專欄文章

這幾年，AI 幾乎已經進入每個人的生活。

寫文案、整理資料、製作簡報、生成圖片，甚至連陪伴、聊天與談戀愛，都開始可以透過 AI 完成。

但如果把 AI 放進房地產產業，它又能做到什麼？

房仲每天大量回覆買方問題、租賃業者處理房客詢問、代銷需要持續追蹤潛在客戶，甚至一般消費者買房前，也得花大量時間研究房價、區域發展與不同物件。

這些工作看似完全不同，背後卻都有一個共同點：存在大量資訊整理與重複溝通。

這一集《愛莉說好室》邀請長期投入 AI 創業與自動化應用的婷婷，從她開發 AI 男友、AI 女友的經驗出發，進一步分享 AI 如何進入不同產業的服務流程，以及未來房地產業者能如何利用 AI，把原本需要大量人力完成的事情變得更有效率。

婷婷提到，兩年前剛開始做 AI 陪伴產品時，模型能力與現在存在明顯差距。

早期 AI 比較容易答非所問，也不一定能理解幽默、情緒或對話中的暗示。

語音互動的延遲也比較明顯，講完一句話後，可能需要等待十幾秒才得到回覆，很容易讓人感覺自己正在和客服系統說話。

但近年的模型已經能更快理解對話內容，語音技術也開始具備更即時的互動能力。

更重要的是，不同溝通管道之間開始能夠彼此串聯。

例如使用者平常先透過文字聊天，之後改用電話溝通，AI仍然可以延續先前的角色設定與對話內容，而不是每次打電話都重新認識一次。

婷婷認為，這種「記得前情提要」的能力非常重要。



因為真正好的服務，本來就不應該讓客戶每換一個管道，就重新解釋一次自己是誰、需要什麼。

如果把同樣的技術放進房地產，婷婷認為最直接的應用就是私訊客服與前期客戶篩選。

不論房仲、代銷、租賃業者或其他服務公司，都會面對類似的問題：

廣告帶來100個詢問，不代表100個人最後都會成交。

其中可能只有一部分是真正具有明確需求的潛在客戶，其餘的人可能只是先問問價格、了解資訊，甚至問了大量問題後就沒有下文。

如果所有詢問全部交給真人業務處理，業務就必須花大量時間重複回答類似內容。

更現實的是，當業務每天面對大量低意願詢問，甚至碰到語氣不友善的使用者，工作情緒與效率也可能受到影響。

AI在這個階段就能成為第一層服務窗口。

先回答物件基本資料、價格、交通、格局、預約方式等常見問題，再按照事先設定的條件判斷客戶需求。

真正具有高度購買或租賃意願的人，再交由真人業務進一步處理。

婷婷認為，這並不是用 AI 取代業務。

相反地，是把真人從大量重複工作中釋放出來。



過去一位業務可能只能同時照顧50位客戶，有 AI 協助完成前期溝通後，就有機會同時管理更多名單，把時間留給真正需要人際判斷、談判與成交的客戶。

傳統業務開發，通常需要自己花時間尋找潛在客戶。

例如到社群平台搜尋「最近想買房」、「正在找租屋」、「想搬到某個區域」等貼文，再一篇篇留言或私訊。

婷婷分享，這類工作其實也可以透過 AI 與自動化協助。

企業可以事先設定與自己業務相關的關鍵字，持續搜尋公開社群上的需求訊號。

當有人正在討論相關問題時，系統就能主動參與互動。

而且不一定只是留下制式廣告。

如果能提供真正有幫助的資訊，例如回答區域問題、分享專業知識，使用者會逐漸對這個帳號產生熟悉感。

婷婷把這種做法形容成「海巡」。

過去需要業務每天自己滑社群尋找機會，現在可以讓系統長時間協助觀察，再把真正值得進一步接觸的需求交給真人。

對房地產這類高度依賴「需求發生當下」的產業來說，速度往往非常重要。

一個人今天才剛發文詢問租屋，可能兩三天後就已經找到房子。



誰能在需求最明確的時候出現，成交機會自然也可能不同。

AI除了能協助業者，也可能改變一般消費者買房的方法。

婷婷提到，如果現在重新經歷一次買房，她會希望先讓 AI 幫自己整理大量前期資料。

例如不同縣市近兩年的房價變化。

未來有哪些交通建設。

哪些區域可能有產業進駐。

不同社區的管理狀況如何。

再把自己的總價預算、通勤需求、生活習慣與偏好輸入，請 AI 先整理出值得進一步研究的區域與物件。

如此一來，看房的第一步就不再只是打開房屋平台，被廣告與推薦排序帶著走。

而是先建立自己的市場判斷，再進一步去看真正符合需求的房子。

AI在這個過程中比較像一位研究助理。



它不一定替你決定「哪一間一定要買」，但可以大幅縮短蒐集與整理資訊所花的時間。

AI在房地產還有一個非常直覺的應用，就是空間模擬。

節目中分享了一個實際案例。

一個準備出租的辦公空間裡，有一間獨立房間，同時具備系統衣櫃與專屬衛浴。

問題是，這個房間究竟應該放一張床，保留住宿功能？還是改造成會議室？又或者做成有沙發的接待空間？

