夜9時40分、パタヤの仲介会社のチャットに一件のメッセージが届く。「ジョムティエンの28平米スタジオ、実際の月間賃貸利回りは？ 短期レートじゃなくて」。1年前ならこの答えを出すのに1日半かかっていた。過去の取引を掘り出し、管理会社2社に電話し、スプレッドシートを組む。今は担当者がAIアシスタントに直接聞くだけで、物件データベースとCRMに直結したそのAIが、過去12カ月分の成約契約をフロアと眺望別に絞り込んで数分で返してくる。もちろん、数字を手で検証する作業には今でも1時間かかる。だが1日半ではない。
2026年に起きた本当の変化は、AIモデルが賢くなったことではない。既存の業務システムの中で「動く権限」を得たことだ。データを取得し、取引ステータスを更新し、タスクを割り振る。単体アプリに埋め込まれた機能から、一連の作業を自律的に処理する「エージェント型ワークフロー」へと業界全体が移行した。
AIはタイの不動産仲介にどこまで普及したのか
2026年末時点で、**タイの仲介会社の96%**が何らかの業務でAIを使っている。だがこの数字のハードルは低い。物件広告のコピーを自動生成しているだけでもカウントされる基準だからだ。本当に業務プロセスを再構築した仲介会社の割合はこれよりずっと小さく、その差こそが「週に10時間節約できる担当者」と「週に10分しか節約できない担当者」を分ける境界線になっている。
AIスタックの中核構造自体は変わっていない。リード獲得、物件査定、広告作成、そしてエージェント機能付きCRMという4層構造だ。変わったのは「アクセス権」。**MCP（Model Context Protocol）**という規格により、ClaudeやChatGPTのようなアシスタントがデータベースを直接クエリできるようになった。以前は人がスプレッドシートを手作業でエクスポートしていた作業が、今はAIが自分でデータを要求する形に変わっている。
2026年にはRechat、ATTOM Intelligence、RealAnalytica Atlas Agentsといった取引プラットフォームが、汎用AIモデルに向けてAPIを開放した。AIはもはや仲介業務の「隣」で動くのではなく、業務フローの「内側」で動いている。
パタヤの現場で何が変わったのか、具体的な数字で見る
パタヤでは67%の仲介会社が、外国人バイヤーとの最初の接点にすでにAIを導入している。2026年の市場データによれば、成約までの平均サイクルは42日から28日へ短縮した。
最も目立たないが最も収益性が高かった使い方は、リード対応の仕分けだ。プーケットのある担当者は週に60〜80件のインバウンドメッセージを、複数のメッセージアプリと3つの掲載プラットフォームを通じて受け取る。CRMに接続されたエージェント型アシスタントが予算・時期・物件タイプで振り分け、日付付きのタスクを作成し、問い合わせ言語での初回返信案まで作成する。担当者はそれを編集して送るだけ。技術的な大発明には見えないが、これで1日に2〜3時間が生まれる。
二番目に効果が大きいのは広告文の作成だ。フリーホールド、リースホールド30+30年、共益費（平米当たり月額）といった正確な用語を使いながら、3言語で物件説明を作る作業が、以前は外注コピーライターへの四半期予算だったのが、今は数分の作業になった。
AIバリュエーション（査定）はなぜタイでは信用できないのか
ここは明確に立場を示しておきたい。タイの不動産について、AIに最終的な査定額を出させてはいけない。 モデルは自信満々に数字を返してくるが、その学習データは掲載サイトの「希望価格」であり、ある物件が18カ月間、実際の成約価格より20〜25%高い値で掲載され続けているようなケースがそのまま反映される。米国であればモデルはMLS（複数上場サービス）のクローズド取引データを参照できる。タイにはこれに相当するデータ層が存在せず、MCPコネクタがどれだけ増えてもデータそのものは発明できない。
理由は構造的なものだ。タイには統一されたMLSが存在しない。土地局（Land Department）の取引データは機械可読形式で公開されておらず、税務用の公定評価額（アプレイザル価格）は実際の市場成約価格と一致しない。
実務上の落としどころはこうなる。AIには初期の価格帯と類似物件リストを出させる。そこから先は、管理会社への電話、実際の賃貸契約書、実際の入居率データが必要になる。自動計算された利回りをそのまま投資判断の根拠にしているなら、それは誰も検証していない数字に賭けていることになる。
