不動産管理会社は、2つの方面で同時に法的リスクに直面しています。すなわち、公正住宅法（Fair Housing Act）の下で差別を生む入居者審査と、シャーマン法（Sherman Act）の下で価格を協調させる収益管理です。当社は両方を監査し、コンプライアンスに準拠したアーキテクチャを設計し、重要なすべての法域に照らしてお客様のシステムをマッピングします。
$140M+
アルゴリズム価格設定に関する家主集団訴訟の和解額
Fortune、2025年10月
$2.275M
差別的な入居者審査に関するSafeRentの和解額
Cohen Milstein、2024年11月
4州
2026年に施行される新たな住宅AI法（CA、NY、CO、IL）
州議会、2025〜2026年
ほとんどの不動産管理会社は、審査コンプライアンスと価格設定コンプライアンスを別々の問題として扱っています。裁判所と規制当局はそう扱いません。
SafeRentのRegistry ScorePLUSは、住宅バウチャー保有者を低く評価しました。バウチャーが提供する保証された収入の流れを考慮せずに、信用履歴を過度に重視していたためです。このアルゴリズムは信用スコアを中立的な予測因子として扱っていました。しかしそれは中立ではありません。FICOスコアの中央値は人種間で分かれています。すなわち727（白人）、667（ヒスパニック）、627（黒人）です。審査モデルが補助対象の入居者に対して信用履歴を主要な特徴量として用いると、その格差が承認率に直接エンコードされます。
裁判所は、自社が公正住宅法の適用を受けない「中立的なベンダー」であるというSafeRentの主張を退けました。家主が第三者のスコアに主として依拠している場合、そのスコアの提供者は差別的な結果について責任を分担します。
法理： 公正住宅法、差別的影響（disparate impact）。 重要な基準： 差別的影響比率（5分の4ルール）。いずれかの保護対象グループの承認率が、最高承認率グループの80%を下回る場合、推定上の違反となります。
RealPageのAIRMとYieldStarは、競合する家主から非公開の賃料、リース条件、稼働率データを収集し、そのデータを用いて価格を「足並みをそろえて」動かすよう設計された価格推奨を生成しました。DOJ（司法省）はこれを「ハブ・アンド・スポーク」型カルテルとして扱いました。RealPageがハブであり、プラットフォームを通じてデータを共有する各家主がスポークでした。
自動承認機能が事態を悪化させました。AIRMのデフォルト設定は、日次3%・週次8%の変動範囲内の価格推奨を自動的に承認していました。ほとんどの家主はこれらの設定を一度も変更しなかったため、アルゴリズムが事実上、人間のレビューなしに価格を設定していたことになります。
法理： シャーマン法第1条、州反トラスト法。 重要な抗弁： 立証可能なデータ隔離。Yardiがカリフォルニア州の訴訟に勝訴したのは、Revenue IQのアーキテクチャが設計上、クライアント間のデータ汚染を不可能にしていたためでした。
PropTechの次の波は、人間の関与なしに問い合わせ対応、内見予約、応募者の事前審査、リース条件の交渉を行う自律型リーシングエージェントです。米国の集合住宅12戸に1戸で稼働するあるプラットフォームは、リードから契約までの時間が65%短縮されると主張しています。しかし、自律型エージェントが下すすべての判断は、公正住宅法違反または反トラストの接点となりうるものです。応募者の属性によって応答の質を変えたり、特定の応募者を特定の物件へ誘導（ステアリング）したり、価格譲歩を不均一に適用したりするエージェントは、すべてのやり取りに比例して拡大する法的責任を生み出します。エージェント型リーシングシステムのためのコンプライアンス・アーキテクチャはまだ存在しません。それこそが当社の構築するものです。
住宅AIコンプライアンスは一つの規制ではありません。連邦法、DOJの和解、州法、そして新たに登場する国際的枠組みのパッチワークです。この表は、現時点で執行可能なものと2026年に施行されるものをカバーしています。
| 規制 | 適用範囲 | 主要要件 | 罰則 | ステータス |
|---|---|---|---|---|
