【中小リサイクルショップ】査定AIエージェント——ブランド品・家電・本の写真1枚から相場・状態評価・買取上限を5秒で算出する仕組み【プロンプト4種完全公開2026年版】

土曜の店頭、紙袋から出てきたバッグ7点

土曜の昼下がり、店頭にお客様が紙袋を抱えて入ってくる。袋から次々と出てくるブランドバッグ7点。「これ、全部いくらになります？」と聞かれた瞬間、新人店員は壁の時計をちらりと見た。

査定マニュアルを開いて1点ずつ調べると、1点5分でも35分。お客様は明らかに急いでいて、足元のショッピングバッグには別の店のロゴがある。「他も回るので早めに」という空気が伝わってくる。

3年前から書き溜めた相場ノートはあるが、ブランドバッグの中古相場は半年で大きく動く。最新の取引価格は反映されていない。後ろの事務所からベテラン店長を呼びたいが、別のお客様の対応中——。

この「店頭で待たせる5分」「ベテラン依存」「最新相場の反映漏れ」が、中小リサイクルショップの収益を静かに削り続けています。本記事では、写真1枚と簡単なヒアリングから、相場・状態評価・買取上限を数秒で算出する査定AIエージェントの活用事例を紹介します。プロンプト4種をそのまま公開しますので、今日からChatGPTで試せます。

—

なぜ「査定スピード」が買取専門店の生命線なのか

リサイクル業界では「査定スピード＝成約率」と言われます。複数店を比較しているお客様は、最初に明確な金額を提示した店に売る傾向があると考えられます。

実際、現場で起きている現象は次の通りです。

– ベテラン1名に査定が集中し、繁忙時間帯に行列ができる
– 新人スタッフは「ちょっと確認します」を繰り返し、店長を呼ぶ回数が増える
– 後で確認しますと言って預かると、お客様の半数は再来店せず他店で売却する
– 相場ノートを更新する時間がなく、3か月前の感覚で査定して赤字になる

つまり「査定の遅さ」と「ベテラン依存」が、機会損失と粗利率の悪化を同時に引き起こしているわけです。

ここで重要なのは、査定業務を分解してみることです。実は1件の査定は、(1)商品が何かを特定する、(2)相場を調べる、(3)状態をランク付けする、(4)粗利と回転率から買取上限を決める、という4段階に分けられます。このうち(1)〜(3)は情報処理の作業であり、AIに委ねやすい領域です。一方、(4)の最終判断や、ブランド品の真贋判定は人間の経験が必要な領域として残ります。

AIエージェントを導入する目的は「人間を置き換える」ことではなく、新人でもベテランの8割の精度で査定の下書きを5秒で出せる状態をつくり、ベテランは確認と最終判断に集中できるようにすることです。

—

AIエージェントで自動化できる4つの業務

今回の事例で想定するAIエージェントは、以下の4つの業務を自動化します。

| 機能 | 入力 | 出力 |
|——|——|——|
| 商品認識・カテゴリ判別 | 商品写真＋商品名 | カテゴリ分類（ブランド品／家電／本／洋服／楽器など）と判別根拠 |
| 相場検索・推定 | 商品名・型番・カテゴリ | 主要フリマ・オークションの取引帯（推定）と中央値 |
| 状態評価（A〜Eランク） | 写真＋使用期間＋付属品情報 | 状態ランクと減額要因のリスト |
| 査定書下書き＋顧客向け説明文 | 上記3つの結果＋粗利率 | 査定書ひな形＋顧客への説明文＋社内記録 |

これらはすべて、通常のChatGPT（写真認識を使う場合は画像対応モデルが必要）で実行できます。専用システムの開発は不要です。

マルチモーダルAIとテキスト型AIの使い分け

リサイクルショップの業務では、AIへの入力に「写真」と「テキスト」の両方が登場します。それぞれ得意領域が異なるため、使い分けが重要です。

| 入力形式 | 得意な業務 | 使う場面 |
|———|———-|———|
| 写真（マルチモーダルAI） | 商品の見た目から状態判定・カテゴリ判別 | スレ・色あせ・汚れの確認、ブランドロゴの形状確認 |
| テキスト（テキスト型AI） | 相場推定・査定書文章生成・社内記録整形 | 型番から市場価格帯を推定、説明文の言い回しを整える |

