談起AI轉型，多數人直覺聯想到科技業或製造業，房仲業幾乎不在名單之內。
但信義房屋早在2021年生成式AI尚未爆發前，就已著手建立數據中台，近年陸續推出「AI智能配案」、「不動產廣告AI審查」等系統，2025年更拿下IT Matters Award「AI Selected」創新研發獎與最佳IT雇主獎。
本集未來城市邀請信義房屋AI數據應用發展部協理張玄江，分享房仲業如何把散落在紙本、Excel與多套系統裡的資料，重新整理成AI可以運算的資產，並且用雙盲測試證明演算法的價值。
未來城市Podcast EP.133
▹ 未來主持人：未來城市頻道資深總監 陳芳毓
▹ 未來大來賓：信義房屋AI數據應用發展部協理 張玄江
▹ 訪談精華：
主持人問（以下簡稱問）：房仲業給外界的印象是靠人、靠關係，為什麼信義房屋認為AI在這個產業有發揮空間？
張玄江（以下簡稱張）：房仲業其實是資料密集、知識密集的產業。從客戶開發、物件開發、廣告曝光、帶看議價到最後簽約，每個環節都會產生大量資訊，只是外界很少從這個角度理解這個行業。
信義房屋做AI的定位，不是讓AI取代經紀人，而是讓AI去做它擅長的部分。整理資料、搜尋比對、預測生成，這些是AI的強項；理解客戶需求、建立信任、做出專業判斷、提供服務，這些始終是人做得到的事。
我常用一句話總結我們的AI轉型：透過AI放大效率跟洞察，讓人去深化信任跟判斷。
這句話後來也成為內部篩選AI專案的判準，只要是想取代人類信任功能的方向，都不會是我們的優先項目。
問：2021年生成式AI尚未爆發，信義房屋當時為何會建立數據中台？
張：很誠實地說，當時我們並沒有預測到生成式AI會起來。真正的驅動力是資料分散的問題。公司內部有非常多系統，系統之間存在資訊孤島（Data Silo），甚至有些流程還停留在紙本作業。
一個常見的例子是性別欄位，A系統把男性編碼為01、女性為02；B系統則是男性00、女性01，兩套系統的資料格式完全對不上。這類問題在歷史悠久的公司很常見，系統一多，資料髒亂的狀況就會越來越嚴重，最後不得不處理。
2021年信義房屋轉型辦公室成立時，團隊就決定先把這個底層問題處理掉，同時從內部與外部找人組成專責小組，目標是打造一個能讓AI真正發揮價值的數據中台，而不是等到生成式AI變熱才臨時補救。
問：信義房屋為何選擇把數據中台部署在雲端，而非地端？
張：我們選擇雲端，關鍵理由是彈性與試錯成本。地端不是不能做，但大量數據需要大量算力，一開始很難精準估算實際需求，容易買多或買少，時效也常常趕不上。
雲端的優勢在於可以邊改邊做。一個數據平台的規格如果一開始就定死，等到做完才發現不對，幾乎沒有回頭路，尤其在技術演進速度這麼快的環境裡，這種一步錯、步步錯的風險很高。
我們把整個數據中台佈上雲端後，2023、2024年的生成式AI服務剛好也建立在雲端基礎之上，等於可以無縫接軌部署。這其中多少有運氣成分，但一開始選擇彈性架構，才是能接住這個運氣的原因。
問：建置數據中台常面臨「先蓋基礎建設，或先做服務證明價值」的兩難，信義房屋怎麼選？
張：我們決定同步進行。很多公司數據轉型失敗，是因為一開始就想像一個完美的數據中台藍圖，等到花時間蓋好，才發現想像跟現實有落差，甚至方向錯誤。
信義房屋的具體做法是先釐清內部痛點，同步搭建一個臨時架構開始試做，先產出一個能證明價值的成功案例，讓團隊對AI有信心。同時透過反覆試錯，釐清哪種平台架構真正適合公司，而不是憑空規劃。
這個過程等於兩面作戰，推進速度會比單線進行慢，但換來的是數據中台在真實場景裡被驗證過，而不是紙上談兵的完美藍圖。
這個方法很值得其他想做數據轉型的企業參考，因為無論如何都要付出試錯成本，差別只在於是提早付出，還是事後付出。
