Os Erros e Acertos Invisíveis do Uso de Inteligência Artificial, da Construção à Compra de Imóveis (Entrevista)

* Entrevista para texto de autoria de Eduardo Vargas.

Com desafios que vão desde a transparência aos vieses algorítmicos, a tecnologia ganha cada vez mais espaço no atendimento hiperpersonalizado e na análise de crédito.

Apenas 1% dos clientes concluem a compra de um imóvel se a experiência for baseada exclusivamente em Inteligência Artificial, sem visitas físicas.

Com um uso bem menos óbvio do que os demais setores, a Inteligência Artificial (IA) permeia o mercado imobiliário, da incorporação às decisões de compra — das quais a segunda é justamente a parte que reúne o principal impacto.

Já se tem usado IA para melhorar tarefas rotineiras em empresas do ramo, para aprimorar realidade aumentada e visitas virtuais, no entanto, nos negócios de compra e venda (ou locação) as ferramentas de IA têm mostrado os números mais substanciais, positiva e negativamente.

O impacto, além disso, é bidirecional.

Assim como as companhias têm usado IA para melhorar processos e vender ou locar mais, os consumidores também têm usado os chatbots como conselheiros — o que pode dar muito certo ou muito errado.

Pré-mercado: Expectativa com a Prévia da Inflação de Julho Em junho, o corretor imobiliário Ryan Serhant, CEO e fundador da Serhant, declarou que um dos seus clientes quase desistiu de uma compra de uma cobertura de US$ 50 milhões (R$ 254 milhões) porque o ChatGPT havia dito que era cara demais. Como contragolpe, a imobiliária fez a mesma pergunta à IA, com o viés diferente (perguntando se a cobertura era muito barata, em vez de muito cara), e obteve outra resposta.

Em contrapartida, ferramentas bem desenhadas têm reduzido a fricção entre os compradores e locadores e eventualmente ampliado liquidez.

Felipe Buchbinder, Doutor em Administração pela FGV EBAPE e Mestre em Ciência de Dados pela Universidade de Duke, avalia que o setor imobiliário possui grande aplicabilidade de IA e pode ser um dos mais promissores, dependendo do modo que as ferramentas são usadas.

Além disso, frisa que o processo de compra não necessariamente será automatizado.

“Uma das estatísticas mais interessantes que eu vi sobre esse tema mostra que apenas 1% dos clientes compram imóvel se a única experiência que se tem é via Inteligência Artificial. Apenas 1% compra sem visitar o imóvel fisicamente”, diz, ressaltando que a figura do corretor de imóveis ainda é essencial.

O QuintoAndar, que já usa IA há anos, pisou no acelerador com o tema — e sustenta uma tese semelhante.

Investimentos bilionários Conforme noticiado pela Forbes , na segunda quinzena de junho, o QuintoAndar anunciou um Capex da ordem de R$ 2 bilhões direcionados à tecnologia e Inteligência Artificial .

O CEO, Gabriel Braga, frisou que a visão é de que os corretores devem continuar, e que a produtividade dos mesmos tende a subir com as novidades.

“Com a IA, o corretor já é dez vezes mais produtivo. Com um assistente virtual, no futuro, isso vai ainda mais além. Inteligência Artificial vai turbinar muito mais o corretor do que substituí-lo”, disse, à época do anúncio.

O executivo ainda defendeu que o retorno deverá ocasionar um aumento substancial de liquidez, com mais negócios sendo fechados.

“A Inteligência Artificial junta as peças do quebra-cabeça e faz o mercado girar mais rápido”, diz.

“Hoje 80% do nosso código já é feito com IA, a produtividade dos engenheiros está de 3 a 5 vezes maior, e a velocidade com que lançamos novas features e melhoramos os produtos acelerou e vai acelerar nos próximos tempos (…) não tenho muita dúvida sobre o retorno desse investimento.”

A empresa usa uma ferramenta chamada de Pagamento Garantido, que assegura ao proprietário o recebimento do aluguel em dia, mesmo que o inquilino atrase ou deixe de pagar, enquanto a empresa gerencia a cobrança.

Para isso, os modelos usam IA e big data para cruzar 85 milhões de dados na análise de crédito dos inquilinos.

Com dez anos de uso, a ferramenta atingiu neste mês de julho a cifra de R$ 788 milhões pagos a proprietários em aluguéis atrasados. Hoje, o benefício protege mais de 350 mil contratos ativos.

“Começamos a investir em modelos Machine Learning que aprendiam com dados do nosso próprio histórico, adotando técnicas avançadas de estatística para lidar com as transformações no perfil dos clientes e com a expansão da plataforma. De 2021 para cá, a precisão dos nossos modelos dobrou”, diz Emiliano Castro, Cientista de Dados Principal no QuintoAndar .

