万ドルの物件が7日で売れた。

仕事を増やすには電話や訪問の数を増やすしかなく、かけた時間がそのまま上限になっていた。

動画は2013年から試していたが、自分で撮る手間が重くて続かなかった。

1. 毎朝Google Alertsと地元紙で地域のニュースを確認する
2. 選んだ話題を自分で組んだClaudeのワークフローに渡す
3. つかみの文と字幕とナレーション台本と画像の指示を作らせる
4. 素材をZapier経由でHeyGenへ送りアバター動画にする
5. 数分で中身を見て問題がなければ各SNSへ自動投稿する

90日間で動画の再生が合わせて200万回を超え、Instagramのフォロワーは2,124人から11,700人以上に増えた。

ここからGCIで12万ドル超が生まれ、1本の動画だけで53件の問い合わせが入った。

入居者とオーナーと不動産会社の3者から問い合わせが届き受付の手間が重かった。

前のチャットボットは設定した内容が画面に出るまで時間がかかり見えない負担が積み上がっていた。

1. チャットの最初に3者のどれかを選ばせる。
2. 属性ごとに違う質問へ進ませ回答を作り分けた。
3. 自由に打ち込まれた質問は自然言語処理で読み取る。
4. 広報の担当者が設計と手直しを受け持ちログを見て直した。
5. 月43,000件から軽い滞納の人を抜き出し一斉に電話をかける。

2026年3月に入れてから3ヶ月で自己解決率が50%を超え今は60%まで伸びた。

コールセンターは7月に工数が30%減り、オーナー層の離脱率も以前の74%から大きく下がった。

重要なメールが担当者の個人受信箱に埋もれ、接客中や外出中は確認が遅れて初動が遅くなっていた。

担当者以外は状況をつかみにくく、店舗として素早くフォローに入れなかった。

1. 既存のクラウド環境と生成AIをつなぐ
2. 日々のメールを自動で巡回させて中身を解析する
3. クレームや急ぎの用件かをAIが判定する
4. 該当メールと返信案を社内チャットへ即時に流す
5. 若手が案で一次対応し上司が必要なら代わる

担当者が不在でも店長や店舗スタッフがすぐ代理で対応できる体制になり、対応漏れの危険が下がった。

現場の心理的な負担も軽くなった。

設計図面から構造物の名称や寸法を目で読み取り手計算でまとめる数量拾いは5〜6人のベテランに集中し、1案件あたり2〜15時間かかっていた。

図面を読む暗黙知が文書化しづらく、若手が入り込めないうえ見積書の提出が遅れて受注を逃すこともあった。

1. AIコンサル会社と組み現場の進め方を聞き取り専用アプリを共同で作った
2. 設計図面のPDFを読み込ませ構造物と寸法と数量を拾い出させた
3. 車止め8個などの一覧表をExcelで書き出した
4. 抽出箇所を図面上に色付けして表示し確認を早めた
5. AIの出力は下書きとし最後は技術者が目で確かめた

数量拾いは最大12時間から約10分になり、見積もり全体の工数も最大15時間から約4時間に減った。

専門知識のない社員でも一覧表を作れるようになり、ベテラン任せだった業務を若手や未経験者にも広げられた。

住宅の売買を終わらせるまでの書類のやり取りは手作業ばかりで、間違いも起きやすかった。

1部屋のマンションを買うのに8週間かかる状態だった。

1. 大規模言語モデルで月500万ページの書類を処理する。
2. 2週間の検証と2週間の移行で本番へ切り替えた。
3. 仕事ごとに合うモデルを選び分ける。
4. RAGのツールで数百ページから要点を数秒で抜く。
5. エージェントが管理組合へ電話し書類を求める。

顧客側の書類確認の手作業は99%減り、1取引あたり4時間が浮いた。

運用コストは25%下がり複数モデルの組み合わせで正確さは95%超になった。

営業や設計といった業務ごとにシステムが分かれ、建設プロジェクトのデータが業務単位で閉じていた。

施工管理の人員予測も支店ごとにExcelで行われ、基準がそろっていなかった。

1. 全社データを集める基盤をAWS上に構築した
2. S3やRDS、AWS Glueでデータを集めて貯めた
3. 過去の施工実績を教師データにSageMakerで予測モデルを作った
4. 工事概要を入れると必要人員が出る形にしBIで可視化した
5. 基盤同士のつなぎ込みとセキュリティ対策を作り込んだ

