月収30万円は高いのか。求人票の数字だけでは決められない

求人情報を集めていると、給与欄の数字が気になってくる。

「日本で月収30万円って、高いのだろうか?」

数字だけを見ると、十分な金額に思えるかもしれない。でも、月収30万円は多くの場合、税金や社会保険料が引かれる前の金額だ。実際に使えるお金は、扶養状況や住んでいる自治体、加入する保険などによって異なるが、手取りは23万〜25万円前後になることがある。

まず考えたいのは、「月収」と「手取り」は別の数字だということ。求人票を見て期待した金額と、毎月の口座に入る金額に差があると、暮らしの見通しも変わってくる。

同じ30万円でも、暮らしは同じではない

日本全体で見れば、月収30万円はおおむね中間的な水準と考えられる。ただし、「中間的」という言葉だけで、自分の生活に合うかどうかは判断できない。

東京や大阪のように家賃が高い地域では、住居費が手取りの大きな部分を占めることがある。通勤しやすい場所に住もうとすれば、家賃はさらに上がるかもしれない。手取りが同じでも、毎月の固定費が違えば、自由に使える金額は大きく変わる。

一方、地域によっては同じ月収でも家賃を抑えやすく、生活に余裕を感じる場合がある。ただし、地方なら必ず暮らしやすいとも限らない。車が必要な地域では、購入費や維持費、ガソリン代がかかる。通勤手段や日常の買い物環境も含めて考える必要がある。

つまり、給与を比べるときは、金額だけでなく「その収入で、どんな暮らしをするのか」を一緒に見ることが大切だ。

月収の内訳を見てみる

求人票に「月収30万円」と書かれていても、その中身は一つとは限らない。基本給に加えて、固定残業代や各種手当が含まれている場合がある。

特に確認しておきたいのが、固定残業代だ。何時間分の残業代が含まれているのか、超過した場合に追加で支払われるのかを確かめたい。月収の数字が同じでも、基本給が高い場合と、手当を多く含んでいる場合とでは、給与の構成が異なる。

家賃補助や通勤手当、賞与の有無も、年間の収入や毎月の支出に関係する。ただし、賞与は会社の業績や評価によって変わることがある。求人票に書かれた「賞与あり」だけで金額を決めつけず、支給実績や制度の条件を確認しておくと安心だ。

「選べるか」は、生活の優先順位で変わる

月収30万円の仕事を選ぶかどうかは、給与額だけで決めにくい。仕事内容や労働時間、通勤負担、休日、雇用の安定性など、人によって重視する条件が違うからだ。

たとえば、少し給与が低くても残業が少なく、通勤が短い仕事を選ぶ人もいる。反対に、将来の経験につながる仕事なら、一定期間は収入以外の価値を重視する人もいるだろう。どちらが正しいという話ではなく、自分が何を優先したいかを把握しておくことが、求人を比べるときの基準になる。

私なら、まず手取りの目安から毎月の固定費を引いてみる。家賃、光熱費、食費、通信費、交通費を見積もり、貯蓄や急な出費に回せる金額がどれくらい残るのかを考える。そのうえで、残業時間や休日、賞与などを確認する。数字を生活の項目に置き換えると、「高いかどうか」より「自分にとって続けられるか」が見えやすくなる。

求人票を読むときの小さな習慣

給与欄を見たら、次の点を確認したい。

  • 表示額は基本給か、手当を含む月収か

  • 固定残業代の時間数と、超過分の扱い

  • 家賃補助や通勤手当などの条件

  • 賞与の支給実績や算定方法

  • 想定される残業時間や休日数

求人情報は、仕事を知るための入口であり、すべての条件を自動的に理解できる説明書ではない。分からない項目は、応募前や面接時に確認してよい。給与の内訳を尋ねることは、働き始めてからの行き違いを減らすためにも役立つ。

月収30万円は、高いとも低いとも一概には言えない。手取り、住む場所、働き方、毎月必要な支出によって、その意味は変わる。

大切なのは、求人票の数字に自分の生活を当てはめて考えること。あなたなら、月収30万円の仕事を選ぶとき、まず何を確かめたいだろうか。

求人データを眺めていたら、新宿の「集まる力」が気になった

最近、ScrapeStormで求人情報を集めて整理している。勤務地を地図に置いてみると、東京では新宿周辺の求人が目に留まった。

「どうして新宿には、こんなに仕事が集まるんだろう?」

もちろん、求人データだけで街のすべてが分かるわけではない。掲載件数は、募集の時期や職種、求人サイトの傾向によって変わる。それでも、勤務地の点が集まる様子を見ているうちに、新宿という街の成り立ちを考えたくなった。

新宿は、通過点であり目的地でもある

新宿の大きな特徴は、交通の結節点であることだ。JRに加えて私鉄や地下鉄が乗り入れ、周辺の広い地域から人が行き来する。通勤する人にとって、乗り換えやすく、複数の方面からアクセスしやすいことは、職場を選ぶうえで大きな意味を持つ。