過去如果想讓租客理解三種版本，可能需要真的購買家具、實際布置，或請設計師製作不同效果圖。

現在則可以先利用 AI 模擬。

同一個空間，可以生成臥室版、會議室版與接待區版，直接讓潛在租客看到不同使用情境。

等租客確認自己需要哪一種，再按照選擇購買相對應的家具。

對房東來說，可以降低錯誤採購的機率。

對租客來說，也更容易想像空間真正使用後的樣子。



未來隨著 AI 生成與程式能力進步，甚至可能進一步把平面設計轉換成可走動的3D空間，讓還沒有施工的房子就能提前被體驗。

很多人對 AI 客服的想像，仍然停留在回答FAQ。

但婷婷分享，她自己經營的台北攝影棚，目前已經把相當完整的預約流程交給 AI。

從使用者詢問開始，AI可以按照不同場地、使用人數、日期與時段計算費用，也能處理預約、修改時間、傳送行前通知，甚至銜接收款流程。

而這套規則其實並不簡單。

場地可能分成不同區域，不同人數有不同費用，假日還可能有最低租用時數。

這些規則過去需要人工逐一確認，真人甚至也可能因為資訊複雜而計算錯誤。

經過一段時間測試後，她讓整個流程逐步交由系統處理，而且已經持續運作一段時間。

這類應用放進房地產也有很多想像空間。

例如預約賞屋、確認看房時段、發送地址與行前提醒、整理客戶需求，甚至後續追蹤，都可能逐漸自動化。

而最大的改變，是服務不再受限於上下班時間。

半夜突然想預約、假日臨時詢問，都有機會立即獲得回覆。



消費者對服務速度的期待，也可能因此被重新改寫。

婷婷認為，很多人現在雖然已經開始使用AI，但仍然把它當成一個「有問題才打開」的工具。

需要文案時問一下。

需要整理資料時再問一下。

但她真正大量使用的方式，是把 AI 變成固定運作的工作流程。

例如她會讓系統協助經營不同社群平台，按照設定好的時間發布內容，也會使用另一個 AI 每天檢查前一天的對話紀錄，找出回覆可以改善的地方，再持續調整。

換句話說，AI不是訓練一次就結束。

而是一個每天都在被檢查、修正與優化的系統。

這個概念放到房地產同樣重要。

如果希望 AI 定期整理某個區域的成交行情、追蹤競爭物件、整理市場資訊，就可以先把研究來源、判斷規則與驗收標準設定清楚，再讓系統按照固定頻率執行。



真正能拉開效率差距的，可能不是「我會不會問AI」，而是能不能把自己的工作方法教給AI，讓原本每週都要重做一次的事情，開始自動發生。

除了房地產，婷婷自己也大量使用 AI 經營社群。

她會設定固定頻率，讓系統協助不同平台持續發布內容，再按照自己的人設、說話方式與圖片產生文案。

這解決了一個自媒體經營非常現實的問題：持續。

很多人不是沒有內容能力，而是很難每天在不同平台發文、回留言，再持續幾個月等待成果。

當這些重複工作由 AI 協助完成後，人就比較不容易因為前一兩個月沒有流量而放棄。

不過婷婷也特別提醒，她並不建議一開始連素材都全部交給 AI 憑空生成。

她自己的社群仍然大量使用真實拍攝的照片，再讓 AI 根據她的人設協助撰寫內容。

原因很簡單。

當所有人都開始使用相似的 AI 圖片與文字，真正稀缺的反而會變成「這個人自己的東西」。

因此，比較理想的做法可能是：讓 AI 放大產能，但核心素材、觀點與個人特色仍然來自真人。

未來她甚至希望把過去自然流量表現較好的素材整理出來，再進一步訓練專屬於自己的高流量內容模型。



不是讓 AI 隨機猜什麼會紅，而是用自己過去真正成功的資料，持續優化下一輪內容。

AI進入房地產，並不代表未來不需要房仲、代銷、租賃業者或其他專業服務者。

至少從婷婷目前看到的應用來說，AI更像是在重新分配人的工作。

重複回答一百次的問題，可以先交給AI。

大量搜尋潛在客戶，可以讓系統協助。

市場資料、區域資訊與物件比較，可以先由AI整理。

空間還沒真正布置，也可以先透過AI讓消費者看見不同可能。

甚至連預約、提醒、收款等行政流程，都開始有機會逐步自動化。

而真人真正需要投入的，反而會越來越集中在AI比較難取代的地方：判斷、信任、談判、創意，以及理解一個人真正沒有說出口的需求。

所以未來企業真正該問的，也許不再只是：

「我們公司要不要使用AI？」

而是：

「現在團隊每天做的事情裡，有哪些工作其實不需要一直由人重複完成？」

當AI開始接手大量低價值、重複性的工作，人才能把有限的時間放在真正需要專業與關係建立的事情上。



這或許才是AI帶給房地產最大的改變——不是少掉多少人，而是讓同樣一個人，可以服務更多客戶、做更有價值的事情，也讓消費者在真正需要答案的那一刻，更快得到適合自己的服務。

回到專欄文章