工務店のAI活用｜Astra・Sol・Luna・Gemini・Claudeの違いと使い分け

記事基本情報

「Astraはどれくらい賢いのか」「SolやLunaでは足りないのか」「GeminiやClaudeも契約した方がよいのか」。

AIの選択肢が増えるほど、工務店では導入判断が難しくなります。しかし、必要なのは、すべての仕事に最も高性能なAIを使うことではありません。

問い合わせの分類、顧客への返信、商談の振り返り、広告費の配分では、必要な判断の深さが違います。業務の難しさ、処理量、扱う資料、間違えた場合の影響に合わせて選ぶことが、実務で役立つ使い分けです。

本記事では、OpenAIのGPT-6 Astra・GPT-6 Sol・GPT-6 Luna、GoogleのGemini 3.1 Pro、AnthropicのClaudeを比較します。Claudeは単一モデルの名称ではないため、具体例ではClaude Opus 5.5を取り上げます。モデルの提供状況や利用条件は、契約・画面・更新時期によって異なります。

この記事の結論

• AIの賢さを、人間と同じ「IQ」で一律に順位づけすることはできません。 推論の評価と、自社業務での正確さを分けて確認します。
• Astraは複雑な分析や判断支援、Solは日常業務で判断を伴う作業、Lunaは条件が明確な分類・抽出・要約の候補です。
• Gemini 3.1 Proは画像・音声・動画・PDFなどを含む情報整理、Claude Opus 5.5は複雑な知識業務や文書作成の比較候補になります。
• 導入効果は、回答の印象だけでなく、確認・修正を含む作業時間と、初動・来場・成約へのつながりで判断します。
• 工務店では、まず「商談記録の整理」と「追客文の下書き」を標準化し、必要に応じて経営分析や自動処理へ広げる方法が現実的です。

1．AIの「IQの違い」を、そのまま業務能力の差と考えない

AIのIQランキングだけでは選べない理由

「このAIはIQ150」「別のAIはIQ120」といった数字を見ても、それだけで住宅営業への適性は判断できません。

今回確認した公式資料には、対象モデルをすべて同じ条件で測り、人間のIQと対応づけた共通の比較表はありませんでした。特定の問題で高得点を取ることと、顧客の事情を正確に理解して次回提案を作ることは、別の評価です。

例えば、GoogleはGemini 3.1 Proについて、新しい論理パターンを解く能力を評価する「ARC-AGI-2」で77.1％というスコアを公表しています。これは、その評価での成績であり、「IQ77.1」でも「住宅営業の正答率77.1％」でもありません。([blog.google][1])

工務店が確認したい「賢さ」は、次のように分解できます。

モデルの性能と、使える機能は別に確認する

AIモデルは情報を理解・生成する部分です。一方、メールを読む、顧客管理システムへ記録する、動画をアップロードするといった操作は、利用するアプリや連携機能にも依存します。

「Geminiだから社内のGoogle資料をすべて読める」「高性能なモデルだからCRMへ自動登録できる」とは限りません。モデル名に加えて、接続先、権限、利用プランを確認する必要があります。

また、Astra・Sol・Lunaには世代の違いがあります。本記事はGPT-6を対象としており、GPT-5.6 Solなどの別世代と混同しないことが前提です。OpenAIの公式案内でも、モデルや利用環境によって提供状況が異なると説明されています。([ChatGPT Learn][2])

2．Astra・Sol・Luna・Gemini・Claudeの違い

以下は公式の位置づけを踏まえた、工務店向けの選定案です。工務店業務で各モデルを実測した性能順位ではありません。

OpenAIはAstraを高度な分析、Solを日常の判断を伴う業務、Lunaを明確で反復的な業務の候補として案内しています。GoogleはGemini 3.1 Proの複数形式の入力対応を、AnthropicはOpus 5.5の知識業務や文章・コミュニケーションの改善を説明しています。([OpenAI API][3])

「Claudeは文章、Geminiは検索、ChatGPTはアイデア」と固定する必要はありません。各モデルの対応領域は重なっています。実際の資料を渡して、修正の少なさと作業時間を比較してください。

3．工務店の業務別に、どのAIを使い分けるか

反響直後：Lunaで分類し、条件に当てはまらないものを引き継ぐ

資料請求や問い合わせでは、最初に必要な情報を取り出します。

• 希望エリア
• 土地の有無
• 建物予算と総予算の区別
• 希望する入居時期
• 相談したい内容
• 希望する連絡方法

例えば「土地はあるが、建て替えるか売るか迷っている」という問い合わせを、単に「土地あり」と処理すると、その後の案内がずれます。

Lunaには「土地あり」「土地なし」だけでなく、「判断保留」「複数の選択肢を検討中」といった分類先も用意します。情報が足りない場合は、不明のまま残す設計が必要です。

