ИИ в риелторском бизнесе: что внедрять, сколько это стоит и что говорит закон

Разговоры об ИИ в риелторском бизнесе быстро скатываются в одну из двух крайностей: либо «роботы заменят агентов», либо «это всё хайп, у нас и так всё работает через WhatsApp и таблицу Excel». Реальность — посередине и куда скучнее: несколько конкретных задач, где модель объективно быстрее и дешевле человека, встроенные в процесс, которым всё равно управляет человек — потому что сделка с недвижимостью держится на доверии, документах и деньгах, а не только на тексте. Дальше по пунктам: какие виды ИИ уже реально работают в нише, в какой момент их стоит подключать, сколько это стоит и что говорит закон в РФ.

Какой ИИ уже реально работает в недвижимости

• Генеративные языковые модели (LLM). Чат-боты первого касания, генерация и переписывание описаний объектов, ответы на типовые вопросы в мессенджере, черновики договоров и коммерческих предложений — черновики, не итоговый документ.
• Компьютерное зрение. Сортировка и ранжирование фото объекта, выявление тёмных, размытых и дублирующихся кадров, virtual staging — виртуальная меблировка пустой квартиры на фото, оценка состояния ремонта по снимку.
• Речевые технологии (ASR + NLP). Транскрибация звонков колл-центра и агентов, автоматическая разметка разговора по сценарию (выяснен ли бюджет, подтверждён ли район), контроль соблюдения скрипта.
• Модели автоматической оценки (AVM). Прогноз цены объекта по признакам — район, площадь, этаж, состояние, сопоставимые сделки, — используется как подсказка агенту, а не как публичная цена.
• Рекомендательные системы и матчинг. Подбор объектов под запрос покупателя по смысловому сходству описания, а не по жёстким фильтрам.
• Агентные workflow. Связка из нескольких моделей и правил, которая ведёт лид по воронке — квалификация, бронирование показа, напоминание, передача менеджеру — как фоновый процесс в CRM, а не чат-окно.

Чем риелторская работа отличается от типового внедрения ИИ

• Высокая цена ошибки доверия. Сделка стоит месяцы дохода клиента, и ошибка бота обходится дороже, чем такая же ошибка в интернет-магазине.
• Источники данных разрознены. Авито, Циан, Domclick, звонки, WhatsApp, Telegram, бумажные документы — редко единая CRM с самого начала, поэтому первый этап почти любого внедрения — наведение порядка в данных, а не сама модель.
• Сезонность и пиковая нагрузка. Всплески в выходные и после снижения ставки — именно тогда бот закрывает разрыв, когда люди спят или не справляются с потоком.
• Много чувствительных персональных данных на входе. Паспортные данные, договор ипотеки, выписка из ЕГРН — юридически чувствительная информация, которая сразу тянет за собой требования закона о персональных данных.
• Юридически значимые действия остаются за человеком. Ни одна модель не подписывает договор купли-продажи, не подаёт документы в Росреестр и не участвует в нотариальной сделке — это ограничивает, где автоматизация вообще может дотянуться.

Когда внедрять — и когда рано

Признаки готовности, которые стоит проверить перед стартом:

• поток заявок от 100–150 в месяц на агентство или группу агентов — ниже этого числа ручная обработка почти всегда дешевле;
• сценарии повторяются — одни и те же пять-семь вопросов на первом касании, а не новый разговор с нуля каждый раз;
• уже есть хоть какая-то CRM (Bitrix24, amoCRM, самодельная таблица с API) — модели нужно куда писать результат;
• есть человек, готовый читать вывод модели и поправлять его первые недели — без этого некому донастраивать промпт после первых ошибок.

Типичный порядок внедрения:

1. Бот первого касания в мессенджере — квалификация и ответы на частые вопросы.
2. Транскрибация и аналитика звонков — без неё непонятно, что на самом деле говорят друг другу клиенты и агенты.
3. Генерация и вычитка описаний объектов — экономит время, но требует редактора, не публикуется вслепую.
4. Подсказка по цене (AVM) для агента — второе мнение перед встречей с продавцом, а не замена оценщика.
5. Полноценный агентный workflow — только после того как первые три пункта отработаны и не вызывают вопросов у команды.

