先說結論:這不是一則「AI 又來了」的新聞,而是一次換引擎

老實說,第一次看到「Agentic AI」這個詞被塞進房仲業的簡報標題時,我心裡是半信半疑的。這個產業向來對新名詞特別熱情,PPT 做得比產品還快。但把 Relitix 創辦人 Robert Keefe 這條時間線攤開來看,你會發現情況不太一樣——他不是在追風口,他是從 2016 年就開始挖地基的人。

2016 年,生成式 AI 還只是實驗室裡的玩具,Keefe 已經成立 Relitix,用機器學習去啃房地產 MLS(多重上市服務)的數據,建立預測模型來評估房仲的留任風險與績效表現。換句話說,當多數同業還在用 Excel 篩名單時,他已經在訓練模型判斷「這個人明年會不會離職、他業績會往上還是往下」。這是一種很不討喜、但很扎實的路線。

而現在,他的核心戰略明顯轉向「Agentic AI」。關鍵差別在於:過去的 AI 是幫你看資料、給建議;智能體 AI 是要自己動手,把一整條複雜工作流跑完。這對房仲業來說,幾乎等於把整台機器的引擎拆下來換掉。以下我們就從事實出發,一層一層拆給你看。

Relitix 到底什麼來頭?為何一間 2016 年就「偷偷練功」的公司,現在才被看見?

Relitix 總部設在威斯康辛州日內瓦湖(Lake Geneva),定位是一家房地產資料科學公司。它的產品邏輯很單純,卻直指房仲業最痛的神經:讓住宅房仲公司拿自己的 MLS 數據,去做「招募、留任、教練」三大決策。傳統上這些事靠店長的人脈直覺和江湖經驗;Relitix 則是把它變成可量化、可預測的模型輸出。

這件事真正有意思的地方,在於「時間差」。Keefe 在生成式 AI 爆發前就已經把 AI 用在房產市場分析上,建立了評估代理人留任風險與績效的預測模型。當 2023 年之後整個世界為 ChatGPT 瘋狂時,他手上已經有一套打磨多年的資料管線與領域知識。這不是運氣,而是把冷板凳坐熱。

也因為這樣,當他開始談 Agentic AI,可信度就比一般行銷話術高得多——他談的不是能不能做,而是「什麼時候該讓 AI 從輔助角色,升格成執行主體」。

Agentic AI 跟生成式 AI 差在哪?房仲智能體能自己做完哪些事?

這是全篇最核心的一題。生成式 AI 的角色像「很會講話的顧問」:你問它、它回你。它擅長草擬文案、整理摘要、寫信給客戶。NAR 的調查就顯示,52% 的房仲用 AI 來草擬電子郵件與跟進訊息——這正是生成式 AI 最典型的用法。

但 Agentic AI(智能體 AI)的野心大得多。根據維基百科對「智能體」的定義,智能體是能感知環境、自主採取行動以達成目標、並透過獲取知識來改善自身表現的實體;而 AI 智能體則是這個概念的延伸,會主動追求目標、做決策,並在「較長的時間跨度內」持續行動。翻成人話就是:它不只是回答「該做什麼」,而是直接去做,還會根據結果回頭調整策略。

套到房仲場景,差別就很具體了。生成式 AI 幫你寫一封招募信;智能體則可能自己爬梳 MLS 數據找出「近三個月成交動能下滑、但有高潛力的代理人」,比對競品辦公室名單,生成個人化招募話術,自動排程寄送,追蹤開信與回覆,再把回饋寫回模型——一整套工作流,它自己跑完。Keefe 想做的,正是把 AI 從「分析工具」提升到這個層級。

68% 房仲都在用 AI,剩下那三成在幹嘛?數據怎麼說?

根據美國全國房地產經紀人協會(NAR)2025 年科技調查(2025 年 9 月發布),房仲對 AI 的採用已經跨過臨界點。報告指出約 68% 的受訪房仲在工作中使用 AI 工具,52% 用它來草擬電子郵件與跟進訊息。同時,eSignature(79%)與社群媒體(75%)仍是最普及的數位工具。

把時間軸拉長看更清楚:2023 年僅約 28% 的房仲把 AI 納入日常工作流,到 2025 年已翻升到 68% 量級,兩年內成長逾一倍。這條曲線的斜率,比多數人預期的陡得多。也就是說,行業裡已經出現一條明顯的斷層線:一邊是把 AI 焊進每日流程的人,另一邊是站在場邊看戲的人。

而 Keefe 押注的,是這條曲線的下半場。當「用 AI 寫文案」變成基本配備,真正拉開差距的會是「用智能體自動跑完決策鏈」的公司。誰能讓 AI 從輔助升級為執行者,誰就先吃到下一波紅利。

MLS 數據變預言水晶球?留任風險預測如何改寫招募邏輯?