なお、受付完了の定型通知は、通常の自動配信で対応できる場合もあります。AIは自由記述の整理など、判断が必要な部分へ使います。

日々の追客：Solで、顧客の状況に合う下書きを作る

個別追客では、顧客が話した内容と、次の連絡の目的をつなげます。

例えば、建物の広さで予算が変わることを気にしている顧客に、いきなり来場予約を促しても、疑問が残ります。

Solに渡す情報は、少なくとも次の4点です。

文章の自然さだけでなく、顧客が次に答えやすい内容になっているかを営業担当者が確認します。

営業会議・経営判断：Astraで、原因を分けて考える

「担当者Aの成約率が低い」という集計だけでは、改善策は決まりません。

Astraへ分析を依頼する場合は、担当者別の数字に加えて、流入元、担当件数、価格帯、初動時間、検討期間、失注理由などを渡します。

そのうえで、以下を分けて整理させます。

1. データから確認できる事実
2. 原因として考えられる仮説
3. 判断に足りない情報
4. 次に試す改善策

例えば、広告由来の情報収集層と、OB紹介の具体検討層では、同じ成約率を期待できるとは限りません。AIには「担当者の能力」を結論にさせず、流入や案件条件を分けて考えさせます。

写真・音声・動画を含む資料整理：Gemini 3.1 Proを試す

施工現場の動画、商品説明の音声、仕様書PDFなど、形式の異なる資料を扱う場合は、Gemini 3.1 Proが比較候補になります。公式資料でも、これらの入力形式への対応が示されています。([docs.cloud.google.com][4])

例えば、現場動画から「施主へ説明する進捗」と「担当者が追加確認する項目」を整理する使い方です。

ただし、映っていない部分まで確認した扱いにしてはいけません。図面の寸法、施工品質、構造や法令への適合を、AIの画像理解だけで確定しない運用が必要です。

提案書・説明資料：Claude Opus 5.5とSolを比較する

顧客向けの長い説明や提案書では、Claude Opus 5.5とSolに同じ資料を渡し、比較すると判断しやすくなります。

確認するのは「文章がうまいか」だけではありません。

• 顧客が重視する順番に説明しているか
• 標準仕様と追加仕様を混同していないか
• 不安に対して具体的に答えているか
• 未確認事項を明示しているか
• 営業担当者が直す箇所はどれくらいあるか

文章の好みや自社の提案書との相性もあるため、公開ベンチマークだけで勝者を決めず、自社資料で選びます。

4．最初に確認するKPIは「修正時間」と「反響後の歩留まり」

AIの利用回数が増えても、確認や修正に時間がかかれば、業務全体は軽くなりません。

経営者は費用と粗利、営業責任者は対応漏れと提案品質、マーケティング責任者は流入別の来場・成約を中心に見ます。

計算例：議事録整理の短縮を金額換算する

以下は、特定モデルの実績ではないシミュレーションです。

営業5人が月20件ずつ、合計100件の商談記録を整理するとします。

人件費を1時間3,000円と仮定すると、削減時間の価値は月6万円です。AI利用と運用の追加費用が月2万円なら、差額は月4万円になります。

ただし、削減時間は、そのまま現金支出の減少を意味しません。空いた時間を初回対応や提案準備に振り向け、成果を確かめる必要があります。

計算例：広告費を増やさず来場・成約を改善する

以下もシミュレーションです。同じ獲得期間の50件を同じ長さで追跡し、顧客の重複を除いて比較します。

1棟当たりの粗利を500万円と仮定すれば、成約が1件増えた場合の粗利増加は500万円です。実際の投資判断では、追加のAI費用・運用費・営業対応費も含めます。

この改善をAIだけの効果とは扱いません。担当配置、イベント内容、価格、流入品質など、同時に変わった条件も確認します。

5．マーケティングと営業をつなぐには、AIの出力を顧客情報へ戻す

商談の要約が個人のチャットに残るだけでは、引き継ぎや追客に使えません。

どのAIを使っても、最終的に次の情報を共通の顧客管理へ戻します。

マイホムの導入事例でも、顧客管理、社内メモによるフォロー、書類管理などが業務改善のテーマとして扱われています。AIを選ぶ際も、情報を共有して次の対応に使えるかが重要です。([myhm.jp][5])