ただし、新宿は単に「通勤に便利な駅」ではない。多くの人が降りる場所だからこそ、企業や店舗が集まり、さらに用事をつくる。仕事があるから人が来る。人が来るからサービスが増える。サービスが増えるから、働く場所としても選ばれやすくなる。

交通の便利さは、街の魅力の一つというより、別の魅力を呼び込む土台なのかもしれない。

高層ビルの街、その足元にある日常

西新宿を歩くと、都庁をはじめとする高層ビルが目に入る。オフィスがまとまっている景色は、新宿がビジネスの拠点であることを分かりやすく示している。

けれど、街はビルの高さだけでできているわけではない。働く人が昼食をとる店、商談のあとに立ち寄るカフェ、仕事帰りに買い物をする場所。建物の中で働く時間と、街の中で過ごす時間は、意外と近いところにある。

求人情報に書かれた「勤務地:新宿」は、オフィスの住所を示すだけではない。その人が通う駅や昼休みに使う店、仕事のあとに歩く道まで含めた、生活の一部を指しているのだと思う。

「働く・食べる・遊ぶ」が重なる強さ

新宿では、仕事が終わっても人の流れが途切れにくい。飲食店や商業施設、映画館、夜の街など、時間帯ごとに異なる目的が重なっている。朝は通勤、昼は食事や買い物、夜は友人との待ち合わせや娯楽。ひとつの場所が一日の中で何度も使われる。

この「目的の重なり」は、街の便利さをつくる一方で、少し忙しさも生む。人が多く、駅の出口を間違え、待ち合わせ場所を決めるのにもひと苦労する。新宿を便利な街と感じるか、落ち着かない街と感じるかは、訪れる人が何を求めているかによって変わるだろう。

それでも、人が多いこと自体が、新宿の価値を支えている。仕事だけの街でも、観光だけの街でもない。異なる目的を持つ人が同じ場所を使うことで、街の活動が一日を通して続いていく。

求人の集中は、街の暮らし方も映している

求人情報を地図に並べると、勤務地の偏りが見えてくる。しかし、件数の多さをそのまま「働きやすさ」と考えるのは早い。通勤時間、職種、雇用形態、賃金、働く環境は、それぞれ別の問題だからだ。

それでも、求人の分布は、企業がどこに拠点を置き、人がどこへ通うのかを考える入口になる。新宿に仕事が集まりやすいのは、交通網とオフィス、商業や飲食の機能が近い範囲に重なっているからだろう。働く場所を選ぶ企業にとっても、従業員や顧客が来やすいことは大切な条件になる。

ただ、街の便利さは新宿だけで完結しない。人が集まる背景には、郊外や他の区から新宿へつながる路線があり、その先には各地で暮らす人の日常がある。新宿への集中は、新宿という街の力であると同時に、東京全体の交通網がつくり出す現象でもある。

点の集まりから、街の関係を考える

求人データを見ることは、仕事の数を数えるだけではなかった。地図上の点を眺めていると、駅、オフィス、飲食店、商業施設、人の移動が、互いにどう結びついているのかが気になってくる。

新宿に仕事が集まる理由は、「駅が大きいから」の一言では片づけられない。人を運ぶ交通、働く場所、仕事の前後を支える店や施設。それらが重なり、さらに人の流れを生む循環がある。

次に新宿を歩くときは、求人情報の数字では見えなかったことにも目を向けたい。朝と夜で変わる人の流れや、駅からビルへ向かう道、少し離れた場所にある落ち着ける場所。街の集中は、働く人の数だけでなく、その人たちが過ごす時間によって形づくられているのかもしれない。

なぜ麻辣湯は日本でここまで注目されているのか

麻辣湯

最近、ScrapeStormでグルメ情報をデータ収集していて気づいたんですが、麻辣湯が日本で意外と人気なんです。 なぜ、ここまで注目されているのでしょうか?

最初は、単純に「辛いものが流行っているから」だと思っていた。SNSでは赤いスープや、具材が山盛りになった丼の写真をよく見かける。春雨、青菜、きのこ、豆腐、肉、魚介。透明感のあるスープにさまざまな具材が並び、見た目にも分かりやすい。

けれど、店舗情報や口コミを集めていくと、どうもそれだけでは説明しきれない気がしてきた。

データを集めると、人気の輪郭が見えてくる

ScrapeStormを使って、飲食店の紹介ページや口コミ、メニュー情報などを眺めていると、「麻辣湯」という料理名だけでなく、「選べる」「野菜」「一人でも入りやすい」「辛さを調整できる」といった言葉が目につく。

もちろん、これは検索結果や公開情報をもとにした観察であって、日本全体の消費を正確に表す統計ではない。掲載されやすい店や、投稿されやすい料理には偏りがある。人気だから情報が増えているのか、情報が多いから人気に見えるのか、その区別も簡単ではない。

