Digital transformation in real estate industry: Applying Artificial Intelligence to customer pelationship management

Abstract

Artificial Intelligence is increasingly acting as a catalyst for digital transformation across industries. However, many face fundamental barriers such as the lack of structured data and the limited adoption of digital platforms. The real estate sector exemplifies these weaknesses, being characterized by bureaucracy, lack of transparency, resistance to digitalization, and sales practices driven largely by intuition. To address this, a systematic multivocal literature review was conducted, comparing academic evidence with market practices. This research helped to identify key applications, challenges, and opportunities, while also providing a solid foundation for the study. Following this, a data extraction, transformation, and loading mechanism was developed using Generative AI, demonstrating the feasibility of structuring information from unstructured sources such as property descriptions. Interviews were carried out to characterize buyer profiles and explore their integration with the structured knowledge base in a Retrieval-Augmented Generation system. This approach demonstrated how large language models can enhance property recommendation, mitigating traditional challenges such as the cold-start problem. Results showed notable improvements in accuracy, relevance, and novelty of recommendations. Design Thinking and Design Science Research methodologies were then applied to assess the development of a CRM tailored to the real estate sector. Key aspects included user experience, performance monitoring of sales agents, and data entry via voice recognition. In summary, this research demonstrates the potential of Generative AI as both an extraction and recommendation solution, while also fostering the adoption of a more efficient CRM aligned with the specific needs of the real estate market.

Cada vez mais a Inteligência Artificial (IA) serve de catalisador da transição digital nas indústrias. No entanto, muitas enfrentam barreiras básicas, como a ausência de dados estruturados e a baixa adoção de plataformas digitais. O setor imobiliário exemplifica estas fragilidades, marcado por burocracia, falta de transparência, resistência ao digital e comercialização baseada no instinto. Para compreender este cenário, foi realizada uma revisão de literatura multivocal sistemática, comparando evidências académicas com práticas de mercado. A pesquisa permitiu identificar aplicações, desafios e oportunidades e fundamentar a investigação. Em seguida, desenvolveu-se um mecanismo de extração, transformação e carregamento de dados com recurso a IA Generativa, demonstrando a viabilidade de estruturar informação a partir de descrições de propriedades. Entrevistas complementaram a análise, permitindo caracterizar perfis de compradores e explorar a integração destas descrições com a base de conhecimento num sistema de recuperação aumentada por geração. Esta abordagem demonstrou como modelos de linguagem podem sustentar recomendações de imóveis, mitigando limitações como o arranque a frio dos sistemas tradicionais. Os resultados revelaram ganhos relevantes em precisão, relevância e surpresa nas recomendações. Posteriormente, metodologias como "Design Thinking" e "Design Science Research" foram aplicadas para avaliar a construção de um CRM adaptado ao setor imobiliário, com foco na experiência de utilização, monitorização de desempenho dos comerciais e inserção de dados via reconhecimento de voz. Assim, a investigação demonstra o potencial da GenAI como solução de extração e recomendação, enquanto promove a adoção de um CRM mais eficiente, alinhado com as necessidades específicas do mercado imobiliário.