| 公正住宅法（連邦） | 入居者審査 | 保護対象クラスに対する差別的影響の禁止。テクノロジーベンダーは責任を分担。HUDの2024年5月ガイダンスは信用、立ち退き、犯罪歴データを対象とする。 | $26,262 初回違反、 $131,308 再犯（2025年調整後） | 施行中 |
| シャーマン法（連邦） | アルゴリズム価格設定 | 競合データを用いた共有アルゴリズムによる価格協調の禁止。DOJ和解：12か月のデータエージング、CSIの禁止、ガバナー対称性、設定可能な自動承認。 | 刑事罰＋3倍賠償（treble damages） 私的訴訟において | 施行中（7年間） |
| FCRA（連邦） | 入居者審査 | 2段階の不利益措置通知プロセス。拒否の具体的理由が必要。消費者報告として機能するアルゴリズムスコアは遵守しなければならない。 | 違反1件あたり$100〜$1,000 （法定）、実損害、弁護士費用 | 施行中 |
| カリフォルニア州 AB 325 | アルゴリズム価格設定 | 競合データを用いる「共通（common）」価格アルゴリズム（2ユーザー以上）を禁止。原告に対する連邦の主張要件基準を排除。CalPrivacy＋司法長官による二重執行。 | カートライト法（Cartwright Act）救済との 累積適用 | 2026年1月1日施行 |
| ニューヨーク州 S.7882 | アルゴリズム価格設定（住宅用） | 複数の所有者のデータを用いる「協調機能（coordinating function）」を持つ価格設定ツールの全面禁止。公開／非公開の区別なし。入居者の私的訴権。 | ドネリー法（Donnelly Act）の罰則 ＋私的訴訟 | 2025年12月15日施行（RealPageの執行停止が係属中） |
| コロラド州 SB 205 | 入居者審査（「重大な決定（consequential decision）」として） | 年次影響評価。リスク管理プログラム。AIの役割、データソース、不服申立てプロセスを記載した不利益決定の開示。 | 司法長官による執行 ＋消費者救済 | 2026年6月30日施行 |
| EU AI法 | 入居者審査＋価格設定（高リスク） | 適合性評価。文書化。人間による監督。バイアステスト。EUの入居者または事業を有する企業に適用。 | 最大€35Mまたは全世界売上高の7% | 段階的執行 2025〜2026年 |
現政権下で連邦の執行は弱体化しています。HUDは2025年初頭に自社ウェブサイトからAIガイダンスを削除しました。CFPBは人員と執行能力を削減しました。大統領令により、各省庁は差別的影響の執行を「優先順位を下げる」よう指示されました。しかし州の執行が積極的にその空白を埋めています。カリフォルニア、ニューヨーク、コロラド、イリノイの各州はいずれもAI固有の住宅法を制定しています。改正されたドネリー法およびカートライト法に基づく入居者の私的訴権は、執行が政府の主導に依存しないことを意味します。$140M+に上る家主の和解は、主として規制当局の執行ではなく私的集団訴訟を通じて生じたものです。
入居者審査の公平性とアルゴリズム価格設定の反トラスト・コンプライアンスの両方をカバーする単一のベンダーは存在しません。この表は、各アプローチがどこで不十分かを示します。
| アプローチ | カバーする範囲 | 見落とす範囲 | 標準的なコスト |
|---|---|---|---|
| AIガバナンス・プラットフォーム（Credo AI、Holistic AI、FairNow） | 汎用の公平性指標。ポリシー管理。マルチフレームワーク・マッピング（EU AI法、NIST）。Credo AIのNYC LL144。 | 住宅特化ではない。HUDガイダンスのマッピングなし。反トラストのデータ隔離検証なし。LDA探索なし。州レベルの住宅AI法のカバレッジなし。 | $18K〜$100K+/年 |
| オープンソース・ツールキット（IBM AIF360、Fairlearn） | 70以上の公平性指標（AIF360）。Scikit-learn統合（Fairlearn）。無料。 | コンプライアンス・マッピングなし。コンサルティング層なし。不利益措置通知の生成なし。運用には社内のML専門知識が必要。反トラストのカバレッジなし。 | 無料（＋社内エンジニアリングコスト） |
