Platforma nieruchomości z zewnątrz wygląda na niszową, ale w środku składa się z trzech rzeczy, które wielokrotnie wdrażałem: marketplace’u z ofertami, wyszukiwaniem, filtrami i mapą; CRM-u do leadów, statusów i rejestrowania, kto do kogo dzwonił; oraz rezerwacji prezentacji, kalendarzy i przypomnień. Dodaj AI, a otrzymasz jedno z najlepszych miejsc do praktycznego wykorzystania modelu: mnóstwo częściowo ustrukturyzowanego tekstu, zdjęcia, powtarzalne pytania i agenta, któremu zawsze brakuje czasu.
Zaczynam od modelu danych, bo to on przesądza o powodzeniu produktu. Oferta to nie wiersz z polem opisu: ma typ, historię cen, status (szkic, aktywna, zarezerwowana, sprzedana), lokalizację ze współrzędnymi, multimedia oraz właściciela lub agencję. Potrzebne są PostgreSQL z rzeczywistymi ograniczeniami, PostGIS albo przynajmniej indeksowane współrzędne do wyszukiwania na mapie, wyszukiwanie pełnotekstowe adresów i opisów oraz dziennik audytowy zmian cen z informacją, kto i kiedy ich dokonał. Duplikaty to klasyczny problem — to samo mieszkanie wystawione przez trzech agentów — więc deduplikację projektuje się od początku, a nie łata później.
Część publiczna działa na Next.js z SSR lub ISR dla stron ofert, bo w nieruchomościach SEO oznacza ruch: każda oferta jest landing page’em z danymi strukturalnymi, szybko ładującymi się zdjęciami i czytelnym adresem URL. Część dla agentów to panel z lejkiem leadów, kalendarzem prezentacji oraz powiadomieniami e-mail lub przez Telegram. Oba obszary projektuję mobile-first: kupujący przeglądają oferty na telefonie, a agenci pracują z samochodu.
Najwięcej wartości widzę w AI, o ile jest krokiem procesu, a nie chatbotem na stronie głównej. Model przygotowuje klarowny opis oferty z kilku pól i zdjęć, a agent go poprawia i zatwierdza. Wyciąga dane strukturalne z nieuporządkowanego PDF-a, wklejonego ogłoszenia lub notatki głosowej. Wyszukiwanie semantyczne zamienia „dwie sypialnie, cicho, blisko parku, w budżecie” na filtry i embeddingi opisów. Przy kwalifikacji leadów model podsumowuje rozmowę i sugeruje następny krok — decyzję podejmuje agent. RAG na własnych dokumentach agencji — umowach, zasadach i przewodnikach po dzielnicach — pozwala dołączać źródło do odpowiedzi.
Zabezpieczenia są takie same jak w każdym produkcie AI, który tworzę. Model sam nie publikuje ceny, niczego nie podpisuje ani nie pisze do klienta: przygotowuje szkic, a człowiek go zatwierdza. Każde wygenerowanie zapisuję razem z wejściem, by można było prześledzić błędną odpowiedź. Ograniczam dane osobowe przed wysłaniem ich do dostawcy i ustalam limit kosztu dla każdego procesu. OpenAI lub Anthropic działa za interfejsem, więc zmiana modelu to zmiana konfiguracji, a nie przepisanie systemu. Uruchamiam jeden proces za feature flagą, mierzę czas oszczędzony przez agenta i dopiero wtedy dodaję następny.
To samo podejście sprawdza się daleko poza nieruchomościami: platformy rezerwacyjne, narzędzia sprzedażowe dla hotelarstwa, marketplace’y i SaaS z rozbudowanym CRM-em — każdy produkt, w którym ludzie przetwarzają dużo tekstu i podejmują powtarzalne decyzje. Jeśli taki tworzysz, wyślij mi proces, którego twój zespół najbardziej nie lubi wykonywać ręcznie. Odpowiem, jaki najmniejszy produkt go zautomatyzuje, jakich danych potrzebuje i gdzie w procesie pozostanie człowiek.
Daj kolejnemu produktowi kogoś, kto zostanie.
Chcesz zacząć? Napisz do mnie — mogę rozpocząć od razu i zostać na dłużej. Długoterminowa współpraca, nie przekazanie projektu po dwóch tygodniach. Omówmy projekt, wymagania i najlepszy sposób realizacji.