あなたのAI価格設定ツールは、知らないうちにカルテルを動かしているかもしれない
去年の秋、ある中堅の不動産管理会社との電話会議で、レベニュー担当VPの発言に胃が落ちるような思いをした。
「うちは大丈夫です」と彼女は言った。「RealPageは使っていません。価格設定ツールは自社で作りました」。少し間があった。「まあ——自社データとスクレイピングした競合の物件情報を渡して、GPT-4を呼び出しているんですけどね。でも、これは私たちのものです」
それは彼らのものではなかった。少なくとも、意味のある形では。彼らは競争上センシティブな賃貸データ——稼働率、賃貸借条件、ユニットタイプ別の価格——を、何で学習させられたのか分からず、誰との対話で改良されたのかも分からないサードパーティのAPIに送り込み、市場全体分の類似クエリから吸収されたパターンによって形作られた推奨を受け取っていた。彼らは自覚のないまま、司法省(DOJ)が2年をかけて解体してきたのとまさに同じ種類の、アルゴリズムによる協調メカニズムを構築していたのだ。
あの会話は、Veriprajnaで何を作るのかについての私の考え方を変えた。問題は、ある1社がソフトウェアで家賃を操作して摘発されたことではない。問題は、そのデフォルトのアーキテクチャ——ほとんどの企業がAIのために使っている、自社のデータを他社のモデルに送り、推奨を受け取るという方式——が、DOJがたった今「デジタル・カルテル」と呼んだものと構造的に区別できない、ということだ。
RealPageで実際に何が起きたのか?
具体的に説明したい。見出しよりも細部のほうが重要だからだ。
RealPageは、YieldStarおよびAIRMというソフトウェアを構築した。これは競合する家主から非公開かつ粒度の細かい取引データ——リアルタイムの賃料、賃貸借条件、将来の稼働率予測——を取り込み、日次の価格推奨を生成するものだった。DOJは、これが「ハブ・アンド・スポーク」型のカルテルを生み出したと主張した。RealPageがハブであり、家主たちがスポークであり、アルゴリズムが煙の立ちこめる密室だった、というわけだ。
政府の申立書にある、私が何度も立ち返る一節がある。このソフトウェアは、家主たちが「互いに競い合うのではなく、足並みをそろえて動く可能性が高い」状態を確実にした、というものだ。
アルゴリズムの明示的な設計目標が、競合他社に競争させないことであるとき、密室での握手など必要ない。握手そのものが自動化されているのだ。
2025年11月24日、DOJは画期的な和解に至った。2025年9月には、FPI Managementがすでに280万ドルで和解していた。Yardi Systemsは訴訟が継続中だ。そして突如として、アルゴリズム価格設定を運用するあらゆる企業——不動産、ホスピタリティ、小売、物流——が、これまで考えたこともなかった問いに向き合わざるを得なくなった。自社のソフトウェアは共謀者なのか?
不動産業界にいないなら、なぜこれが重要なのか?
