How Scout24 is building the next generation of real-estate search with AI

🖼️ 인포그래픽

How Scout24 is building the next generation of real-estate search with AI 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

독일 최대 부동산 플랫폼 Scout24는 GPT-5 기반 대화형 검색 도우미 HeyImmo를 개발하면서 단순한 매물 검색을 넘어 사용자의 요구를 уточ화하고 선택을 안내하는 신뢰도 높은 부동산 전문가 경험을 구축했다.

📌 핵심 요약

Scout24는 기존의 사기 탐지, 마케팅 효율화, 부동산 가치 평가를 넘어 생성형 AI를 핵심 검색 경험에 적용해 대화형 부동산 도우미 HeyImmo를 개발했다.
HeyImmo는 уточ화 질문, 관련 매물 제시, 선택지 요약을 수행하며 사용자의 요구에 따라 간결한 설명, 글머리표, 이미지가 포함된 매물 목록 등으로 답변 형식을 바꾼다.
초기의 복잡한 다중 에이전트 구상은 빠른 출시와 사용자 학습을 위해 함수 호출과 역할이 명확한 구성 요소를 중심으로 단순화됐으며, 지연 시간·관련성·성능·응답 구조가 핵심 기술 과제가 됐다.
Scout24는 OpenAI Evals 프레임워크에서 영감을 받은 자체 평가 체계를 만들고 전사적 테스트를 실시했으며, 정한 품질 기준을 충족하기 위해 출시를 한 차례 연기했다.
향후에는 구직자, 임대인, 주택 소유자, 중개인을 연결하는 방향으로 도우미의 적용 범위를 넓히고, 검증된 평면도 제작과 개인화된 주거 탐색 안내 같은 기능을 확장할 계획이다.

🧩 주요 포인트

Scout24는 기존의 사기 탐지, 마케팅 효율화, 부동산 가치 평가를 넘어 생성형 AI를 핵심 검색 경험에 적용해 대화형 부동산 도우미 HeyImmo를 개발했다.
HeyImmo는 уточ화 질문, 관련 매물 제시, 선택지 요약을 수행하며 사용자의 요구에 따라 간결한 설명, 글머리표, 이미지가 포함된 매물 목록 등으로 답변 형식을 바꾼다.
초기의 복잡한 다중 에이전트 구상은 빠른 출시와 사용자 학습을 위해 함수 호출과 역할이 명확한 구성 요소를 중심으로 단순화됐으며, 지연 시간·관련성·성능·응답 구조가 핵심 기술 과제가 됐다.
Scout24는 OpenAI Evals 프레임워크에서 영감을 받은 자체 평가 체계를 만들고 전사적 테스트를 실시했으며, 정한 품질 기준을 충족하기 위해 출시를 한 차례 연기했다.
향후에는 구직자, 임대인, 주택 소유자, 중개인을 연결하는 방향으로 도우미의 적용 범위를 넓히고, 검증된 평면도 제작과 개인화된 주거 탐색 안내 같은 기능을 확장할 계획이다.

🧠 상세 정리

1. 기존 AI 활용에서 대화형 부동산 도우미로

Scout24는 독일 최대의 부동산 플랫폼을 운영하며 집을 찾는 사람, 주택 소유자, 임대인, 중개인을 하나의 생태계에서 연결한다. 이 회사는 이미 여러 해 동안 사기 탐지, 마케팅 효율화, 부동산 가치 평가 등에 AI를 활용해 왔다. 강력한 대규모 언어 모델의 등장은 기존 업무를 보조하는 수준을 넘어 고객이 어디에서 어떻게 살지 탐색하는 방식 자체를 새롭게 설계할 기회가 됐다. 이에 Scout24는 플랫폼의 핵심 기능인 검색을 출발점으로 삼아 GPT-5 기반 대화형 검색 도우미 HeyImmo를 개발하고, 혁신성과 함께 품질 및 신뢰를 확보하는 것을 출시의 주요 조건으로 설정했다.

2. 검색 결과보다 더 필요했던 안내와 상호작용

Scout24는 처음에는 검색 결과를 개선하는 데 초점을 맞췄지만, OpenAI와 시제품을 만드는 과정에서 고객이 원하는 것은 더 좋은 결과 목록만이 아니라는 점을 빠르게 파악했다. 사용자는 자신의 조건을 함께 정리하고 플랫폼 전체의 선택 과정을 안내해 주는 부동산 전문가이자 대화 상대를 필요로 했다. HeyImmo는 이를 위해 уточ화 질문을 던지고, 관련성이 높은 매물을 제시하며, 여러 선택지를 요약하는 방식으로 작동한다. 또한 어떤 사용자에게는 짧은 글머리표를, 다른 사용자에게는 충분한 설명을, 매물을 바로 보고 싶은 사용자에게는 이미지 미리보기가 포함된 목록을 제공하면서 상황에 맞는 ‘지능적 상호작용’이 무엇인지 구현하려 했다.