2021年11月に運用を始め、2022年11月までに約25のアプリケーションを出した。

人員予測は統一した基準で算出できるようになり、2023年度中に百以上のアプリケーション開発を目指す。

ライセンスは全社に配ったものの、使い道が議事録の要約とメールの下書きで止まっていた。

どの業務のどこを置き換えるかが各社員任せで、成果に個人差が出ていた。

1. 総務課の122業務をすべて書き出した
2. 頻度と年間作業時間から効果の大きい23業務を選んだ
3. 誰がどの資料で何分かけるかを工程ごとに聞き取った
4. Copilotに任せられる工程だけを切り出し操作を見せた
5. 捺印請求ではPDFから4項目を理由つきで判定させた

選び出した23業務は合計で年間約1,842時間かかっていたが、そのうち約373時間（20.3%）が浮いた。

捺印請求の確認は元が年間600時間で、155〜220時間（25.8〜36.7%）分が軽くなった。

賃貸の入居者へ送る案内文の作成に時間がかかり、出来ばえが担当者の経験に左右されていた。

一般的な生成AIでは社内の表現ルールまで反映できず、手直しの手間が残っていた。

1. 過去に評判のよかった案内文をAIの材料として組み込む
2. 社内の対応ルールも同じく材料に加える
3. スタッフはクラウドの画面に伝えたい要点を入力して送る
4. 人は出てきた文章の中身を確認して送る

お客様サポート部門で年間300時間の業務時間を減らし、従来のやり方と比べて300%の業務効率化になった。

文章を書くストレスと読み直しの時間も減った。

8万人を超える不動産の担当者からログインの復旧やW-9の更新といった決まりきった質問が休みなく届いていた。

24時間の窓口を人だけで回すため夜間や週末は海外の拠点に頼り費用がかさんでいた。

1. まずチャットだけに絞って運用を始めた
2. 社内の手順書から知識ベースを作る
3. 回答案を出す機能で記事を早く整えた
4. 分析画面で穴を確かめて記事を書き足す
5. 精度と担当者の声を見て任せる範囲を広げた

第1四半期の終わりには問い合わせの68%を人が入らずに解決できるようになった。

夜間を担っていた外部委託の費用を減らし、窓口の担当者は難しい案件に回れるようになった。

物件の資料URLを1件ずつコピーして紹介メールに貼る作業と、顧客ごとに地図へ物件住所を検索してピンを立てる作業に時間を取られていた。

1案件あたりの手間が大きく、接客に回せる時間が足りなかった。

1. 既存のクラウド環境とAI、自動処理のワークフローをつなぐ仕組みを自社で設計した。
2. スタッフは入力フォームに物件のURLを入れるだけにした。
3. 仕組みが物件情報と位置データをまとめて取り出し顧客専用の案内マップを自動で作る。
4. AIが物件データとエリアの特徴を読み取り紹介文とメールの下書きを作る。
5. 担当者が下書きに要望へ合わせた助言や一言を添えて仕上げる。

URLの転記が不要になり地図の登録も自動になったことで、年間500時間の業務時間削減と業務効率33%向上を達成した。

空いた時間を顧客ごとの丁寧な提案に回せるようになった。

人財戦略部の4人でダイレクトリクルーティングを回していたが、学生ごとの個別対応に時間を取られスカウト送信数が伸びなかった。

母集団が足りない状態が続いていた。

1. 人力代行や他社AIを含む3社を比べて導入先を決めた
2. 媒体ごとの運用に合わせた個別文面をAIに作らせた
3. スカウトを24時間止めずに配信した
4. 電話やSMSでの学生へのリマインドと後追いも任せた
5. 月1回の定例でオファー文の直し方の助言を受けた