それでも、複数の店舗や投稿を見比べていると、麻辣湯が単なる「辛い中国料理」として受け入れられているわけではないことが分かる。そこには、日本の外食習慣に合ういくつかの特徴がある。

自分で選べることが楽しい

麻辣湯の魅力としてまず感じるのは、注文の過程そのものに参加できることだ。

具材を選び、量を決め、辛さや味の強さを調整する。店によっては、春雨の種類や麺の量まで選べる。完成した料理を受け取るだけではなく、自分の食事を組み立てている感覚がある。

これは、カスタマイズ型の飲食店に慣れている日本の消費者と相性がよいのかもしれない。自分の好みや体調に合わせられるため、初めてでも注文の理由をつくりやすい。

「今日はきのこを多めにしよう」「辛さは控えめにしよう」「次は違う具材を試そう」。一度食べて終わりではなく、次の組み合わせを考えられる。メニューに選択肢があることが、リピートのきっかけになっているように思う。

野菜を食べた気になれる

もう一つは、野菜やきのこを多く入れられることだ。

もちろん、麻辣湯が自動的に健康的な料理になるわけではない。スープの成分や具材、食べる量によって内容は変わるし、「野菜が多いから安心」と単純化するのも危険だ。

ただ、ラーメンや丼を食べるときに比べて、青菜やもやし、きのこ、豆腐などを自然に追加しやすい。炭水化物だけで満腹にするのではなく、具材の種類を自分で増やせる。この感覚が、忙しい日でも食事に少し気を配りたい人に受けているのではないか。

「辛いものを食べたい」と「野菜も取りたい」が、一つの器の中で両立する。その分かりやすさは強い。

一人で食べやすい料理

麻辣湯は、一人で食べる場面にもよく合う。

大皿料理のように人数を必要とせず、注文も自分の分だけで完結する。短時間で食べられ、店内でも過度な会話を求められない。仕事の昼休みや、買い物の途中、帰宅前の夕食として選びやすい。

日本では、一人で外食することへの抵抗が以前より小さくなった。ラーメン、カレー、定食に続く選択肢として、麻辣湯も入り込む余地があったのだと思う。

しかも、具材を選ぶ行為があるため、一人でいても注文に小さな楽しさがある。ただ黙って食べるだけではなく、「今日はこの組み合わせにした」という個人的な体験が残る。

辛さは、入口であり会話のきっかけ

麻辣湯の「麻」と「辣」は、しびれと辛さを表す。花椒の香りや舌に残る刺激は、日本で一般的な辛味とは少し違う。

この違いが、食べてみたいという気持ちを生む。辛いものが好きな人にとっては挑戦できる料理であり、苦手な人にとっても「どの程度なら食べられるか」を試せる料理になる。

また、SNSに投稿するときも、「何を入れたか」「何辛にしたか」「どれくらいしびれたか」といった個人差が話題にしやすい。同じ店に行っても注文が同じにならないため、写真や感想に自分らしさが出る。

流行する料理には、味だけでなく語りやすさも必要なのかもしれない。

日本で広がるとき、少しずつ姿を変える

日本で提供される麻辣湯は、地域や店によって味、具材、価格、辛さの設計が異なる。中国で親しまれてきた料理が、そのまま移植されているというより、日本の外食環境の中で調整されながら広がっている。

辛さを抑えたスープ、選びやすい具材、清潔感のある店舗、女性一人でも入りやすい雰囲気。こうした要素が組み合わさることで、専門的な料理に見えすぎず、日常の選択肢になっていく。

ここで大切なのは、「本場と違うから価値がない」と考えないことだと思う。料理が別の場所に根づくとき、味や食べ方が変わるのは自然なことだ。変化の中で、どこまで料理の個性が保たれるのかを見るのも、食文化の面白さである。

データの向こう側にいる人

ScrapeStormで情報を集めていると、店舗数や口コミの件数、メニューの表現に目が向きやすい。けれど、データを整理したあとに想像したくなるのは、その画面の向こうにいる人たちだ。

初めて麻辣湯を注文する人。辛さに驚きながら、次はもう少し強くしてみようと思う人。野菜を食べたい日に店を訪れる人。友人にすすめられて、具材を選ぶ時間を楽しむ人。

人気の理由は、一つに決められない。辛さ、選択性、見た目、健康志向、一人での利用しやすさ、そして新しいものを試したい気持ち。それらが重なったところに、今の麻辣湯の広がりがある。

データ収集は、流行を発見するための便利な方法だ。ただし、数字やキーワードだけでは、なぜ人がその料理をもう一度食べたくなるのかまでは分からない。

麻辣湯が注目されているのは、単に刺激的だからではない。自分の気分や体調に合わせて一杯をつくれるからだ。そして、その選択を誰かに話したり、写真に残したりできるからだ。

