利益が出ると思って仕入れたのに赤字 — 買取再販の利益計算がExcelでは限界な理由

買取再販の利益率シミュレーションは、仕入れ判断の核心だ。仕入れ価格に対して、リフォーム費用・諸経費を積み上げ、再販価格から逆算して利益率を算出する。この計算自体は単純だが、問題は「再販価格」と「リフォーム費用」の精度。ここがExcelの限界になっている。

Excelでの利益計算の限界

限界1：周辺相場の手動調査に1物件30分かかる

再販価格を推定するには、周辺の成約事例を調べる必要がある。レインズで成約事例を検索し、築年数・面積・駅距離が類似する物件を5〜10件ピックアップ。その平均坪単価を求めて、対象物件に当てはめる。この作業が1物件あたり20〜30分。月に20件の仕入れ検討をするなら、相場調査だけで月10時間が消える。

限界2：リフォーム費用の見積もりが「勘」になる

リフォーム費用はExcelの数式で「坪単価 x 面積」のように計算していることが多い。しかし実際は、築年数、構造、水回りの状態、断熱性能、法規制（準防火地域等）によって大きく変動する。あるベテランが「この物件はリフォーム800万くらい」と言っても、実際の工事見積もりが1,200万だったということは珍しくない。この400万の差で、利益率が15%→3%に落ちるケースがある。

限界3：過去事例の検索に時間がかかる

「3年前に同じエリアで買った物件のリフォーム費用はいくらだったっけ？」。この情報が個人のExcelやファイルサーバーの奥に埋もれている。検索に10分、見つからなくて結局ベテランに口頭で聞く。自社の過去データが資産として活用できていない。

AI活用で自動化できる3つの分析

分析1：周辺相場の自動収集

国交省の不動産情報ライブラリAPIや不動産取引価格情報APIから、指定した住所の周辺取引事例を自動取得する。手動で30分かかっていた相場調査が、住所入力→数秒で完了する。

分析2：リフォーム費用の推定

自社の過去リフォーム実績データ（物件属性×工事内容×実際の費用）をAIに学習させると、新規物件のリフォーム費用を推定できるようになる。推定精度は、データ件数50件で誤差率±20%、100件で±15%、200件で±10%程度が目安。

分析3：売却価格の予測

周辺相場データとリフォーム後の物件スペックを組み合わせて、再販価格を予測する。単純な坪単価の掛け算ではなく、「リフォーム済み物件」としてのプレミアムや、エリアの需給バランスを加味した予測が可能になる。精度は、周辺の取引事例が10件以上あるエリアで誤差率±8%程度。

移行の段階的アプローチ：いきなり全自動化しない

AI導入で最もよくある失敗は「いきなり全部をAIに置き換えようとする」こと。段階的に移行する3フェーズアプローチを推奨する。

投資回収シミュレーション

最大のインパクトは「リフォーム費用の見誤りによる赤字案件の回避」だ。年間20件の仕入れをしている会社なら、そのうち2〜3件はリフォーム費用の見積もり誤差で利益率が大幅に低下しているはず。これをAIの推定精度で防ぐだけで、投資は短期間で回収できる。

移行時の注意点

ExcelとAIの並行運用期間を設ける

最低3ヶ月は、ExcelとAIの両方でシミュレーションを回し、結果を比較する。AIの出す数字をいきなり信用するのではなく、「Excelでこう計算したが、AIの推定はこうだった。差分の理由は何か」を毎回検証する。この並行期間がAIへの信頼を醸成する。

データの質がAIの精度を決める

AIの精度は、学習データの質に完全に依存する。過去の実績データに、リフォームの「実際の費用」と「当初の見積もり」の両方が記録されていないと、費用推定モデルの精度は上がらない。データ整備フェーズを省略しない。

まとめ：Excelを捨てるのではなく、Excelで足りない部分をAIで補う

利益率シミュレーションのAI移行は、Excelを全否定することではない。Excelで十分に回る計算（原価積み上げ、税金計算、キャッシュフロー計算）はそのまま使えばいい。AIが圧倒的に強いのは「外部データの収集・比較」と「過去実績からの推定」の2点。この2点だけをAIに任せ、最終的なシミュレーション判断は人間がExcelで行う。この「人間+AIのハイブリッド」が、現時点で最も現実的なアプローチだ。