ИИ для недвижимости: 7 сценариев, которые окупаются, и 3, где деньги сгорают

ИИ для недвижимости перестал быть темой конференций и стал строчкой в бюджете: кто-то уже считает возврат, кто-то третий квартал подряд объясняет совету директоров, почему пилот не поехал. Разница между этими двумя компаниями почти никогда не в модели и не в подрядчике — она в том, какую задачу выбрали первой.

Мы делаем сайты, каталоги и ботов для агентств и застройщиков с 2021 года, а последние два года ставим на эти же процессы ИИ-агентов. Ниже — что из этого действительно окупается, что проваливается предсказуемо, и по каким признакам одно отличается от другого до того, как вы потратите деньги.

Что такое ИИ-агент в недвижимости и чем он не является

ИИ-агент — это программа, которая выполняет рабочую операцию целиком: получает задачу, идёт в ваши системы, делает и отчитывается. Не «отвечает на вопрос о задаче», а делает её.

Отсюда три отличия от чат-бота и от подписки на нейросеть, и все три практические:

• Память. Агент помнит, что этот клиент смотрел двушки у метро и сорвался на ипотеке. Чат в браузере не помнит ничего между сессиями.
• Права доступа. У агента есть логин в вашу CRM и в базу объектов — с границами того, что он может менять. Нейросеть в браузере не имеет доступа никуда, поэтому и сделать ничего не может.
• Инициатива. Агент срабатывает сам: пришла заявка — квалифицировал, изменилась цена в ЖК — обновил карточку и предупредил.

Практический вывод: если вы платите за подписку на нейросеть и «ничего не изменилось» — это нормально, вы купили инструмент, а не процесс. Подробнее эту разницу мы разбираем на странице разработки ИИ-агентов.

ИИ для недвижимости в цифрах: 88% охвата, 5% результата

Охват в отрасли почти полный, а результат — почти ни у кого. По исследованию агентства AGM, опубликованному РБК Недвижимостью в мае 2026 года, ИИ так или иначе используют 88% застройщиков, но лишь 5% внедрений доходят до ожидаемых показателей. Выборка — интервью с руководителями коммерческого блока, маркетинга и цифровой трансформации 24 девелоперских компаний разных классов и регионов.

Со стороны покупателя картина зеркальная: по данным РБК за декабрь 2025 года, нейросетями ежедневно пользуются 37% россиян, но при переезде ИИ применяли только 10%. То есть привычка есть, а сценария в недвижимости для человека ещё нет — его предстоит предложить.

Экономический фон объясняет, почему этим вообще занялись всерьёз. По оценке «Якова и Партнёров», приведённой TAdviser, средняя маржинальность по чистой прибыли девелоперов упала с 9–11% в 2022 году до 3–5% в 2025-м. При марже в 3% экономия 20% рекламного бюджета перестаёт быть красивой презентацией и становится половиной прибыли.

Семь сценариев, которые окупаются

Общее у всех семи: много однотипных повторов, данные уже лежат в цифре, результат измеряется в часах или в конверсии. Если в вашем случае этих трёх признаков нет — сценарий не отсюда.

1. Квалификация входящих заявок

Агент разбирает заявку до того, как её увидит человек, и отдаёт брокеру уже тёплый контакт с параметрами. Бюджет, район, срок, способ оплаты, был ли уже на просмотрах — всё это спрашивается одинаково у каждого второго обратившегося, и именно поэтому спрашивать это должен не менеджер.

Эффект здесь не в скорости ответа, а в том, что заявка не остывает в CRM: риелтор физически держит в работе десяток клиентов, всё остальное ложится в базу и умирает там. Агент работает со всей базой сразу.

2. Подбор объектов по базе

Агент собирает подборку под запрос за минуты вместо дней, потому что смотрит всю базу, а не те объекты, которые помнит конкретный сотрудник. Это самый быстрый способ увидеть эффект: подбор — операция, которую в агентстве делают ежедневно, и её длительность легко замерить «до» и «после».

Важная деталь: качество подборки упирается не в модель, а в состояние каталога. Если цены и статусы в базе обновляются руками раз в неделю, агент будет быстро и уверенно предлагать проданное.

3. Ответы на площадках и в мессенджерах

Агент принимает первый контакт там, где он случается — в чате объявления, в мессенджере, в боте — и доводит человека до параметров и контакта. Ночь, выходные и пиковые часы после рекламы перестают быть чёрной дырой воронки.

Мы делали это для частного брокера: бот принимает трафик с Telegram Ads, ведёт по фильтрам «район — бюджет — метро» и отдаёт планировки в обмен на контакт, а заявка с историей просмотра падает брокеру в личку. Разбор — в кейсе «Александра Недвижимость».

