Hoe een vastgoedbedrijf in Zuid-Spanje een inrichtingsidee parkeerde en verder ging met werk dat minder indruk maakt

Ik heb in één dag een prototype gemaakt, en toen zaten we ernaar te kijken, de klant en ik. De indelingen van de woonruimtes schoven steeds een beetje. Van de ene run op de andere was het niet consistent, welk model we ook uitprobeerden. We hebben er samen om gelachen.

Het was een interessant project, dat wel, bij een vastgoedbedrijf in Zuid-Spanje dat vooral Nederlandse en Belgische kopers bedient. Zij wilden een stevige positie in hun markt, en ze zeiden dat hardop. Dat vond ik verfrissend. Bijna elk bedrijf wil dat, alleen spreken weinigen het zo open uit. Aan ideeën ontbrak het niet. Het lastige was om er een paar uit te kiezen en de rest te laten liggen. Een van die ideeën was dat kopers hun hele ruimte opnieuw zouden kunnen inrichten.

Het inrichtingsidee

Ik heb dat prototype gemaakt in Lovable, met Lovable Cloud voor de snelle koppelingen. Daarmee kon je snel verschillende modellen en instellingen uitproberen. Ontwikkelaars werkten er via Claude Code aan verder, met extra reviews, stijlaanpassingen en het bijstellen van de modellen, op de punten waar meer nauwkeurigheid nodig was dan je in die snelle opzet alleen voor elkaar krijgt. Zo testten we verschillende aanpakken.

Toen de klant die inconsistenties in de kamers zelf duidelijk begon te zien, kwam er van alles bij me op. Dat gebeurt als je het met eigen ogen in actie ziet. Die inconsistentie zagen we bij alle modellen die we testten.

Om die indelingen consistent te krijgen, kloppend met de echte ruimte, zou een enorme klus worden. Als je dat in een snelle, AI-ondersteunde bouw zou doen, bleef er een gadget over, zonder de waarde die ermee bedoeld was. Daar kwam bij dat je alleen meubels mocht laten zien die klanten hier ook echt kunnen kopen, bij bepaalde winkels in de buurt.

We waren het er meteen over eens dat dit niet het pad was waarin we nú moesten investeren, niet met de korte time-to-market die hier telt. Het idee zelf is niet van tafel. Het is nog steeds een best goed idee. Alleen, het vraagt meer tijd, of nog even wachten op een model dat meer aankan, en minder training nodig heeft om de nauwkeurigheid te halen die we nodig hebben. We zijn overgestapt op informatieve tools. Die leverden kopers meteen iets op, en voedden tegelijk de kennis en de middelen waar de AI-assistent later mee zou werken.

Hetzelfde huis, een andere naam

Op het platform staan meer dan tienduizend woningen. Ze komen binnen via feeds. Nederlands leveren die feeds niet, en in de overgrote meerderheid ontbreekt ook het Engels. Om de site toch in elke taal bij te houden, met steeds de nieuwste woningen, hebben we verschillende vertaalruns moeten bouwen.

In het begin verschenen sommige woningen meer dan eens op de site. Dat kwam vooral doordat hetzelfde object van verschillende feedleveranciers een andere naam, een andere beschrijving en een andere referentiecode kon meekrijgen. Met meer dan tienduizend woningen was dat lastig bij te houden.

Wat bezoekers wilden, lag nogal voor de hand. Een woning vinden die past bij een hele rij wensen tegelijk. Beheerders willen dat een nieuw object netjes in het systeem landt, zonder dat iemand het met de hand hoeft na te lopen.

Toeristenvergunningen en hypotheken

Dan de rechten, minder zichtbaar en gevaarlijker. In bestaande systemen is veel geregeld zonder dat iemand het ooit heeft opgeschreven. Via mappen en rechten, of gewoon via wie de sleutel van welke kast heeft. Zet je een AI-assistent bovenop dezelfde bronnen, dan verdwijnt die stille orde in één keer. De assistent heeft geen idee welke kast op slot hoorde te zitten.

Bij vastgoed in Spanje komt daar nog een laag bovenop. Toeristenvergunningen zijn een onderwerp waarop een verkeerd antwoord duur is. En de assistent op dit platform moest bezoekers juist ook helpen met vragen over hypotheken, over wat verhuur oplevert en over de eisen rond die vergunningen, precies de onderwerpen waarop een taalmodel graag behulpzaam is, ook wanneer het eigenlijk geen antwoord heeft.

De assistent heeft geleerd van een kennisbank. Hij werkt strikt met goedgekeurde gegevensbladen, met specifieke overheidsbronnen, en met de algoritmes in de rekentools die op het platform van de klant zijn ontwikkeld en ingebouwd. Je moet ook bewust kiezen welke onderwerpen je openzet en welke niet.

Privacy en compliance plak je er achteraf niet meer op, en gezond verstand al helemaal niet. Wie dat toch probeert, is later vaak opnieuw tijd kwijt aan een herstart. Het vreemde is dat projecten vaak juist hier stilvallen, het liefst vlak na een indrukwekkende demo. Iedereen is enthousiast, tot iemand vraagt wat het ding eigenlijk zegt als een bezoeker naar vergunningen vraagt.