RealPage事件の報道の多くが誤るのはここだ。論者たちはこれを不動産の話として扱う。違う。これはアーキテクチャの話だ。
DOJの最終判決は、あらゆるエンタープライズAIチームを震え上がらせるはずの技術的な区別を引いている。それは、モデルの学習と実行時の運用を分離するものだ。モデルは依然として、過去の集計されたトレンド——少なくとも12か月以上前のもので、進行中の取引に紐づかないデータ——から学習できる。しかし、競合他社の現在の状況——その稼働率、その在庫、そのライブ価格——を、リアルタイムの推奨の入力として使うことは?それはいま、シャーマン法第1条の下でデジタル共謀の一形態として扱われる。
もう一度読んでほしい。これは意図の問題ではない。問題はデータフローのアーキテクチャだ。
技術面と法務面の全体的な分析については、当社リサーチのインタラクティブ版に書いたが、核心となる洞察はこうだ。もしAIシステムが非公開の競合データを取り込み、市場の挙動に影響を与える推奨を出力しているなら、そこには独占禁止法上の問題がある。どの業界にいるかは関係ない。シャーマン法は業種など気にしない。
そして、マルチテナントのAPI——自社と競合他社の双方のデータを処理するもの——を使っているなら、データ混在のリスクは構造的だ。アーキテクチャの問題を、ポリシーで切り抜けることはできない。
「ラッパー」は死んだと悟った夜
RealPageの和解より前の、ある瞬間まで話を戻す必要がある。私の中でこのテーゼが結晶化したのは、その時だからだ。
私たちは、ホスピタリティ業界のクライアント向けに価格設定プロトタイプのストレステストを行っていた。システムはごく標準的な構成で、彼らの予約データをLLM APIに流し込み、スクレイピングした市場レートと組み合わせて、動的な価格提案を生成するものだった。インターフェースはきれいで、応答は速い。クライアントは気に入っていた。
そのとき、エンジニアの一人であるPriyaが来歴監査(プロヴェナンス・オーディット)を実行した。彼女は、推論時にモデルに触れるすべての入力のデータリネージを追跡した。火曜日の午後11時、彼女はSlackチャンネルに一行だけ書き込んだ。「モデルが何を知っているのか、私たちには証明できません」
彼女は正しかった。データを公開APIに送った時点で、出力に何が影響したのかを保証する能力は失われる。そのモデルは、他のホスピタリティ企業との対話でファインチューニングされていたかもしれない。先週に同じAPIを使った競合他社の価格パターンを吸収していたかもしれない。本当に知りようがないのだ。そしてRealPage後の世界では、「本当に知りようがない」は弁明ではない——自白だ。
その夜、私はチームに、この案件全体をプライベート・デプロイメントへと方向転換すると告げた。クライアントは反発した——時間はかかるし、初期コストは増えるし、彼らが持っていないインフラが必要になる。午前1時に自室で、良心に照らして、作り上げたものをそのまま納品することはできない理由を説明するメールを書いていたのを覚えている。創業者として経験した中で最も難しいクライアントとの会話だった。そして、最も重要な会話でもあった。
問題は、AIが良い推奨を出すかどうかではない。問題は、それらの推奨をどのデータが形作ったのかを、連邦裁判官に対して、宣誓の上で、正確に証明できるかどうかだ。
州はどう反応したか?誰の予想よりも速かった
連邦の和解は前座にすぎなかった。カリフォルニア州とニューヨーク州は、リーガルテック業界全体の不意を突く速さで動いた。
カリフォルニア州のAB 325は、2026年1月1日に施行され、取引を制限する共謀の一環として、競合データを用いて価格を推奨または左右する共通の価格設定アルゴリズムの使用を禁じる。重要なニュアンスは、これが2者以上によって使用されるツールにのみ適用される点だ。単一の企業が専有的に使うために構築した独自アルゴリズムは適用除外となる。
この適用除外をよく読んでほしい。カリフォルニア州は事実上、共有型のSaaSツールを契約する代わりに自社のAIを構築する法的インセンティブを作り出したのだ。
ニューヨーク州のS. 7882は、2025年12月15日に施行され、住宅系の不動産管理者に対してさらに踏み込む。同法は、「協調機能」——複数の物件所有者からデータを収集・分析することと定義される——を果たすあらゆるアルゴリズムツールを対象とする。推奨を直接採用していなくても責任が生じ得る。基準は、そうしたツールを使うこと自体における「無謀な無視(reckless disregard)」だ。
マンハッタンの不動産弁護士と話したとき、彼はこう言い切った。「ニューヨークでマルチテナントの価格設定ツールを使っている不動産管理者は、リスクを管理しているのではない。リスクを製造しているんだ」
「ソブリンAI」とは、実務上どういう意味なのか?