例外は一つある。価格表と販売段階のデータが透明な大手デベロッパープロジェクトだ。この場合、基礎データが公開・構造化されているため、モデルはかなり妥当な結果を出す。バンコクとプーケットの一部の仲介会社は、初期査定を約3秒で生成するAVM（自動査定モデル）を既に使っているが、この速度も結局は地域の類似物件との人間による照合が必要になる。
日本人バイヤーが注意すべき規制：EU AI法
意外に見落とされがちな点がある。クライアントにEU居住者が含まれる場合、事務所がバンコクにあってもEU AI法の開示義務と人間による監督義務が適用される。最低限、マッチングや初回返信がシステムによって生成されたものであり、最終判断は人間が下していることをクライアントに知らせる必要がある。こうしたやり取りの記録も残しておくべきだ。タイにはまだ同等の規制はないが、事務所の所在地よりクライアントの居住法域の方が重要という点は覚えておきたい。
日本人バイヤーの多くはEU居住者ではないためこの規制は直接関係しないケースが多いが、日本とタイを往復しながらEU圏にも資産や居住実績がある層には無関係ではない。
AIに交渉や最終判断を任せてはいけない理由
AI導入が96%に達しても、交渉、リスク評価、クライアントの不安への対応は人間の仕事のままだ。自動化されているのは事務作業の層であって、取引そのものではない。物件広告の下書き、フォローアップメッセージ、インバウンドリードの仕分け、契約書やオーナーレポートの草案作成、こうした作業が実際に自動化の対象になっている。
タイ不動産のような現地サポートを活用する場合も、AIが出す初期の利回りや価格帯はあくまで「出発点」であり、最終的な投資判断は現地の実務データと人間の目による確認を経るべきだという点は変わらない。
仲介会社が最初に着手すべきステップ
- 時間の使い方を1週間記録する。 インバウンドリードの仕分け、物件説明の作成、オーナーレポートの準備にかかる時間をログする。週5時間を超えるものは自動化の候補になる。
- AIツールを触る前にデータを整理する。 重複やフィールド欠落だらけのCRMに接続したアシスタントは、ゴミを高速生成するだけだ。1晩のデータ整理はどんなサブスクリプションよりも効果がある。
- MCP対応のデータソースを1つ接続する。 外部の集約サービスではなく、まず自社の物件データベースから始める。
- 3つのプロンプトテンプレートを作る。 リード振り分け、3言語の物件説明、月次オーナーレポート。文言を調整して出力が安定するまで詰める。
- 検証ルールを決める。 モデルが出した利回り・数値・平米数は、元データと照合してからクライアントに送る。
- 開示文を1行加える。 最初の自動返信に2文程度加えるだけで規制対応としては十分。
- 内見の移動計画を自動化する。 物件の位置と販売オフィスの営業時間から3日間のルートを組ませる。
- 1カ月後に時間の使い方を再確認する。 節約できた時間が週5時間未満なら、自動化する対象を間違えている。
よくある質問
AIはタイの不動産エージェントの仕事を奪うのか？
奪わない。仲介会社の96%がAIを導入した2026年でも、交渉、リスク評価、クライアントの疑問への対応は人間の役割として残っている。自動化されているのは事務作業の層だ。
MCPとは何で、なぜエージェントに必要なのか？
Model Context Protocolは、AIアシスタントがCRM、物件データベース、カレンダーといった外部ソースに直接クエリできるようにする規格だ。これがなければデータを手でコピーしてチャットに貼る必要があるが、これがあればモデル自身がデータを要求できる。
パタヤのコンドミニアムのAI査定は信用できるのか？
初期の価格帯としては信用してよい。だが取引の根拠としては信用できない。タイには成約済み取引のオープンな登録簿がなく、モデルは希望価格（実際の成約価格より高い傾向がある）に依存しているためだ。
小規模な仲介会社がAIツールを導入するコストはどれくらいか？
アシスタントのサブスクリプションとCRMコネクタを組み合わせた基本パッケージで、ユーザー1人あたり月数千バーツ程度。本当のコストは金銭ではなく、テンプレート作成とデータ整理にかかる時間だ。
出典: Kalinka Thailand