流行の料理を眺めることは、食べ物の変化だけでなく、私たちが外食に何を求めているのかを見ることでもある。今の日本で麻辣湯が広がっている背景には、「自分で選びたい。でも、選んだ結果は誰かと共有したい」という、少し現代的な欲求があるのかもしれない。

子どもの声が気になる街で、子どもを育てるということ

少子化についてのニュースを読むたび、「子どもを増やすには何が必要か」という話が出てくる。支援制度や働き方、教育費。どれも大切だ。

でも、子どもを育てる人が毎日過ごす場所については、案外、話題になりにくい。たとえば、家で子どもが走る音。公園で遊ぶ声。夕方の住宅街に響く、元気な笑い声。

そうした音に厳しい視線が向けられることがある。けれど、それを「日本人は子どもが嫌いだから」と片づけてしまうと、見えなくなるものがある気がする。

音は、壁を越えて届く

子どもの足音は、親が注意すればすべて解決するわけではない。建物の構造や床の厚さによっては、走ったり飛び跳ねたりする振動が、隣や下の部屋に伝わる。住まいの広さに余裕がなければ、子どもが家の中で思い切り体を動かせる場所も限られる。

音を受け取る側にも、それぞれの事情がある。夜勤明けで眠っている人、体調が悪い人、在宅で仕事をしている人。子どもの声を歓迎できる日もあれば、つらく感じる日もあるだろう。

だから、苦情を言う人を冷たいと決めつけることも、子どものいる家庭に一方的な我慢を求めることも、問題を解いたことにはならない。音の問題は、誰かの性格より、住まいと暮らし方の条件に左右されている。

「迷惑をかけない」が、助けを遠ざける

日本では、周囲に迷惑をかけないことを大切にする場面が多い。その意識は、公共の場所を快適に保つ力にもなる。一方で、子育てのように生活音や予測できない出来事が避けにくい場面では、親が先回りして自分を責める理由にもなりうる。

「子どもだから仕方ない」と言われても、毎日隣室に音が届くなら、気にしないわけにはいかない。逆に、「静かにしてください」と言われ続ければ、子どもを連れて外へ出ること自体がためらわれる。

その結果、親は家でも外でも周囲を気にし、子どもは安心して声を出せる場所を探すことになる。個人同士が互いに配慮しているのに、どちらも余裕を失っていく。これは、気遣いが足りないというより、気遣いだけに解決を任せている状態なのかもしれない。

遊ぶ場所があっても、使いやすいとは限らない

公園や児童館があることと、子どもが地域の中で自然に過ごせることは、同じではない。

公園まで遠い、開いている時間が限られる、遊び方に細かな制限がある。あるいは、家の近くに遊び場があっても、利用者同士の声が住宅に届きやすい。子どものための場所が住宅地から離れていれば、今度は移動する大人の負担が増える。

必要なのは、子ども専用の場所をつくることだけではないと思う。住まい、公園、通学路、商店、地域の居場所を、日常の動線として考えることだ。子どもが過ごす場所を街の端に押し出すのではなく、生活の中にどう受け入れるか。そこには、建物の遮音性や公園の設計、地域の運営方法も関わってくる。

静けさと、子どもの居場所を対立させない

静かに過ごしたいという願いは、子どもを遠ざけたいという意味とは限らない。子どもの声が聞こえる街を望むことと、休める環境を必要とすることも、本来は両立できるはずだ。

そのためには、「お互いに少しずつ我慢しましょう」という呼びかけだけでは足りない。音が伝わりにくい住宅を増やすこと、近くに安心して遊べる場所を用意すること、困ったときに住民同士が話せる窓口をつくること。そうした環境の工夫があれば、個人の善意だけに頼らずに済む。

子どもを社会に必要だと言いながら、子どものいる暮らしの音を受け止める場所が少ない。その矛盾は、少子化の数字だけを見ていても気づきにくい。

子どもの声は、ただの騒音でも、無条件に歓迎すべき音でもない。誰かの生活の中で、どう響いているかを考える必要がある。そして同時に、その声を出す人が、肩身の狭さだけを覚えずに暮らせる場所も必要だ。

子どもに優しい社会とは、誰も不快に感じない社会ではないのだろう。違う生活音や事情がある人たちが、個人の我慢を積み重ねなくても一緒に暮らせるよう、住まいや街の側を少しずつ整えていく社会なのだと思う。

【転職】就職・仕事探し!DOMO NETから求人情報をスクレイピング

DOMO NETとは?
求人情報誌DOMOのインターネット版DOMO!Netは、日本の求人情報サイトの1つで、多くの求人情報を掲載しています。職業別や地域別の求人情報の検索ができる他、企業研究や転職のノウハウ、業界情報の提供も行っています。求人情報だけでなく、転職者向けのイベント情報も掲載されており、転職活動を支援する総合的な求人情報サイトとして知られています。
スクレイピングツールの概要
ScrapeStormは、プログラミングが不要で使いやすい人工知能を搭載したWebスクレイピングツールです。他のツール(Firecrawl、Apifyなど)と異なり、極限の零コード体験と、1-Clickで99%のWebスクレイピングを満たします。データをすぐに現場やシステムに落とせる機能を特徴とします。ローカルでの豊富な機能生態系により、カスタマイズが簡単で、大規模なデータ収集にもコスト効率よく対応可能です。手動での抽出作業に時間を取られたくない、効率よくデータを取得したいというニーズにお応えする、最適な選択肢です。