| Big 4／大手SI（Deloitte、PwC、EY、KPMG） | ブランドへの信頼。既存の顧客関係。大規模PMC向けのスケール。ポリシーおよびガバナンスのフレームワーク。 | ジュニア人材で構成されたゼネラリストチーム。技術的ソリューションの提供が遅い。モデルを監査はするが再構築はしない。$300〜$600/時のため、基本的な監査でも$100K+かかる。反トラスト・コンプライアンスはAIの公平性とは別の専門分野であり、2つの予算を抱える2つのチームに分かれることになる。 | $100K〜$500K+ |
| 審査ベンダー（SafeRent、TransUnion SmartMove、CoreLogic） | 組み込みのコンプライアンス機能（SmartMoveのResidentScoreは、生の信用情報より15%精度よく立ち退きを予測）。FCRAコンプライアンス層。 | 彼らは監査される側のモデルであり、監査人ではない。SafeRentは5年間の差止命令下にある。ベンダーの自己評価は独立した検証ではない。価格設定のコンプライアンスなし。 | レポート単位の価格設定 |
| 反トラスト法律事務所 | 価格設定アルゴリズムのリスクに関する法的分析。和解コンプライアンスの助言。訴訟における弁護。 | 法的助言であってエンジニアリングではない。データ隔離された価格設定アーキテクチャの構築や公平性指標の計算の実行はできない。LDA探索の実施や技術的是正の実装はできない。 | $500〜$1,500/時 |
| Veriprajna | 審査の公平性と価格設定の反トラストの両方を統合的なコンプライアンスとして提供。LDA探索。データ隔離アーキテクチャ。複数州にまたがる規制マッピング。エージェント型AIのガードレール。 | 法律事務所ではない。法的見解の提供や法廷での代理はできない。和解条件の法的解釈には、当社と並行して活動する反トラスト弁護士が必要。 | エンゲージメント単位 |
住宅AIの法的責任の両方面に対処する4つの能力。各エンゲージメントは、お客様のポートフォリオ規模、ベンダー構成、法域上のリスクに合わせて個別にスコープを定めます。
当社はお客様の審査モデル（SafeRent、TransUnion SmartMove、カスタムモデル、AppFolio連携のいずれであっても）を対象に、すべての保護対象クラスにわたる完全な差別的影響分析を実施し、続いて最小差別代替案（Least Discriminatory Alternative）探索を実行します。LDA探索は整数計画法（Gurobi/CPLEX）を用いてモデルの多重性空間を探索し、予測精度を維持しつつ差別的影響比率を最大化する構成を見つけ出します。
成果物： パレートフロンティア図（精度対公平性）、保護対象クラスごとの現行DIR、推奨上位5つのモデル構成、HUDガイダンス・コンプライアンスマップ、FCRA不利益措置通知監査、是正ロードマップ。
当社は、データ隔離をポリシーの上乗せではなく第一級のエンジニアリング上の制約として、価格設定システムを設計・実装します。各クライアントのデータは構造的に分離された環境に存在し、クライアント間の汚染が設計上不可能となります。これは、Yardiのカリフォルニア州サマリージャッジメント（略式判決）を勝ち取ったアーキテクチャです。
成果物： データ隔離された価格設定アーキテクチャ、すべての推奨に対するデータ来歴ロギング、ガバナー対称性の検証、自動承認設定の監査、法務向けの独立検証成果物。
カリフォルニア、ニューヨーク、コロラドで物件を管理している場合、FHA、シャーマン法、FCRAに加えて、AB 325、S.7882、SB 205に同時に服します。各法は禁止行為の定義、執行メカニズム、開示要件がそれぞれ異なります。当社は、お客様のAIシステム・ポートフォリオ全体を適用されるすべての規制に照らしてマッピングし、法域ごとのコンプライアンス・マトリクスを作成します。
成果物： 法域ごとのギャップ分析を含むコンプライアンス・マトリクス、リスクの深刻度でランク付けした是正の優先順位、開示テンプレートライブラリ、コロラド州SB 205向けの影響評価フレームワーク。