房仲業最貴的成本不是廣告,是「人事」——招錯人、留不住人,一年燒掉的時間與士氣難以估計。Keefe 早期做的事,本質上就是把這個黑箱打開:用 MLS 的歷史數據餵模型,去預測哪些代理人具備高績效潛力、哪些人處於高留任風險,讓店長在「憑感覺」之外多一組硬指標。

聽起來很冷血,但產業邏輯就是這樣運作的。當招募從「聊得來就簽」變成「模型說這個人動能曲線往上、且待得久」,整套資源配置的效率會完全不同。這也解釋了為什麼 Relitix 的產品線會同時覆蓋招募、留任與教練三大塊——它們其實是同一個預測引擎的三種輸出。

而 Agentic AI 把這件事再推一步:模型不再只是「產出一張風險清單」交給你,而是自己根據清單觸發後續動作,例如自動安排教練課程、生成個人化留任對話腳本、甚至在適當時機提醒主管介入。從「預測」到「干預」,中間那段原本靠人跑腿的路,被智能體吃掉了。

2027 年房仲產業鏈會長什麼樣?三個關鍵推論

推論一:軟體從「儀表板」變成「同僚」。過去 SaaS 賣的是看板與報表,房仲登入、看數、自己決定。智能體時代,軟體會直接扮演執行角色。全球 AI 市場在 2027 年前後被普遍預估將站上「兆美元」量級,而垂直領域的智能體應用,正是這波估值裡最被看好的落地場景之一。

推論二:人力結構往「監督者」傾斜。當例行決策鏈自動化,房仲公司需要的人會從「大量執行者」轉為「少數監督者與例外處理者」。第一線人員的價值,會愈來愈集中在智能體搞不定的灰色地帶——人情、談判、信任建立。

推論三:資料治理成為生死線。MLS 資料的所有權、使用邊界與合規性,會從技術細節升級為法律與商業核心。誰能把資料用得乾淨、用得合法,誰才能在智能體競賽裡跑得遠。反過來說,資料治理失控,可能比技術落後更快讓一家公司出局。

把這三點串起來,Keefe 的策略輪廓就清楚了:先花十年把資料變成可用的燃料,再讓智能體成為會自己開車的引擎。他要的不是一次功能升級,而是把整個房仲業的作業系統換掉。這場實驗還在進行,但方向已經很明確。

常見問題 FAQ

Agentic AI 和一般生成式 AI 到底差在哪裡?

生成式 AI 主要是「你問它答」,負責產出文字、摘要或建議;Agentic AI(智能體 AI)則會主動感知環境、做決策,並在較長時間內持續自主執行完整工作流,還會依結果回饋調整。簡單說,前者是顧問,後者是會自己動手的執行者。

Relitix 的預測模型實際拿來做什麼?

它主要用 MLS 的歷史與現況數據,替住宅房仲公司評估代理人的績效潛力與留任風險,並應用到招募、留任與教練三大決策上,把過去靠直覺的人事判斷,轉成可量化的指標。

小型房仲或個人房仲也吃得到 Agentic AI 的紅利嗎?

有機會,但門檻在「資料成熟度」與「流程標準化」。小團隊的第一步不是買最貴的工具,而是先挑一個重複性高、規則明確的流程(例如名單初篩或跟進排程)做小規模驗證,確認投報率後再擴大,才不會被工具反過來拖著跑。

想讓你的團隊也跑起智能體工作流嗎?

從一份 MLS 報表到一條自動跑完的決策鏈,中間缺的往往不是工具,而是懂資料、懂流程、也懂內容的整合夥伴。如果你正準備把 AI 從「輔助」升級成「執行」,我們可以直接幫你把路徑畫出來。

👉 預約免費諮詢,聊聊你的 AI 工作流藍圖

📚 參考資料與權威文獻

• National Association of REALTORS®|2025 Technology Survey 新聞稿(REALTORS® Embrace AI, Digital Tools)
• HousingWire|NAR Technology Survey finds AI gaining traction with Realtors
• Relitix 官方網站|About Us(十年房地產資料科學)
• Milwaukee Business Journal|Robert Keefe’s AI-driven Relitix was ahead of the curve
• Wikipedia|Intelligent agent(智能體與 agentic AI 定義)