抽出されたデータをご覧ください。

1.タスクを新規作成する

今回は、ページボタンを識別しなく、複数のURLを生成して、ページを巡る方法を紹介します。
(1)URLをコピーする
目標URLの主幹をコピーしてください。

(2)パラメータを追加する
URLジェネレータでURLを入力して、パラメーターを追加画面にページ数を入力します。今回は1から10までです。「カスタマイズ」に条件を代表するパラメータを入力します。生成したURLはプレビュー画面でチェックしてください。

2.タスクを構成する

(1)AIで認識
ScrapeStormはリスト要素やページボタンを自動的に識別するAI認識機能が内蔵されています。もし識別誤差が発生する時、手動でページボタンを選択してください。下記のチュートリアルも参照してください。
ページ分けの設定方法

(2)詳細ページに行く
ソフトウェアの「詳細ページに行く」機能を利用し、休日休暇、資格、待遇などの情報を抽出します。

(3)フィールドの追加と編集
「フィールドを追加」ボタンをクリックして、画面に必要な要素を選択、データが自動的に抽出されます。また、必要に応じてフィールドの名前の変更または削除、結合できます。
フィールドの設定の詳細には下記のチュートリアルをご参照ください。
抽出されたフィールドを配置する方法

3.タスクの設定と起動

(1)起動の設定
必要に応じて、スケジュール、アンチブロック、自動エクスポート、写真のダウンロード、スピードブーストを設定できます。サーバーに負荷しないように、遅延時間を設定してください。5秒以上を推薦します。スクレイピングタスクを配置する方法については、下記のチュートリアルをご参照ください。
スクレイピングタスクを配置する方法

(2)しばらくすると、データがスクレイピングされる。

4.抽出されたデータのエクスポートと表示

(1)エクスポートをクリックして、データをダウンロードする

(2)必要に応じてエクスポートする形式を選択します。
ScrapeStormは、Excel、csv、html、txt、データベース、ローカルなどさまざまなエクスポート方法を提供します。抽出結果のエクスポート方法の詳細には下記のチュートリアルをご参照ください。
抽出されたデータのエクスポート方法

Demoタスク:

【仕事探し】就職・転職!DOMO NETから求人情報をスクレイピング.sst
https://drive.google.com/file/d/1JYBwYR6gCy4rQzHMeaj2zisUYxQsnIeQ/view?usp=sharing

注意:法律違反しないため、抽出されたデータを悪用禁止です!

日本の賃貸住宅には、なぜ家具も照明もないのか

不動産データを集めながら考えた「空室」の正体

ScrapeStormで不動産データを集めていて、少し驚いたことがある。

日本の賃貸住宅には、家具がほとんど付いていない部屋が多い。ベッドも、テーブルも、収納家具もない。物件によっては、部屋の天井に照明器具すら設置されていない。

正確には、照明を取り付けるためのソケットだけがあり、入居者が自分で照明器具を用意する形式だ。キッチンや浴室の設備は整っていても、居室の明かりは入居者の責任になる。

初めて部屋を借りる人にとって、これは意外に大きな負担だと思う。

契約が終わり、鍵を受け取って部屋に入る。そこには床と壁と窓がある。けれど、夜になっても明かりがない。カーテンも、寝具も、冷蔵庫もない。住み始めるというより、まず生活の道具を搬入するところから始まる。

画像

「何もない」は、自由なのか

日本の賃貸住宅が家具なしで提供される理由はいくつかある。

入居者が自分の家具を持っていること。家具付きにすると、家賃や管理費が上がること。前の住人の家具を維持・交換する手間が発生すること。そして、部屋を長く使う人ほど、自分の好みに合わせて生活空間をつくりたいと考えることだ。

確かに、家具がないことには自由がある。

大きなベッドを置くこともできるし、床に座る生活もできる。仕事用の机を置くか、食事用のテーブルを置くかも、住む人が決められる。家具を固定しないことで、住む人の生活に合わせて空間を変えられる。

