AI consultant real estate: zelf doen of inhuren?

Wat een AI consultant voor real estate eigenlijk doet

Een AI consultant real estate bouwt geen chatbot en verkoopt geen jaarlicentie. Die persoon zet processen om: taxatierapporten sneller doorlezen, huurcontracten checken op afwijkende clausules, leads binnen een uur opvolgen in plaats van binnen drie dagen, portefeuilledata van een belegger samenvatten tot een leesbaar kwartaaloverzicht. Het model dat daaronder draait, GPT, Claude of iets anders, is maar een klein deel van het werk. De rest is de laag eromheen: welke data het model ziet, welke stappen het mag zetten, en wie ingrijpt als het misgaat.

Nvidia liet dat onlangs zien met onderzoek naar AI-agents op lange taken. Zonder aangepast harnas, de tools, het geheugen en de controlelaag rond een model, scoorde Claude Opus 5 30% op een reeks interactieve redeneertaken. Met een harnas inclusief een toezichthoudende component die het model bijstuurt zodra het vastloopt, ging dat naar 100%. Voor vastgoedwerk geldt hetzelfde patroon: het model dat een huurcontract leest is zelden het probleem, de manier waarop het wordt ingezet wel. Een taxatierapport dat verkeerd wordt samengevat kost een makelaar geloofwaardigheid bij een klant, een prompt zonder controlelaag geeft daar geen enkele bescherming tegen.

Zelf sleutelen met ChatGPT of Claude

De goedkoopste route is een abonnement nemen en het zelf uitzoeken. Dat werkt voor losse taken: een conceptmail opstellen, een lijst met vergelijkbare panden samenvatten, een woningbeschrijving herschrijven. Het wringt zodra je het structureel wilt inzetten. Bij honderd taxatierapporten per maand moet iemand in je team tijd steken in prompts bouwen, foutjes opvangen en bijhouden welk model dat kwartaal het beste presteert. Dat werk stapelt zich op naast de eigenlijke baan van die persoon, en het is precies het soort werk dat blijft liggen zodra het druk wordt.

Dat laatste is geen theoretisch punt. Betaalgegevens van creditcardbedrijf Ramp over meer dan 70.000 Amerikaanse bedrijven laten zien hoe snel de markt schuift: in mei pakte Anthropic voor het eerst de leiding met 41% marktaandeel tegen 39% voor OpenAI, in juli stond dat op bijna 44% tegen bijna 40%. Bedrijven wisselen dus voortdurend tussen aanbieders zodra er een nieuw model uitkomt, en niemand weet zeker of dat over drie maanden nog hetzelfde beeld geeft. Wie zelf de rol van AI consultant for real estate op zich neemt naast de dagelijkse baan, loopt continu achter die verschuivingen aan. Een externe partij die dit voor meerdere klanten doet, ziet die wissel sneller en bouwt een workflow zo dat een modelwissel geen herbouw van het hele proces betekent. De workflow blijft hetzelfde, alleen het model erachter wisselt, en dat wissel merkt de eindgebruiker niet eens.

Een generiek AI bureau inschakelen

Een tweede optie is een breed AI bureau, van het soort dat voor een webshop een chatbot bouwt en voor een fabriek een voorspelmodel. Die partijen kennen de techniek goed, maar niet de opgestapelde regels van vastgoed: WOZ-bezwaren, de huurprijscheck volgens het puntensysteem, de volgorde waarin een koopcontract voorwaarden moet noemen, de termijnen rond een ontbindende voorwaarde, de verschillen tussen een taxatie voor de bank en een taxatie voor de verkoop. Zonder die kennis eindigt een project vaak in twee ronden: eerst de techniek bouwen, dan alsnog uitleggen waarom het antwoord van het model niet klopt met de regels van de sector. Die tweede ronde kost meer tijd, en vaak meer geld, dan de eerste.

