Reza Sardeha, grundare och VD för Anyone.com – Intervjuer

Reza Sardeha är en serieentreprenör inom tech och innovatör baserad i Amsterdam. Innan han lanserade Anyone.com var han VD för Dan.com, där han hjälpte till att omforma domännamnsmarknaden med hjälp av blockchain och strömlinjeformade digitala transaktioner, och han grundade också det prisbelönta webbagenturen AZS Media Group. Med en meritlista av att bygga skalbara, användarcentrerade plattformar fokuserar Sardeha nu på att lösa en av världens största utmaningar: tillgång till ägande av bostäder.

Anyone.com är en nästa generations fastighetsplattform som för in hela processen för köp och försäljning av bostäder i en enda digital arbetsyta. Plattformen möjliggör för köpare, säljare, agenter och relaterade proffs att hantera listor, visningar, erbjudanden, förhandlingar och avslutningar på ett smidigt och transparent sätt. Med AI-stödd agentmatchning, änd-till-änd-arbetsflöden och planer på en “Anyone Mortgage” syftar företaget till att göra ägande av fastigheter snabbare, rättvisare och mer tillgängligt globalt.

Vilken personlig erfarenhet eller insikt ledde dig till att grunda Anyone.com, och hur påverkade din resa med att bygga och lämna Dan.com ditt beslut att tackla fastigheter med AI som kärnlösning?

Efter att ha byggt och lämnat Dan.com till GoDaddy (GDDY ) insåg jag att jag inte ville lösa små problem i relativt låg påverkansindustrier. Jag ville lösa något som verkligen var trasigt. Fastigheter stack ut. Det är en av de sista trilliondollarindustrierna som fortfarande körs med föråldrade, fragmenterade verktyg. På Dan byggde vi infrastruktur som gjorde domänöverföringar och ägande smidiga. Jag såg möjligheten att göra samma sak, men på en mycket större skala, med fastigheter, driven av AI. Varför AI? Innovation är, enligt min åsikt, ingenting annat än processoptimering. AI är ett superverktyg för att uppnå det när det används på rätt sätt, och därför gick vi i den riktningen.

Hur fungerar AI på Anyone.com för att göra ägande mer tillgängligt?

Vår AI tar bort gissningar från varje skede. Från att matcha dig med rätt agent till att hjälpa dig göra smartare erbjudanden (kommer snart) till att hantera varje steg digitalt. Det gör processen snabbare, billigare och mycket mer transparent. Vi har automatiserat “vad ska jag göra härnäst?”-ögonblicken som köpare alltid kämpar med, och vi ger köpare allt de behöver för att lyckas, inte bara en del av det. Traditionella portaler hjälper bara till med upptäckt av fastigheter, till exempel, men köparens resa är mycket mer omfattande än så.

Er plattform analyserar över 12 miljarder datapunkter. Kan du dela en konkret exempel där AI hittade en oväntad match eller insikt som en människa sannolikt skulle ha missat?

Vi matchade en köpare som flyttade från London till Lissabon med en agent som hade hanterat en nästan identisk gränsöverskridande transaktion bara månader tidigare, trots att de inte var i toppsökresultaten och inte visste vilka agenter som var bra eller inte i Lissabon. En människa skulle inte ha känt till den kontexten. Vår AI bringar fram nyanser som är omöjliga att spåra manuellt och baserar beslut på ALLA tillgängliga data, inte bara en bråkdel.

Förtroende är en enorm fråga i både fastigheter och AI. Hur designar du algoritmer som människor kommer att känna sig bekväma med att lita på för livets största köp?

Vi prioriterar transparens. Användare ser varför de matchas, vilka kriterier som användes och kan alltid utforska alternativ. AI ersätter inte mänskligt omdöme, det förbättrar det. Utöver det använder vi AI för att matcha dig, men till slut hjälper en expertfastighetsagent dig genom transaktionen på vår plattform.

Fastighetsmarknader varierar vilt från Amsterdam till New York till Tokyo. Hur tränar du AI-modeller för att anpassa sig till så olika lokala regler och beteenden?

Vi försöker inte tvinga på en global modell lokala marknader, eftersom vi starkt tror att fastighetstransaktioner behöver lokal expertis. Vår AI-modell tar in alla agenter prestandadata från varje lokal område och ger skräddarsydda rekommendationer baserat på det.

Utöver snabbare transaktioner, vilka nya möjligheter låser AI upp — är vi på väg mot en värld där algoritmer förhandlar om avtal eller strukturerar finansiering själva?

Absolut. Vi utforskar redan AI-stödd förhandlingsstöd och personliga finansieringsstrukturer. Slutmålet är ett system som kan optimera ett avtal i realtid, balansera pris, tid och finansiering för att göra ägande av fastigheter mycket mer tillgängligt.

Under huven, vilka typer av maskinlärningsmodeller driver plattformen, och hur tränar du dem för att balansera hastighet, noggrannhet och rättvisa i fastighetsbeslut?

Vi använder en blandning av övervakad inlärning, samarbetsfilter och naturliga språkmodeller. Matchningsmotorn, till exempel, balanserar agentprestanda, köparpreferenser och transaktionskontext. Vi omtränar kontinuerligt på riktiga resultat för att minska bias och öka precision. Vi började arbeta på lösningen för över 2 år sedan och lanserade bara för några månader sedan, så vi behöver mer tid för att bli bättre på vad vi gör när vi får tillgång till mer kapital, men lösningen fungerar redan och snabbt. Våra ingenjörer hanterar stora mängder data, men har löst alla skalbarhetsproblem vi stött på.

Er delägarhypotekmodell låter revolutionerande. Hur bestämmer AI tillgänglighet och anpassar finansieringsalternativ till enskilda köpare?

Vi erbjuder inte eller tillhandahåller delägarhypotekmodellen i skala ännu, men det första steget vi arbetar med är att matcha dig med hypoteksrådgivare och leverantörer på ett liknande sätt som vi matchar dig med fastighetsagenter, och steget efter det är att tillhandahålla rätt verktyg till hypotekslångivare för att optimera deras arbetsflöde, särskilt för underwritingteam.

Med miljarder fastighetsposter över 10+ länder, hur säkerställer du att er AI inte bara är snabbare utan också rättvis, opartisk och korrekt i sina rekommendationer?

Vi testar våra modeller över demografiska segment och marknader regelbundet och kommer senare att ge vår AI förmågan att förbättra sin prestanda. Vi tillåter aldrig agenter eller vår AI att boosta en specifik rekommendation, och modellen är alltid tränad för att ge den bästa rekommendationen och inte en partisk sådan, så den är opartisk av design. På vår sida behöver vi bara se till att vår data är korrekt, eftersom modellen tränas på data i slutändan, och dataintegritet är nyckeln till att säkerställa det i skala.

Om AI fundamentalt förändrar rollen för den mänskliga fastighetsagenten, vad ser den nya rollen ut i en värld formad av Anyone.com?

Agenter blir återigen betrodda rådgivare, inte administrativa arbetare. Med AI som hanterar arbetsflödet och det administrativa arbetet kan agenter fokusera på strategi, relationer och avslut. Det handlar om att höja deras roll, inte ersätta den.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Anyone.com.