Рано — это агентство на 1–3 человека без CRM, где лиды и так разбирают лично, а недельный объём меньше одного рабочего дня на разбор: здесь ИИ добавит больше настройки, чем сэкономит.

Сколько это стоит и что окупается

Цифры ниже — ориентировочные диапазоны по проектам такого масштаба, а не котировка для конкретного агентства: точная оценка всегда даётся после разбора задачи (как это устроено — на странице «Битрикс без боли»).

• Бот-квалификатор с интеграцией в CRM (вебхук + LLM + запись результата обратно в сделку) — по объёму это полторы-две недели разработки, то есть 60–80 часов. По ставке фрилансера — от 174 000 до 232 000 ₽ разово. Похожая по архитектуре история разобрана в посте про ChatGPT в Bitrix24.
• Поддержка и донастройка промптов после запуска — от 29 000 ₽/мес (10 часов), пока команда не перестанет присылать правки каждую неделю.
• Транскрибация и аналитика звонков — готовый сервис речь-в-текст обычно берёт 3–8 ₽ за минуту звонка в зависимости от глубины анализа; для 500 звонков в месяц по 5 минут — от 7 500 до 20 000 ₽/мес.
• Генерация описаний объектов — обращение к модели на одно описание стоит единицы рублей, но реальная экономия считается в часах копирайтера, а не в токенах: карточка, которая раньше обходилась в 300–500 ₽ у фрилансера, превращается в черновик, который правит редактор.
• Готовые no-code боты (SaaS-конструкторы) — альтернатива разработке под себя, 15 000–50 000 ₽/мес подписки без глубокой интеграции с CRM «из коробки»: быстрее запустить, меньше гибкости, а данные уходят на серверы стороннего сервиса — что снова возвращает к вопросу персональных данных.

По эффективности похожие внедрения чаще всего показывают один и тот же паттерн: время первого ответа падает с 30–40 минут до одной-двух; доля заявок, отвеченных ночью и в выходные, — с почти нуля до 60–80%; конверсия из заявки в показ подрастает на 10–20%. Это диапазоны из проектов сопоставимого масштаба, а не гарантия для конкретного агентства — сильно зависит от того, что происходило с этими же заявками до внедрения.

Как выглядит переписка с ботом-квалификатором

Ниже — не переписка конкретного клиента, а типичный сценарий первого касания, собранный из похожих внедрений: так это выглядит на практике, а не в презентации.

23:47, заявка с Авито

Клиент: Здравствуйте, актуальна ли квартира на Ленина 45, 2-комнатная?
Бот: Добрый вечер! Да, актуальна. Уточните, пожалуйста: рассматриваете
     ипотеку или наличные?
Клиент: ипотека, одобрение есть на 6.5 млн
Бот: Отлично, подходит по бюджету. Когда удобно посмотреть — в будни
     вечером или в выходные?
Клиент: в субботу днём
Бот: Записал предварительно на субботу, агент Ирина свяжется в течение
     рабочего дня для подтверждения времени. Прислать ещё 3 похожих
     варианта в этом районе?
Клиент: да, давайте

[09:14, следующий рабочий день]
Система → CRM: создана сделка, теги «ипотека одобрена», «показ: суббота»,
ответственный — Ирина.
Ирина видит уже квалифицированный лид, а не «актуальна ли квартира».

Как выглядит разбор звонка

Второй пример — не диалог, а то, что получает менеджер после звонка агента с клиентом. Модель не участвует в разговоре, только разбирает запись после.

Звонок: агент Дмитрий → клиент, 14 мин 20 сек

Расшифровка (фрагмент):
«...смотрели однушку в Ворошиловском, но там долевая, хотим избежать
рисков... бюджет до 5 миллионов, но если что-то прям хорошее — можем
до 5.5... нужно в этом году, аренду платить надоело...»