スカウト送信数は昨対比で約4倍になり、ある媒体では約500通から約2,000通へ増えた。

対面できた学生も十数名から約50名に増え、母集団づくりにスカウトが効くことが確かめられた。

住宅の工事工程は担当者の経験に頼って組んでおり、経験の浅い社員だと節目の日取りを正しく置けず時間もかかっていた。

1. 現場監督がGeminiのカスタム機能で工程作成の仕組みを作る
2. 着工から引き渡しまで約150日を土台に設定する
3. 木工事完了日やクリーニング日など外せない節目を登録する
4. 着工日を入れるだけで各節目の日付を逆算して並べる
5. 出てきた工程を担当者が現場の事情に合わせて手直しする

入力するのは着工日だけになり、経験の浅い担当者でも精度の高い工程を引けるようになった。

代表からはカレンダーへ全工程を自動連携する次の案も出た。

BIMの社内普及を3年ほど進めたが仕事のやり方ごと変える必要があり広がらなかった。

高齢の社員も多く全員に同じ速さで新しい道具を覚えてもらうのは難しかった。

1. 仕事の道具として教えるのをやめ雑談で伝える
2. 旅行先探しや献立など失敗のない使い道から勧める
3. 相談が来たらパースや資料のたたき台を実演する
4. 計画地や仕上材の調べ物のやり方も見せる
5. 出力はそのまま使わず最終確認と修正は人が行う

社内で2〜3人が日常的にAIを使うようになった。

20代だけでなく50代の社員も自然と使い始めた。

募集条件や特約の掲載確認を目視でやっていたため、どれだけ気をつけてもミスが出る恐れがあった。

管理データを直しても物件情報側への反映が漏れやすく、確認のやり直しが現場の重い心の負担になっていた。

1. 既存のクラウド環境に生成AIと自動化ワークフローをつなぐ
2. 募集条件を自動で判別するシステムを作る
3. 担当者は対象物件のURLを社内チャットに送る
4. AIがURLを読み取り特約の修正を自動判定して返す
5. 操作を最小限にし人は判定結果を見るだけにする

掲載後に条件の間違いへ気づくという事態がなくなり、年間510時間の業務時間削減を見込む。

エアコンなど機器の交換や回収の記録をパソコンからしか入力できず、後回しによる入力漏れや確認の遅れが起きていた。

在庫数が正確につかめず、回収を頼む時期を逃すこともあった。

1. 既存のクラウド環境に生成AIと自動化の流れを組み合わせた
2. 現場のスマホから操作できる専用画面を作った
3. 交換や保管、回収依頼の状態をボタン1つで登録する
4. 登録内容をその場で集計し関係者が最新状況を見られるようにした
5. 決めた台数に達すると社内チャットへ自動通知を飛ばした

入力漏れと回収依頼の遅れがなくなり、年間20時間の業務時間を減らした。

開発中や所有する案件の進捗をまとめるレビュー資料を、Excelで手作業で更新していた。

経営判断に使う数字のため確認の負担が重く、作成に5日間かかっていた。

1. 週次相談会に有志15名のチームで参加した
2. 案件一覧の項目と集計ルールをClaudeに渡した
3. Artifacts機能でWeb上のダッシュボードを組み立てた
4. 個別案件と全体傾向の両方が見える構成にした
5. 出てきた数字と表示を人が確かめて手直しした

資料作成と進捗更新の時間は従来の5日間（40時間）から6時間になり、約85%短縮された。

手作業時代の数字の誤りをAIが見つける場面もあり、アスコットは全社展開を決めた。

他社の空室情報や客付け依頼のメールが毎日大量に届き、早く入居者を決めたいオーナーを見分けるのに時間がかかっていた。

見落としへの不安も現場の重荷になり、初動が遅れていた。

1. 受信した情報を自動のワークフローに流す
2. 条件に合うものだけを抜き出す
3. 抜き出したデータを生成AIが読み優先順位を付ける
4. 結果を社内チャットに流して部署をまたいで共有する
5. 担当者が順番を見て提案内容と声かけを決める

