[VS기획] 검색에서 예측으로… AI가 ‘부동산 가치평가’의 문법을 다시 쓰고 있다

Source: VentureSquare

• AI 기반 자동가치산정모델(AVM), 단순 시세 조회 넘어 금융·투자 인프라로 진화

• 애텀(ATTOM)·질로우(Zillow), 검색 플랫폼에서 데이터 운영체제 경쟁 돌입

• 국내도 알스퀘어 등 데이터 기반 프롭테크 중심 재편 가능성 확대

최근 인공지능(AI)이 금융과 제조, 의료 산업 전반을 재편하는 가운데 부동산 산업 역시 조용한 변화를 맞고 있다. 그동안 부동산 플랫폼의 경쟁력은 얼마나 많은 매물을 확보하고 얼마나 많은 이용자를 모았는지에 달려 있었다. 하지만 AI가 시장 분석과 가치평가 영역까지 침투하면서 경쟁의 기준도 달라지고 있다.

이제 중요한 것은 단순히 정보를 보여주는 능력이 아니다. 누가 더 오랫동안 데이터를 축적했고, 얼마나 정교하게 현실을 해석할 수 있는지, 그리고 그 데이터를 AI가 학습 가능한 구조로 만들었는지가 새로운 경쟁력으로 떠오르고 있다.

최근 미국 프롭테크 시장에서 나타나는 애텀(ATTOM)과 질로우(Zillow)의 변화는 이를 상징적으로 보여준다. 표면적으로는 AI 기술 도입 사례처럼 보이지만, 그 이면에서는 부동산 산업 전체가 ‘검색 플랫폼 중심 시장’에서 ‘AI 기반 데이터 인프라 시장’으로 이동하는 거대한 전환이 진행되고 있다.

최근 미국 프롭테크 시장에서 ATTOM과 Zillow가 보여주는 변화는 이를 상징적으로 드러낸다. 표면적으로는 각각 AI 기반 가치평가(AVM) 고도화와 AI 플랫폼 전략 이야기처럼 보이지만, 본질적으로 부동산 산업 전체가 ‘검색 중심 시장’에서 ‘AI 기반 데이터 인프라 시장’으로 전환 중이라는 신호다. (자료 출처: AI 생성 이미지)

“얼마에 거래됐나”에서 “왜 움직였나”로

부동산 가치평가의 핵심 도구인 자동가치산정모델(AVM·Automated Valuation Model)은 오랫동안 비교 사례 중심으로 작동해 왔다. 인근 지역에서 최근 거래된 유사 매물을 찾아 가격을 산정하는 방식이다. 거래가 활발한 시장에서는 높은 정확도를 보였지만 거래량이 급감하거나 시장 환경이 빠르게 변하는 시기에는 신뢰도가 크게 떨어지는 한계를 안고 있었다. 비교할 거래 사례 자체가 부족해지기 때문이다.

미국 부동산 데이터 기업 애텀은 최근 이러한 구조를 근본적으로 바꾸는 AI 기반 차세대 AVM을 공개했다. 핵심은 비교 사례를 더 많이 확보하는 것이 아니다. 30년 이상 축적된 거래 데이터와 세금, 등기, 모기지(Mortgage), 인구 구조, 입지 특성, 자연재해 위험, 지역 경제 데이터 등을 AI가 장기적으로 학습하도록 설계를 전환했다.

즉 “최근 얼마에 거래됐는가”를 계산하는 것이 아니라 “왜 특정 지역의 가격이 움직였는가”를 AI가 이해하도록 만든 것이다. 이는 부동산 가치평가가 거래 사례 중심 산업에서 패턴 분석 중심 산업으로 이동하고 있음을 의미한다.

조인혜 한국프롭테크포럼 처장은 “AI는 단순히 특정 자산의 가격만 계산하는 것이 아니다”라며 “금리 환경과 지역 수요 변화, 입지 특성, 과거 가격 흐름, 시장 심리까지 연결해 현재 가치를 추정하는 방향으로 진화하고 있다”고 설명했다.

애텀의 변화가 주목받는 이유는 단순히 평가 정확도가 높아졌기 때문만은 아니다. 금융기관과 투자사, 보험사 입장에서는 부동산 가치평가가 곧 리스크 관리의 출발점이 된다. 앞으로는 AI가 시장 변화와 위험 신호를 실시간으로 분석해 투자 판단과 대출 심사, 자산 운용 과정에 직접 활용될 가능성이 높다.

실제로 미국에서는 모기지 심사와 자산관리, 기관투자자의 포트폴리오 운용 과정에서 AI 기반 가치평가 활용도가 빠르게 확대되고 있다. 업계에서는 향후 AVM이 단순 시세 조회 서비스를 넘어 금융 의사결정 인프라 역할을 수행하게 될 것으로 보고 있다.

현재 애텀은 미국 내 약 1억6천만 건 이상의 부동산 데이터를 보유하고 있으며 미국 인구의 99%를 커버하는 데이터 인프라를 구축했다고 밝히고 있다. AI 시대의 경쟁력이 알고리즘 자체보다 데이터 축적 능력으로 이동하고 있다는 점을 보여주는 대표적 사례다.

미국 전역의 부동산(주택·상업) 데이터를 제공하는 애텀 데이터 솔루션즈(Attom Data Solutions) 기업 홈페이지 캡처

질로우의 진화…검색 플랫폼에서 거래 운영체제로

이 변화는 가치평가에만 머물지 않는다. 미국 최대 부동산 플랫폼 질로우 역시 AI를 앞세워 사업 모델 자체를 바꾸고 있다.

과거 질로우는 대표적인 부동산 검색 플랫폼이었다. 사용자가 매물을 찾고 시세를 확인하는 것이 주요 역할이었다. 하지만 최근 질로우가 내세우는 전략은 ‘하우징 슈퍼앱(Housing Super App)’이다. 집을 찾고, 대출을 비교하고, 중개인을 연결하고, 계약을 체결하는 전 과정을 하나의 플랫폼 안에서 처리하는 구조다. 검색 서비스에서 거래 운영체제(Operation System)로 진화하고 있는 셈이다.