3. 복잡한 다중 에이전트 대신 단순한 구조 선택

기술 구조를 정하는 과정에서 초기 구상은 여러 에이전트가 협력하는 복잡한 프레임워크에 가까웠다. 그러나 Scout24는 가능한 한 빨리 제품을 내놓고 실제 사용자로부터 학습하기 위해 의도적으로 구조를 단순화했다. 최종적으로는 함수 호출과 역할이 분명한 구성 요소를 중심으로 시스템을 설계했으며, 이를 통해 개발 속도와 개선 가능성을 확보하려 했다. 이 과정에서 단순히 답변을 생성하는 능력보다 응답 지연 시간, 검색 결과와 답변의 관련성, 전반적인 성능과 안정성, 사용자가 이해하기 쉬운 응답 구조가 핵심 기술 주제로 부상했다.

4. ‘충분히 좋은 답변’을 정의한 자체 평가 체계

개발 과정의 중요한 과제 중 하나는 AI 검색 경험의 품질을 어떤 기준으로 판단할지 정하는 일이었다. Scout24는 막연한 인상에 의존하지 않고 ‘충분히 좋은 답변’이 무엇인지 정의하고 여러 상황에서 측정하기 위해 OpenAI Evals 프레임워크에서 영감을 받은 자체 평가 모델을 구축했다. 이 평가 체계는 답변의 품질과 구조를 반복적으로 점검하고, 시스템 개선이 실제 사용자 경험의 향상으로 이어지는지 확인하는 기반이 됐다. 결과적으로 품질은 출시 후에 보완할 부차적 요소가 아니라 제품 개발 초기부터 명시적으로 기준을 세우고 지속해서 측정해야 하는 핵심 설계 요소로 다뤄졌다.

5. 전사적 스웜 테스트와 출시 연기

자동화된 평가만으로는 실제 사용자가 보일 다양한 기대와 예외 상황을 모두 파악하기 어려웠기 때문에 Scout24는 광범위한 내부 테스트를 병행했다. 거의 모든 직원이 제품을 직접 사용하고 의견을 제공하며 예상하기 어려운 경계 사례를 집중적으로 시험하는 ‘스웜 테스트’에 참여했다. 이 과정은 기술팀이 미리 설정한 기준뿐 아니라 실제 사람들이 답변의 길이, 형식, 관련성과 안내 방식에 무엇을 기대하는지 드러냈다. 회사는 내부 테스트 결과가 미리 정한 품질 기준에 미치지 못한다고 판단하자 출시를 한 차례 연기했으며, 빠르게 출시하고 학습하되 신뢰가 필요한 시점에는 속도를 늦출 줄 알아야 한다는 원칙을 실천했다.

6. 협업에서 생태계 전체의 연결로

Scout24는 개발 전반에서 OpenAI Solutions Architects와 긴밀히 협력했고, 이 협업이 답변 품질을 높이고 응답 구조를 다듬으며 AI 검색의 적절한 품질 기준을 맞추는 데 큰 도움이 됐다고 평가했다. 반복적인 엔지니어링, 엄격한 평가, 광범위한 내부 테스트의 결합은 지능적이면서도 신뢰할 수 있는 고객 경험의 기반이 됐다. 앞으로 Scout24는 도우미를 집을 찾는 사람뿐 아니라 임대인, 주택 소유자, 중개인까지 연결하는 방향으로 확장할 계획이다. 중개인의 검증된 평면도 제작을 지원하고 구직자에게 더 개인화된 안내를 제공하는 등 고객군별 기능을 늘려, 플랫폼 참여자 간 연결과 마켓플레이스의 네트워크 효과를 강화하려 한다.

🧾 핵심 주장 / 시사점

생성형 AI를 주변 업무에 덧붙이기보다 제품의 핵심인 검색에서 시작했기 때문에 Scout24는 고객이 실제로 원하는 것이 결과 목록이 아니라 탐색 과정 전반의 안내라는 사실을 발견할 수 있었다.
복잡한 다중 에이전트 구조보다 함수 호출과 집중된 구성 요소를 선택한 사례는 초기 제품 단계에서 구조적 화려함보다 출시 속도, 안정성, 사용자 피드백에 따른 개선 가능성이 중요함을 보여준다.
자체 평가 체계, 전사적 경계 사례 테스트, 필요할 때의 출시 연기는 AI 제품의 신뢰가 모델 성능만으로 확보되는 것이 아니라 명확한 품질 기준과 조직적인 검증 절차를 통해 형성된다는 점을 보여준다.