4. Речевая аналитика звонков

Это единственный сценарий, который в отрасли уже стал стандартом, и по нему есть внешние цифры. По тому же исследованию AGM, речевую аналитику используют или внедряют около 80% компаний, анализируется до 100% коммуникаций с клиентами, а конверсия на этапе «встреча → бронь» растёт в среднем на 20–25%.

Механика простая: вместо выборочного прослушивания записей руководителем разбираются все разговоры, и контроль смещается с отдельного сотрудника на процесс продаж целиком.

5. Актуализация каталога и карточек объектов

Агент держит каталог живым: тянет изменения цен, статусов и наличия, обновляет карточки, сигналит об отклонениях. Это скучная работа, которую в большинстве агентств делает человек по остаточному принципу, — и именно поэтому на сайте висят проданные квартиры по прошлогодним ценам.

Здесь у нас самый показательный собственный результат: в платформе Next Estate каталог на 570 жилых комплексов и 60 000 квартир по Москве актуализируется автоматически. Ручными списками и выгрузками в Excel такой объём не держится в принципе.

6. Генерация описаний и маркетинговых материалов

Самый массовый сценарий и самый переоценённый. По данным AGM, генеративные модели для маркетинговых материалов используют более 90% девелоперов, затраты на производство контента падают на 70–95%, а подготовка ускоряется в 10–20 раз.

Оговорка из того же исследования важнее самих цифр: все респонденты сходятся, что полученный текст — полуфабрикат, требующий редактуры и проверки фактов человеком. Компании приходят к «банкам промптов», чтобы получать материал сразу в своём стиле. Если остановиться на этом сценарии, вы экономите минуты, а не перестраиваете экономику.

7. Отчётность и поиск аномалий

Агент собирает сводку из нескольких систем по расписанию и подсвечивает то, что выбилось: цену вне рынка, зависший срок экспозиции, провал по каналу. Сводка появляется в понедельник утром, а не к среде, и на неё не уходит день аналитика.

Слабое место — атрибуция. По выводам AGM, вклад маркетинговых каналов остаётся нерешённой задачей и с ИИ: он ускоряет сбор данных, но не создаёт данных, которых нет.

Как эти семь выглядят рядом

Таблица нужна для одного решения: с чего начать. Берите верхнюю строку, где вход у вас уже закрыт, а не ту, где эффект красивее.

Обратите внимание, что в колонке «что нужно на входе» ни разу не написано «нейросеть». Ни один из семи сценариев не упирается в модель — все упираются в данные и доступы.

Три места, где деньги сгорают

Здесь тоже есть общее: во всех трёх случаях ИИ ставят поверх процесса, которого не существует, или данных, которых нет. Технология тут ни при чём — она просто делает проблему заметнее.

Персонализация сайтов и лендингов. По исследованию AGM, это одно из двух направлений, где внедрение практически остановилось: компании ограничиваются экспериментами, которые редко выходят за рамки пилота. Причина не в моделях — на типовом сайте застройщика недостаточно поведенческих данных, чтобы персонализация отличалась от случайности.

Прогнозные модели и машинное обучение. Второе остановившееся направление. Прогноз спроса требует чистой истории за несколько лет; в отрасли, где часть сделок живёт в переписке и в голове менеджера, обучать модель не на чем.

Коммуникация в премиум-сегменте. Здесь отказ осознанный: по данным того же исследования, в премиуме технологии почти не используют в общении с клиентом, потому что они снижают воспринимаемую ценность продукта. Покупатель, которому продают персональный сервис за десятки миллионов, не должен разговаривать с роботом.

И общий диагноз, который стоит повесить над столом: до 80% неудачных внедрений связаны не с технологией, а с качеством данных, отсутствием формализованных процессов и нехваткой компетенций в команде. Попытка внедрить ИИ в неструктурированную систему усиливает существующие проблемы.

Отдельная строка расходов, о которой вспоминают последней, — персональные данные. С 30 мая 2025 года действует 420-ФЗ: утечка данных о тысяче и более человек — штраф 3–5 млн ₽, повторная утечка любой категории — оборотный штраф 1–3% годовой выручки, но не менее 20 млн ₽. Клиентская база агентства, выгруженная в чужой сервис «на попробовать», — это ровно тот сценарий, ради которого статью писали.

Пять вопросов, которые стоит задать себе до пилота

Проверка занимает полчаса и экономит бюджет пилота целиком. Если хотя бы на два вопроса ответ «нет» — сначала чинится процесс, потом ставится агент.

1. Задача повторяется каждый день? Разовая операция не окупит интеграцию, каким бы болезненным ни было воспоминание о ней.
2. Вы можете назвать текущее число? Сколько заявок, сколько минут, сколько процентов. Без замера «до» через месяц будет спор о вкусах, а не отчёт.
3. Данные лежат в цифре и обновляются? Каталог в Excel на почте у трёх сотрудников — это не база, это переписка.
4. Процесс описан хотя бы на страницу? Что происходит после заявки, кто и в какой момент подключается. Автоматизировать то, что каждый менеджер делает по-своему, нельзя — получится семь разных автоматизаций.
5. Понятно, что агенту делать нельзя? Скидка, перенос брони, обещание срока — решите заранее, где проходит граница между «делает сам» и «предлагает человеку».