私は「ソブリン(主権的)」という言葉を意図的に使っている。大げさに聞こえるのは分かっている。だが概念は明確だ。AIシステムは、自社が所有しないデータにアクセスすること、取り込むこと、あるいはそれに影響されることが、アーキテクチャ上そもそも不可能でなければならない。
Veriprajnaでは、私たちのアプローチを「Deep AI」と呼んでいる。それは、当たり前に聞こえるのに実務では急進的だと分かる原則の上に築かれている。すなわち、声と脳を分離する。
「声」はニューラル言語モデルだ——自然言語を理解し、流暢な応答を生成するもの。私たちはLlama 3やMistralのようなオープンモデルを、クライアント自身の仮想プライベートクラウドの内側にプライベートにデプロイする。データが彼らの境界の外に出ることはない。
「脳」は決定論的なシンボリック・ソルバーだ——ナレッジグラフ、ルールエンジン、SQLベースのロジック——であり、ポリシーを強制し、計算を実行し、出力が特定の規制上の制約に適合することを保証する。脳はハルシネーションを起こさない。近似もしない。計算するのだ。
これは認知科学者が「システム2」思考と呼ぶもの——遅く、熟慮的で、監査可能な推論——を、「システム1」のパターン認識の上に重ねたものだ。ニューラルモデルは曖昧さと言語を扱う。シンボリックなシステムは真実とコンプライアンスを扱う。
安全性は確率的であってはならない。それはアーキテクチャ的でなければならない。
DOJが価格の「ガバナー(制御装置)」を対称的に——値下げと値上げに等しい重みを与えるように——することを要求するとき、それはシステムプロンプトで強制できるようなポリシーではない。それは、統計的にありそう、ではなく数学的に保証されるシンボリック層に符号化する制約だ。
法を犯さずに市場データを使うことはまだできるのか?
これは最も頻繁に受ける質問であり、正しい問いでもある。答えはイエスだ——ただし、その方法が決定的に重要になる。
技術的なメカニズムは差分プライバシーだ。数学に深入りはしないが(これについては当社のテクニカル・ディープダイブで詳しく書いた)、核となる考え方はエレガントだ。データに注意深く較正されたノイズを加えることで、個々の参加者の情報が含まれるか除かれるかによって、アルゴリズムの出力が意味のある形で変わらないようにするのだ。
つまり、価格エンジンは、特定の競合他社の稼働率や賃貸借条件を一度も「見る」ことなく、広範な市場トレンド——「この郵便番号エリアでは需要が上昇している」——から学習できる。独占禁止法上のエクスポージャーなしに、分析上の有用性が得られる。
私たちはこれを合成データ生成と組み合わせている。2024年時点の予測では、AIの学習データの60%が合成データになるとされていた。2026年、合成データは私が「コンプライアンス・バイ・デザイン」と呼ぶものの主要なメカニズムになった。私たちは生成モデルを用いて、統計的性質を保ちながら、競争上センシティブな実データを一切含まない高忠実度の合成市場データを作成する。
これは抜け道ではない。より優れたアーキテクチャだ。そしてそれは、どれだけ法的免責文言を並べても得られないもの、すなわち数学的証明——自社のシステムが競合他社と協調していないことの証明——をもたらす。
「オートアクセプト」をめぐる、私が繰り返している議論
RealPageの和解には、十分に注目されていない細部がある。オートアクセプト機能の禁止だ。
RealPageのソフトウェアは、人間のレビューなしに価格推奨を自動的に実装できた。DOJはこれを重大な加重要因として扱った。和解では現在、オートアクセプト機能は設定可能であり、ユーザーが手動で設定するものでなければならないと定められている。
私はこの件で、ある見込み客のCTOと議論になった。彼は完全自律型の価格設定エージェントを求めていた——人間を介さず、市場状況に即応し、効率は最大。「それこそがAIの意義だ」と彼は言った。
私は彼に、AIの意義とは、より良い意思決定をすることであって、誰もレビューできない速さで意思決定をすることではない、と伝えた。彼はその答えを気に入らなかった。
しかし現実はこうだ。Veriprajnaで作るすべてのシステムには、私が「Human-as-Capturer(人間が主導権を握る)」ループと呼ぶものが組み込まれている。人間の意図が、あらゆる重要な層で機械の実行を統べる。人間のほうがアルゴリズムより賢いからではなく——多くの場合そうではない——2026年の法的・倫理的枠組みが、市場に向かうあらゆる意思決定について人間が説明責任を負うことを求めているからだ。オーバーライドのプロトコル、必須の承認プロセス、規制当局のレビューのために保持される監査ログ。
