AI-सक्षम प्रॉपटेक: जब फंडिंग घटे, मॉडल मजबूत रखें

2021 में अमेरिकी रियल एस्टेट स्टार्टअप्स में निवेश $11.1 बिलियन था। अगले ही चरण में तस्वीर पलटी: 2024 में यह $3.7 बिलियन पर आ गया—यानी लगभग 67% की गिरावट (PitchBook डेटा के अनुसार)। पैसा कम होना बस “कैपिटल विंटर” नहीं है; यह उन बिज़नेस मॉडल्स की असली परीक्षा है जो सस्ते ब्याज-दरों वाले दौर में तेज़ी से बड़े हुए थे। Divvy Homes और EasyKnock जैसे नामों का संघर्ष इसी बदलाव का संकेत है।

रियल एस्टेट में समस्या यह नहीं कि टेक काम नहीं करता। समस्या यह है कि गलत जोखिम-धारणाओं पर बना टेक, बाज़ार की करवट के साथ टूटने लगता है। मेरे अनुभव में जो टीमें बचती हैं, वे “वॉल्यूम” के भरोसे नहीं, डेटा-डिसिप्लिन + AI-आधारित निर्णय के भरोसे चलती हैं—खासकर प्रॉपर्टी वैल्यूएशन, डिमांड प्रेडिक्शन और पोर्टफोलियो रिस्क में।

यह लेख हमारी श्रृंखला “रियल एस्टेट और प्रॉपटेक में AI” का हिस्सा है। फोकस साफ़ है: जब फंडिंग घटे और अनिश्चितता बढ़े, तब AI किस तरह प्रॉपटेक को ज्यादा टिकाऊ बनाता है—और किन जगहों पर कंपनियाँ बार-बार गलती करती हैं।

Divvy Homes और EasyKnock जैसी कंपनियाँ क्यों फँसती हैं?

सीधा जवाब: जब बाजार का चक्र उलटता है, तब कैश-फ्लो, जोखिम और मूल्यांकन की छोटी गलतियाँ भी बड़ी बन जाती हैं।

Divvy Homes/EasyKnock जैसे मॉडलों (जिनमें अक्सर घर खरीद, लीज़-टू-ओन, सेल-लीजबैक या वैकल्पिक फाइनेंसिंग के तत्व आते हैं) का संचालन रियल एस्टेट + क्रेडिट + ऑपरेशंस का मिश्रण है। कम ब्याज दरों में:

• कैपिटल सस्ता था, इसलिए इन्वेंटरी/फंडिंग का दबाव कम लगता था
• घरों की कीमतें तेजी से बढ़ती रहीं, इसलिए “मार्जिन ऑफ सेफ्टी” का भ्रम बन गया
• री-फाइनेंस/री-सेल आसान दिखता था

उल्टा होते ही:

• फंडिंग महंगी हुई, यूनिट इकॉनॉमिक्स दबे
• डिमांड अनिश्चित हुई, लीड से क्लोज़ तक ड्रॉप बढ़ा
• वैल्यूएशन और लिक्विडिटी गैप सामने आया (जिस कीमत पर खरीदा, जिस कीमत पर निकलना है—दोनों में अंतर)

एक लाइन में: कम ब्याज-दर का “टेलविंड” हटते ही, ऑपरेटिंग सच्चाई सामने आ जाती है।

“टेक कंपनी” बनाम “रियल एस्टेट बैलेंस-शीट” की गलतफहमी

बहुत-सी प्रॉपटेक टीमें खुद को सॉफ्टवेयर मल्टीपल वाली कंपनी मानकर चलती हैं, जबकि असल में उनके पास एसेट-हैवी बैलेंस-शीट, मार्केट रिस्क और कैरी-कॉस्ट होती है। यह फर्क समझ में आते-आते देर हो जाती है।

AI यहाँ मदद करता है—लेकिन सिर्फ चैटबॉट या मार्केटिंग ऑटोमेशन से नहीं। मदद उस AI से होती है जो वैल्यू, डिमांड और रिस्क को “रियल टाइम” में समझे।

फंडिंग गिरने का असली मतलब: अब दक्षता ही ग्रोथ है

सीधा जवाब: कम पूँजी वाले दौर में वही प्रॉपटेक टिकेगा जो प्रति-डील लागत घटाए, गलत फैसलों की संख्या कम करे, और रिस्क जल्दी पकड़ ले।

जब VC निवेश घटता है, तो दो चीजें बदलती हैं:

1. CAC (कस्टमर अक्विज़िशन कॉस्ट) पर सवाल बढ़ते हैं—हर लीड के पीछे ROI चाहिए
2. अंडरराइटिंग डिसिप्लिन सख्त होती है—हर प्रॉपर्टी/कस्टमर पर “क्या यह रिस्क लेना चाहिए?”