이 과정에서 AI는 단순 추천 기능을 넘어 플랫폼 운영의 핵심 엔진 역할을 수행한다. 생성형 AI(Generative AI) 기반 검색과 추천, 가상 스테이징(Virtual Staging), 3D 투어(3D Tour), 고객 상담 자동화, 계약 프로세스 지원 등이 대표적이다.

특히 중개인의 업무 방식도 바꾸고 있다. 고객 응대와 리드 관리, 마케팅, 계약 준비 과정 일부를 AI가 수행하면서 생산성을 높이는 방향으로 발전하고 있다. 과거 질로우가 사용자가 집을 찾기 위해 방문하는 플랫폼이었다면, 지금의 질로우는 부동산 거래 과정 전체를 플랫폼 안으로 흡수하려는 전략을 추진하고 있다.

시장 상황은 이 전략의 의미를 더욱 선명하게 만든다. 미국 주택 시장은 고금리 영향으로 거래량 감소가 장기화되고 있다. 전통적인 플랫폼 기업이라면 실적 악화를 피하기 어려운 환경이다. 그럼에도 질로우는 2026년 1분기 매출 7억800만 달러를 기록하며 전년 대비 18% 성장했다. 시장은 이를 단순한 실적 개선보다 AI 기반 거래 연결 플랫폼 전략이 실제로 작동하기 시작했다는 신호로 해석하고 있다.

미국 질로우 그룹(Zillow Group, Inc.) 건물 전경 (사진 출처: 위키트리)

국내 시장도 결국 데이터 경쟁으로 간다

국내 시장 역시 이 흐름에서 자유롭지 않다. 아직 미국처럼 수십 년에 걸쳐 축적된 대규모 데이터 인프라가 형성된 단계는 아니다. 하지만 AI 시대에는 오히려 데이터의 양보다 품질과 검증 역량이 더 중요해질 가능성이 높다.

국내에서는 알스퀘어가 대표적인 사례로 꼽힌다. 알스퀘어는 상업용 부동산 시장에서 임대차와 거래, 빌딩, 테넌트, 운영 데이터를 장기간 축적하며 알스퀘어 애널리틱스(RA·RSQUARE Analytics)를 중심으로 데이터 분석 역량을 강화해 왔다. 단순 매물 정보 제공이 아니라 현장 조사와 실거래 데이터를 결합해 상업용 부동산 의사결정에 필요한 정보를 제공하는 구조다. 이는 AI 시대의 프롭테크 경쟁이 단순 플랫폼 경쟁이 아니라 데이터 검증 경쟁으로 이동하고 있음을 보여준다.

부동산은 금융상품처럼 숫자만으로 평가되지 않는다. 입지와 유동인구, 임차인 구성, 공실률, 건물 운영 효율, 상권 변화 등 비정형 데이터가 가치에 큰 영향을 미친다. 결국 AI 역시 현실을 얼마나 정확하게 학습할 수 있는지가 경쟁력이 된다.

업계에서는 앞으로 프롭테크 기업의 경쟁이 플랫폼 이용자 수보다 데이터 확보 능력과 검증 역량으로 이동할 가능성이 높다고 보고 있다. 그동안 국내 프롭테크 기업들이 매물 정보와 중개 연결 서비스에 집중해 왔다면 앞으로는 투자 판단과 입지 분석, 공실 예측, 자산 가치 분석까지 제공하는 데이터 기업으로 진화해야 한다는 분석도 나온다.

건물이 아니라 데이터를 짓는 시대

부동산 산업은 오랫동안 물리적 자산의 산업이었다. 좋은 입지와 좋은 건물을 확보하는 것이 곧 경쟁력이었고, 시장의 가치는 눈에 보이는 공간과 자산 규모로 설명됐다. 하지만 AI 시대가 열리면서 새로운 자산이 부상하고 있다. 바로 데이터다.

애텀이 가치평가 모델을 다시 설계하고, 질로우가 검색 플랫폼에서 거래 플랫폼으로 진화하는 이유도 결국 여기에 있다. 이제 부동산은 단순히 건물을 사고파는 산업이 아니라 건물을 둘러싼 수많은 데이터를 수집하고 분석하며, 이를 바탕으로 미래를 예측하는 산업으로 변화하고 있다.

박종열 건국대학교 미래지식교육원 교수는 “중요한 질문은 AI가 사람을 대체하느냐가 아니다”라며 “누가 더 깊고 오래된 데이터를 가지고 있으며, 그것을 현실과 연결해 해석할 수 있느냐가 핵심”이라고 말했다. 그는 이어 “부동산 산업의 미래 경쟁력은 건물 자체가 아니라 데이터를 얼마나 축적하고 활용하느냐에 달려 있다”며 “이제 부동산 산업은 물리적 공간 위가 아니라 데이터 위에서 다시 설계되고 있다”고 강조했다.

실제로 생성형 AI가 콘텐츠 산업의 문법을 바꿨듯, AI 기반 가치평가는 부동산 산업의 문법 자체를 바꾸고 있다. 앞으로 소비자는 단순히 매물을 검색하는 데 그치지 않고, AI가 분석한 가치와 위험, 수익성, 미래 성장 가능성까지 함께 검토하며 의사결정을 내리게 될 가능성이 높다.

그 과정에서 승자는 가장 많은 매물을 확보한 기업이 아닐 수도 있다. 오히려 가장 오랫동안 데이터를 축적해 왔고, 그 데이터를 현실과 연결해 시장의 흐름을 읽어낼 수 있는 기업이 새로운 주도권을 쥘 가능성이 크다.

결국 AI 시대의 부동산 경쟁은 누가 더 많은 건물을 보유했느냐의 싸움이 아니라, 누가 더 많은 현실을 데이터로 축적하고 이를 더 정확하게 해석할 수 있느냐의 경쟁으로 바뀌고 있다. 부동산의 미래는 더 이상 지도 위에서만 만들어지지 않는다. 지금 이 순간에도 데이터 안에서 새롭게 설계되고 있다.