この人間参加型(ヒューマン・イン・ザ・ループ)の要件は、AI価格設定ツールを無意味にするのではないか、と聞かれることがある。そんなことはない。それはツールを、置き換えではなく道具にする。AIは、人間のチームなら何日もかかる分析を数秒で行う。判断は人間が下す。それは制約ではない——責任ある市場参加のアーキテクチャなのだ。
「ラッパーの罠」の本当のコスト
お金の話をしよう。最終的に議論を動かすのはそこだからだ。
Tier 1のAPIモデル——GPT-5、Claude 4——を使う企業は、入力100万トークンあたり$1.25〜$15.00、出力100万トークンあたり$10.00〜$75.00を支払っている。こうしたコストは変動する。利用規約も変わる。そして送信するすべてのトークンが、データ主権のリスクを帯びている。
2025年後半のMcKinseyとBCGのデータによれば、AIのスケーリングに成功している企業は、同業他社と比べて3年間の株主総利回りが3.6倍高い。しかし、AIから実質的な財務的利益を得られている組織はわずか5%にすぎない。大多数は、他社のインフラに対して膨らみ続ける税を払い続けながら、見合うだけの防御可能な競争優位を何も示せずにいる。
Deep AIはコスト構造を反転させる。インフラ——ハードウェアのCapEx、プライベートなモデルのデプロイ、シンボリック推論の層——に投資し、資産を築くのだ。自社組織固有のワークフロー、ポリシー、市場インテリジェンスを捉えた、あつらえの「組織の頭脳」。それはバランスシートに載る。価値が複利で積み上がる。そして、あなたと同じAPIを契約している競合他社には複製できない。
競争優位が他社のデータセンターに宿っているなら、それは競争優位ではない。ただのサブスクリプションだ。
ここからどこへ向かうのか?
次のフロンティアはエージェンティックAIだ——ツールを選択し、多段階の推論を行い、現実世界で行動を実行する自律システム。出荷を予約する。価格を調整する。規制文書を提出する。可能性は並外れている。リスクもそれに比例する。
権限を逸脱する自律型の価格設定エージェント——無許可の財務的コミットメントを行ったり、人間の監督なしに市場参加者と協調したりするもの——は、単なる技術的な失敗では済まない。RealPage後の法環境では、それは連邦法違反になり得る。
私たちが構築するすべてのエージェンティック・ワークフローは、厳格なループに従う。企業の「憲法」に照らして推論し、適切なツールを選択し、出力を検証し、コンプライアンス上の境界を越えていないことを確認して初めて応答を合成する。すべてのアクションはログに記録され、監査可能だ。シンボリックな脳は憲法上の制約として機能する——提案でも、ガイドラインでもなく、ニューラルモデルが上書きできないアーキテクチャ上の境界として。
これが実務における主権の意味だ。単にデータを所有することではなく、それに作用する推論プロセスを所有すること。単にAIをデプロイすることではなく、自社の法、倫理、リスク許容度を反映したAIを——規制当局が検査でき、裁判官が理解できるロジックに符号化して——デプロイすることだ。
RealPage事件は例外ではなかった。それは新しい法的現実の、最初の明確なシグナルだった。すなわち、AIシステムのアーキテクチャこそが、いまや独占禁止法上のエクスポージャーを決める主要な決定要因である。意図ではない。ポリシーでもない。利用規約でもない。アーキテクチャだ。
アルゴリズム価格設定、レベニューマネジメント、あるいは市場に向けた推奨を運用しているすべての企業は、シンプルな問いに答える必要がある。もし明日DOJが自社のAIシステムに召喚状を出したとして、データフロー、モデル学習、推論ロジックのレベルで、それが競合他社から独立して動作していることを証明できるだろうか?
答えが「たぶん」なら、問題を抱えている。答えが「APIプロバイダーに確認しないと分かりません」なら、危機に瀕している。
煙の立ちこめる密室は消えたわけではない。クラウドへ移っただけだ。そしてこの新時代に栄えるのは、最高のアルゴリズムを持つ企業ではない——自らのアルゴリズムを完全に所有し、コンプライアンス・バイ・デザインで設計し、宣誓の上でそれを証明できる企業だ。