情報を集めて精査する時間を年間18時間減らした。

アプローチすべき物件がすぐ見えるようになり、初動が早まって担当者の心理的な重荷も軽くなった。

部署間の請求書共有をチャットで行っていたため、依頼の投稿が他の会話に埋もれて支払いが遅れる恐れがあった。

経理は履歴から請求書を探す手間がかかり、依頼した側も支払日が分からなかった。

1. 請求依頼を送る専用の入力フォームを用意した
2. 送られたデータを既存のクラウド環境へ自動で整理した
3. スプレッドシートで進捗を一覧表示にした
4. 申請受領時と振込完了時に社内チャットへ自動通知を飛ばした
5. ドライブ内の請求書PDFをAI文字認識で読み取り支払データへ変換する

支払い漏れの発生リスクはゼロを維持し、請求書の検索や支払完了の確認にかかる年間12時間を削減した。

支払日の個別確認のやり取りも不要になった。

部署ごとに情報が閉じてしまい、組織をまたいだやり取りやアイデアの共有が進まなかった。

長年のMicrosoft Office中心の運用から抜け出せず、クラウド前提の働き方に移れないままだった。

1. 経営トップの号令でGoogle WorkspaceとGeminiを全社に入れ替えた。
2. 会議はGoogle Meetの文字起こしで記録する。
3. 文字起こしをGeminiに渡し要約のプロンプトで議事録にまとめさせる。
4. 研修とeラーニングで社員の慣らしを進めた。
5. プロンプト共有アプリとポータルを社内で作り表彰の制度も組み込んだ。

半日から1日半かかっていた議事録作成がすぐ終わるようになった。

現場からIT企画課へ効率化の相談が持ち込まれるようになり、Microsoft Officeライセンスは約7割の削減を目標に置いている。

建築会社の事務員は交通費を出すたびにGoogleマップで社員の家から現場までの経路を引いて計算していた。

出勤表も月末に手で打ち込んでいた。

1. 家と現場の住所から距離を出すVBAをClaudeに書かせた
2. 出面をクリックすると勤務時間がExcelへ入るアプリも作った
3. 分からないことは分からないと答える指示を必ず入れる
4. ClaudeでプロンプトをまとめGeminiで生成させることもある

パソコンが得意でない事務員でもボタンやクリックだけで処理が終わるようになった。

1日あたり1時間の作業が減り他の仕事に手を回せるようになった。

画像編集ができず現状の写真と色サンプルだけでオーナーへ説明していた。

仕上がりの全体像が伝わらず色の了承までに何度も打ち合わせが必要だった。

1. 工事に入る前に現状の壁の写真を撮る。
2. その写真をChatGPTやGeminiへ渡し指定の色へ変えるよう頼む。
3. 他の部分は変えないでくださいと条件を付ける。
4. 出てきた仕上がり画像をオーナーへ見せる。
5. 了承が出るまで画像を作り直す。

オーナーが仕上がりを具体的に思い描けるようになり自信を持って色を決めてもらえるようになった。

2・3回かかっていた打ち合わせが1回で終わり色見本の取り寄せ待ちも無くなった。

商談の中身は営業それぞれが口頭で報告していた。

報告漏れが出て内容を正確につかめなかった。

1. 商談の音声を録音しamptalkで文字起こしする。
2. 要約用のプロンプトを用意する。
3. 文字起こしと一緒にChatGPTへ渡す。
4. 4項目を箇条書きで抜き出させる。
5. 文中に無い項目は記載なしと書かせる。

報告漏れが減り商談の内容を正確に共有できるようになった。

1回の報告が15分から3分程度になった。

契約書の中身をお客様へどう伝えるかで手が止まり、ネット検索やマニュアルで確かめていた。

ネットの情報には誤りもあり法令の更新に追いつかないこともあった。

1. 伝え方に迷ったらGeminiを開いて案を出してもらう
2. あなたは不動産業に勤める事務員ですと立場を決める
3. 何について分かりやすく伝えたいかを書く
4. 契約書の言い回しと法令の中身の確認に使う
5. 出てきた文のおかしい言い回しを自分で直す

忙しい日は1日あたり30分から1時間ほど作業が短くなった。

複数のサイトを見て回る手間も無くなった。