しかし、その自由は、何も持っていない人にも同じように働くわけではない。

家具を買う費用が必要になる。サイズを測り、配送日を調整し、組み立てなければならない。照明器具を選び、カーテンの幅を測り、冷蔵庫や洗濯機の設置場所を確認する。

「自由に使える部屋」は、見方を変えれば、「住める状態まで自分で整えなければならない部屋」でもある。

照明がないことの違和感

家具がないことは、まだ理解しやすい。

住む人によって必要なものが違うからだ。ソファが必要な人もいれば、床で生活する人もいる。ベッドを使わない人もいる。

けれど、照明はもう少し基本的な設備に思える。

部屋に電源があり、照明用の接続口もある。それでも器具は設置されていない。これは、日本では入居者が照明を持ち込むことが長く一般的だったからだろう。

この方式は、住宅を簡単に空室へ戻せるという点では合理的だ。照明器具の故障やデザインの好みに、貸主が対応する必要も少ない。

一方で、物件情報だけを見ていると、照明の有無が分かりにくいことがある。「照明あり」と書かれていなくても、接続口はあるかもしれない。「設備」として記載されていなければ、入居者が用意するものだと判断しなければならない。

不動産データを扱うなら、こうした情報を単なる有無だけで整理してはいけないと思う。

照明器具があるのか。接続だけなのか。共有照明で代替できるのか。入居日にすぐ使えるのか。これらは、生活の始まりやすさに関わる異なる情報だ。

画像

空室の写真は、生活を写していない

日本の賃貸物件の写真には、家具のない部屋が多い。

何もないからこそ、広く見える。入居者が自分の家具を置いたときの想像もしやすい。物件同士を比較するには、空室の方が条件を揃えやすい。

ただ、空室写真からは生活の最初の数日が見えない。

床の上に段ボールが積まれ、夜は仮の照明で過ごし、カーテンがないため外からの視線が気になる。家具の配置を決める前に、コンセントの位置や搬入経路に悩む。

部屋の価値は、面積や駅からの距離だけでは決まらない。入居者がどれほど少ない手間で、安心して生活を始められるかも重要な条件だ。

同じ1Kでも、照明、カーテン、冷蔵庫、洗濯機がある部屋と、何もない部屋では、入居時の負担が大きく違う。

家具付き住宅が向いている人

家具付きの部屋は、すべての人にとって得とは限らない。

長く住む人には、家賃や家具の品質、収納の使いにくさが気になるかもしれない。自分の家具を持っている人にとっては、不要なものが増えるだけになることもある。

一方で、短期滞在者、留学生、転勤者、初めて一人暮らしをする人にとっては、生活開始までの時間を大きく短縮できる。

ここで大事なのは、「家具付きか、家具なしか」という二択だけではないと思う。

照明だけ用意する。カーテンだけ付ける。ベッドと冷蔵庫だけ備える。必要なものを選べるパッケージにする。こうした中間的な選択肢があれば、貸主と入居者の双方にとって現実的かもしれない。

画像

住宅データに必要なのは、生活者の視点

不動産情報は、間取り、面積、築年数、駅距離、賃料といった項目で整理されることが多い。

しかし、実際に部屋を借りる人が知りたいのは、それだけではない。

入居初日に明かりがあるのか。カーテンをすぐ取り付けられるのか。家具の搬入はしやすいのか。エアコンは設備なのか、残置物なのか。前の入居者が置いていったものを使うのか。

こうした情報は、数字にしにくいから省かれやすい。けれど、住み始める人にとっては非常に具体的な判断材料になる。

空室とは、何もない状態ではない。

そこには、貸主が用意しなかったもの、入居者がこれから背負う作業、そして日本の賃貸市場が当然としてきた生活の前提が含まれている。

家具も照明もない部屋を見て、私は「不便だ」とだけ感じたわけではない。その空白が、誰にとっては自由で、誰にとっては障壁になるのだと思った。

これから不動産データを見るときは、部屋の広さだけでなく、そこから生活を始めるまでに必要な時間と費用も読み取りたい。

地震・豪雨に強い住まいをAIで考える:これからの日本の防災建築

災害に強い家を考えるとき、最初に思い浮かぶのは耐震等級や防水性能かもしれません。

もちろん、それらは重要です。

しかし、実際の災害を経験すると、「建物が倒れなかったか」だけでは住まいの強さを測れないことに気づきます。

停電しても生活できるか。
断水したときにトイレを使えるか。
高齢者や子どもが安全に移動できるか。
道路が通れないとき、物資を受け取れるか。
浸水後に、どれくらい早く暮らしを立て直せるか。