[VS Special] From Search to Prediction… AI is Rewriting the Grammar of Real Estate Valuation

As artificial intelligence (AI) recently reshapes the entire financial, manufacturing, and healthcare industries, the real estate industry is also undergoing a quiet transformation. Previously, the competitiveness of real estate platforms depended on the number of properties they secured and the number of users they attracted. However, as AI penetrates the realms of market analysis and valuation, the standards of competition are shifting.

What is important now is not simply the ability to display information. Who has accumulated data over a longer period, how sophisticatedly they can interpret reality, and whether they have structured that data into a format suitable for AI learning are emerging as new competitive advantages.

The recent changes at ATTOM and Zillow in the U.S. proptech market symbolically illustrate this. On the surface, it appears to be a case of adopting AI technology, but behind the scenes, a massive transformation is underway in which the entire real estate industry is shifting from a ‘search platform-centric market’ to an ‘AI-based data infrastructure market.’

The recent changes demonstrated by ATTOM and Zillow in the U.S. proptech market symbolically illustrate this. On the surface, they appear to be stories of the advancement of AI-based AVM and AI platform strategies, respectively, but essentially, they signal that the entire real estate industry is transitioning from a ‘search-centric market’ to an ‘AI-based data infrastructure market.’ (Source: AI-generated image)

From “How much was it traded for” to “Why did it move?”

Automated Valuation Models (AVMs), a core tool for real estate valuation, have long operated based on comparable cases. This method calculates prices by identifying similar properties recently traded in nearby areas. While this approach demonstrated high accuracy in active markets, it faced limitations in that its reliability dropped significantly during periods of sharp decline in trading volume or rapid market changes. This is because the number of comparable transaction examples became scarce.

ATTOM, a U.S. real estate data company, recently unveiled a next-generation AI-based AVM that fundamentally changes this structure. The key is not to secure more comparison cases. Instead, the design has been shifted to allow the AI to learn over the long term from transaction data accumulated over 30 years, as well as data on taxes, registrations, mortgages, population structure, location characteristics, natural disaster risks, and local economies.

In other words, the AI is designed to understand “why prices in a specific area moved” rather than simply calculating “how much it was recently traded for.” This signifies that real estate valuation is shifting from a transaction-based industry to a pattern analysis-based industry.

Jo In-hye, Director of the Korea Proptech Forum, explained, “AI does not simply calculate the price of a specific asset,” adding, “It is evolving in a direction that estimates current value by connecting interest rate environments, changes in regional demand, location characteristics, past price trends, and market sentiment.”

The reason ATTOM’s changes are drawing attention is not simply because valuation accuracy has improved. For financial institutions, investment firms, and insurance companies, real estate valuation serves as the starting point for risk management. Moving forward, it is highly likely that AI will analyze market changes and risk signals in real time and be directly utilized in investment decisions, loan screening, and asset management processes.

In fact, in the United States, the use of AI-based valuation is rapidly expanding in mortgage underwriting, asset management, and portfolio management for institutional investors. The industry anticipates that in the future, AVMs will evolve beyond simple price lookup services to serve as infrastructure for financial decision-making.

ATTOM states that it currently holds over 160 million pieces of real estate data in the United States and has built a data infrastructure covering 99% of the U.S. population. This is a prime example demonstrating that competitiveness in the AI era is shifting from the algorithms themselves to the ability to accumulate data.

Screenshot of the website of Attom Data Solutions, a company that provides real estate (residential and commercial) data across the United States.

Zillow’s Evolution… From Search Platform to Trading Operating System

This change is not limited to valuation. Zillow, the largest real estate platform in the U.S., is also transforming its business model itself by leveraging AI.

In the past, Zillow was a leading real estate search platform. Its primary role was for users to find listings and check market prices. However, Zillow’s recent strategy is to become a “Housing Super App.” It is structured to handle the entire process—finding a home, comparing loans, connecting with real estate agents, and signing contracts—all within a single platform. In essence, it is evolving from a search service into a transaction operating system.

In this process, AI goes beyond simple recommendation functions to serve as the core engine of platform operations. Representative examples include Generative AI-based search and recommendation, virtual staging, 3D tours, customer consultation automation, and contract process support.

In particular, it is also changing the way real estate agents work. It is evolving in a direction that increases productivity by having AI handle customer interaction, lead management, marketing, and parts of the contract preparation process. While Zillow was once a platform users visited to look for homes, the current Zillow is pursuing a strategy to absorb the entire real estate transaction process into its platform.

Market conditions make the significance of this strategy even clearer. The U.S. housing market is experiencing a prolonged decline in transaction volume due to the impact of high interest rates. It is an environment where it is difficult for traditional platform companies to avoid deteriorating performance. Nevertheless, Zillow recorded revenue of $708 million in the first quarter of 2026, growing 18% year-over-year. The market interprets this not merely as a performance improvement, but as a signal that its AI-based transaction connection platform strategy has actually started to work.

Exterior view of the Zillow Group, Inc. building (Photo source: Wikitree)

The domestic market is also eventually heading toward data competition

The domestic market is not immune to this trend either. It has not yet reached the stage where a large-scale data infrastructure, accumulated over decades like in the United States, has been established. However, in the era of AI, it is highly likely that data quality and verification capabilities will become more important than the quantity of data.

In Korea, Rsquare is cited as a representative example. Rsquare has strengthened its data analysis capabilities centered on RSQUARE Analytics (RA) by accumulating data on leases, transactions, buildings, tenants, and operations in the commercial real estate market over a long period. Its structure goes beyond simply providing listing information to offering the data necessary for commercial real estate decision-making by combining on-site surveys with actual transaction data. This demonstrates that competition in the PropTech sector of the AI era is shifting from a simple platform battle to a competition for data verification.

Real estate is not evaluated solely by numbers like financial products. Unstructured data—such as location, foot traffic, tenant composition, vacancy rates, building operational efficiency, and changes in commercial areas—significantly influences its value. Ultimately, for AI as well, the ability to accurately learn reality becomes a key competitive advantage.

The industry anticipates that future competition among proptech companies is likely to shift from the number of platform users to their ability to acquire and verify data. Analysis suggests that while domestic proptech firms have previously focused on connecting property listings with brokerage services, they must evolve into data companies that provide services ranging from investment decisions and location analysis to vacancy prediction and asset valuation.