写真でしか分からない情報（角の擦れ・金具のメッキ剥がれ等）は写真をAIに渡し、相場や言い回しはテキストで処理する——この使い分けが業務効率を最大化します。

—

絶対に守るべき4つの境界線（AIに委ねない領域）

実装の前に、必ず店内で共有しておくべきルールがあります。これらは法令遵守と顧客信頼に直結するため、AIに任せず人間が判断する領域として明確に区分してください。

1. 真贋判定（本物・偽物の最終判断）はAIに委ねない

ブランド品の真贋は、AIの画像認識で「疑わしい点の指摘」までは可能ですが、最終判断は必ず人間（査定士）が行うことを徹底してください。AIが「本物の可能性が高い」と出力しても、それを根拠に買取契約を結んではいけません。AIの出力はあくまで「確認すべき箇所のリスト」として扱い、人間の目視と必要に応じた鑑定機関への依頼を組み合わせます。

2. 古物営業法に基づく本人確認・取引記録は法令遵守必須

古物営業法（昭和24年法律第108号）では、買取時の本人確認と取引記録の保管が義務付けられています。同法第15条で「相手方の真偽の確認」、第16条で「帳簿等への記載」が定められており、原則として1万円以上の買取（自動車・バイク・宝石類・書籍類・金券等は金額に関わらず）で、氏名・住所・職業・年齢の確認と記録の保管が必要です。この本人確認業務をAIに自動化させてはいけません。本人確認情報をAIに入力すること自体が、後述の個人情報の問題と直結します。法令の最新の運用は、警察庁・所轄警察署の古物営業法に関する公開資料を確認してください。

3. 盗品の疑いがある場合は警察への通報

不自然に新品同様の高額品が大量に持ち込まれる、本人確認書類が不自然、相手が極端に身元を伏せたがる、相場より明らかに安く売却を急ぐ、といった盗品の疑いがある場合は、古物営業法第15条第3項に基づき所轄警察署への申告（盗品等申告）が必要になります。この判断もAIに委ねず、店長または管理者が対応してください。AIエージェントは「過去の取引パターンからの異常値検出」「本人確認書類との情報突き合わせ補助」までは支援できますが、最終的な通報判断と警察対応は人間の責任です。

4. 顧客の本人確認情報・個人情報はAIに渡さない

運転免許証の画像、住所、電話番号、メールアドレスといった個人情報をChatGPTを含む生成AIに直接入力しないことを徹底してください。査定のためにAIに渡すのは「商品の写真と情報」だけにし、本人確認はオフラインの帳簿または情報管理が確立された業務システム（後述のkintone等）に記録します。仮にAIに何かを記録させる場合でも、顧客名は「顧客A」「Y様」等の匿名IDに置き換えてください。

—

実装プロンプト完全公開（4種）

以下の4つのプロンプトをそのままChatGPTに貼り付け、`【】`内の情報を書き換えて使ってください。

—

プロンプト1：商品認識・カテゴリ判別エージェント

“`
あなたは中小リサイクルショップで10年以上の経験を持つ査定アシスタントAIです。
以下の商品情報をもとに、商品のカテゴリを判別し、買取査定における基本情報を整理してください。

【入力情報】
– 商品名・モデル名（分かる範囲で）：〇〇（例：ルイ・ヴィトン スピーディ30 モノグラム）
– 写真の特徴（添付できない場合は文字で説明）：〇〇（例：本体・付属品なし・革にスレあり）
– お客様からの説明：〇〇（例：母から譲り受けたもの。10年ほど前に購入と聞いている）
– 商品の見た目のサイズ：〇〇（例：横30cm×高さ20cm）

【出力形式】
1. カテゴリ判別
– 大カテゴリ：〇〇（ブランド品 / 家電 / 本・メディア / 洋服・服飾 / 楽器 / 雑貨 / その他）
– 中カテゴリ：〇〇（例：ブランドバッグ / 白物家電 / 専門書 など）
– 判別根拠：写真や商品名のどの要素から判断したかを2〜3行で説明
– 自信度：A（明確）/ B（やや確信）/ C（要追加確認）