O grande case da Zillow Assim como outras tecnologias e ferramentas, a Inteligência Artificial também tem um track record mais extenso em solo americano — e por aqui replicamos e fazemos algo que já foi feito anteriormente.

No segmento imobiliário, um dos cases mais emblemáticos e relevantes é da Zillow , uma empresa que já viveu altos e baixos ao usar IA nas operações e hoje adota uma estrutura com times dedicados de cientistas aplicados, engenheiros de machine learning e líderes de produto reunidos em uma organização unificada de IA.

A companhia foi fundada em fevereiro de 2006 por ex-executivos da Microsoft e cofundadores da Expedia, em Seattle. A companhia, na prática, é uma empresa de marketplace de imóveis residenciais que conecta compradores, vendedores, locatários e financiadores.

A empresa é listada na Nasdaq desde meados de 2011 e tem valor de mercado de US$ 7,15 bilhões, tendo gerado mais de US$ 2,58 milhões em receita no ano passado.

Para evitar vieses discriminatórios no setor imobiliário, a gigante americana Zillow submete todos os seus novos produtos de Inteligência Artificial a um conselho dedicado de IA Ética antes do lançamento

A IA esteve presente nos negócios da companhia desde o início. Isso, dado que o uso de IA para empresas vem desde muito antes do advento dos chatbots — que por sua vez só chegaram às grandes massas em um passado recente.

O Zestimate foi a ferramenta lançada pela empresa já em 2006, e proporcionou aos consumidores obter uma estimativa instantânea e gratuita do valor de um imóvel pela primeira vez.

Nos anos seguintes, o modelo foi alimentado por registros de impostos, dados de cartórios e listagens de corretoras. A taxa de erro mediana caiu de 14% nos primeiros anos para cerca de 4,5% ao longo de uma década.

Mais de duas décadas depois, a empresa teve sua principal aposta em Inteligência Artificial, e também seu principal fracasso.

Em 2018, a empresa expandiu para o negócio de iBuying com o lançamento do Zillow Offers, usando algoritmos de machine learning para comprar e revender imóveis diretamente. Na prática, a Inteligência Artificial dava o veredito sobre uma transação.

A meta da empresa era de gerar US$ 20 bilhões em receita anual em três a cinco anos, apostando no Zestimate como vantagem competitiva no mercado de iBuying.

O modelo funcionava razoavelmente em mercados estáveis, mas colapsou quando o boom pandêmico do mercado imobiliário americano tornou as oscilações de preço imprevisíveis.

Em 2021, a Zillow dobrou as compras de imóveis do primeiro para o segundo trimestre, e dobrou novamente do segundo para o terceiro — e chegou a registrar uma perda líquida de US$ 28 mil por imóvel no segundo trimestre de 2021, mesmo em um mercado com valorização de dois dígitos, enquanto concorrentes como Opendoor e Offerpad registravam pequenos lucros.

Após prejuízos de US$ 421 milhões no negócio de iBuying apenas no terceiro trimestre de 2021, a empresa encerrou a operação.

“O Zillow Offers foi uma iniciativa criada para solucionar um problema real dos clientes e ajudou a esclarecer onde a Zillow gera mais valor para seus usuários. Há muito tempo utilizamos tecnologia — incluindo inteligência artificial — para apoiar compradores, vendedores e corretores, e esse continua sendo nosso foco”, diz Claire Carroll, porta-voz da Zillow, à Forbes.

Segundo a especialista, o principal aprendizado foi que a Zillow gera mais valor ao ajudar as pessoas a tomar decisões mais bem informadas durante toda a jornada imobiliária.

Após o colapso do Zillow Offers, a empresa redirecionou sua estratégia de IA para software e experiência do usuário. No mesmo ano, lançou o Neural Zestimate, substituindo cerca de mil algoritmos locais por um modelo unificado em deep learning que reduziu a margem de erro para 6,9% em imóveis fora do mercado e 1,9% em listagens ativas. Em 2022 e 2023, vieram o ShowingTime+ (plataforma integrada para corretores), o Zillow Showcase (listagens premium com plantas interativas e IA) e a aquisição do Follow Up Boss por US$ 400 milhões, CRM com IA para agentes imobiliários.

Em 2025, lançou o Zillow Pro, suíte unificada com automação de leads via “Smart Messages” e “AI Summaries”, e disponibilizou o ChatGPT para todos os funcionários — o que resultou na criação interna de mais de 4,6 mil agentes de IA via plataforma Glean.