問：智能配案系統如何判斷哪個物件適合哪個客戶？
張：信義房屋的智能配案系統核心，是用演算法解決一個高度個人化、難以量化的配對問題。
房仲業的配對難題在於，沒有兩個物件的條件是完全一樣的，每間房子的條件都不一樣，同一棟樓不同樓層都有差異，加上單價高、購買頻次極低，客戶的需求很多時候連自己都說不清楚。
什麼叫離捷運站近？什麼叫採光好？這些條件很難精準量化，而且客戶的偏好會在看屋過程中不斷收斂與改變，是一個動態流程而非固定條件。
我們的系統會根據物件資訊、消費者行為與市場資料即時運算，並且持續自我優化，不會只依賴單一時間點的判斷給出固定答案。
當系統收集的資料越多，演算法收斂得越準，最終目的是幫助經紀人提供更貼近客戶真實需求的建議，而不是直接告訴客戶該買哪一間。
問：這套演算法真的比資深業務更準嗎？
張：我們用雙盲測試驗證了這個問題。我們先找出一批去識別化的物件與客戶資料，同時讓資深業務與AI各自判斷推薦結果，再比對誰的判斷更貼近成交結果。
結果顯示，面對自己最熟悉的區域，最優秀的業務表現大概與模型打平，甚至略勝一籌。但把範圍拉到整體業務比較，模型的表現反而更好。
這兩者的關鍵差異在於區域侷限。業務對熟悉的區域判斷力很強，但換到不熟悉的區域，準確度就會下滑，而演算法能用大量資料同時判斷全區域的物件與客戶，不受個人經驗邊界限制。
測試過程中，我們也找出一些業務先前沒有留意到、卻真正適合客戶的物件，我認為這是演算法帶來的額外價值，而不只是效率提升。
問：不動產廣告AI審查系統要解決的是什麼問題？
張：我們的AI廣告審查系統，要解決的是不動產廣告必須正確合規、不能誇大或圖文不符的長期痛點。這和一般行銷文案不同，房子單價高，錯誤資訊會直接影響消費者的購屋決策與權益。
過去我們完全仰賴人工審查，規範項目多容易遺漏，申請量大時再有經驗的審查人員也會出錯，培訓一個合格的審查人力也需要不少時間成本。
這套系統直接把「合規」嵌進審查流程裡，先做標準化的重複性檢核並標示風險，最後仍由人做最終把關。系統能理解語意脈絡，也能處理多模態內容，辨識廣告圖片裡的文字與格局圖。
經過與人工審查結果的雙盲比對，我們的正確率達到98%，比對基準是專業審查人員實際查出的錯誤項目，我們刻意避開自訂寬鬆標準，確保這個數字經得起檢驗。
問：信義房屋拿下最佳IT雇主獎的關鍵是什麼？
張：要留住並吸引頂尖IT人才，福利只是必要條件，我們這幾年真正花力氣建立的是以下四個層面的組織能力：
- 業務共創：讓IT人才不只是接需求執行，而是與業務單位一起釐清問題，智能配案與廣告審查都是我們IT和業務夥伴合力完成的成果。
- 定義成長路徑：把技術角色與成長路徑清楚定義出來，搭配教練制度與內部課程，讓每個人知道自己在哪個位置、下一步往哪裡走。
- 全員賦能：培養全公司的數據能力，透過數據科學計畫與AI種子小隊，讓非IT同仁也能自己動手分析，因為業務單位最了解現場，卻往往不知道資料庫怎麼抓、資料實際有多糟。
- 跨部門串接：推動跨部門的AI工作坊，避免單一部門做得再好，也被流程中其他環節拖累整體效益。
聽懂未來：關於企業AI應用，我還想知道更多⋯
未來城市給你更多知識補充包！
- 買家也不知道要什麼？房仲業用大數據與AI，把模糊需求變成精準成交｜張玄江・信義房屋AI數據應用發展部協理
- 台灣企業AI導入率僅14%？台灣大哥大資訊長蔡祈岩提「AI應用五大維度」策略
- 告別拼湊式平台！為什麼企業級智慧營運中樞才是AI代理人的最強大腦？
想聽更多未來城市Podcast節目？
- 首播時間：隔週六播出。
- 頻道搜尋：天下雜誌Podcast頻道「聽天下」，或關注未來城市網站「未來城市Podcast」系列內容。