De chatbot, en het werk erachter

Wie alles tegelijk wil, loopt vast in de scope. Daarna in de governance, en ergens ook in de interne politiek. Klein beginnen klinkt voorzichtig. Ik vind het eerder het ambitieuze deel, omdat je dan hardop moet zeggen wat je níet gaat doen.

Voor de bezoekers werd het een chatbot die de meer dan tienduizend woningen op het platform kent. Iedereen die weleens online een huis heeft gezocht, heeft dit ritueel gedaan. Slaapkamers: minimaal drie. Afstand tot zee: een schuifje. Prijs: nog een schuifje. Nul resultaten. Schuifje terug. Nou ja, je kent het. Op dit platform beschrijf je in gewone taal wat je zoekt, met al je eisen door elkaar heen, zoals je het tegen een makelaar aan de telefoon zou zeggen, en de assistent zoekt de woningen die daar het best bij passen. Daarna kun je dezelfde assistent vragen hoe het zit met een hypotheek, wat verhuur ongeveer kan opleveren, of wat er speelt rond toeristenvergunningen.

Voor het dagelijkse werk kwamen er dingen bij waar niemand een persbericht over schrijft. Die dubbele vermeldingen, bijvoorbeeld. Medewerkers van de klant liepen na of de woningen op de site klopten. Bij meer dan tienduizend objecten, en bij dezelfde woning die onder een andere naam of code opnieuw binnenkwam, was dat met de hand nauwelijks bij te benen. De enige snelle manier was beeldherkenning, afbeeldingen met elkaar vergelijken als hulp bij het classificeren. In die stap werden de dubbelen opgespoord en werd, volgens de regels van de klant over welke provider voorrang heeft, bepaald welke advertentie leidend is. Gebruikers die lijsten bijhouden, van woningen in een bepaalde plaats of met bepaalde eisen, krijgen nieuwe objecten via AI-matching automatisch in de juiste lijst. Ze hoeven dus niet meer elke lijst door te scrollen om te zien wat er nieuw is. En die vertaalruns zorgen ervoor dat een woning die net is binnengekomen, in elke taal op de site staat, ook als de feed geen Nederlands meeleverde, en in de meeste gevallen ook geen Engels. Het is vooral het handwerk dat eruit moest.

Ik geloof wel dat hele afdelingen door AI kunnen worden geautomatiseerd, in geschikte sectoren, en zeker bij de meest digitale, online bedrijven. Alleen niet zonder mensen. Geen bedrijf, en geen vitale afdeling daarin, draait zonder mensen. Er moet iemand verantwoordelijk zijn, en iemand die nagaat of het klopt, het corrigeert, en teruggeeft hoe het in de praktijk uitpakt. Hier gold dat voor de chatbot, die op hypotheken en toeristenvergunningen niet mag gokken, en voor de medewerkers die naliepen of de woningen klopten en welke advertentie, volgens de regels van de klant, leidend was.

Het platform zelf is grotendeels gebouwd met agentic development, onder strakke regie van senior developers. Dat heeft vooral bepaald hoe snel het er stond. De keuze welke toepassingen we zouden bouwen, was toen al gemaakt.

Een prototype van één dag is, en dat klinkt bot, een goedkope manier om te zien of je een idee nú al moet bouwen. Bij die inrichting ligt het idee er overigens nog.

Als er morgen weer zo’n idee op tafel komt, begin ik niet over modellen. Ik vraag waar mensen nu uren in kwijtraken of zich dood aan ergeren, en of het idee überhaupt standhoudt.

In de feeds en bij de toeristenvergunningen zat die vraag welke bron leidend is, en welke onderwerpen je openzet. Zolang het niet scherp is, zou ik de toepassing nog niet af noemen, hoe overtuigend de antwoorden ook klinken.

Reken er ook op dat de uitkomst ‘dit werkt zo niet’ kan zijn. Liever vroeg dan laat, omdat het dan nog goedkoop is. Dat zagen we bij die inrichting. Meten doe je in het gebruik. Slides bewijzen niks. De enige test die ik echt serieus neem, is of mensen het meenemen in hun gewone week. Zo niet, dan ligt het meestal aan de gekozen taak of aan het vertrouwen, en bijna nooit aan die ene feature die nog ontbreekt, al is dat wel altijd het eerste waar iemand naar wijst.

De eerste toepassing hoeft voor mijn part geen markt op zijn kop te zetten, als het zoeken en het beheer maar merkbaar lichter worden. Lijsten bijhouden, dubbele huizen eruit halen, woningen in elke taal zetten, het klinkt een stuk minder als de toekomst, ik weet het.

Wat ik nog niet weet, is of je bij zo’n inrichtingsidee nú extra investeert om er eerder op de markt te zijn, terwijl het nog lastig is, of dat je wacht op modellen die meer aankunnen, waarmee straks bijna iedereen het kan.

^{Over de auteur}

^{Roy van Eijsselsteijn is CEO en oprichter van Interactivated Solutions, een software- en AI-studio met kantoren in Groningen en Miami. Het bedrijf is opgericht in 2014 en telt zo’n 50 specialisten}.