Como fazer IA errar menos — e como IA pode aumentar liquidez Carroll, questionada sobre como a companhia garante que a Inteligência Artificial forneça orientações precisas e confiáveis, minimizando vieses, diz que a abordagem parte do princípio de que o mercado imobiliário é altamente regulado e baseado em confiança.

“Isso significa que uma Inteligência Artificial responsável não pode ser tratada apenas como uma camada de conformidade aplicada ao final do processo. Ela precisa ser incorporada ao produto desde sua concepção”, diz.

“Todos os produtos de Inteligência Artificial passam por diversas etapas de revisão antes de serem disponibilizados aos clientes, incluindo análises conduzidas por nossa equipe dedicada de IA Ética, orientada pelos princípios públicos de IA da Zillow: justiça, segurança e responsabilidade, transparência e inclusão”, adiciona.

Depois do lançamento, a companhia segue avaliando os resultados em aspectos como segurança, precisão, conformidade com a legislação de habitação justa (Fair Housing) e outros requisitos regulatórios.

Para reduzir vieses a empresa usa uma ferramenta de código aberto que recentemente foi aprimorada para identificar também qual tipo de viés pode estar presente. O sistema analisa tanto as perguntas feitas pelos usuários quanto as respostas geradas pela IA para evitar direcionamentos discriminatórios ou outros resultados inadequados.

Sobre o potencial gerado com IA, a visão da empresa é de um otimismo cauteloso.

A tese é de que a IA tem potencial significativo para aumentar a eficiência do mercado imobiliário ao reduzir os atritos existentes, e dado que o setor ainda é bastante fragmentado, com muitas etapas desconectadas, excesso de incertezas e inúmeros obstáculos.

No entanto, a gestão vê na IA um atalho para simplificar os processos e facilitar a compreensão dos diferentes cenários.

“Seríamos cautelosos, porém, ao afirmar que a IA, sozinha, resolve os problemas de liquidez do mercado imobiliário. As condições gerais do setor continuam dependendo de fatores como oferta de imóveis, acessibilidade e taxas de juros. Ainda assim, acreditamos que a IA pode tornar mais eficiente a conexão entre as pessoas, acelerar a transição entre interesse e ação e permitir que negociações que normalmente ficariam paralisadas avancem”, diz Carroll.

“Reduzimos custos em até 10%” Vinicius Bosi Nonato é ex-CEO do IGTI, faculdade adquirida pela XP Inc, e hoje toca a GetHome, que usa IA para sanar uma das principais dores do mercado: a disparidade entre as expectativas e o custo real de uma obra.

Na média, é usual que os donos de imóveis e terrenos tenham surpresas negativas na contabilidade dos gastos com uma construção ou reforma. A construtech propõe, então, aumentar a previsibilidade; na prática, o cliente consegue andar pela casa (virtualmente), escolher os itens e materiais que quer, e ver o preço dinâmico em tempo real, com base nos dados extraídos de marketplace.

Com foco na previsibilidade, a plataforma da GetHome permite que os clientes caminhem virtualmente pelas casas e escolham os materiais enquanto visualizam os preços dinâmicos em tempo real, baseados em dados de marketplace

“Se você pedir preço fechado para a incorporadora, muitas vezes ela vai dobrar o preço, vai precisar ter aquela gordura por tomar o risco, então precisávamos ter preços competitivos”, diz Nonato em entrevista à Forbes.

A companhia também compra o material e executa a obra, fornecendo mão de obra, comprando os produtos diretamente com o fornecedor.

O cliente, por sua vez, paga mensalmente conforme o andamento da obra, levando em consideração a curva de execução. Se a obra atrasar, o cliente não paga e sofre aumento de custos.

Para provar que a ferramenta era eficiente, a companhia seguiu a filosofia do skin in the game .

“O modelo [de IA] evoluiu à medida que fomos adicionando mais parâmetros. Tivemos que construir nosso histórico de dados. Conforme o tempo passa, o modelo aprende as variações. Há um ponto que compartilhamos com o cliente: a parcela mensal é corrigida pelo INCC. Isso é mais difícil para nós, porque o preço acaba aumentando. Se o modelo indicar que a correção será de 7% e eu fizer um ajuste, seria difícil justificar essa mudança, e queremos mostrar que existe economia”, conta o fundador da GetHome .

“Hoje, o cliente sabe que o valor das parcelas restantes da obra vai variar conforme o INCC. Eu sei disso, mas ele não sabia. Na IA, um dos grandes desafios é a transparência. Em um primeiro momento, o cliente olhava o orçamento e dizia que estava caro. Então abrimos completamente a planilha de custos, com todos os quantitativos. Não é um preço fechado e escondido: mostramos tudo, linha por linha, com todos os números da planilha”, conclui.