自律型リーシングエージェントは、入居者とのやり取りごとに数十のマイクロ判断を下します。すなわち、どの住戸を推奨するか、どれだけ迅速に応答するか、どのような譲歩を提示するか、どれだけ強気に交渉するかです。各判断は、公正住宅法または反トラストの接点となりうるものです。当社は、保護対象クラスの判断についてニューラルモデルを上書きする決定論的なガードレール層を、リアルタイムの公平性指標および人間へのエスカレーション用のサーキットブレーカーとともに構築します。
成果物： ポリシー執行層、やり取りごとの公平性スコアを伴う監査ロギング、ドリフト検知とサーキットブレーカーの設定、ステアリング検知モジュール、価格譲歩の均一性検証。
すべてのエンゲージメントは、お客様の現在のリスクの把握から始まります。期間はポートフォリオ規模および関係する法域の数によって異なります。
当社は、ポートフォリオ全体で入居者審査または価格設定に関わるすべてのAIシステムを棚卸しします。各システムについて、どのようなデータを取り込むか、ほかに誰が同じベンダーを使用しているか、どの法域で稼働しているか、現在どのような開示を提供しているかをマッピングします。成果物は、最もリスクの高い箇所を正確に示すリスクヒートマップです。
審査システムについては、差別的影響分析、LDA探索、FCRA不利益措置レビュー、特徴量レベルのバイアス帰属を実施します。価格設定システムについては、データ隔離を検証し、ガバナー対称性をテストし、自動承認設定を監査し、サンプル期間における各推奨のデータ来歴をトレースします。この段階では、モデル成果物、訓練データのメタデータ、システムアーキテクチャ文書へのアクセスが必要です。
監査結果に基づき、当社は既存システムの是正または新しいアーキテクチャの設計のいずれかを行います。審査の是正には通常、特徴量の再設計、閾値の再較正、LDAに基づくモデル選択が含まれます。価格設定の是正には、データ隔離アーキテクチャの構築、来歴ロギングの実装、ガバナーおよび自動承認設定の再構成が含まれます。エージェント型システムについては、エージェントと判断点の間に位置する独立したサービスとしてガードレール層を構築します。
公平性指標はドリフトします。規制は変化します。新たな州法が施行されます。当社は、審査システム全体でDIR、SPD、均等オッズ（Equalized Odds）を追跡する継続的モニタリング・ダッシュボードと、価格設定システムのデータ隔離検証を提供します。新たな規制が施行されるとき（例えば2026年6月30日のコロラド州SB 205）、当社はお客様のコンプライアンス・マトリクスを更新し、必要な変更を先回りして指摘します。
現在のAIシステムに関する6つの質問に回答して、審査の公平性と価格設定の反トラストの両方にわたるリスクプロファイルをご覧ください。結果には具体的な規制の引用と推奨される次のステップが含まれます。
適切な審査監査は、1つの次元で差別的影響比率を算出するだけにとどまりません。当社はまず、モデルが用いるすべての特徴量を、信用力だけでなく実際のリース実績との予測上の関係にマッピングすることから始めます。信用履歴、立ち退き記録、犯罪歴はHUDが定める3つの高リスクカテゴリであり、それぞれ別個の分析が必要です。特に信用スコアについては、人種間の格差は構造的です。すなわちFICOスコアの中央値は727（白人）、667（ヒスパニック）、627（黒人）です。モデルが住宅バウチャーのような補助収入を考慮せずに信用履歴を過度に重視している場合、バウチャー保有者についてほぼ確実に5分の4の閾値を下回ります。当社はフルバッテリーを実行します。すなわち、統計的パリティ差（Statistical Parity Difference）、差別的影響比率（Disparate Impact Ratio）、均等オッズ（Equalized Odds）、反事実的公平性（Counterfactual Fairness）を、すべての保護対象クラスにわたって算出します。続いて整数計画法を用いた最小差別代替案探索を実行し、予測精度を維持しつつDIRを最大化するモデル構成を見つけ出します。成果物は、現行モデルが正確にどこに位置し、どの代替案が存在するかを示すパレートフロンティアです。FCRAコンプライアンスについては、不利益措置通知が、アルゴリズムの実際の判断ロジックを覆い隠す一般的な理由コードではなく、各拒否を生んだ具体的な特徴量を正しく帰属していることを検証します。
