Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
不動産 x AIことはじめ~データの真価を拓くために
Search
estie | エスティ
September 12, 2024
Technology
0
440
不動産 x AIことはじめ~データの真価を拓くために
スタートアップがAI技術で挑む!巨大産業の課題解決 〜不動産tech Product Night〜#2
https://layerx.connpass.com/event/327054/
estie | エスティ
September 12, 2024
Tweet
Share
More Decks by estie | エスティ
See All by estie | エスティ
Snowflake ML モデルを dbt データパイプラインに組み込む
estie
0
150
ユーザー価値を最大化するための爆速開発
estie
0
96
10年PMをやって気付いた4つのPMタイプ
estie
0
200
自動と手動の両輪で開発するデータクレンジング
estie
2
280
第1回 国土交通省 データコンペ参加者向け勉強会③- Snowflake x estie編 -
estie
0
280
PMとデザイナーが協働してプロダクトを最速で立ち上げるための一つのメソッド
estie
0
100
GraphQLでいい感じの検索APIを作りたい
estie
0
480
GraphQLにおけるページネーションベストプラクティス
estie
0
970
Snowflakeで眠ったデータを起こそう!
estie
1
560
Other Decks in Technology
See All in Technology
Symfony in 2025: Scaling to 0
fabpot
2
150
新卒エンジニア研修の試行錯誤と工夫/nikkei-tech-talk-31
nishiuma
0
190
ソフトウェアプロジェクトの成功率が上がらない原因-「社会価値を考える」ということ-
ytanaka5569
0
120
Amazon Q Developer 他⽣成AIと⽐較してみた
takano0131
1
120
コンソールで学ぶ!AWS CodePipelineの機能とオプション
umekou
2
100
ルートユーザーの活用と管理を徹底的に深掘る
yuobayashi
6
700
Why Go?
xpmatteo
0
130
Restarting_SRE_Road_to_SRENext_.pdf
_awache
0
150
技術好きなエンジニアが _リーダーへの進化_ によって得たものと失ったもの / The Gains and Losses of a Tech-Enthusiast Engineer’s “Evolution into Leadership”
kaminashi
0
200
Explainable Software Engineering in the Public Sector
avandeursen
0
350
製造業の会計システムをDDDで開発した話
caddi_eng
3
920
一人QA時代が終わり、 QAチームが立ち上がった話
ma_cho29
0
280
Featured
See All Featured
Six Lessons from altMBA
skipperchong
27
3.7k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
45
9.5k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
28
9.4k
Optimizing for Happiness
mojombo
377
70k
How to Ace a Technical Interview
jacobian
276
23k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
32
2.2k
Bash Introduction
62gerente
611
210k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
40
2k
Fontdeck: Realign not Redesign
paulrobertlloyd
83
5.4k
RailsConf 2023
tenderlove
29
1k
Embracing the Ebb and Flow
colly
85
4.6k
Transcript
© 2024 estie Inc. 2024/09/10 スタートアップがAI技術で挑む!巨大産業の課題解決 〜不動産tech Product Night〜#2 不動産
x AIことはじめ ~データの真価を拓くために
© 2024 estie Inc. 岩成 達哉(Nari) @tiwanari 取締役CTO 松江高専で情報工学を学び、高専在籍時に開発したプログラミング教育教材をもとに東京大学工学部在学中に起業。 修士では自然言語処理を研究。修士課程修了後Indeed
Japanに入社し、ウェブ上の求人募集情報を集めて提供する データパイプラインの開発に従事。 estieには2020年1月から業務委託で関わり始め、オフィス募集情報を扱うパイプライン構築に携わる。2020年10 月にestieへ参画し、2021年8月にCTOへ就任。直近ではAI領域の立ち上げを視野に入れ、準備を進めている。 自己紹介
© 2024 estie Inc. Our purpose 産業の真価を、さらに拓く。
© 2024 estie Inc. 立地マッチングから始まり、土地の価値を上げるまちづくりを目指す estieが実現する「産業の真価を、さらに拓く。」とは? ミクロで見ると マクロに見ると 世界規模で見ると 企業が最も生産的になれる
立地選択が可能に オフィス、物流施設など アセットは問わない 都市の未来を データドリブンに導く 最も社会価値の大きい 都市の構造を行政とともに定義 東京に世界中から 投資を呼び込む New YorkやLondonのような クレーンが眠らない街に進化 現在:マッチング 未来:土地の価値を上げる
