Dalam konferensi VB Transform 2026, Chief Engineering Zillow Toby Roberts menegaskan bahwa angka pengembalian investasi (ROI) dari adopsi kecerdasan buatan hanya dapat diandalkan jika pengukuran dilakukan sebelum proses pembangunan sistem dimulai. Pernyataan ini disampaikan dalam sesi diskusi bersama Arvind Jain, pendiri dan CEO Glean, yang membahas arsitektur AI perusahaan real estate tersebut.
Zillow menghadapi tantangan unik karena produknya menyentuh sekitar 80 persen transaksi properti di Amerika Serikat setiap tahunnya. Perjalanan pelanggan sering kali berlangsung selama berbulan-bulan atau bahkan bertahun-tahun, melibatkan berbagai titik kontak seperti layar ponsel, petugas pinjaman, hingga agen properti. Roberts menjelaskan bahwa pendekatan chatbot tunggal tidak cukup untuk mempertahankan konteks sepanjang perjalanan tersebut.
Perusahaan memilih membangun lapisan konteks persisten sendiri alih-alih bergantung pada antarmuka obrolan eksternal. Lapisan ini dirancang untuk mendukung pelanggan dan profesional di setiap tahap perjalanan mereka. Pendekatan tersebut didasarkan pada pengalaman dua dekade Zillow dalam pembelajaran mesin, termasuk produk seperti Zestimate, dengan memanfaatkan model-model spesifik tugas yang telah disesuaikan.
Data bukanlah hambatan utama. Roberts menguraikan bahwa upaya awal difokuskan pada fondasi data melalui pendekatan data mesh, garis keturunan data yang jelas, serta struktur tata kelola yang menyertakan izin dan identitas. Namun, tantangan sesungguhnya terletak pada kemampuan sistem untuk mengingat posisi pelanggan dalam perjalanannya dan meneruskan informasi tersebut ke permukaan berikutnya.
Zillow kini mengoperasikan ribuan agen Glean dalam lingkungan produksi untuk menangani tugas-tugas repetitif. Glean menyediakan gateway terpusat yang mengintegrasikan berbagai sistem, sehingga tim keuangan, hukum, dan pemasaran tidak perlu membangun koneksi secara terpisah. Mekanisme ini juga berfungsi sebagai pengungkit biaya melalui perutean model dan konteks yang telah dihitung sebelumnya.
Dari perspektif perusahaan secara keseluruhan, pendekatan Zillow menunjukkan bahwa sentralisasi integrasi dapat mengurangi duplikasi pekerjaan yang sering terjadi di organisasi besar. Selain itu, penerapan aturan kepatuhan yang ketat di atas platform yang sadar izin menjadi langkah penting untuk data yang diatur secara ketat.
Dalam hal dampak industri, strategi pengukuran baseline sebelum adopsi AI seperti yang dilakukan Zillow dapat menjadi acuan bagi perusahaan lain yang beroperasi di sektor dengan siklus transaksi panjang. Hal ini membantu menghindari penilaian berlebihan terhadap manfaat AI ketika metrik dasar belum tersedia. Selain itu, penekanan pada konteks enterprise yang terpusat menyoroti pergeseran menuju platform AI khusus yang mengutamakan integrasi mendalam daripada model umum semata, terutama di industri yang memerlukan kepatuhan regulasi tinggi seperti properti.
