Dwóch agentów AI przy stole negocjacyjnym: kto zgarnia wartość w transakcji nieruchomości

Transakcja nieruchomości komercyjnej to zwykle kilka tygodni telefonów, spotkań i maili, podczas których obie strony próbują wyczuć, na ile naprawdę może zejść sprzedający i ile faktycznie jest w stanie zapłacić kupujący. Z badań nad negocjacjami AI wynika, że automatyzacja tego procesu skraca czas finalizacji z tygodni do godzin, ale tożsamość dostawcy modelu językowego decyduje o tym, która strona zgarnie lwią część zysku.

Negocjacje z ukrytą ceną jako problem branży

W każdej transakcji nieruchomościowej kupujący ma prywatny limit cenowy, którego nie ujawnia, a sprzedający operuje wewnętrzną ceną minimalną, poniżej której nie zejdzie. Klasyczny pośrednik spędza dni na telefonach, próbując zbliżyć te dwie niewidoczne granice. Efekt? Średni czas finalizacji umowy przedwstępnej w segmencie komercyjnym w Warszawie to według danych JLL z 2024 roku około 21 dni roboczych. Dla transakcji powyżej 5 milionów euro ten czas potrafi się podwoić.

Problemem nie jest brak danych rynkowych, tylko tarcia komunikacyjne i emocje. Kupujący czeka, bo 'może sprzedający jeszcze spuści'. Sprzedający przeciąga, licząc na drugiego oferenta. Każdy dzień zwłoki to koszt alternatywny kapitału i ryzyko, że transakcja w ogóle nie dojdzie do skutku.

Co pokazał eksperyment z agentami AI w negocjacjach kontraktowych

Badanie Liang i Xu z 2025 roku przetestowało 9840 negocjacji między parami agentów LLM od OpenAI, Google i Alibaby w scenariuszu łańcucha dostaw z ukrytą informacją. Wyniki są zaskakująco czyste. Agenci osiągają porozumienie w 98,9% przypadków i przechwytują 95,4% maksymalnej możliwej wartości, gdy pominiemy koszt czasu. Ale średnia liczba rund negocjacyjnych wynosi 2,98 wobec teoretycznego optimum 1,25, a to opóźnienie zjada od 21 do 34 procent wypracowanej nadwyżki.

Kluczowy wniosek dla rynku nieruchomości: tożsamość dostawcy modelu AI przesądza o podziale zysków silniej niż sama 'inteligencja' modelu. Gdy agent Qwen (Alibaba) występuje jako kupujący przeciwko agentowi OpenAI jako sprzedającemu, zgarnia średnio 70 procent nadwyżki. Przy odwróceniu ról podział przesuwa się o kilkanaście punktów procentowych. Krótko mówiąc, wybór dostawcy LLM to decyzja dystrybucyjna pierwszego rzędu, a nie tylko techniczna.

Dodatkowo prompt definiujący strategiczną cierpliwość agenta okazał się najsilniejszym pojedynczym sterownikiem podziału nadwyżki, wyjaśniając 90 procent wariancji. To oznacza, że biuro nieruchomości może regulować agresywność negocjacyjną swojego agenta AI bez dotykania kodu, po prostu modyfikując instrukcję słowną.

Scenariusz: fundusz RE kontra deweloper w Warszawie

Weźmy konkretny przypadek. Fundusz inwestycyjny z kapitałem 50 milionów euro szuka biurowca klasy A na Mokotowie. Deweloper wystawił obiekt za 32 miliony euro, ale jego wewnętrzna cena minimalna to 28,5 miliona, o czym fundusz nie wie. Fundusz ma budżet do 31 milionów, ale jego analitycy szacują, że przy 29 milionach IRR projektu przekroczy próg inwestycyjny.

Tradycyjny proces: dwa tygodnie negocjacji przez pośrednika, trzy rundy spotkań, eskalacja do zarządu funduszu po każdej kontrofercie. Finalna cena: 30,2 miliona euro po 18 dniach roboczych.

Scenariusz z agentami AI: każda strona konfiguruje swojego agenta, podając prywatny limit cenowy oraz parametry strategicznej cierpliwości. Fundusz wybiera agenta Qwen jako kupującego z promptem 'jesteś cierpliwy, ale zamykasz transakcję w maksymalnie 5 rundach'. Deweloper używa agenta OpenAI jako sprzedającego z promptem neutralnym. Agenci wymieniają oferty w formacie ustrukturyzowanym, bez small talku i emocji. Po 4 rundach (około 12 minut czasu maszynowego) ustalają cenę 29,1 miliona euro. Deweloper jest 0,6 miliona powyżej swojego minimum, fundusz 1,9 miliona poniżej limitu. Obie strony zamykają transakcję tego samego dnia.

Różnica 1,1 miliona euro w cenie finalnej między procesem ludzkim a AI wynika z eliminacji sygnalizacji społecznej i nieświadomego eskalowania oczekiwań podczas spotkań twarzą w twarz.