Что мы сделали сами

Наше преимущество в этой теме не в том, что мы прочитали отчёты, а в том, что у нас есть обе половины задачи: продукт для недвижимости в проде и ИИ-агенты, которые работают в нашей собственной студии.

Next Estate — наша платформа для агентств недвижимости. 570 ЖК и 60 000 квартир по Москве, автоматическая актуализация базы, генерация страниц под каждый ЖК и тип планировки. Это тот самый пятый сценарий, доведённый до продукта. Как устроена платформа.

Тренд Недвижимость — топ-3 агентство Петербурга по данным TrendAgent: 15 лет на рынке, 105+ застройщиков-партнёров, 45+ банков. Мы внедрили Next Estate с каталогом 400+ ЖК, поиском по карте и ипотечным центром с расчётом платежа. Кейс целиком.

Goodwin Estate — агентство премиального сегмента: 56 ЖК бизнес- и премиум-класса, каталог с актуальными ценами и статусами строительства. Кейс — и заодно иллюстрация к третьему тупику: в премиуме мы автоматизируем каталог и подбор, но не общение с покупателем.

Своя команда агентов. В студии работают восемь ИИ-агентов: один координирует, остальные собирают данные, анализируют конкурентов, пишут тексты и проверяют результат. У каждого своя модель под свою задачу — это заметно дешевле, чем ставить дорогую модель везде. Эту же схему мы разворачиваем клиентам.

Порядок работы у нас один и тот же и для агентства, и для застройщика: разбор задачи, затем пилот на две недели — один агент на одну задачу, одна интеграция, замер «до/после» и отчёт. Дальше внедрение с интеграциями, правами доступа и приёмкой. На приёмке клиент получает четыре документа: карту доступов, границы (что агент делает сам, а что предлагает человеку), протокол ошибок и план отката — как выключить агента и вернуть процесс людям за один день.

Если задача не про агента, а про каталог, личный кабинет или интеграцию с базой застройщика — это разработка веб-сервисов, и считается она иначе.

Частые вопросы

Ниже — вопросы, которые нам задают на первом разговоре чаще остальных, с короткими ответами по существу.

С чего начинать агентству недвижимости?

С одной задачи, где вы можете назвать число: сколько заявок в день, сколько минут на подборку, сколько звонков не прослушано. Квалификация заявок и подбор объектов дают эффект быстрее всего, потому что происходят каждый день и легко замеряются.

Сколько стоит ИИ-агент для недвижимости?

Пилот — от 150 000 ₽ и две недели, внедрение под ключ — от 450 000 ₽ и от четырёх недель, сопровождение — от 25 000 ₽ в месяц. Разброс определяется количеством интеграций и состоянием ваших данных; точную цифру мы называем после разбора задачи, до начала работ.

Заменит ли ИИ риелтора?

Нет — решение по сделке и её сопровождение остаются за человеком. Из семи сценариев выше ни один не касается переговоров и ответственности: агент снимает рутину и расширяет охват риелтора, а не выходит вместо него на сделку.

Можно ли обойтись готовым сервисом вместо разработки?

Можно и часто нужно — если ваш процесс совпадает с тем, который заложен в сервисе. Разработка окупается там, где есть своя база, свои интеграции и свои правила: коробка не знает вашего каталога, а вы не отдадите ей права на изменение данных.

Безопасно ли передавать данные клиентов нейросети?

Только при описанном контуре: что именно уходит, куда, на какой срок и кто имеет доступ. С учётом оборотных штрафов по 420-ФЗ вопрос из технического стал финансовым, и на приёмке он закрывается картой доступов.

Сколько занимает первый результат?

Две недели до работающего пилота на одной задаче. Это не срок «внедрения ИИ в компании» — это срок, за который вы получаете замер и решаете, продолжать ли.

Что делать, если данные в беспорядке?

Начинать с них. Это и есть главный вывод исследования AGM: 80% неудач — про данные и процессы, а не про модели. Каталог, который не актуализируется, и CRM, куда менеджеры не вносят исход звонка, сломают любого агента, каким бы хорошим он ни был.

Что из этого следует

Самое дорогое решение в этой теме — не выбор модели и не выбор подрядчика, а выбор первой задачи. Цифры отрасли говорят об одном и том же с двух сторон: технология доступна всем (88% охвата), а результат получают единицы (5% внедрений), и разделяет их не бюджет, а готовность процесса, на который агента ставят. Поэтому вопрос «какой ИИ выбрать для недвижимости» почти всегда преждевременный. Правильный первый вопрос — какую из ваших ежедневных операций вы можете измерить сегодня, чтобы через две недели сравнить.