IA é sinônimo de hiperpersonalização Em solo mineiro, a Morada.ai cresceu usando IA para atender clientes e, hoje, defende a hiperpersonalização como vantagem competitiva.

Na prática, a companhia aposta que os ajustes de método proporcionados pelos modelos são suficientes para atar os nós soltos.

A empresa desenvolve agentes de IA e uma plataforma que automatiza e integra toda a jornada comercial de incorporadoras, atendendo gigantes como MRV, Direcional e várias outras.

“Em uma conversa com IA no WhatsApp, temos uma capacidade de adaptação que é bem grande. Descobrimos que uma certa faixa da população gosta mais de áudios, então colocamos a IA para além de compreender áudio recebido, também enviar áudio. Outra parte se relaciona melhor com vídeo, e então usamos IA para isso”, conta Ramon Azevedo, cofundador e CEO da startup.

O executivo conta que, nas mais de três milhões de conversas processadas e R$ 15 bilhões em Valor Geral de Vendas (VGV) movimentados via plataforma, estão desde o Minha Casa Minha Vida (MCMV) aos imóveis de luxo.

“Quando falamos do segmento econômico, ela [IA] apoia o cliente tirando dúvidas sobre o imóvel, financiamento, formas de pagamento e parcelamento. Nesse público, grande parte das dúvidas está relacionada à questão financeira”, conta.

“No médio e alto padrão, as funcionalidades ajudam a convencer o cliente de que aquele empreendimento é a melhor opção. O tipo de funcionalidade varia de acordo com o público-alvo. A tecnologia se adapta a esse perfil, ajusta a conversa e direciona o cliente para os recursos mais adequados, como, por exemplo, a simulação de financiamento”, completa.

Os grandes desafios (gerais e específicos) Felipe Buchbinder, da FGV-EBAPE, destaca que o uso de IA no setor imobiliário tem desafios próprios, mas obviamente está dentro do escopo dos desafios da IA como um todo.

“O risco de viés é algo bem documentado na literatura de redes neurais, acontece em saúde, em políticas públicas, urbanas, é um risco também para o setor imobiliário (…) A IA vai reproduzir o que viu na sociedade, com as coisas ruins e boas”, observa.

Além disso, frisa que a adaptação permanente é necessária — especialmente em um contexto de mercado, como é o caso do setor imobiliário, com panoramas cujas variáveis mudam constantemente e os preços são voláteis.

“É muito comum que você faz um modelo de IA e ele está funcionando muito bem, mas quando vai ao mercado ele vai piorando ao longo do tempo. Um dos motivos é que a realidade muda. A pior coisa que se pode fazer é criar um modelo de IA e deixar ele lá sozinho. Tem que ter alguém observando o modelo e controlando a qualidade das respostas.”

Por fim, destaca que o que separa os usos e ferramentas que deram certo das que deram errado se resume em boas práticas e uma abordagem que não seja açodada.

“Uma pesquisa do MIT mostra que 95% dos projetos de IA dão errado. Qual a diferença dos 5% que dão certo? Eles definiram processos, governança, capacitaram o pessoal antes de usar IA.”

Um olhar para o futuro A Zillow, que esteve na vanguarda do uso de IA no ramo, espera que a IA dê passos largos nos próximos anos, em um horizonte de curto a médio prazo.

Questionada sobre o tema, Carroll, da empresa americana, sinaliza que espera que a IA no setor imobiliário evolua além da assistência baseada em conversas para sistemas mais orientados e agênticos, capazes de ajudar as pessoas a agir ao longo de várias etapas da jornada imobiliária.

“Para os consumidores, isso significará experiências mais personalizadas e conversacionais, capazes de compreender o contexto ao longo do tempo, explicar melhor as vantagens e desvantagens de cada decisão e auxiliar em etapas práticas, como planejamento financeiro, comparação de imóveis, agendamento de visitas e preparação para conversas com profissionais do setor”, diz.

“Para os profissionais, os avanços mais relevantes no curto prazo devem ocorrer na automação de fluxos de trabalho e no suporte à tomada de decisões”, completa.

Como conclusão, defende que no setor imobiliário e em todos os demais, as empresas vencedoras “serão aquelas que fizerem mais do que simplesmente adicionar IA a um mecanismo de busca”.

“A próxima fase pertence às plataformas capazes de combinar dados especializados, fluxos completos de transação, mecanismos robustos de segurança e suporte humano confiável em uma única experiência integrada.”

Siga-me no LinkedIn!