返信や予約が入ったら自動追客を止める、担当者が個別対応している案件には別の案内を重ねないなど、配信ルールも合わせて整備します。停止条件はシステム側で管理し、AIの推測だけに任せないことが基本です。

6．工務店がAIの使い分けを始める手順

1. 対象業務を二つに絞る

商談記録の整理、追客文の下書きなど、処理件数があり、担当者が正誤を確認できる業務を選びます。

1. 比較用の案件を用意する

匿名化した過去案件を、単純なケースと判断が難しいケースに分けて用意します。最初は20件程度を試験用の目安にしてもよいでしょう。

1. 同じ入力・同じ合格条件で比較する

モデル名、世代、設定、連携機能を記録し、必要項目の抽出漏れや修正時間を測ります。

1. 合格する範囲で、費用と速度が見合うモデルを選ぶ

Lunaで十分な分類はLunaへ、個別判断を伴う文章はSolなどへ、複雑な分析はAstraやClaude Opusなどへ振り分けます。

1. 引き継ぐ条件を決める

情報の矛盾、金額の不一致、クレーム、契約に関わる事項などは、人が確認する対象として設定します。

1. 月次で作業時間と営業成果を確認する

モデル変更時には比較用案件で再確認し、品質が維持されるかを見ます。

楓工務店の公式発表では、部門ごとに目標を設定し、Claude・Geminiなどを案内文作成や反響表集計等へ活用する取り組みが紹介されています。自社で始める際も、「どのAIを契約するか」と同時に、「どの作業をどう改善するか」を決めることが参考になります。([奈良・京都南部での注文住宅・新築一戸建て・建売住宅・リフォーム・リノベーションは楓工務店][6])

7．失敗しやすいポイント

すべてを高性能モデルへ任せること。 定型処理には過剰な費用や待ち時間が発生する場合があります。一方、重要な判断を安さだけで選んだモデルへ任せることも避けます。

複数のAIが同じ回答をしたら正しいと考えること。 同じ資料の不足や誤りを引き継ぐ可能性があります。金額や仕様は原本と照合します。

顧客の温度感を、AIの印象で確定すること。 「返信が短いから見込みが低い」などの推測を、そのまま担当者の優先順位に反映させないようにします。

要約だけ作って、次の対応を決めないこと。 記録が短くなっても、担当・期限・連絡目的が決まらなければ、対応漏れは残ります。

利用ルールを決めずに顧客情報を入力すること。 会社で許可した環境、入力可能な情報、閲覧権限、保存・削除のルールを先に確認します。

導入前チェックリスト

• [ ] モデル名だけでなく、世代と利用環境を確認した
• [ ] 対象業務と合格条件を決めた
• [ ] 未確認事項を推測で埋めない指示を用意した
• [ ] 確認・修正込みの作業時間を測っている
• [ ] 金額・仕様・契約に関わる出力の確認者を決めた
• [ ] 次回アクションを顧客管理へ戻せる
• [ ] 返信・予約後の自動追客停止条件を決めた
• [ ] 顧客情報の入力・保存・閲覧ルールを確認した
• [ ] 初動、来場、成約まで追跡できる

よくある質問

Astraが最も高性能なら、すべてAstraでよいですか？

品質を優先し、費用や待ち時間が問題にならない業務では候補になります。ただし、大量の定型処理では、Lunaなどで必要な品質を満たせるかを試す価値があります。最終的には、確認や修正まで含めた負担で比較します。

Gemini 3.1 ProとClaudeでは、どちらのIQが高いですか？

本記事の調査範囲では、人間のIQと対応する共通尺度で優劣を判断できません。Claudeもモデルを指定する必要があります。画像・動画を含む資料整理、提案書作成など、実際に任せたい業務で比較してください。

工務店は最初からすべて契約する必要がありますか？

ありません。社内で利用を認めた一つの環境から始め、対象業務で不足が見つかった場合に追加比較します。社員全員が複数サービスを行き来する運用は、情報の分散や管理負担も考慮する必要があります。

PASSで支援できること

PASSの導入・活用相談では、反響、顧客情報、商談記録、次回アクションをつなぎ、AIの出力を営業活動へ生かす運用を検討します。

特に整理したいのは、次の三点です。

• 顧客・案件情報と商談記録をまとめる
• 未対応、停滞、次回対応の期限を把握する
• 流入元・担当者別に、来場・成約までの歩留まりを確認する

特定のAIモデルへの対応、自動切り替え、外部サービス連携の提供範囲は、導入前に確認が必要です。まず現状のデータと業務を確認し、任せる範囲と効果測定の方法を決めます。