2. 査定で必要な追加確認事項（チェックリスト形式）
– 型番・シリアル番号の有無
– 付属品（箱・保証書・取扱説明書・予備パーツなど）
– 状態確認のために写真追加が必要な箇所（金具部分・内側・底面など）

3. 真贋判定の注意点
– このカテゴリで偽造が出回りやすい品目か
– 真贋確認で人間が必ず確認すべきポイント3つ
– AIでは判断不可と明記する

4. 同一カテゴリ内での需要レンジ
– 高需要 / 中需要 / 低需要のいずれか
– 季節性の有無（例：冬物コートは夏に需要低下）

【制約条件】
– 真贋判定の最終判断は出力しないこと（あくまで「確認すべき点」までに留める）
– 自信度Cの場合は「お客様にこの情報を追加で伺う必要があります」と明示すること
– 個人情報（顧客名・連絡先）は入力されても出力に含めないこと
– 商品が違法品（ワシントン条約該当物・盗品の疑い）の可能性を感じた場合は、その旨を必ず注記すること

それでは出力してください。
“`

このプロンプトの狙いは「査定の入口で、新人スタッフが見落としがちな確認ポイントを必ずチェックリスト化させること」です。新人ほどブランド品の付属品確認や、家電の型番確認を忘れがちなため、AIに「次に何を確認すべきか」を示してもらう運用を想定しています。出力の自信度がCになった場合は、お客様への追加ヒアリングのきっかけとしても活用できます。

—

プロンプト2：相場検索・推定エージェント

“`
あなたはリサイクル業界で15年の経験を持つ相場分析AIです。
以下の商品について、現在の中古市場における取引価格帯を推定してください。

【入力情報】
– 商品の正式名称・型番：〇〇（例：ダイキン エアコン AN40ZRP-W 2022年製）
– カテゴリ：〇〇（プロンプト1の出力から転記）
– 状態の概要：〇〇（例：使用期間2年・動作確認済み・外装に小キズあり）
– 付属品：〇〇（例：リモコン・取扱説明書あり、化粧箱なし）
– 地域：〇〇（例：関東 / 関西 / 地方都市）

【出力形式】
1. 推定相場レンジ
– フリマ（メルカリ・ラクマ等）の販売価格帯：〇〇円〜〇〇円（推定）
– オークション（ヤフオク等）の落札価格帯：〇〇円〜〇〇円（推定）
– リユースショップ店頭の販売価格帯：〇〇円〜〇〇円（推定）
– 中央値の参考価格：〇〇円
– ※すべて推定値であり、実際の取引価格は変動することを明記

2. 価格に影響する要因（重要度順）
– 付属品の有無（箱・保証書・予備パーツ等）
– 製造年・モデル世代
– 同型番の在庫状況（市場供給）
– 地域差（都市部 vs 地方）
– 季節性（例：エアコンは春に需要増）

3. 相場が動きやすいかどうか
– 安定（半年以上価格が大きく動かない品目）
– やや変動（月単位で動く品目）
– 高変動（週単位で動く品目・ブランド品の一部）
– 変動の場合、再確認の推奨頻度

4. 注意事項
– この価格はAIの学習データと一般的傾向に基づく推定であり、実際の取引価格は最新のフリマ・オークションサイトで必ず確認すること
– 古い学習データの場合は実勢価格と乖離する可能性
– 高額品（5万円以上の取引想定品）は必ず実勢取引履歴を直近1ヶ月分参照すること

5. 当店買取での参考価格目安（小売粗利率を考慮）
– 推定販売価格 × (1 – 想定粗利率) × 在庫調整係数 = 買取上限の目安
– 当店設定の粗利率を確認の上、実際の上限はプロンプト4で計算する
– この出力時点では「販売価格の推定」までに留め、買取上限は別工程で算出

【制約条件】
– 「絶対にこの価格で売れる」という断定的表現は禁止
– 「〜と推定されます」「〜の傾向があります」を使う
– 違法転売規制対象品（チケット・限定品の高額転売等）には注意喚起を含める
– 為替変動の影響を受ける輸入品は注意喚起を含める

それでは出力してください。
“`

このプロンプトの狙いは「相場感の標準化」です。ベテランの頭の中にある相場感をAIが代行することで、新人でも一定水準の見積もり下書きが作れます。注意点として、AIの学習データには時間差があるため、最終的にはメルカリやヤフオクの実取引価格を確認することを業務フローに組み込んでください。プロンプト2の出力は「目安」であり、最終的な相場確認は人間が行う運用が安全です。