この和解は、現在では業界基準として機能する5つの技術要件を定めています。第1に、データの取り込み：競合物件からの非公開の競争上機微な情報（CSI）を使用してはなりません。第2に、モデルの訓練：いかなる非公開データも少なくとも12か月以上前のものであり、有効なリースに関連付けられていてはなりません。第3に、ランタイムの隔離：リアルタイムの価格推奨は、現在の稼働率やリース条件のような非公開の競合データを取り込んではなりません。第4に、ガバナー対称性：価格の下限と上限のパラメータは同一に機能しなければなりません。ユーザーが推奨を上限より5%超えて設定できるなら、下限より5%下回って設定することも可能でなければなりません。第5に、自動承認の設定：価格推奨の自動承認は、デフォルト設定ではなく、各ユーザーによる手動のオプトインでなければなりません。この和解は7年間続きます。決定的に、Yardiがカリフォルニア州反トラスト訴訟に勝訴したのは、まさにRevenue IQが設計上のデータ隔離を立証したためでした。裁判所は、Revenue IQが「いかなるクライアントの機密の価格情報も、ほかのクライアントの価格を推奨するために使用せず、また設計上使用できない」と認定しました。そのアーキテクチャ上の立証が決め手となりました。当社は、お客様の価格設定システムに、その同じ立証可能な隔離を構築するお手伝いをします。
カリフォルニアまたはニューヨークで物件を管理し、いずれかのマルチテナント価格設定ツールを使用している場合、適用されます。カリフォルニア州AB 325（2026年1月1日施行）はカートライト法を改正し、競合データを用いて価格に影響を与える「共通（common）」価格アルゴリズムの使用または配布を禁止します。価格アルゴリズムは、2ユーザー以上を有し、かつ競合データを取り込む場合に「共通」とみなされます。同法はまた、連邦の主張要件基準を排除することで、原告が早期の却下を免れやすくしています。ニューヨーク州S.7882（2025年12月15日施行）はより広範です。複数の物件所有者からデータを収集・分析して賃料を設定する「協調機能（coordinating function）」を持つあらゆるソフトウェアを禁止します。連邦の基準と異なり、ニューヨークは公開情報と非公開情報を区別しません。RealPageは現在、修正第1条を根拠にS.7882を争っており、仮差止命令の申立てが係属する間の執行停止を取得しています。ただし、この停止はRealPageとその直接の顧客のみを保護するものです。別の価格設定ベンダーや自社のマルチテナントツールを使用している場合、同法は今すぐお客様に適用されます。コロラド州のAI法（SB 205、2026年6月30日施行）はさらに一層を加えます。入居者審査は「重大な決定（consequential decision）」に分類され、年次影響評価、リスク管理プログラム、具体的な不利益決定の開示が求められます。
Yardiのカリフォルニア州での勝訴がそのテンプレートを提供しています。裁判所は略式判決を認めましたが、それはYardiが、Revenue IQのアーキテクチャが設計上クライアント間のデータ汚染を不可能にしていることを実証したためです。同等の抗弁を構築するには、3つのものが必要です。第1に、アーキテクチャ上の分離：各クライアントのデータは、クライアントAの価格設定モデルがクライアントBの非公開データに物理的にアクセスできない隔離された環境に存在しなければなりません。これは単なるアクセス制御ではなく、データベース、コンピュート、モデル訓練の各層における構造的な隔離です。第2に、監査証跡：各価格推奨へのすべてのデータ入力は、その来歴とともにロギングされなければなりません。原告側の弁護士が「この価格推奨はどこから来たのか？」と尋ねたとき、お客様自身の過去データと公開されている市場情報のみを示す完全な来歴を提示できなければなりません。第3に、独立した検証：ポリシーがそうすべきと述べているだけでなく、アーキテクチャが実際に隔離を強制していることを確認する第三者による技術監査です。当社は、ポリシーの上乗せではなく第一級のエンジニアリング上の制約として隔離を組み込んだ価格設定アーキテクチャを設計します。成果物は、システムそのものと、それが機能することを証明する監査成果物の両方です。