© 2024 estie Inc. 商業用不動産市場の現状(例:オフィスを借りる場面) 5 社会インフラたる不動産業界は、硬直的な業務システムと 旧態依然とした業界構造により、その真価を発揮できていない ビルオーナー 仲介会社
テナント企業 (あなた) 課題 500社以上の仲介会社に 紙/PDF/対面で募集情報を配信 課題 2,000社以上のビルオーナーから 膨大な募集情報を受領し 募集情報をテナント企業に提案 課題 限られた情報の中でオフィスの 移転を強いられる
© 2024 estie Inc. 商業用不動産市場の現状(例:オフィスを借りる場面) 6 社会インフラたる不動産業界は、硬直的な業務システムと 旧態依然とした業界構造により、その真価を発揮できていない ビルオーナー 仲介会社
テナント企業 (あなた) 課題 500社以上の仲介会社に 紙/PDF/対面で募集情報を配信 課題 2,000社以上のビルオーナーから 膨大な募集情報を受領し 募集情報をテナント企業に提案 課題 限られた情報の中でオフィスの 移転を強いられる コロナ禍でデータ量(空室)が3倍に → データ打ち込みに1~2ヶ月かかり、月1定例ではあなたまで情報が届くのに約3ヶ月
© 2024 estie Inc. 商業用不動産市場の現状(例:オフィスを借りる場面) 7 社会インフラたる不動産業界は、硬直的な業務システムと 旧態依然とした業界構造により、その真価を発揮できていない ビルオーナー 仲介会社
テナント企業 課題 ① データに基づいた適切な 賃料設定ができない ② 500社以上の仲介会社に 紙/PDF/対面で募集情報を配信 課題 2,000社以上のビルオーナーから 膨大な募集情報を受領 募集情報をテナント企業に提案 課題 限られた情報の中でオフィスの 移転を強いられる データの流通・管理に多くの改善余地あり 商業用不動産の真価を引き出す業務インフラが不在
© 2024 estie Inc. 業務インフラが整っていない例 8 都心の賃料のうちウェブで賃料が分かるのはわずか11% 不足情報は仲介会社へのヒアリングによって補っているが その労力は大きい
© 2024 estie Inc. estieの解決アプローチ:複数のデータソースを基にしたデータアセット化 「物件・募集等の例外が多いデータ」「人が入力する業務情報」の正規化 という難易度の高い課題に挑戦しプロダクト化を実現 9 …
© 2024 estie Inc. プロダクトラインナップ(去年3つだったプロダクトが今や9個に…) 10 … … … estie
物件売買(売買市場データ・取得支援) estie 市場調査( 賃貸市場データ・分析基盤) estie リーシング(リーシング支援) リサーチ業務を効率化し、 意思決定の質・スピードを高める リーシング状況の可視化・リアルタイム 配信による空室期間を短縮 オフィス 物流 Coming Soon… Coming Soon… Coming Soon… Coming Soon…
© 2024 estie Inc. estieが創る「不動産 x AI」 今日の話 estieってどんな会社? estie
と AI の歩み
© 2024 estie Inc. estieってAIやってたの? 12
© 2024 estie Inc. 実は…AIによる賃料予測が祖業 Data Scientistも複数所属し、データの価値を拓いてきた • オフィスの賃料予測モデルを開発して顧客・データパートナー開拓 •
AIを最大限に活かすためにデータ整備が必須と認識し、データの蓄積・活用に注力してきた • テナント移転予兆など、AIを活用したデータ応用事例をR&Dとして社内実施している → 直近は生成AIの取組を複数実施&AI領域に注力することを決めてチーム組成 estie と AI の歩み概要 13
© 2024 estie Inc. どんなにいいモデルがあったとしても… 未整備のデータを入れたら期待を満たさない結果となる そもそもAIモデルが良い結果を出すためには 14 すごく良い モデル
未整備 データ 期待に 満たない 結果
© 2024 estie Inc. 「データの闇」:様々な例外・バリエーションが存在 歴史が長い業界だからこその課題 15 空室一覧PDFの例 ①「所在地」カラムに 別枠で備考書く
…どうして ②「水道代」に「←税別」 「G料金」に「税別→」 …どうして ① ② これ以上は 闇が深すぎるので 懇親会で… 闇が深いので資料アップロード時に 割愛させていただきました
© 2024 estie Inc. 非構造データやロングテールなデータ処理で平均点高く回答できる 生成AIの強みが活きる領域の1つ 16 (生成AIに 限らない) AIモデル
生成AI 非構造化 データ等 (メモ) 構造化 データ 予測結果等 例: 「株式会社ABCがXYZに 仲介を頼んで月額300万 円上限で渋谷でオフィス を探している」 例: 「物件Aは30,000円/坪」 「物件Aは@30,000」 例: 「株式会社ABCには物件 αを紹介すると良い」 データモデリング技術で支える Input Output
© 2024 estie Inc. 言語処理学会:大規模言語モデルを用いた物件概要書(マイソク)PDFからの情報抽出 生成AIを使って基礎的なデータ整備業務を劇的に改善 商業用不動産業界のデータ整備の実例 17 構造化 実際の物件概要書PDFを用いて評価を行った結果、
OCR+LLMの手法は全て手作業の場合より約65%の時間を削減することができた ビルオーナー 仲介会社 このデータ化の課題へ アプローチ
© 2024 estie Inc. estie の強み x AIでできることは幅広い(他のPJについては懇親会で話しましょう!) 18 ①業務知識・経験を持つドメインエキスパート
②培ってきたデータモデリングの技術・知識 ③AIに活用できる他社が持っていない網羅的なデータ 「不動産 x AI」で、真価を拓く。
© 2024 estie Inc. estieの「不動産 x AI」 • Purposeを実現した姿の1つである「土地の価値最大化」のためにAI領域に挑む •
データを蓄積・活用する技術で、多領域でプロダクト展開していることを強み • 祖業の賃料予測モデルに加え、テナント移転予兆予測、AIの活用事例を作り始めている • 業界のデータ整備(Input)に生成AIで取り組み、提供価値(Output)の最大化を目指す まとめ 19
© 2024 estie Inc. Our purpose 産業の真価を、さらに拓く。