—

プロンプト3：状態評価エージェント（A〜Eランク判定）

“`
あなたは中小リサイクルショップの査定士として、商品の状態をA〜Eの5段階で評価するAIです。
以下の情報をもとに、状態ランクと減額要因を整理してください。

【入力情報】
– 商品カテゴリ：〇〇（プロンプト1の出力から転記）
– 商品名・型番：〇〇
– 写真からの観察事項：〇〇（例：本体外装に小キズ3箇所、金具部分にメッキ剥がれ少々、内側汚れなし）
– 使用期間：〇〇（例：購入から3年）
– 動作確認結果：〇〇（家電の場合：電源OK・主要機能動作OK・異音なし、衣類の場合：ほつれなし）
– 付属品：〇〇（例：箱あり・保証書あり・取扱説明書なし）
– お客様からの申告：〇〇（例：日常的に使用していたが、半年前から保管していた）

【ランク基準】
– Aランク（新品同様）：未使用または使用感ほぼなし、付属品完備
– Bランク（美品）：通常使用に伴う軽微な使用感あり、機能に問題なし、付属品ほぼ揃う
– Cランク（中古品・状態並み）：明確な使用感あり、機能正常、目立つ傷はない
– Dランク（使用感強）：傷・汚れ・劣化が複数箇所、機能は使用可能、買取は要相談
– Eランク（ジャンク扱い）：機能不良・破損あり、部品取りまたは買取不可

【出力形式】
1. 総合ランク：A / B / C / D / E のいずれか

2. ランク判定の根拠
– 外観：〇点（5点満点）
– 機能・動作：〇点（5点満点）
– 付属品の充足度：〇点（5点満点）
– 使用期間の影響：〇点（5点満点）
– 総合点：〇点

3. 減額要因のリスト（あれば）
– 要因1：〇〇（例：金具のメッキ剥がれ）→ 減額率の目安：5〜10%
– 要因2：〇〇（例：取扱説明書欠品）→ 減額率の目安：3〜5%

4. 加点要因のリスト（あれば）
– 要因1：〇〇（例：箱・保証書フルセット）→ 加点率の目安：5〜10%

5. 写真追加が必要な箇所
– お客様から追加写真をもらえれば、より正確な判定が可能な箇所を3つ指摘

6. 注意事項
– この評価は提供された情報からの推定であり、現物確認時に変更される可能性があること
– 真贋判定はこの評価に含まれていないこと

【制約条件】
– 写真が添付されていない場合は「写真確認による最終評価が必要」と明記
– 真贋判定は行わない（別工程として人間が判断）
– 過度な減額（半額以下になるような評価）は理由を3つ以上明示すること

それでは出力してください。
“`

このプロンプトの狙いは「ランク評価のばらつきをなくすこと」です。同じ商品を新人とベテランが見たとき、ランクが2段階ずれることはよくあります。AIに評価軸を固定してもらうことで、店内での評価基準が統一されます。ただし最終的なランク決定は、現物確認をした人間が行うことを必ず明文化してください。AIの出力はあくまで「下書き」であり、ベテランの確認を経て確定する運用が前提です。

—

プロンプト4：査定書下書き＋顧客向け説明文生成エージェント

“`
あなたは中小リサイクルショップの査定担当として、お客様へお渡しする査定書の下書きと、口頭説明用のスクリプトを作成するAIです。
以下の情報をもとに、3種類の文書を生成してください。

【入力情報】
– 商品名・型番：〇〇
– カテゴリ：〇〇
– 状態ランク（プロンプト3の出力）：〇〇
– 推定相場の中央値（プロンプト2の出力）：〇〇円
– 当店の粗利率設定：〇〇%（例：30%）
– 当店の在庫回転目標：〇〇日（例：60日）
– 同種在庫の有無：〇〇（例：同型番在庫1点あり / なし）
– 顧客の匿名ID：〇〇（例：顧客A / Y様 ※実名不可）

