O buscador que não busca para todos por igual
O Realtor.com anunciou o lançamento de sua aplicação dentro do ChatGPT para simplificar o que chamam de fase de "pré-busca": aquele momento em que um comprador ou locatário ainda não sabe o que pode pagar ou em qual bairro deve procurar. A proposta é direta: o usuário conversa com a IA, define seu orçamento e localização, e depois é redirecionado para a plataforma para se conectar com um agente local, agendar uma visita e usar ferramentas de busca avançada.
Do ponto de vista da experiência do usuário, o movimento faz sentido. A etapa anterior à busca formal é, estatisticamente, a mais paralisante do processo de compra ou aluguel. As pessoas não sabem se podem qualificar para um financiamento, não conhecem os preços reais por metro quadrado no bairro que lhes interessa e acabam gastando horas em plataformas que mostram propriedades fora de seu alcance. Reduzir essa fricção inicial por meio de uma conversa em linguagem natural tem valor operacional mensurável: menos abandono, maior intenção de contato e ciclos de conversão mais curtos.
Mas há uma camada sob essa conveniência que merece atenção constante.
O escudo dos dados e quem realmente se beneficia
O comunicado do Realtor.com inclui uma cláusula que, em outro contexto, passaria despercebida: os dados do MLS —o sistema de listagens múltiplas que concentra a oferta imobiliária nos Estados Unidos— estão protegidos por uma proibição estrita de serem usados para treinar modelos de inteligência artificial. Essa frase não é um detalhe técnico menor. É a articulação de uma tensão estrutural que permeia toda a indústria proptech.
Os MLS são, em essência, bases de dados cooperativas controladas por associações de agentes imobiliários. Contêm décadas de informações sobre preços de transação, tempo no mercado, taxas de desconto e atributos das propriedades. Para qualquer empresa que treina modelos de avaliação ou previsão de demanda, esse corpus equivale a uma vantagem competitiva de primeira ordem. O Realtor.com está dizendo ao mercado —e especialmente aos MLS com os quais possui acordos de parceria— que não usará essas informações como matéria-prima de treinamento.
Essa promessa vale tanto quanto a governança que a respalda. Não há menção no comunicado a auditorias de terceiros, certificações técnicas ou mecanismos de enforcement que garantam esse limite ao longo do tempo. A proteção é anunciada como política interna, o que significa que sua validade depende exclusivamente dos incentivos comerciais da empresa em cada ciclo de negócios. Se os MLS não têm visibilidade técnica sobre como seus dados fluem na arquitetura do ChatGPT, a promessa é, em termos práticos, inverificável.
Isso importa porque define quem tem poder de negociação na cadeia. Os MLS cederam o acesso a suas listagens sob um modelo de parceria. Se, futuramente, o Realtor.com —ou qualquer plataforma em posição semelhante— captar comportamento de usuário suficiente por meio da interface conversacional, pode construir sinais de demanda sem precisar acessar os dados de transação. O limite entre "não treinar com dados do MLS" e "treinar com padrões de interação de milhões de usuários que buscam propriedades do MLS" é tecnicamente poroso.
A promessa da democratização e suas condições ocultas
O argumento de impacto que envolve esse lançamento se concentra no comprador com menor sofisticação financeira: alguém que não sabe calcular sua capacidade de endividamento, que não conhece o mercado local e que historicamente dependia de um agente para obter informações básicas. A IA conversacional, em teoria, elimina essa dependência informacional e nivela o acesso ao mercado.
Essa narrativa tem uma condição que o comunicado não menciona: funciona se o modelo de linguagem subjacente operar sem preconceitos que concentrem a oferta visível em certos perfis de busca. Os modelos de recomendação em plataformas imobiliárias têm sido documentados em vários mercados por apresentarem listagens de forma diferenciada segundo variáveis que se correlacionam com a renda ou localização do usuário. A interface conversacional não elimina esse risco; torna-o menos visível porque o usuário percebe que está tendo uma conversa neutra, não navegando por um algoritmo de classificação.
A democratização informacional genuína requer que o modelo seja auditável em seus resultados, não apenas em suas intenções declaradas. Sem métricas públicas sobre distribuição geográfica dos resultados, faixas de preço mostradas em comparação com faixas disponíveis no MLS, ou taxas de encaminhamento a agentes conforme o perfil do usuário, a promessa de acesso equitativo é uma aspiração de relações públicas, não um compromisso mensurável.
Agora bem, indicar isso não invalida o movimento. Invalida a completude com que está sendo apresentado. Há uma diferença material entre uma empresa que lança uma ferramenta de acesso com um marco de governança de dados claro e uma que lança a mesma ferramenta com uma promessa de proteção que apenas ela pode verificar. O mercado imobiliário já tem história suficiente de assimetrias de informação para não exigir esse padrão desde o primeiro dia.
O modelo que se repete e o que as empresas do setor devem calcular
O que o Realtor.com está construindo segue um padrão observável em outros setores: usar uma plataforma de IA conversacional de alto tráfego como canal de aquisição de usuários na etapa de maior incerteza do processo de compra, para depois canalizar esses usuários para uma plataforma proprietária onde ocorre a monetização real. É uma estratégia de funil com captura de intenção no ponto mais alto, quando o usuário ainda está incerto, mas já está buscando orientação.
A economia desse modelo depende de duas variáveis que o comunicado não quantifica: o custo por usuário derivado do ChatGPT para o Realtor.com, e a taxa de conversão desses usuários em contatos com agentes ou transações efetivas. Se o custo de aquisição via IA conversacional é materialmente menor que o custo via busca paga ou publicidade display, o modelo tem uma vantagem estrutural de custos que justifica o investimento na integração. Se não for, a integração se torna cara e seu retorno depende de um volume de escala que ainda não foi demonstrado neste canal.
Para as empresas do setor que observam esse movimento de fora, o cálculo não é se adotar a IA conversacional, mas sob quais condições de governança de dados fazê-lo. Uma parceria com uma plataforma de linguagem de terceiros que controla o modelo subjacente implica ceder sinais de comportamento de usuário em cada interação. Isso tem um custo que nem sempre aparece no contrato inicial, mas que se revela na dinâmica de poder que se consolida ao longo do tempo.
O C-Level de qualquer empresa que opere com dados de terceiros tem uma única equação pendente de solução: decidir se seu modelo usa a confiança desses parceiros como combustível para escalar sua posição, ou se constrói a infraestrutura de governança que transforma essa confiança em uma vantagem competitiva duradoura. As empresas que escolhem o primeiro caminho crescem rápido. As que optam pelo segundo, permanecem.
