Il cambiamento di paradigma nel PropTech

L’intelligenza artificiale spinge il PropTech oltre il puro modello SaaS. Il vantaggio nasce quando operatività, dati e automazione si rafforzano a vicenda, riducendo il lavoro umano per unità di output e trasformando le piattaforme in veri operatori tecnologici.

Da software a servizio: la prima tappa della serie

Nel primo articolo di questa serie abbiamo sostenuto che il capitale non sta abbandonando il software: sta cambiando i criteri con cui lo seleziona. Nel secondo abbiamo provato a mettere alla prova la conseguenza più scomoda di quella tesi. Integrare operatività significa accettare, almeno all’inizio, margini inferiori a quelli del SaaS puro.

Il modello regge soltanto se quella differenza non è strutturale: se, cioè, il costo umano per unità di lavoro diminuisce man mano che il sistema impara. Avevamo chiuso con una domanda: in che ordine si costruisce un margine che converge?

L’ordine è cruciale

È la domanda decisiva, perché mettere insieme software e persone non basta. Un’agenzia immobiliare con un ottimo gestionale rimane un’agenzia immobiliare. Una società di servizi che usa l’intelligenza artificiale non diventa automaticamente una società tecnologica. E una startup SaaS che aggiunge un team operativo può semplicemente ritrovarsi con la struttura di costo di un servizio e quella di sviluppo di una software company.

Il punto non è essere ibridi. Il punto è costruire un sistema nel quale operatività e tecnologia migliorino reciprocamente la propria economia. E per farlo l’ordine conta.

Il percorso tradizionale di innovazione digitale

Per quasi vent’anni la sequenza naturale dell’innovazione digitale è stata abbastanza chiara: individuare un processo inefficiente, costruire uno strumento migliore, venderlo agli operatori del settore e lasciare che fossero loro a utilizzarlo.

Il software migliorava il lavoro. L’intelligenza artificiale apre una possibilità diversa: il software può iniziare a svolgere una parte del lavoro.

Modelli teorici: Bessemer e Andreessen Horowitz

Bessemer descrive questa trasformazione distinguendo implicitamente due modelli. Nell’era cloud il software diventava il sistema nel quale un’impresa lavorava; nell’era AI può entrare direttamente nella produzione dell’output. Il prodotto non è più soltanto lo strumento. Può diventare il risultato.

Andreessen Horowitz arriva alla stessa conclusione partendo dal Vertical SaaS. L’AI permette alle piattaforme verticali di assorbire attività che prima rimanevano fuori dal software: customer service, amministrazione, marketing, sales, operations. Il mercato indirizzabile non è quindi più soltanto la spesa software del cliente, ma anche una parte del suo costo del lavoro.

Il caso concreto del real estate

Nel real estate la differenza è concreta. Un software per property manager può organizzare una richiesta di manutenzione.

Un operatore tecnologico può ricevere quella richiesta, comprenderla, verificare le informazioni sull’immobile, identificare il fornitore, organizzare l’accesso, chiedere eventualmente l’autorizzazione al proprietario, aggiornare l’inquilino e verificare che l’intervento sia stato concluso.

Nel primo caso si vende uno strumento. Nel secondo si prende responsabilità su una parte del lavoro. È lì che comincia il modello ibrido.

Scelta del punto di ingresso

Il punto di ingresso migliore non è necessariamente il processo più costoso o quello più importante. È quello nel quale esiste abbastanza ripetizione da permettere alla macchina di imparare e abbastanza complessità da rendere ancora necessario l’intervento umano nelle eccezioni.

Il property management come laboratorio

Il property management è quasi un caso da laboratorio. La gestione quotidiana di un portafoglio è composta da migliaia di piccole attività: e‑mail, telefonate, pagamenti, richieste degli inquilini, manutenzioni, appuntamenti, documenti, fornitori, scadenze. La maggior parte non richiede una decisione strategica.

Ed è proprio questa combinazione — grande volume di transazioni standard e una quota più piccola di decisioni ad alto contenuto di giudizio — a rendere possibile una diversa divisione del lavoro tra uomo e macchina.

Studio di caso: Dwelly

Dwelly, operatore britannico che sta consolidando agenzie di letting indipendenti, ha costruito il proprio modello esattamente su questa separazione. Non vende semplicemente un software alle agenzie: acquisisce e integra operatori esistenti e li porta sulla propria infrastruttura tecnologica.

A luglio 2026 dichiarava oltre 15 000 immobili gestiti e circa 350 milioni di sterline di rent roll. Nello stesso mese ha annunciato una raccolta da 170 milioni di dollari, composta da 95 milioni di equity e 75 milioni di debito.

La distinzione è importante. Dwelly non deve convincere un’agenzia esterna a modificare il proprio workflow. Controlla direttamente il workflow.

Vantaggi strutturali dell’integrazione

Qui compare il primo vantaggio strutturale dell’integrazione tra tecnologia e operations. Chi vende software vede ciò che il cliente registra nel software. Chi svolge il lavoro vede il processo intero.

Ogni manutenzione contiene informazioni sull’immobile, sul proprietario, sul problema, sul fornitore scelto, sui tempi, sul costo, sulle eccezioni e sulla decisione finale. Ogni trattativa produce nuovi segnali. Ogni telefonata aggiunge contesto. Ogni errore rivela un caso che il sistema non sapeva ancora gestire.

Il risultato è un tipo di dato diverso da quello tradizionalmente associato al PropTech. Non un database acquistato, ripulito e visualizzato meglio. Un dato che nasce come sottoprodotto dell’operatività.

Metriche più significative

Ed è un passaggio fondamentale, perché l’automazione non dovrebbe partire dalla sostituzione indiscriminata delle persone. Dovrebbe partire dall’osservazione precisa di ciò che fanno.

Solo quando il processo è stato scomposto in questo modo è possibile spostarne progressivamente alcune parti verso la macchina.

I numeri pubblicati da Dwelly mostrano bene il meccanismo. Nell’agosto 2026 oltre mille richieste di manutenzione sono passate attraverso i suoi sistemi agentici. Secondo la società, il lavoro umano medio necessario per pratica è sceso da circa tre ore a 15–20 minuti.

Il dato più interessante, però, è quello sottostante. Il sistema non elimina completamente l’intervento umano. Ogni pratica genera in media circa cinque escalation; ciascuna richiede circa tre minuti di intervento. L’AI porta avanti il processo finché può; quando incontra una decisione che non è in grado di prendere con sufficiente affidabilità, chiede aiuto e poi prosegue autonomamente con il nuovo contesto ricevuto.

Questa architettura suggerisce una metrica molto più utile del generico “percentuale di automazione”: minuti umani per unità di output. Se oggi una pratica richiede venti minuti e tra un anno ne richiede dieci, il sistema sta imparando. Se il numero di immobili gestibili da una persona aumenta senza deteriorare il servizio, il margine converge. Se invece ogni cento nuovi clienti servono proporzionalmente le stesse persone di prima, la tecnologia ha probabilmente migliorato l’interfaccia senza modificare