【買取上限の計算ロジック】
買取上限額 = 推定販売価格 × (1 – 粗利率) × 在庫調整係数
– 同種在庫なし：在庫調整係数 = 1.0
– 同種在庫1〜2点：在庫調整係数 = 0.85（売れ筋アラート）
– 同種在庫3点以上：在庫調整係数 = 0.7（在庫過剰警告）

【出力形式】

■ 1. 査定書下書き（社内保管用）
– 査定日：〇〇年〇〇月〇〇日
– 商品名・型番：〇〇
– カテゴリ：〇〇
– 状態ランク：〇〇
– 推定販売価格（中央値）：〇〇円
– 粗利率：〇〇%
– 在庫調整：〇〇
– 買取上限額：〇〇円
– 査定理由（3〜5行）：〇〇
– 担当：（人間が記入）

■ 2. 顧客向け説明文（口頭用スクリプト・150〜200字）
– お客様の商品を確認した上で、ランクと相場感を分かりやすく伝える
– 数字の根拠を1〜2点添える（「〜のため、相場よりやや高めです」等）
– 強引な表現を避け、お客様が納得できる説明にする
– 「真贋確認のため少々お時間をいただきます」等の必要なお断りを含める

■ 3. 社内査定記録（簡易ログ・kintone等への登録用）
– 日付・カテゴリ・型番・ランク・買取上限額を1行にまとめる
– 後から在庫データと突き合わせやすい形式

■ 4. 売れ筋・在庫過剰アラート（該当時のみ）
– 同種在庫が3点以上の場合は「在庫過剰のため買取見送り推奨」と明記
– 季節品で需要期外の場合は「販売時期を考慮した買取条件」を提案

【制約条件】
– 顧客の実名・連絡先・本人確認情報は出力に含めない（匿名IDのみ使用）
– 「絶対」「必ず」等の保証表現は禁止
– 真贋判定の最終結論は記載しない（人間判断と明記）
– 出力金額は「上限額」であり、現物確認後に変更される可能性を明示

それでは出力してください。
“`

このプロンプトの狙いは「店頭での説明品質の標準化」と「社内記録の整備」です。新人スタッフが査定金額を伝えるときに「なぜその金額か」を説明できないとお客様の信頼を失いますが、プロンプト4の説明文を読み上げる形にすることで、根拠ある説明が新人でも可能になります。社内査定記録は、後述のkintone等の業務SaaSに転記することで、過去の査定履歴データベースとして蓄積できます。

—

Before / After 業務フロー比較

Before（AI導入前）

“`
1. お客様来店（紙袋7点）
↓
2. 新人が1点ずつマニュアルで確認（1点5分×7点 = 35分）
↓
3. 不明点はベテランを呼ぶ（ベテランは別件対応中・5〜10分待ち）
↓
4. 相場ノートを確認するが3か月前の情報
↓
5. 自信のない金額をお客様に提示
↓
6. お客様「他店も回ります」→ 戻ってこない
↓
7. 機会損失
“`

After（AIエージェント活用）

“`
1. お客様来店（紙袋7点）
↓
2. 新人がスマホで1点ずつ写真撮影（7点・3分）
↓
3. プロンプト1〜3を順次実行（1点あたり30秒・7点で約3分半）
↓
4. プロンプト4で査定書下書き＋説明スクリプト生成（2〜3分）
↓
5. ベテランが画面でAI出力を確認（5分・最終判断は人間）
↓
6. 顧客に金額提示（合計15分以内）
↓
7. 成約 or 即日判断 → kintoneに査定記録を保存
“`

ポイントは「ベテラン確認の前にAIが下書きを終えている」状態を作ること。これにより、ベテランの作業は「ゼロから査定する」から「AIの出力を確認・修正する」に変わり、所要時間が大幅に短縮されると考えられます。

—

AIエージェントを「活かす」ために必要な周辺整備

このAI活用が成立するには、AI単体ではなく、業務システム側の整備が欠かせません。

おすすめの併用ツール：
1. kintone（業務SaaS） ── 査定履歴・在庫管理・お客様マスタの統合管理。AIで生成した査定記録をそのまま登録すれば、過去事例の検索が可能になります。［→ kintone（業務SaaS）の詳細を見る］（kintoneアフィリエイトリンク）
2. 画像対応ChatGPT（プラン） ── マルチモーダルでの状態評価には画像入力が必要です。
3. 古物商許可証の確認体制 ── 法令遵守は最優先。許可証の更新・本人確認業務は別途整備してください。