私は、防災建築を「壊れにくい建物をつくること」だけでなく、「暮らしの復旧時間を短くすること」だと考えています。

AIは、そのための検討を広げる道具になりつつあります。

ただし、AIが防災性能を決めてくれるわけではありません。

AIにできるのは、地域の条件や暮らし方の違いを整理し、いくつもの可能性を比較しやすくすることです。

日本の災害は、一つの対策では終わらない

日本の住まいは、地震だけに備えればよいわけではありません。

強い揺れの後に大雨が降ることもあります。台風による高潮、河川の氾濫、内水氾濫、土砂災害、長期停電が同じ地域で起きる可能性もあります。

さらに、災害の影響は建物の外からだけ来るわけではありません。

エレベーターが止まる。
給水ポンプが動かない。
受電設備が浸水する。
道路が使えず、修理部品が届かない。
通信が不安定になり、家族と連絡が取れない。

耐震性の高い建物でも、地下の電気設備が浸水すれば生活は止まります。

逆に、建物に多少の損傷があっても、電気、水、トイレ、避難経路が確保されていれば、住み続けられる可能性は高まります。

防災建築では、構造だけでなく、設備、地盤、周辺道路、近隣との関係まで一緒に考える必要があります。

AIに最初に渡すべきものは、建物の形ではない

AIを使うと、短時間でさまざまな外観や間取りをつくれます。

高床式の住宅。
屋上に避難できる家。
雨水を一時的に受け止める庭。
停電時にも使える共用スペース。
地域の避難拠点になる集合住宅。

こうしたイメージを並べることは、議論の入口として有効です。

しかし、いきなり「強そうな家」を生成させると、見た目だけの防災になりがちです。

私は、AIに建物の形を考えさせる前に、地域と暮らしの条件を整理します。

敷地は浸水想定区域にあるのか。
前面道路は避難経路になるのか。
高低差はどの程度あるのか。
地盤改良が必要なのか。
家族の中に階段移動が難しい人はいないか。
災害後も自宅で過ごすのか、早期に避難するのか。

この前提がなければ、AIは一般的な「防災らしい形」を返すだけです。

防災の設計で重要なのは、強そうに見えることではありません。

どのリスクに対して、どの部分が機能するのかを説明できることです。

地震対策は、揺れ方を一つに決めない

地震に強い住まいを考えるとき、建物が揺れないことだけを目標にすると、検討が狭くなります。

重要なのは、揺れた後に何が使えるかです。

構造体の損傷を抑える。
家具の転倒を防ぐ。
ガラスの飛散を減らす。
玄関や廊下をふさがない。
配管の破断を防ぐ。
電気と給水を早く復旧できるようにする。

AIを使えば、家族構成や家具配置を含めた複数の生活シナリオを考えられます。

たとえば、寝室の近くに大きな家具がある場合と、壁面収納にまとめた場合を比較する。

玄関に収納を集中させる案と、避難経路沿いに分散させる案を比べる。

家の中で最も安全な場所を、家具の配置や扉の開き方と一緒に検討する。

このような細かな検討は、外観パースには表れません。

しかし、災害時の安全は、こうした日常の配置に支えられています。

豪雨対策は、水を完全に止める発想から変わる

豪雨対策というと、防水性の高い外壁や止水板を想像します。

それらは必要ですが、すべての水を敷地に入れない計画は、地域の状況によっては現実的ではありません。

そこで、水が入る可能性を前提に、被害を限定する考え方が必要になります。

電気設備や通信設備を高い位置に置く。
重要な収納を浸水しにくい場所へ移す。
一階に水が入っても、上階で生活を続けられるようにする。
床下や外構で雨水を一時的に受け止める。
玄関や開口部に止水の準備を設ける。
復旧しやすい内装材を選ぶ。