The era of building data, not buildings

The real estate industry has long been an industry of physical assets. Securing prime locations and high-quality buildings was synonymous with competitiveness, and market value was defined by visible space and asset size. However, with the advent of the AI era, a new asset is emerging: data.

This is ultimately why ATTOM is redesigning its valuation model and why Zillow is evolving from a search platform into a transaction platform. Real estate is no longer simply an industry of buying and selling buildings; it is transforming into one that collects and analyzes vast amounts of data surrounding buildings to predict the future.

Park Jong-yeol, a professor at Konkuk University’s Institute for Future Knowledge Education, stated, “The important question is not whether AI replaces humans,” adding, “The key is who possesses deeper and older data and can interpret it by connecting it to reality.” He further emphasized, “The future competitiveness of the real estate industry depends not on the buildings themselves, but on how much data is accumulated and utilized,” noting, “The real estate industry is now being redesigned on data, not on physical space.”

In fact, just as generative AI changed the grammar of the content industry, AI-based valuation is changing the very grammar of the real estate industry. In the future, consumers are highly likely to make decisions by not merely searching for listings, but by reviewing value, risk, profitability, and future growth potential analyzed by AI.

In that process, the winner may not be the company that secured the most assets. Rather, the company that has accumulated data for the longest time and can connect that data to reality to read market trends is highly likely to seize the new initiative.

Ultimately, competition in the real estate sector of the AI era is shifting from a battle over who owns more buildings to a competition over who can accumulate more reality as data and interpret it more accurately. The future of real estate is no longer built solely on maps; it is being newly designed within data even at this very moment.

[VS企画]検索から予測へ… AIが「不動産価値評価」の文法を書き換えている

最近、人工知能（AI）が金融と製造、医療産業全般を再編する中、不動産産業も静かな変化を迎えている。これまで不動産プラットフォームの競争力は、どれだけの売り物を確保し、どれだけの利用者を集めたかにかかっていた。しかし、AIが市場分析と価値評価領域まで浸透し、競争の基準も変わっている。

今重要なのは、単に情報を表示する能力ではありません。誰がより長い間データを蓄積し、どれほど精巧に現実を解釈できるのか、そしてそのデータをAIが学習可能な構造にしたのが新しい競争力で浮上している。

最近、米国のプロップテック市場で現れるアトム（ATTOM）とジロー（Zillow）の変化はこれを象徴的に示している。表面的にはAI技術導入事例のように見えるが、その裏面では不動産産業全体が「検索プラットフォーム中心市場」から「AIベースのデータインフラ市場」に移動する巨大な転換が進んでいる。

最近、アメリカのプロップテック市場でATTOMとZillowが示す変化は、これを象徴的に表している。表面的にはそれぞれAIベースの価値評価（AVM）高度化とAIプラットフォーム戦略の話のように見えるが、本質的に不動産産業全体が「検索中心市場」から「AIベースのデータインフラ市場」に転換中だという信号だ。 （資料ソース：AI生成画像）

「いくら取引されたのか」から「なぜ動いたのか」へ

不動産価値評価の核心ツールである自動価値算定モデル（AVM・Automated Valuation Model）は、長い間比較事例中心に働いてきた。近隣地域で最近取引された類似物を探して価格を算定する方式だ。取引が活発な市場では高い精度を示したが、取引量が急減したり、市場環境が急速に変化する時期には信頼度が大きく低下する限界を抱えていた。比較する取引事例自体が不足するからだ。

米国の不動産データ企業アトムは最近、このような構造を根本的に変えるAIベースの次世代AVMを公開した。核心は比較事例をより多く確保することではない。 30年以上蓄積された取引データと税金、登記、住宅ローン(Mortgage)、人口構造、立地特性、自然災害リスク、地域経済データなどをAIが長期的に学習するように設計を切り替えた。

つまり、「最近どのくらい取引されたのか」を計算するのではなく、「なぜ特定地域の価格が動いたのか」をAIが理解できるようにしたのだ。これは、不動産価値評価がトレードケース中心産業からパターン分析中心産業に移行していることを意味します。

チョ・インヘ韓国プロップテクフォーラム処長は「AIは単に特定資産の価格だけを計算するものではない」とし「金利環境と地域の需要変化、立地特性、過去の価格流れ、市場心理まで連結して現在価値を推定する方向に進化している」と説明した。

アトムの変化が注目される理由は、単に評価精度が高まったためだけではない。金融機関や投資会社、保険会社の立場では、不動産価値評価がまもなくリスク管理の出発点となる。今後はAIが市場変化とリスク信号をリアルタイムで分析し、投資判断や融資審査、資産運用過程に直接活用される可能性が高い。

実際、米国では住宅ローン審査と資産管理、機関投資家のポートフォリオ運用過程でAIベースの価値評価の活用度が急速に拡大している。業界では今後、AVMが単純相場照会サービスを超えて金融意思決定インフラの役割を遂行することになると見ている。

現在アトムは米国内約1億6千万件以上の不動産データを保有しており、米国人口の99%をカバーするデータインフラを構築したと明らかにしている。 AI時代の競争力がアルゴリズム自体よりもデータ蓄積能力に移行していることを示す代表的な事例だ。

米国全土の不動産（住宅・商業）データを提供するアトムデータソリューションズ（Attom Data Solutions）企業ホームページキャプチャ

ジローの進化…検索プラットフォームから取引オペレーティングシステムへ

この変化は価値評価にとどまらない。米国最大の不動産プラットフォームジローもAIを前面に出して事業モデル自体を変えている。

過去のジローは代表的な不動産検索プラットフォームだった。ユーザーが売り物を見つけて相場を確認することが主な役割でした。だが最近ジローが掲げる戦略は「ハウジングスーパーアプリ(Housing Super App)」だ。家を探し、ローンを比較し、ブローカーを連結し、契約を締結する全過程を一つのプラットフォーム内で処理する仕組みだ。検索サービスから取引オペレーティングシステム（Operation System）に進化しているわけだ。