また、スタッフへの教育も必要です。AIプロンプトを使いこなすためのスキルは、Udemyなどのオンライン講座で短期間に習得できます。［→ Udemyで「AIエージェント・ChatGPT活用」講座を見る］(https://trk.udemy.com/c/7221214/3193860/39854) では、業務でAIを活用するための具体的な講座が多数公開されています。新人スタッフの教育コストを下げる手段として活用してみてください。

—

よくある失敗と対策

| 失敗パターン | 対策 |
|————|——|
| AIの出力をそのまま顧客に提示してしまう | 必ずベテランの確認を経る運用ルールを徹底 |
| 真贋判定をAIに任せてしまう | 「真贋判定はAI使用禁止」を業務マニュアルに明記 |
| 顧客の本人確認情報をAIに入力してしまう | プロンプトに匿名IDのみを使うルールを徹底・社内研修で周知 |
| 相場が古い情報のまま放置 | 月1回、主要カテゴリの実勢相場をフリマで確認しプロンプトを更新 |
| 在庫過剰の品目を買取してしまう | プロンプト4の在庫調整係数を必ず適用 |

—

関連記事

– 同じ「現場での顧客対応」を扱う事例として、自動車業界の[自動車ディーラーAIエージェント活用事例](car-dealer-inspection-booking-agent-2026)も参考になります。点検案内・見積書ひな形の自動化を扱っています。
– 中古車整備の見積もりに特化した[自動車整備工場の見積書AIエージェント](auto-repair-estimate-agent)では、サービス業における見積書テンプレートの作り方を紹介しています。
– 顧客リピート分析の観点では[美容室のリピート率向上AIエージェント](beauty-salon-repeat-agent)も応用ヒントになります。
– AI活用の基礎を学びたい方は、Team αの[中小製造業のDXはじめかた](https://ai-blog-company/chusho-seizogyo-dx-hajimekata)で、現場目線のDX進め方を解説しています。

—

まとめ：「査定の下書きを5秒で出す」が新人活躍の鍵

中小リサイクルショップにとって、査定スピードは収益の源泉です。AIエージェントは査定業務を「置き換える」のではなく、新人でもベテランの8割の精度で下書きを5秒で出せる状態を作る技術として活用するのが効果的です。

本記事で紹介した4つのプロンプトを使えば、(1)商品認識、(2)相場推定、(3)状態評価、(4)査定書下書き、までを数分で完了できます。一方、(A)真贋判定、(B)古物営業法に基づく本人確認、(C)盗品判断、(D)個人情報の取り扱いは、人間が責任を持って判断する領域として明確に区分してください。

最初の一歩として、今日できる具体的アクションは次の3つです。

1. 今日中に：プロンプト1をChatGPTにコピペし、店内にある任意のブランド品1点で出力テストをしてみる
2. 今週中に：プロンプト1〜3を新人スタッフ1名と一緒に試し、「実際の査定時間が何分短縮できたか」を計測する
3. 今月中に：プロンプト4まで全工程を運用し、kintone等の業務SaaSに査定記録を蓄積し始める

新人スタッフが「次に何を確認すべきか」を毎回チェックリスト化できるだけで、査定漏れが減り、ベテランへの相談頻度が下がります。慣れてきたらプロンプト2〜4を順次導入し、最終的にkintone等の業務SaaSと連携させていけば、ショップ全体の査定品質が標準化されます。

スタッフのAIスキル習得には、Udemyの実践講座が手軽です。［→ Udemyで「AIエージェント・ChatGPT活用」講座を見る］(https://trk.udemy.com/c/7221214/3193860/39854) で、現場で使えるプロンプト設計の基礎から学べます。査定履歴・在庫管理を統合したい場合は［→ kintoneの査定履歴管理テンプレート］（kintoneアフィリエイトリンク）も検討してみてください。

*このプロンプトはChatGPTで動作確認しています（2026年5月時点）。モデルのアップデートにより出力が変わる場合があります。法令遵守・真贋判定・個人情報の取り扱いについては、必ず店長・管理者・古物商許可証保有者の判断を最優先してください。*