Een gespecialiseerde AI consultant real estate begint andersom: eerst het proces van de makelaar, de belegger of de vastgoedbeheerder in kaart brengen, dan pas de techniek erbij zoeken die daarbij past. Dat scheelt een ronde, en het scheelt de twijfel die ontstaat als een generiek systeem een fout antwoord met volle overtuiging presenteert aan een klant of huurder. Een beheerder die een verkeerd geadviseerde huurprijs doorstuurt naar een huurder, merkt dat pas als er een klacht binnenkomt. Dat soort fouten wil je vooraf uitsluiten, niet achteraf herstellen.

Zelf een AI engineer aannemen

Een derde optie is iemand in vaste dienst nemen die zich fulltime met AI bezighoudt. Voor een groot vastgoedfonds met een eigen IT-afdeling kan dat logisch zijn. Voor de meeste makelaarskantoren en beheerbedrijven is één persoon te weinig breedte: die moet dan zelf bijhouden welk model waarvoor geschikt is, hoe je een harnas bouwt dat een fout herstelt voordat die bij een klant belandt, en hoe je omgaat met een aanbieder die zijn voorwaarden wijzigt. Een consultant die dit bij meerdere vastgoedbedrijven doet, brengt die breedte al mee en schaalt mee met de hoeveelheid werk, in plaats van een vaste loonkost te zijn die doorloopt ook in een rustige maand.

Wat een gespecialiseerde aanpak oplevert

Neem een concreet voorbeeld: een backoffice medewerker bij een beheerkantoor die wekelijks 6 uur besteedt aan het overtypen van meterstanden en onderhoudsmeldingen uit binnenkomende mail naar het beheersysteem. Een consultant bouwt daar geen los AI-tooltje voor, maar een workflow die mail leest, de juiste velden invult, en alleen de twijfelgevallen aan een mens voorlegt. Dat is precies het soort taak waar het harnas belangrijker is dan het model: de invulregels, de foutcontrole en de escalatie naar een mens bepalen of het werkt, niet welk taalmodel eronder zit.

Hetzelfde geldt voor leadopvolging bij een makelaarskantoor. Een aanvraag die 's avonds binnenkomt, ligt nu vaak tot de volgende ochtend. Een workflow die de aanvraag direct beantwoordt, de juiste woning koppelt en een bezichtiging voorstelt, hoeft niet te wachten op kantooruren. Voor een belegger met tientallen panden werkt hetzelfde principe andersom: in plaats van elke maand handmatig een portefeuilleoverzicht samen te stellen uit losse spreadsheets, haalt een workflow de cijfers automatisch op en zet ze om in een overzicht dat klaarstaat op de eerste van de maand. Dat is ook waar onze AI diensten zich op richten: niet het mooiste model uitkiezen, maar een systeem bouwen dat blijft werken als het onderliggende model over een half jaar vervangen wordt door een nieuwer.

Kosten en het omslagpunt

Een AI consultant is duurder per uur dan een los ChatGPT abonnement, dat is geen geheim. Het omslagpunt zit in het aantal keer dat een taak terugkomt. Eenmalige klussen, zoals een marktanalyse voor één aankoop, kun je prima zelf met een chatbot doen. Terugkerend werk, zoals contractcontrole bij elke nieuwe huurder of leadopvolging bij elke aanvraag, verdient een systeem dat niet afhankelijk is van wie er die week toevallig tijd heeft. Reken bij twijfel simpel: 6 uur per week aan overtypen is meer dan 300 uur per jaar, tegen het uurtarief van de medewerker die dat nu doet.

Het aandeel bedrijven dat volgens Ramp's gegevens betaalt voor AI steeg van iets meer dan 50% in maart naar bijna 56% in juli. De markt beweegt dus hard, en vastgoedbedrijven die nu nog niets gestructureerds hebben lopen niet voorop, maar ook niet hopeloos achter. Wie wacht tot het rustiger wordt, wacht waarschijnlijk te lang. De modellen worden beter, maar de bedrijven die er nu al workflows omheen bouwen hebben straks het voordeel van een systeem dat al draait, in plaats van een systeem dat nog gebouwd moet worden.