リーシングにおけるエージェント型AIは、既存のあらゆるコンプライアンスリスクを倍増させます。入居者の問い合わせ対応、内見予約、応募者の事前審査、リース条件の交渉を行う自律型エージェントは、やり取りごとに数十の潜在的に差別的なマイクロ判断を下しています。特に3つのリスクが際立ちます。第1に、ステアリング：応募者の特性に基づいて異なる住戸やコミュニティを推奨するエージェントは、そのように明示的にプログラムされていなくてもFHAに違反します。エージェントが、特定の属性層に特定の物件が提示された過去のやり取りデータから学習した場合、そのパターンを再現します。第2に、コミュニケーションにおける差別的取扱い：応募者プロファイルに基づいて応答時間、情報の深さ、フォローアップの頻度を変えるエージェントは、測定可能な差別的取扱いを生み出します。第3に、価格交渉：譲歩の提示やリース条件の調整を許可されたエージェントは、それらの提示を均一に適用しなければなりません。訓練データのパターンを理由に特定の属性プロファイルに対してより強気に交渉する場合、それは公正住宅法違反です。当社は、エージェント型リーシングシステムのためのガードレール層を構築します。すなわち、保護対象クラスの判断についてニューラルモデルを上書きする決定論的なポリシー執行、リアルタイムで計算される公平性指標を伴う各エージェント行動の監査ロギング、そしてエージェントの挙動が公平性の範囲外にドリフトしたときに人間のレビューへエスカレートするサーキットブレーカーです。
これらのプラットフォームは汎用のAIガバナンスには強力ですが、住宅特化のコンプライアンスには重大なギャップがあります。Credo AIはNYCのローカルロー144を含むポリシー管理と規制マッピングを提供しますが、HUDの入居者審査ガイダンス、SafeRent和解の差止要件、DOJのアルゴリズム価格設定のデータ隔離基準にはマッピングしません。Holistic AIは公平性、頑健性、説明可能性にわたる多次元のリスク定量化を提供しますが、横断的なものであり、住宅規制スタックに垂直特化していません。FairNowは継続的な公平性モニタリングに特化していますが、住宅ではなく人事や金融サービス向けに構築されています。これらのプラットフォームはいずれも、アルゴリズム価格設定の反トラスト・コンプライアンスに対処しません。いずれも最小差別代替案探索を提供しません。いずれも新たに登場する州レベルのパッチワーク、すなわちカリフォルニア州AB 325、ニューヨーク州S.7882、コロラド州SB 205にマッピングしません。これらはそれぞれ禁止行為の定義、執行メカニズム、救済が異なります。ギャップは統合です。住宅コンプライアンスでは、公正住宅法の差別的影響基準、FCRAの不利益措置要件、シャーマン法のデータ隔離要件、州固有の禁止事項を同時に満たす必要があります。当社は、別々のフレームワークに対する別々の監査ではなく、これらすべてに統合されたアーキテクチャとして対処するコンプライアンスシステムを構築します。
このソリューションページの背景にあるインタラクティブ・ホワイトペーパー。それぞれが住宅AIコンプライアンスの一側面について深い技術分析を提供します。
入居者審査アルゴリズムに対する公正住宅法上の責任、差別的影響分析、最小差別代替案の方法論、そしてSafeRent和解の差止要件。
DOJ・RealPage和解の分析、反トラスト抗弁のためのデータ隔離アーキテクチャ、カリフォルニア州AB 325およびニューヨーク州S.7882のコンプライアンス、そして市場インテリジェンスのための差分プライバシー。
リスク評価のコストは、1件の罰則のごく一部にすぎません。
当社は不動産管理会社およびPropTechベンダーと連携し、審査・価格設定アルゴリズムを監査し、コンプライアンスに準拠したアーキテクチャを構築し、関連するすべての法域にわたる規制リスクをマッピングします。