この過程で、AIは単純推薦機能を超えてプラットフォーム運営のコアエンジンとして機能します。生成型AI（Generative AI）ベースの検索と推薦、仮想ステージング（Virtual Staging）、3Dツアー（3D Tour）、顧客相談自動化、契約プロセス支援などが代表的だ。

特にブローカーの業務方式も変えている。顧客応対とリード管理、マーケティング、契約準備過程の一部をAIが遂行しながら生産性を高める方向に発展している。過去のジローがユーザーが家を探すために訪れるプラットフォームだった場合、今のジローは不動産取引過程全体をプラットフォームに吸収する戦略を推進している。

市場状況はこの戦略の意味をより鮮明にします。米国住宅市場は高金利の影響で取引量の減少が長期化している。伝統的なプラットフォーム企業なら、業績悪化を避けにくい環境だ。それでもジローは2026年第1四半期の売上高7億800万ドルを記録し、前年比18％成長した。市場は、これを単なる実績改善よりもAIベースの取引連結プラットフォーム戦略が実際に動作し始めたというシグナルと解釈している。

アメリカ・ジロー・グループ（Zillow Group, Inc.）の建物の全景（写真ソース：ウィキツリー）

国内市場も結局データ競争に行く

国内市場もこの流れでは自由ではない。まだ米国のように、数十年にわたって蓄積された大規模なデータインフラストラクチャが形成された段階ではありません。しかし、AI時代にはむしろデータ量よりも品質と検証能力がより重要になる可能性が高い。

国内ではアルスクエアが代表的な事例に挙げられる。アルスクエアは商業用不動産市場で賃貸借と取引、ビル、テナント、運営データを長期間蓄積し、アルスクエア・アナリティクス（RA・RSQUARE Analytics）を中心にデータ分析能力を強化してきた。単純な物件情報提供ではなく、現場調査と実取引データを組み合わせて商業用不動産意思決定に必要な情報を提供する仕組みだ。これは、AI時代のプロップテック競争が単純プラットフォーム競争ではなくデータ検証競争に移行していることを示している。

不動産は金融商品のように数字だけでは評価されない。立地と流動人口、賃借人構成、空室率、建物運営効率、商圏変化など非定型データが価値に大きな影響を及ぼす。結局、AIも現実をどれだけ正確に学習できるかが競争力になる。

業界では今後、プロプテック企業の競争がプラットフォーム利用者数よりもデータ確保能力と検証能力に移動する可能性が高いと見ている。これまで国内プロプテック企業が売り物情報と仲介連結サービスに集中してきたならば、今後は投資判断と立地分析、空室予測、資産価値分析まで提供するデータ企業に進化しなければならないという分析も出ている。

建物ではなくデータを構築する時代

不動産産業は長い間、物理資産の産業であった。良い立地と良い建物を確保することがまもなく競争力であり、市場の価値は目に見える空間と資産規模で説明された。しかし、AI時代が開かれ、新たな資産が浮上している。まさにデータだ。

アトムが価値評価モデルを再設計し、ジローが検索プラットフォームから取引プラットフォームに進化する理由も結局ここにある。今、不動産は、単に建物を事故する産業ではなく、建物を取り巻く数多くのデータを収集して分析し、これをもとに未来を予測する産業に変化している。

パク・ジョンヨル建国大学未来知識教育院教授は「重要な質問はAIが人に代わるものではない」とし「誰がより深く古いデータを持っており、それを現実と連結して解釈できるかが核心」と話した。彼は引き続き「不動産産業の未来競争力は建物自体ではなく、データをどれだけ蓄積して活用するかにかかっている」とし「今不動産産業は物理空間の上ではなくデータの上で再設計されている」と強調した。

実際に生成型AIがコンテンツ産業の文法を変えたように、AIベースの価値評価は不動産産業の文法自体を変えている。今後、消費者は単に物件を検索するのにとどまらず、AIが分析した価値とリスク、収益性、未来成長の可能性まで一緒に検討して意思決定を下す可能性が高い。

その過程で勝者は最も多くの売り物を確保した企業ではないかもしれない。むしろ最も長い間データを蓄積してきたし、そのデータを現実と連結して市場の流れを読み取ることができる企業が新しい主導権を握る可能性が大きい。

結局、AI時代の不動産競争は誰がより多くの建物を保有したのかの戦いではなく、誰がより多くの現実をデータとして蓄積し、これをより正確に解釈できるかという競争に変わっている。不動産の未来はもはや地図の上でだけ作られない。今この瞬間にもデータの中で新たに設計されている。

【VS特辑】从搜索到预测……人工智能正在改写房地产估值的语法

随着人工智能（AI）近期重塑金融、制造和医疗保健等行业，房地产行业也在悄然经历一场变革。过去，房地产平台的竞争力主要取决于其房源数量和用户规模。然而，随着人工智能渗透到市场分析和估值领域，竞争格局正在发生转变。

现在重要的不仅仅是展示信息的能力。谁积累了更长时间的数据，他们能以多高的能力解读现实，以及他们是否将这些数据构建成适合人工智能学习的格式，这些都正在成为新的竞争优势。

美国房地产科技市场ATTOM和Zillow近期的变化就象征性地说明了这一点。表面上看，这似乎是人工智能技术应用的一个例子，但实际上，一场巨大的变革正在悄然发生，整个房地产行业正从“以搜索平台为中心的市场”转向“基于人工智能的数据基础设施市场”。

美国房地产科技市场中ATTOM和Zillow近期的变化，象征性地印证了这一点。表面上看，它们分别展现了基于人工智能的自动估值模型（AVM）和人工智能平台战略的进步，但本质上，它们标志着整个房地产行业正在从“以搜索为中心的市场”向“以人工智能为基础的数据基础设施市场”转型。（来源：人工智能生成的图像）

从“它的交易价格是多少？”到“它为什么会发生变动？”

自动估值模型（AVM）是房地产估值的核心工具，长期以来一直基于可比案例进行运作。这种方法通过识别附近地区近期交易的类似房产来计算价格。虽然这种方法在活跃市场中展现出较高的准确性，但在交易量急剧下降或市场快速变化时期，其可靠性会显著降低，因为可比交易案例的数量会变得稀少。