AI का सबसे बड़ा उपयोग यही है: कम लोगों, कम खर्च और कम समय में बेहतर निर्णय।

3 जगह जहाँ AI तुरंत P&L पर असर डालता है

• प्रॉपर्टी वैल्यूएशन (AVM + लोकल सिग्नल्स): आउटडेटेड कंप्स की जगह माइक्रो-मार्केट सिग्नल्स, लिस्टिंग ड्यूरेशन, प्राइस-कट पैटर्न, किराये का ट्रेंड
• डिमांड फोरकास्टिंग: किस इलाके/सेगमेंट में अगले 30-90 दिन में क्लोज़िंग बढ़ेगी/घटेगी
• फ्रॉड/डिफॉल्ट रिस्क स्कोरिंग: आवेदन डेटा + व्यवहारिक संकेत (behavioral signals) से जल्दी चेतावनी

यह “फैंसी” नहीं है। यह बेसिक सर्वाइवल है।

AI से प्रॉपर्टी वैल्यूएशन कैसे मजबूत बनता है?

सीधा जवाब: AI वैल्यूएशन को एक “एक-बार का नंबर” नहीं, बल्कि “लगातार अपडेट होने वाला सिग्नल” बनाता है।

कई प्रॉपटेक मॉडल इस मान्यता पर टिके रहते हैं कि खरीद/डील के समय निकला मूल्यांकन पर्याप्त है। जबकि रियल एस्टेट में मूल्यांकन एक जीवित चीज है—ब्याज दर, इन्वेंटरी, माइग्रेशन, लोकल जॉब मार्केट, स्कूल-डिस्ट्रिक्ट, यहाँ तक कि पड़ोस के नए प्रोजेक्ट्स भी असर डालते हैं।

“सिर्फ कंप्स” की सीमा

परंपरागत कंप्स-आधारित अप्रोच में:

• डेटा लेट होता है
• समान प्रॉपर्टी मिलना मुश्किल होता है
• माइक्रो-लोकेशन का असर ठीक से नहीं आता

AI-आधारित मूल्यांकन: क्या अलग होता है?

AI मॉडल अक्सर इन संकेतों को जोड़कर काम करते हैं:

• हालिया लिस्टिंग प्राइस, प्राइस कट्स और time-on-market
• किराये का स्प्रेड (rent-to-price), vacancy संकेत
• लोकल ट्रांजैक्शन वॉल्यूम और सीज़नलिटी (दिसंबर में अलग, मार्च-अप्रैल में अलग)
• प्रॉपर्टी फीचर्स (एरिया, फ्लोर, पार्किंग, बिल्डिंग एज, री-सेल लिक्विडिटी)

दिसंबर 2025 के संदर्भ में यह खास है, क्योंकि साल के अंत में कई बाजारों में ट्रांजैक्शन स्लो होते हैं। AI मॉडल अगर सीज़नल पैटर्न नहीं पकड़ता, तो टीम “डिमांड कमजोर” समझकर गलत कटौती कर बैठती है—या उल्टा, “जनवरी बाउंस” को ओवर-प्रोजेक्ट कर लेती है।

स्निपेट-लाइन: अच्छा वैल्यूएशन मॉडल वो है जो गलत होने पर जल्दी खुद को सुधार ले।

डिमांड प्रेडिक्शन: ‘कितने लीड आए’ नहीं, ‘कितने बंद होंगे’

सीधा जवाब: AI का लक्ष्य लीड गिनना नहीं, क्लोज़िंग की संभावना और समय का अनुमान लगाना है।

प्रॉपटेक में एक सामान्य गलती है: मार्केटिंग टीम MQL/SQL बढ़ाती है, पर ऑप्स टीम के पास सही-समय पर सही-लीड नहीं पहुँचती। कम फंडिंग में यह महंगा पड़ता है।

बेहतर AI फोरकास्टिंग के लिए जरूरी डेटा

• लीड सोर्स के हिसाब से क्लोज़-रेट (जैसे रीटार्गेटिंग बनाम रेफरल)
• लोकेशन-वार डिमांड शिफ्ट (पिनकोड/ज़िप-कोड स्तर)
• प्राइस बैंड के अनुसार इलास्टिसिटी (ब्याज दर बढ़ने पर कौन-सा बैंड ज्यादा टूटता है)
• सेल्स-साइकिल टाइम (7 दिन बनाम 30 दिन) और ड्रॉप-ऑफ पॉइंट

एक व्यावहारिक तरीका: 30-60-90 दिन का “डिमांड डैशबोर्ड”

मैंने जिन टीमों को बेहतर करते देखा है, वे एक ही स्क्रीन पर यह रखते हैं:

• अगले 30/60/90 दिन में अपेक्षित क्लोज़िंग
• पाइपलाइन का confidence score
• माइक्रो-मार्केट के “हॉट/कोल्ड” संकेत
• “अगर ब्याज दर X bps बढ़े/घटे” तो प्रभाव

यह डैशबोर्ड CEO को भी समझ आना चाहिए—वरना AI सिर्फ डेटा टीम की प्रेज़ेंटेशन बनकर रह जाएगा।

ऑपरेशंस और रिस्क: AI यहाँ ‘सेविंग’ नहीं, ‘सेफ्टी’ देता है

सीधा जवाब: एसेट-हैवी प्रॉपटेक में एक बड़ा नुकसान किसी एक गलत बैच/क्लस्टर निर्णय से आता है—AI उसे रोकता है।

Divvy Homes/EasyKnock जैसी श्रेणी की कंपनियों में रिस्क दो तरह का होता है:

1. मार्केट रिस्क: कीमतें/लिक्विडिटी/रेंट ट्रेंड
2. कस्टमर/क्रेडिट रिस्क: भुगतान क्षमता, डिफॉल्ट, फ्रॉड

AI-आधारित रिस्क कंट्रोल्स जो अभी अपनाने चाहिए

• अर्ली-वार्निंग सिस्टम: पेमेंट पैटर्न, मेंटेनेंस रिक्वेस्ट, कम्युनिकेशन व्यवहार से संकेत
• क्लस्टर-लेवल एक्सपोज़र लिमिट: एक ही माइक्रो-मार्केट में जरूरत से ज्यादा इन्वेंटरी/डील्स न हो
• फ्रॉड डिटेक्शन: डॉक्यूमेंट, डिवाइस/आईपी पैटर्न, असामान्य एप्लिकेशन व्यवहार

याद रखने वाली बात: रियल एस्टेट में रिस्क अक्सर “धीरे-धीरे” बढ़ता है, और नुकसान “अचानक” दिखता है।

अगर आप प्रॉपटेक चला रहे हैं: अगले 90 दिनों का AI एक्शन प्लान

सीधा जवाब: पहले उन 3 जगह AI लगाइए जहाँ गलत निर्णय सबसे महंगा पड़ता है—वैल्यूएशन, डिमांड फोरकास्ट, और रिस्क।

1) डेटा की “परिभाषा” लॉक करें (पहला हफ्ता)

• “वैल्यू” किस दिन का, किस स्रोत का?
• “क्लोज़” किस स्टेज पर माना जाएगा?
• लोकेशन ग्रेन्युलैरिटी: शहर/ज़ोन/पिनकोड?

2) एक मॉडल नहीं, “मॉनिटरिंग सिस्टम” बनाइए (2-6 हफ्ते)

• मॉडल ड्रिफ्ट अलर्ट (कब मॉडल की सटीकता गिर रही है)
• आउट-ऑफ-बाउंड प्रॉपर्टीज (जहाँ अनुमान असामान्य है)
• फीडबैक लूप: ऑप्स टीम की ग्राउंड सच्चाई वापस मॉडल में जाए

3) निर्णय-प्रक्रिया में AI को जगह दें (6-12 हफ्ते)

AI तभी काम करेगा जब निर्णय की SOP बदले:

• खरीद/डील अनुमोदन में AI risk score अनिवार्य
• हाई-रिस्क क्लस्टर पर कैप
• सेल्स टीम को “किसे कॉल करें” में प्रायोरिटी संकेत

यहाँ एक सख्त राय: अगर AI सिर्फ “रिपोर्ट” है और निर्णय पुराने तरीके से हो रहे हैं, तो आप पैसा जला रहे हैं।

“रियल एस्टेट और प्रॉपटेक में AI” श्रृंखला के लिए इसका मतलब

Divvy Homes और EasyKnock का संघर्ष किसी एक कंपनी की कहानी नहीं है। यह संकेत है कि प्रॉपटेक का अगला चरण ‘ग्रोथ-at-all-costs’ नहीं, ‘रीस्क-एडजस्टेड ग्रोथ’ है। और यह बदलाव बिना AI के संभव नहीं—क्योंकि इंसानी निर्णय-प्रक्रिया इतनी तेज़ी से बदलते सिग्नल्स को लगातार नहीं पकड़ सकती।

अगर आप डेवलपर हैं, ब्रोकरेज चला रहे हैं, या प्रॉपटेक में प्रोडक्ट/ग्रॉथ टीम में हैं—तो 2026 में जीतने का तरीका साफ है: मूल्यांकन ज्यादा सटीक, डिमांड अनुमान ज्यादा व्यावहारिक, और रिस्क कंट्रोल ज्यादा जल्दी।

अब अगला सवाल: आपकी कंपनी का “AI सिस्टम” सच में निर्णय बदल रहा है—या सिर्फ स्लाइड्स में अच्छा दिख रहा है?