Автоматический разбор:
— Тип сделки: покупка, вторичка, приоритет — не долевая
— Бюджет: 5 000 000 ₽, гибкость до 5 500 000 ₽
— Срок: до конца года (высокая срочность)
— Район: Ворошиловский упомянут, явного предпочтения нет
— Возражение не отработано: клиент сам поднял тему долевой
  собственности, агент не спросил, что именно смущает
— Рекомендация: на следующем звонке уточнить конкретный страх
  (просрочка сдачи? двойные продажи?), а не менять район, не выяснив
  причину

Как выглядит отчёт за месяц

Третий пример — сводка, которую агентство получает в конце месяца, на третий месяц работы бота-квалификатора. Это тоже собирательная иллюстрация, а не отчёт по реальному клиенту — но именно такие цифры и в таком виде обычно обсуждают на встрече по итогам внедрения.

Итоги за месяц — бот-квалификатор, 3-й месяц работы

Обработано заявок ботом:            412
Квалифицировано полностью:          356 (86%)
Ушло на ручной разбор (низкая уверенность): 56 (14%)

Среднее время первого ответа:
  до внедрения:  34 мин (рабочее время), ночью и в выходные — нет ответа
  после:         48 сек, круглосуточно

Доля заявок с ответом в течение 5 минут:
  до: 22%
  после: 91%

Записано показов через бота:  198
Конверсия заявка → показ:
  до: 27%
  после: 34%

Стоимость: 212 000 ₽ разово (интеграция) + 29 000 ₽/мес поддержка
Экономия времени менеджеров: ~55 часов/мес на первичный разбор заявок

Правовая сторона в РФ

Это не юридическая консультация под конкретную ситуацию — перед запуском стоит свериться с юристом или сделать проверку по 152-ФЗ.

• 152-ФЗ «О персональных данных». Бот и записи звонков собирают ФИО, телефон, иногда паспортные данные и сведения об ипотеке — это персональные данные, и требования те же, что и для сайта: согласие на обработку до сбора, а не после; уведомление Роскомнадзора до начала обработки, а не по факту; минимальный штраф для ИП — от 30 тыс ₽ только за отсутствие уведомления (подробнее — на странице проверки сайта по 152-ФЗ, там же можно быстро прогнать себя через квиз РКН).
• Запись звонков. Клиента нужно предупреждать о записи разговора — голосовым уведомлением в начале звонка, — иначе запись формально нельзя использовать как доказательство, и это отдельное основание для жалобы.
• Локализация данных (242-ФЗ). Персональные данные граждан РФ, которые собирает бот — в том числе через стороннего SaaS-провайдера или API зарубежной модели, — должны первично записываться на сервер в России. Это ограничивает выбор поставщика модели или сервиса транскрибации, а не остаётся формальностью.
• Закон о рекламе и защита прав потребителей. Сгенерированное моделью описание объекта — всё ещё реклама или предложение, и за недостоверные сведения (площадь, этаж, наличие доп. помещений) отвечает агентство, а не модель или её разработчик — у модели нет юрлица. Практический вывод: сгенерированный текст объявления идёт через редактора, а не публикуется автоматически.
• Раскрытие факта общения с ботом. На сентябрь 2026 нет отдельного федерального закона, обязывающего писать «вы общаетесь с ботом» в риелторской переписке, но если клиент прямо спрашивает «это человек?», уклончивый ответ — это уже вопрос деловой репутации и недобросовестной практики, а не только этики. Практика — представляться ботом сразу в первом сообщении.
• Юридически значимые действия остаются вне автоматизации. Подписание договора купли-продажи, подача документов в Росреестр, действия по доверенности требуют личного участия человека и квалифицированной подписи — ни один из описанных выше сценариев не подписывает и не подтверждает сделку.
• Договор с поставщиком ИИ-сервиса. Использование зарубежного API (OpenAI и подобных) — это трансграничная передача персональных данных, которая тоже подпадает под 152-ФЗ и требует отдельного основания: либо согласия субъекта на трансграничную передачу, либо обезличивания данных перед отправкой в модель.

С чего начать

Если сжать всё до одного правила: начинать с самого скучного и измеримого сценария — бота на входящих заявках — и двигаться дальше только после того, как он перестал требовать ежедневных правок. ИИ в риелторке — это не про замену агента, а про то, чтобы агент тратил время на показ и переговоры, а не на пересказ одного и того же ответа в сотый раз за день.