美国房地产数据公司Atom近期发布了新一代基于人工智能的自动估值模型（AVM），从根本上改变了现有模型的结构。其关键并非在于获取更多对比案例，而是通过重新设计，使人工智能能够从过去30年积累的交易数据以及税收、登记、抵押贷款、人口结构、地理位置特征、自然灾害风险和当地经济等数据中进行长期学习。

换句话说，人工智能旨在理解“特定区域价格变动的原因”，而不仅仅是计算“最近的交易价格”。这标志着房地产估值行业正在从基于交易的行业向基于模式分析的行业转变。

韩国房地产科技论坛主任赵仁惠解释说：“人工智能不仅仅是计算特定资产的价格，”她补充道，“它正在朝着通过连接利率环境、区域需求变化、位置特征、过去的价格趋势和市场情绪来估算当前价值的方向发展。”

Atom的转型之所以引人注目，不仅仅是因为其估值准确率有所提高。对于金融机构、投资公司和保险公司而言，房地产估值是风险管理的起点。展望未来，人工智能极有可能实时分析市场变化和风险信号，并直接应用于投资决策、贷款筛选和资产管理流程。

事实上，在美国，基于人工智能的估值技术在抵押贷款承销、资产管理和机构投资者的投资组合管理等领域正迅速普及。业内人士预计，未来自动估值模型（AVM）将不再局限于简单的价格查询服务，而是会成为金融决策的基础设施。

Atom公司声称，其目前在美国拥有超过1.6亿条房地产数据，并已构建覆盖美国99%人口的数据基础设施。这充分表明，在人工智能时代，竞争的关键正从算法本身转向数据积累能力。

这是 Attom Data Solutions 网站的截图，该公司提供全美范围内的房地产（住宅和商业）数据。

Zillow 的演变……从搜索平台到交易操作系统

这种变化不仅限于估值。作为美国最大的房地产平台，Zillow 也在利用人工智能技术转型其商业模式。

过去，Zillow 曾是领先的房地产搜索平台，其主要功能是帮助用户查找房源和查询市场价格。然而，Zillow 近期的战略是转型为“住房超级应用”。它旨在处理整个购房流程——从寻找房源、比较贷款、联系房地产经纪人到签署合同——所有操作都可以在一个平台上完成。本质上，它正在从一个搜索服务平台演变为一个交易操作系统。

在此过程中，人工智能不再局限于简单的推荐功能，而是成为平台运营的核心引擎。典型应用包括基于生成式人工智能的搜索和推荐、虚拟样板间搭建、3D全景导览、客户咨询自动化以及合同流程支持。

尤其值得一提的是，它也在改变房地产经纪人的工作方式。它正朝着提高效率的方向发展，利用人工智能处理客户互动、线索管理、市场营销以及部分合同准备流程。Zillow 最初只是一个供用户查找房源的平台，而如今的 Zillow 正在推行一项战略，旨在将整个房地产交易流程整合到其平台中。

市场环境更加凸显了这一战略的重要性。受高利率影响，美国房地产市场交易量持续下滑。在这种环境下，传统平台公司很难避免业绩下滑。然而，Zillow在2026年第一季度实现了7.08亿美元的营收，同比增长18%。市场不仅将此解读为业绩的提升，更将其视为其基于人工智能的交易连接平台战略已开始奏效的信号。

Zillow集团大楼外观（图片来源：Wikitree）

国内市场最终也将走向数据竞争。

国内市场也未能幸免于这一趋势。它尚未像美国那样，建立起历经数十年积累的大规模数据基础设施。然而，在人工智能时代，数据质量和验证能力很可能比数据量更为重要。

在韩国，Rsquare被视为一个典型案例。Rsquare通过长期积累商业地产市场的租赁、交易、楼宇、租户和运营数据，不断强化其以RSQUARE Analytics (RA)为核心的数据分析能力。其架构不再局限于提供房源信息，而是将现场调研与实际交易数据相结合，为商业地产决策提供必要的数据支持。这表明，人工智能时代房地产科技领域的竞争格局正在从简单的平台之争转向数据验证之争。

房地产的价值评估并非像金融产品那样仅以数字衡量。诸如地理位置、人流量、租户构成、空置率、建筑运营效率以及商业区变化等非结构化数据，都会显著影响其价值。最终，对于人工智能而言，准确学习现实的能力也将成为一项关键的竞争优势。

业内人士预计，未来房地产科技公司之间的竞争焦点可能从平台用户数量转向数据获取和验证能力。分析表明，尽管国内房地产科技公司此前主要专注于将房源信息与经纪服务对接，但它们必须转型为数据公司，提供从投资决策、选址分析到空置预测和资产估值等一系列服务。

现在是构建数据的时代，而不是构建建筑物的时代。

房地产行业长期以来都是一个以实物资产为主的行业。占据黄金地段和拥有高品质建筑是竞争优势的代名词，市场价值也由可见的空间和资产规模来衡量。然而，随着人工智能时代的到来，一种新的资产正在崛起：数据。

这正是Atom重新设计其估值模型以及Zillow从搜索平台转型为交易平台的根本原因。房地产不再仅仅是买卖建筑物的行业；它正在转型为一个收集和分析海量建筑物相关数据以预测未来的行业。

建国大学未来知识教育研究所教授朴钟烈表示：“重要的问题不在于人工智能是否会取代人类，”他补充道，“关键在于谁拥有更深层次、更古老的数据，并能将其与现实联系起来进行解读。”他进一步强调：“房地产行业的未来竞争力不在于建筑物本身，而在于积累和利用了多少数据，”并指出，“房地产行业正在基于数据而非物理空间进行重塑。”

事实上，正如生成式人工智能改变了内容行业的运作模式一样，基于人工智能的估值正在改变房地产行业的运作模式。未来，消费者很可能不再仅仅通过搜索房源信息来做决定，而是会参考人工智能分析出的价值、风险、盈利能力和未来增长潜力。

在这个过程中，最终的赢家可能并非拥有最多资产的公司，而是那些积累数据时间最长，并且能够将这些数据与现实联系起来，从而解读市场趋势的公司，更有可能抢占先机。

最终，人工智能时代房地产行业的竞争格局正在发生转变，从争夺更多房产的较量，转变为争夺更多数据积累和解读能力的较量。房地产的未来不再仅仅建立在地图之上，而是在数据驱动下进行全新设计，而这种设计此刻就已开始。

[VS Spécial] De la recherche à la prédiction… L’IA réinvente le langage de l’évaluation immobilière

Alors que l’intelligence artificielle (IA) remodèle en profondeur les secteurs de la finance, de l’industrie et de la santé, l’immobilier connaît lui aussi une transformation discrète. Auparavant, la compétitivité des plateformes immobilières reposait sur le nombre de biens proposés et d’utilisateurs. Cependant, avec l’intégration de l’IA dans l’analyse et l’évaluation des marchés, les critères de concurrence évoluent.

