房地产经纪人与业内其他专业人士所从事的业务,本质上就是把一砖一瓦搭建的公寓住宅销售出去。但在看似简单的工作内容之下,他们的工作方式同样会受到新兴技术的全面影响。
数字化、互联网、无人机拍摄以及虚拟现实等最新趋势,都已成为房地产经纪领域的变化因素。而如今随着经纪人、评估师、投资者以及抵押贷款经纪人积极争取由生成式AI带来的助益,更大的变化很可能即将到来。
麦肯锡最近发布的一份报告估计,作为当下最热门的技术趋势,生成式AI有望为房地产行业创造高达1800亿美元的价值。也就是说,随着专业人士适应新的工作方式并学会使用新型生成工具来增强自身能力,他们的职能角色也将不可避免地发生变化。那么以此为背景,本文将带大家展望房产经纪行业可以预期的前进方向。、
生成式AI有可能改变房地产专业人士所面对的一系列日常工作。例如,这项技术能够快速生成房产描述及清单,以吸引市场上的潜在买家。具体步骤包括使用计算机视觉来分析无人机拍摄的照片、平面图甚至视频,并将内容转换为书面描述。这些描述甚至可以经过个性化润色以吸引个人客户。哪怕施工中的房产尚未建设完成,AI技术也能为其创建最终效果图以展示给期房买房,甚至在VR/AR环境下通过3D形式展示建筑物交付后的状态。
聊天机器人可以协助客户服务,处理潜在买家的基本问题,并自动安排参观与游览日程。
房地产经纪人和投资者则能够使用生成式AI来分析市场趋势和房产价值,以自然语言为投资机会整理出数据洞察,并借此获得收益。生成式AI还能够分析文档内容,以自动化方式高效执行尽职调查和风险评估中所涉及的众多重复性任务。
由于生成式AI能够自动识别同类房产及各项影响房产价格的因素,因此从事评估与估价工作的人员能够大大减少投入在信息收集和分析方面的时间。广泛的实践应用也将令各类现有自动估值模型(AVM)的能力得到增强,使其愈发强大、更易于使用。以市面上已经出现的Zillow等应用程序为例,其能够根据照片和数据(例如位置和面积数据)对房产价格做出估算。
抵押贷款经纪人将通过自动化方式处理申请人的资质评估与承保判断,同时检测与申请相关的欺诈性风险,由此显著简化贷款申请的处理流程。此外,生成式AI还能帮助经纪人提供更加个性化的贷款形式以满足客户需求。
保证住房普及和公平的市场交易对于全社会而言极为重要,也正因为如此,各国政府才会在房产买卖方面实施严格的立法。房地产经纪人、中介以及其他行业专业人士必须意识到,如果在使用生成式AI违反了当地法律法规,责任仍然需要他们自己来承担。
例如在将AI方案用于营销目的时,必须小心避免数据偏差可能造成的危险后果。这一点在进行诸如可负担性评估之类的调查时尤其重要,因为训练数据中存在的偏差/偏见有可能产生负面的社会后果。
当AI做出可能影响客户生活的决策时,必须小心保护其中的个人数据,并确保客户本人同意大模型使用这些数据。生成式AI的使用应当保持透明,以便买家乃至更多潜在买家明确知晓决策的制定流程。
除此之外,当使用由AI生成的视觉效果及其他内容进行房产营销时,也须明确强调潜在客户们看到的并非真实场景!
对于房产这种很可能是客户一生当中最重要的购买标的,营销工作中的信任和诚信将至关重要。因此房地产领域的专业人士必须始终秉持道德、透明度和问责制这几项核心承诺。
随着生成式AI越来越多被用于处理常规和基于分析的任务,房地产经纪人、评估师、中介和营销人员也将逐渐发现,他们的重点开始转向价值更高的战略职责。
优先发展人际交往技能(例如沟通、以客户为中心的问题解决和关系建立)的专业人士,会发现他们比以往任何时候都更加受到市场的欢迎。
同样的,主动培养自身运用AI工具的能力,并借此提高日常工作效率的人们也将在职业竞争中脱颖而出。
与其他职业一样,虽然某些工作岗位可能会消失——例如入门级客服岗位面临的风险就特别高——但同时新的岗位也将由此出现。这类岗位可能包括负责配置生成式AI工具以完成所需工作的提示词工程师,以及能够识别用例并采购相关解决方案的技术集成商等。
但必须承认的是,房地产行业的竞争烈度长期维持在高位。从业者的职业发展,往往取决于是否有能力比竞争对手更高效地创造销售额并达成交易。
考虑到这一现实,从业者们必须解决的核心问题就是尽快将生成式AI转化为自身专业工具箱中的重要工具。谁能快速适应并用好AI这柄神兵利器,谁就能在市场上傲视同侪。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。