🚫 Nuvarande problem
- Tidskrävande process: Mäklare spenderar timmar på att samla objektdata och skriva beskrivningar
- Generiska beskrivningar: Befintliga AI-lösningar (som Cowrite) genererar mallar som låter "som mäklare tror att mäklare låter"
- Manuell redigering: Stora ändringar krävs fortfarande efter AI-generering
- Saknar kontext: Ingen information om närområde, BRF-detaljer, eller lokala särskillnader
- Nyckelord-baserat: Nuvarande lösningar bygger på manuella nyckelord istället för riktig dataanalys
✅ Vår lösning
- Automatisk datainhämtning: Integrerad direkt i Mspecs "Intag"-fas
- Kontextuell AI: Analyserar tidigare försäljningar från samma BRF
- Intelligent bildanalys: Automatisk rumsidentifiering och innehållsanalys
- Lokalt fokus: Information om närområde och föreningsspecifika detaljer
- 90%+ färdigt: Minimal manuell redigering krävs
🔄 Tekniskt flöde - Integration med Mspecs
1
Webhook trigger från Mspecs
När "Nytt uppdrag" skapas i Mspecs intagsfas → Webhook till vår AI-tjänst med objekt-ID
⬇️
2
BRF-datainhämtning
Om BRF finns i databas: Hämta tidigare beskrivningar, sålda objekt, föreningsinfo
Om BRF INTE finns: Skapa varning till mäklare + börja samla grunddata
Om BRF INTE finns: Skapa varning till mäklare + börja samla grunddata
⬇️
3
Kontinuerlig dataövervakning
Lyssnar på Mspecs filer-API för: Planritningar, bilder, dokument
⬇️
4
AI-analys & bearbetning
• Bildanalys: Identifierar rum, inredning, skick, naturligt ljus
• Planritningsanalys: Automatisk rumsindelning och flöde
• BRF-jämförelse: Analyserar mönster från tidigare sålda objekt
• Närområdesdata: Kollektivtrafik, service, skolor
• Planritningsanalys: Automatisk rumsindelning och flöde
• BRF-jämförelse: Analyserar mönster från tidigare sålda objekt
• Närområdesdata: Kollektivtrafik, service, skolor
⬇️
5
Generering av beskrivning
• Huvudbeskrivning: Säljande text med lokala detaljer
• Rumsbeskrivningar: Specifika detaljer per rum
• BRF-information: Föreningsspecifika fördelar
• Närområde: Relevant lokalinformation
• Rumsbeskrivningar: Specifika detaljer per rum
• BRF-information: Föreningsspecifika fördelar
• Närområde: Relevant lokalinformation
⬇️
6
Redigering på Propera-plattformen
Mäklaren får tillgång till vår redigeringsplattform (Propera) för att granska och justera beskrivningen
innan publicering till Mspecs
⬇️
7
Leverans till mäklare
SMS/E-post: "Hej! Vi är klara. Ta en titt, gör ändringar och publicera sedan till
Mspecs."
Integration: Beskrivning skickas direkt till Mspecs efter godkännande
Integration: Beskrivning skickas direkt till Mspecs efter godkännande
⚠️
Kvalitetskontroll & varningar
• Varning om BRF-data saknas (kräver manuell granskning)
• Kvalitetsskala 1-10 baserat på tillgänglig data
• Förslag på områden som kan behöva manuell justering
• Kvalitetsskala 1-10 baserat på tillgänglig data
• Förslag på områden som kan behöva manuell justering
📊 Datakällor för AI-Analys
🏢 BRF-register
Tidigare beskrivningar, sålda objekt, föreningsinfo, avgifter, energiklassning
🖼️ Bildanalys
Rumsidentifiering, inredningsstil, skick, ljusförhållanden, utsikt
📐 Planritningar
Rumsindelning, flöde, praktiska lösningar, kvadratmeter per rum
🗺️ Områdesdata
Kollektivtrafik, skolor, affärer, restauranger, naturområden
📋 Mspecs-formulärdata
Teknisk info, energideklaration, särskilda egenskaper
🎯 Fördelar för mäklare
⏱️ Tidsbesparing
Från 3-4 timmar till 15 minuter
Från 3-4 timmar till 15 minuter
🎨 Unik text
Anpassad efter varje objekt och BRF
Anpassad efter varje objekt och BRF
📍 Lokala detaljer
Automatisk närområdesinformation
Automatisk närområdesinformation
🔄 Kontinuerlig förbättring
AI lär sig av varje sålt objekt
AI lär sig av varje sålt objekt
✅ Hög kvalitet
90%+ färdigt vid leverans
90%+ färdigt vid leverans
🔗 Smidig integration
Fungerar direkt i Mspecs-flödet
Fungerar direkt i Mspecs-flödet
🔧 Tekniska specifikationer
API-integration med Mspecs
Dataflöde
- Webhook-baserad kommunikation: Integrerar med Mspecs befintliga webhook-system
- REST API-anrop: Använder Mspecs endpoints för deals och filer
- Filövervakning: Automatisk detektering via Mspecs file upload API
- Säkerhet: Auth mot Mspecs API, GDPR-kompatibel datahantering, all data lagras inom EU
AI-modeller (Preliminärt)
- Bildanalys: Computer Vision med Claude 3.5 för rumsidentifiering och innehållsanalys
- Textgenerering: Claude 3.5 fine-tunad på svensk fastighetsterminologi
- RAG-system: Retrieval-Augmented Generation för att hämta relevant BRF-historik och områdesdata
- Områdesanalys: Geo-spatial AI kombinerat med RAG för lokala närområdesbeskrivningar
- BRF-matching: Vektorbaserad semantic search för att hitta liknande objekt och föreningar
Kvalitetssäkring
- A/B-testning: Kontinuerlig förbättring av AI-modeller
- Feedback-loop: Mäklarjusteringar tränar modellen
- Kvalitetspoäng: Automatisk bedömning av textens färdigställningsgrad
🚀 Nästa steg
Vi är redo att börja en pilotintegration genom en partnerdesign lösning - där vi gärna har er, och/eller ett urval av era kunder som partners. För att bygga en optimal upplevelse, vi kan arbeta snabbt.
Arbetsnamn: Propera