Ce qui importe désormais, ce n’est plus seulement la capacité à afficher des informations. Ce qui émerge comme de nouveaux avantages concurrentiels, c’est la capacité à accumuler des données sur une longue période, à interpréter la réalité avec finesse et à structurer ces données dans un format adapté à l’apprentissage par l’IA.

Les récents changements survenus chez ATTOM et Zillow sur le marché américain de la proptech en sont une illustration symbolique. En apparence, il s’agit d’un exemple d’adoption de l’intelligence artificielle, mais en coulisses, une transformation massive est en cours, au cours de laquelle l’ensemble du secteur immobilier passe d’un « marché centré sur les plateformes de recherche » à un « marché d’infrastructures de données basées sur l’IA ».

Les récents changements opérés par ATTOM et Zillow sur le marché américain de la proptech en sont une illustration symbolique. De prime abord, ils semblent témoigner du développement respectif des stratégies de gestion automatisée des annonces (AVM) et de plateformes d’IA, mais ils signalent en réalité que l’ensemble du secteur immobilier est en pleine transition, passant d’un marché axé sur la recherche à un marché reposant sur une infrastructure de données basée sur l’IA. (Source : image générée par IA)

De « À quel prix a-t-il été échangé ? » à « Pourquoi a-t-il été échangé ? »

Les modèles d’évaluation automatisée (MEA), outil essentiel de l’évaluation immobilière, fonctionnent depuis longtemps sur la base de cas comparables. Cette méthode calcule les prix en identifiant des biens similaires récemment vendus dans les environs. Bien que cette approche ait démontré une grande précision sur les marchés actifs, sa fiabilité a considérablement diminué lors de périodes de forte baisse du volume des transactions ou de fluctuations rapides du marché, en raison de la raréfaction des exemples de transactions comparables.

Atom, une société américaine spécialisée dans les données immobilières, a récemment dévoilé un système d’évaluation automatisée (AVM) de nouvelle génération basé sur l’intelligence artificielle, qui révolutionne ce secteur. L’enjeu n’est pas d’accroître le nombre de cas de comparaison, mais plutôt de permettre à l’IA d’apprendre sur le long terme à partir de données transactionnelles accumulées sur plus de 30 ans, ainsi que de données relatives aux taxes, aux enregistrements, aux hypothèques, à la structure démographique, aux caractéristiques des emplacements, aux risques de catastrophes naturelles et aux économies locales.

Autrement dit, l’IA est conçue pour comprendre « pourquoi les prix ont fluctué dans une zone spécifique » plutôt que de simplement calculer « combien cela a été récemment négocié ». Cela signifie que l’évaluation immobilière passe d’un secteur basé sur les transactions à un secteur basé sur l’analyse des tendances.

Jo In-hye, directrice du Korea Proptech Forum, a expliqué : « L’IA ne se contente pas de calculer le prix d’un actif spécifique », ajoutant : « Elle évolue dans une direction qui estime la valeur actuelle en reliant les environnements de taux d’intérêt, les variations de la demande régionale, les caractéristiques de localisation, les tendances passées des prix et le sentiment du marché. »

Si la transformation d’Atom suscite autant d’intérêt, ce n’est pas uniquement grâce à l’amélioration de la précision de ses évaluations. Pour les institutions financières, les sociétés d’investissement et les compagnies d’assurance, l’évaluation immobilière constitue le point de départ de la gestion des risques. À l’avenir, il est fort probable que l’IA analysera en temps réel les fluctuations du marché et les signaux de risque, et sera directement utilisée dans les décisions d’investissement, la sélection des prêts et la gestion d’actifs.

Aux États-Unis, l’utilisation de l’évaluation basée sur l’IA se développe rapidement dans l’octroi de prêts hypothécaires, la gestion d’actifs et la gestion de portefeuille pour les investisseurs institutionnels. Le secteur prévoit qu’à l’avenir, les modèles d’évaluation automatisée (AVM) évolueront au-delà de simples services de consultation de prix pour devenir une infrastructure essentielle à la prise de décision financière.

Atom affirme détenir actuellement plus de 160 millions de données immobilières aux États-Unis et avoir mis en place une infrastructure de données couvrant 99 % de la population américaine. Cet exemple illustre parfaitement le fait que, dans le contexte de l’intelligence artificielle, la compétitivité ne repose plus sur les algorithmes eux-mêmes, mais sur la capacité à accumuler des données.

Capture d’écran du site web d’Attom Data Solutions, une société qui fournit des données immobilières (résidentielles et commerciales) à travers les États-Unis.

L’évolution de Zillow… De plateforme de recherche à système d’exploitation de trading

Ce changement ne se limite pas à l’évaluation. Zillow, la plus grande plateforme immobilière des États-Unis, transforme également son modèle économique en tirant parti de l’intelligence artificielle.

Auparavant, Zillow était une plateforme de recherche immobilière de premier plan. Son rôle principal était de permettre aux utilisateurs de trouver des annonces et de consulter les prix du marché. Cependant, la stratégie récente de Zillow est de devenir une « super application immobilière ». Elle est conçue pour gérer l’intégralité du processus : recherche d’un logement, comparaison des prêts, prise de contact avec des agents immobiliers et signature des contrats, le tout sur une seule et même plateforme. En résumé, elle évolue d’un service de recherche vers un système opérationnel de gestion des transactions.