このとき、AIは敷地の断面や水の流れを考えるための補助になります。

周辺の道路からどの方向へ水が集まりそうか。
駐車場や庭が水の通り道になっていないか。
避難するときに、敷地の低い場所を通らずに済むか。

ただし、AIが示した水の流れを、そのままハザード情報として扱ってはいけません。

自治体のハザードマップ、地形資料、敷地調査、排水計画などと照合し、必要な判断は専門家が行う必要があります。

AIが得意なのは、複数の条件を見える形にすることです。

法的な安全性や構造的な妥当性を証明することではありません。

「避難する家」と「とどまれる家」は違う

防災住宅の計画で、私は避難方針を最初に決めるべきだと思っています。

災害が起きたら、すぐに外へ避難する家なのか。

一定期間、自宅で過ごせる家なのか。

この違いによって、必要な空間も設備も変わります。

早期避難を重視するなら、玄関から道路までの安全な動線、夜間照明、段差の少ない出入口、近隣の避難所との接続が重要になります。

在宅避難を想定するなら、飲料水、非常用電源、通信、冷暖房、トイレ、食料を置く場所が必要です。

どちらか一方が正しいわけではありません。

浸水の深さ、地域の孤立可能性、家族の健康状態、住宅の階数によって最適な答えは変わります。

高齢者がいる家庭では、二階へ逃げる計画があっても、実際には使えないかもしれません。

小さな子どもがいる家庭では、停電した夜の階段移動が大きな負担になります。

AIで生活者の条件をシナリオとして整理すると、一般論では見えにくい問題が現れます。

防災とは、平均的な住民のための計画ではなく、最も移動しにくい人がどう安全を確保するかを考えることでもあります。

新築より、既存住宅をどう変えるか

これからの日本では、すべての防災住宅を新築することはできません。

多くの人が暮らすのは、すでに建っている住宅です。

そのため、AIの活用先は新しい家の外観生成だけではありません。

既存住宅のどこを改修すれば効果が大きいかを、優先順位で考えることにも使えます。

屋根や外壁の修繕。
家具の固定。
ブレーカーや分電盤の対策。
受電設備のかさ上げ。
止水板の設置。
非常用電源の追加。
窓ガラスの飛散対策。
避難経路の整理。

予算が限られている場合、すべてを一度に変えることはできません。

だからこそ、AIには「理想の家」を描かせるより、「この予算で、どのリスクをどこまで下げられるか」を比較させる方が実務的です。

防災性能は、豪華な設備の数だけで決まりません。

家族が使い方を理解していること、点検できること、壊れたときに交換できることも大きな性能です。

防災設備は、平常時に使わないと忘れられる

非常用発電機や蓄電池、雨水タンク、防災倉庫を設置しても、普段まったく使わなければ、災害時に動かせない可能性があります。

操作方法が分からない。
燃料の期限が切れている。
収納場所が塞がっている。
必要なケーブルが見つからない。
点検の担当者がいない。

防災建築を考えるとき、私は「災害時に使えるか」だけでなく、「平常時に自然と使われるか」を見ます。

蓄電池が日常の電力管理に組み込まれている。
雨水利用が庭の管理に使われている。
共用の防災室が普段は集会や子どもの居場所になっている。
屋上や外階段が、日常の動線としても利用されている。

普段使わないものを、緊急時だけ完璧に使うのは難しい。

防災機能は、日常生活から切り離すほど忘れられやすくなります。

AIの画像を、判断の証拠にしない

AIで生成された防災住宅の画像は、議論を始めるためには役立ちます。

屋上避難スペースのイメージを共有する。
浸水時の一階の使い方を考える。
複数世帯が集まれる共用空間を想像する。
改修前後の暮らしを比較する。

しかし、画像だけでは、構造、耐火、排水、避難、維持管理の条件は確認できません。

画像に階段があっても、幅員が足りないかもしれない。

発電設備が描かれていても、浸水時に使えない位置かもしれない。

高床の住宅に見えても、車いす利用者にとってアクセスが難しいかもしれない。

そのため、私はAIの出力に対して、必ず次の質問を加えます。

この提案は、どの災害を対象にしているのか。
成立するために、どんな前提が必要なのか。
誰が使いにくくなる可能性があるのか。
専門家は何を確認すべきなのか。
災害後、何日間の生活を想定しているのか。

この問いに答えられない画像は、設計案ではなく、まだ会話の材料です。

強い家とは、孤立しない家でもある

住宅単体の性能を高めることには限界があります。

道路が寸断されれば、物資は届きません。

近隣との連絡がなければ、避難が遅れる人を見つけられません。

集合住宅の一室だけに非常用電源があっても、建物全体の管理が止まれば十分に機能しません。

これからの防災建築では、建物と地域の境界を柔らかく考える必要があります。

災害時に情報を共有できる場所。
一時的に電源を使える場所。
水や物資を配れる場所。
外部から支援を受け入れられる入口。
避難者と在宅者が接触できる共用空間。

AIを使えば、住宅一戸の検討から始めて、数棟の配置や地域の動線へ視野を広げることができます。

ただし、モデルを大きくするだけでは意味がありません。

誰が管理するのか。
鍵を誰が持つのか。
電源を誰が優先的に使うのか。
夜間に誰が判断するのか。

防災は、設備の問題であると同時に、運営の問題です。

AI時代の防災建築で、設計者に残る仕事

AIによって、住宅の形や配置を考える時間は短くなるかもしれません。

しかし、何を守るのかを決める仕事は残ります。

家族の安全を優先するのか。
地域とのつながりを優先するのか。
改修費を抑えるのか。
停電時の継続性を高めるのか。
高齢者や障害のある人が避難できることを最優先するのか。

すべてを同時に最大化することはできません。

だから、AIには複数の案を出させ、人間はその案の間にある価値の衝突を確認する。

そして、構造設計者、設備設計者、行政、地域の住民とともに、実際に使える条件へ落とし込む。

私は、AIを使った防災建築の価値は、未来を正確に予測することではないと思っています。

不確かな未来に対して、いくつもの備え方を早く比べられること。

見落としていた弱点を、模型や画像の段階で発見できること。

そして、専門家と住民が同じ景色を見ながら、具体的な話を始められること。

地震や豪雨を止めることはできません。

それでも、被害を受けた後の暮らしを少しでも早く立て直す住まいは考えられます。

これからの防災建築で目指したいのは、災害に対して無傷の家ではありません。

揺れや水を受けた後も、人が判断し、助け合い、生活を再開できる家です。

AIはその姿を描くための道具になります。

ただし、最後に問われるのは、画像の美しさではなく、その家を本当に使う人の一日を守れるかどうかです。