Dlaczego wybór modelu AI to decyzja biznesowa, a nie techniczna

Z badania wynika jasno: jeśli twoja firma używa agenta OpenAI jako kupującego przeciwko agentowi Qwen jako sprzedającemu, zostawiasz na stole kilkanaście procent nadwyżki, którą zgarnąłby agent Qwen w tej samej roli. To nie jest różnica akademicka. Przy portfelu 20 transakcji rocznie o średniej wartości 15 milionów euro każda, różnica 10 punktów procentowych w podziale nadwyżki to około 3 miliony euro rocznie przesunięte na niekorzyść twojej firmy.

Świadomy wybór dostawcy LLM pod kątem roli negocjacyjnej (kupujący vs. sprzedający) staje się elementem strategii inwestycyjnej, podobnie jak wybór kancelarii prawnej czy doradcy transakcyjnego. Co więcej, badanie pokazuje, że słabsze modele bazowe akceptują kontrakty indywidualnie irracjonalne w 19,2% przypadków. W języku nieruchomości: tani agent AI może zgodzić się na cenę powyżej twojego ukrytego limitu, nie sygnalizując problemu. Automatyczna weryfikacja każdej propozycji przed akceptacją jest obowiązkowa poniżej pewnego progu jakości modelu.

Prompt jako darmowa dźwignia strategiczna

Najciekawszy wniosek dla menedżera: nie musisz zatrudniać data scientistów do strojenia modelu. Prompt definiujący strategiczną cierpliwość agenta jest darmowym narzędziem, które wyjaśnia 90 procent wariancji w podziale zysków. Biuro pośrednictwa może wystawić trzech agentów o różnym stopniu agresywności negocjacyjnej i przypisywać ich do transakcji w zależności od pozycji rynkowej klienta. Sprzedający w gorącym segmencie (np. małe mieszkania w Krakowie, gdzie popyt przewyższa podaż o 30 procent) dostaje agenta z promptem 'jesteś bardzo cierpliwy, nie schodzisz poniżej ceny wyjściowej przez pierwsze 3 rundy'. Kupujący na rynku kupującego (biurowce w lokalizacjach peryferyjnych) dostaje agenta agresywnego, który otwiera 15 procent poniżej ceny ofertowej i szybko eskaluje do limitu.

To oddziela ekonomiczną cierpliwość zleceniodawcy od strategicznej cierpliwości agenta. Klient może potrzebować szybkiej sprzedaży z powodów płynnościowych, ale agent negocjacyjny nie musi tego ujawniać drugiej stronie. Prompt maskuje presję czasową, która w negocjacjach ludzkich jest czytelna po drugim telefonie.

Ryzyka i co może pójść źle przy pierwszym wdrożeniu

Z pięciu pilotaży automatyzacji negocjacji, o których słyszałem na konferencjach proptechowych w 2024 roku, dwa zostały wycofane po pierwszym kwartale. Powód nie był techniczny, tylko proceduralny. Agenci AI generowali oferty, które były ekonomicznie racjonalne, ale naruszały niepisane normy rynkowe. Na przykład agent kupującego otworzył negocjacje od ceny 40 procent poniżej ofertowej na rynku, gdzie standardem jest maksymalnie 15 procent. Sprzedający uznał to za brak powagi i zerwał kontakt, zanim ludzki pośrednik zdążył interweniować.

Drugie ryzyko to modele bazowe akceptujące irracjonalne kontrakty. Jeśli fundusz użyje taniego, słabszego modelu jako agenta kupującego, ten może zaakceptować cenę powyżej ukrytego limitu budżetowego. Badanie pokazuje 19,2% takich przypadków dla modeli bazowych wobec 0,0-0,6% dla modeli flagowych. W praktyce: przed wdrożeniem warto przetestować agenta na 50 historycznych transakcjach z twojego portfela i sprawdzić, czy kiedykolwiek zgadza się na warunki, których ludzki negocjator by nie przyjął.

Podsumowanie: od testu na sucho do przewagi rynkowej

Technologia agentów negocjacyjnych LLM jest gotowa do pilotaży w nieruchomościach komercyjnych już teraz. Nie wymaga integracji z systemami transakcyjnymi ani zmian w procesie prawnym. Wystarczy, że biuro pośrednictwa lub fundusz skonfiguruje dwóch agentów z prywatnymi limitami cenowymi i promptem strategicznej cierpliwości, a następnie przepuści przez nich 10-20 transakcji równolegle do procesu ludzkiego, porównując wyniki. Jeśli agenci AI konsystentnie osiągają ceny finalne bliższe limitom zleceniodawców i skracają czas finalizacji poniżej 48 godzin, przejście na model hybrydowy (agent AI negocjuje warunki finansowe, człowiek finalizuje umowę) jest racjonalnym następnym krokiem. Wybór dostawcy LLM pod kątem roli w negocjacji to decyzja, którą warto podjąć świadomie, a nie zostawiać działowi IT.

• Skrócenie czasu finalizacji transakcji z 18-21 dni roboczych do kilku godzin dzięki eliminacji tarć komunikacyjnych i emocji.
• Świadomy wybór dostawcy LLM pod kątem roli negocjacyjnej (kupujący vs. sprzedający) przesuwa podział nadwyżki nawet o kilkanaście punktów procentowych na korzyść twojej firmy.
• Prompt definiujący strategiczną cierpliwość agenta to darmowe narzędzie, które wyjaśnia 90% wariancji w podziale zysków – bez zmiany kodu i bez data scientistów.

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.