Dans ce processus, l’IA dépasse le simple rôle de recommandation pour devenir le moteur central des opérations de la plateforme. Parmi les exemples représentatifs, citons la recherche et la recommandation basées sur l’IA générative, la mise en scène virtuelle, les visites 3D, l’automatisation des consultations clients et l’assistance à la gestion des contrats.

Plus particulièrement, cela transforme le travail des agents immobiliers. L’entreprise évolue vers une productivité accrue grâce à l’intelligence artificielle qui gère les interactions clients, la gestion des prospects, le marketing et certaines étapes de la préparation des contrats. Alors que Zillow était autrefois une plateforme de recherche de logements, elle poursuit aujourd’hui une stratégie visant à intégrer l’intégralité du processus de transaction immobilière à sa plateforme.

Les conditions du marché rendent cette stratégie encore plus évidente. Le marché immobilier américain connaît un déclin prolongé du volume des transactions en raison de l’impact des taux d’intérêt élevés. Dans ce contexte, il est difficile pour les plateformes traditionnelles d’éviter une dégradation de leurs performances. Pourtant, Zillow a enregistré un chiffre d’affaires de 708 millions de dollars au premier trimestre 2026, soit une croissance de 18 % sur un an. Le marché interprète cela non seulement comme une amélioration des performances, mais aussi comme le signe que sa stratégie de plateforme de mise en relation des transactions basée sur l’IA commence réellement à porter ses fruits.

Vue du bâtiment de Zillow Group, Inc. (Crédit photo : Wikitree)

Le marché intérieur s’oriente lui aussi à terme vers une concurrence sur les données.

Le marché intérieur n’échappe pas non plus à cette tendance. Il n’a pas encore atteint le stade où une infrastructure de données à grande échelle, accumulée sur plusieurs décennies comme aux États-Unis, est en place. Cependant, à l’ère de l’IA, il est fort probable que la qualité des données et les capacités de vérification deviendront plus importantes que leur quantité.

En Corée, Rsquare est cité comme exemple représentatif. Rsquare a renforcé ses capacités d’analyse de données grâce à RSQUARE Analytics (RA), en accumulant sur le long terme des données relatives aux baux, transactions, immeubles, locataires et opérations du marché de l’immobilier commercial. Sa structure va au-delà de la simple fourniture d’informations sur les biens à vendre : elle propose les données nécessaires à la prise de décision en immobilier commercial en combinant des enquêtes sur site avec des données transactionnelles réelles. Ceci démontre que la concurrence dans le secteur PropTech, à l’ère de l’IA, évolue d’une simple bataille de plateformes vers une compétition axée sur la vérification des données.

L’immobilier ne s’évalue pas uniquement par des chiffres, comme les produits financiers. Des données non structurées – telles que la localisation, la fréquentation, la composition des locataires, les taux de vacance, l’efficacité opérationnelle du bâtiment et l’évolution des zones commerciales – influencent considérablement sa valeur. À terme, pour l’IA également, la capacité à appréhender la réalité avec précision devient un atout concurrentiel majeur.

Le secteur anticipe que la concurrence future entre les entreprises de proptech se déplacera probablement du nombre d’utilisateurs de la plateforme vers leur capacité à acquérir et à vérifier des données. L’analyse suggère que si les entreprises proptech nationales se sont jusqu’à présent concentrées sur la mise en relation des annonces immobilières avec les services de courtage, elles doivent évoluer vers un modèle d’entreprise de données offrant des services allant de l’aide à la décision en matière d’investissement et d’analyse de localisation à la prévision des logements vacants et à l’évaluation des actifs.

L’ère des données du bâtiment, et non des bâtiments

L’immobilier a longtemps été un secteur axé sur les actifs physiques. L’acquisition d’emplacements de choix et de bâtiments de grande qualité était synonyme de compétitivité, et la valeur marchande était définie par la surface visible et la taille du bien. Cependant, avec l’avènement de l’intelligence artificielle, un nouvel atout émerge : les données.

C’est pourquoi Atom repense son modèle d’évaluation et pourquoi Zillow évolue d’une plateforme de recherche vers une plateforme transactionnelle. L’immobilier n’est plus seulement un secteur d’achat et de vente de bâtiments ; il se transforme en un secteur qui collecte et analyse d’immenses quantités de données sur les bâtiments afin d’en prédire l’avenir.

Park Jong-yeol, professeur à l’Institut pour l’éducation aux connaissances futures de l’Université Konkuk, a déclaré : « La question essentielle n’est pas de savoir si l’IA remplace les humains. » Il a ajouté : « L’enjeu est de savoir qui possède des données plus complètes et plus anciennes et qui peut les interpréter en les reliant à la réalité. » Il a également souligné : « La compétitivité future du secteur immobilier ne dépend pas des bâtiments eux-mêmes, mais de la quantité de données accumulées et exploitées. » Il a précisé : « Le secteur immobilier se redéfinit aujourd’hui autour des données, et non plus autour de l’espace physique. »

En effet, tout comme l’IA générative a bouleversé les codes de l’industrie du contenu, l’évaluation basée sur l’IA est en train de transformer en profondeur ceux du secteur immobilier. À l’avenir, les consommateurs prendront vraisemblablement leurs décisions non seulement en consultant des annonces, mais aussi en analysant la valeur, les risques, la rentabilité et le potentiel de croissance future grâce à l’IA.

Dans ce processus, l’entreprise qui remportera le plus d’actifs ne sera peut-être pas celle qui en aura acquis le plus. En réalité, celle qui aura accumulé des données sur la plus longue période et qui saura les relier à la réalité pour en déduire les tendances du marché aura de fortes chances de prendre l’ascendant.

À terme, la concurrence dans le secteur immobilier à l’ère de l’IA évolue : il ne s’agit plus de posséder le plus d’immeubles, mais de collecter un maximum de données et de les interpréter avec précision. L’avenir de l’immobilier ne repose plus uniquement sur des cartes ; il se dessine déjà à partir des données.