전세사기 피해자 대부분이 빌라와 오피스텔에 몰린 데는 이유가 있다. 대단지 아파트는 포털 사이트에서 시세 확인이 쉽게 가능하지만, 빌라는 ‘시세 깜깜이’다. 거래가 드물고 정보가 흩어져 있어 일반인은 물론, 금융기관조차 합리적인 가격 판단이 어렵다. 시세 대비 전세가가 과도하게 높은지 알 수 없으니, 보증금을 떼일 위험도 보이지 않는다. 서민 주거 공간일수록 금융 비용과 보험 요율은 오히려 더 높다. 정보 부재가 만든 불합리한 구조다.
그 구조를 AI로 깨뜨린 사람이 있다. 한국감정원에서 15년간 감정평가사로 일하다가, 2015년 공감랩을 창업한 맹준영 대표다. 그가 개발한 부동산 시세 평가 서비스 하우스머치는 현재 신한·우리·농협·제일·카카오뱅크 등 20여 개 금융기관에서 담보대출 산정에 활용되고 있다. 빌라도 이제 1초 만에 시세를 확인할 수 있다. 맹 대표가 감정평가사로 일하며 답답했던 건 이 격차였다.
“대단지 아파트는 시세를 쉽게 파악할 수 있어 중개와 거래, 금융, 보험이 원활하게 이뤄집니다. 하지만 빌라, 오피스텔, 지식산업센터 같은 곳은 거래가 드물고 정보는 흩어져 있어 판단 자체가 어려운 구조였죠.”
공공기관 안에서 연구하고, 제안했지만 받아들여지지 않았다. 정부의 제도 개선만으로는 한계가 분명했다. 모든 부동산의 시세를 대단지 아파트처럼 주기적으로 제공한다면 문제를 해결할 수 있을 것이라는 신념으로 창업을 결심했다.
안정적인 감정평가사 커리어를 포기하는 결정이 쉽지 않았다. 나름 괜찮은 연봉을 받고 있었고, 가족을 보살펴야 하는 위치였다. 하지만 ‘지금 하지 않으면 평생 못 할 것 같다’는 생각이 들었다. 같은 꿈을 꾸던 동료들과 최소 2~3년은 버틸 수 있도록 기술적으로 준비했고, 창업경진대회 우승이 마지막 확신을 줬다.
하우스머치 AVM의 핵심은 가격과 신뢰도를 동시에 제공한다는 점이다. 단순히 숫자를 던지는 게 아니라, 이 가격을 얼마나 믿어도 되는지를 함께 보여준다.
“감정평가사도 평가하기 쉬운 물건이 있고, 어려운 물건이 있어요. 동일한 물건도 감정평가사마다 가격 차이가 나죠. 우리 ‘하우스머치’ 알고리즘에는 그 사상을 녹여, 잘 모르는데도 잘 아는 척 하지 않도록 구성했습니다.”
감정원 재직 15년 동안 수천, 수만 건의 물건을 직접 보고 평가하면서 ‘가격을 결정하는 요소가 무엇인지’를 몸으로 익혔다. 단순히 면적이나 연식만 보는 게 아니라, 동일 건물 내 타입, 층, 향, 양성화 여부, 거래사례 이상치 및 긴 공백 등을 식별하고 모형에게 학습시키는 것은 현장 경험 없이는 설계하기 어렵다.
빌라나 오피스텔처럼 개별성이 큰 부동산은 ‘완전히 같은 물건은 없다’는 전제에서 출발한다. 대신 얼마나 비슷한지를 다각도에서 수치화하고, 다양한 관점에 따라 얼마나 다른 가격으로 추정할 수 있는 지를 계산한 뒤 이를 앙상블한다. 가장 어려웠던 건 데이터가 없는 구간을 어떻게 설명 가능한 방식으로 처리할 것인가였다. 단순한 머신러닝이 아니라 감정평가 논리와 통계적 추론을 결합해 해결했다.
특허 4건의 핵심은 다양한 관점에서의 가격 접근 및 앙상블 적용, 거래 이상치 판단 및 희소성 보정, 가격 불확실성에 영향을 미치는 모집단 특성 추출, 가격 안정성 평가 로직이다. 1초 내 추정이 가능한 이유는 사전에 수십 단계의 정제와 학습을 끝낸 구조를 갖추고 있기 때문이다.
프롭테크 관점에서 이 기술의 의미는 분명하다. 부동산 거래의 핵심은 정보의 투명성이다. 아파트는 시세 정보가 공개돼 거래가 활발하고 금융 비용도 낮지만, 비아파트는 정보 부족으로 거래도 어렵고 금융 비용도 높다. 하우스머치는 이 정보 격차를 기술로 해소한다.
맹대표에 따르면, 금융기관들이 하우스머치를 선택한 이유는 단순하다. 쓸 수 있기 때문이다. 속도, 설명 가능성, 리스크 관리 측면에서 실무에 바로 적용 가능하다. 그는 “금융위 혁신금융서비스를 통과해 은행감독업무시행규칙 개정을 이끌어냈고, 기술적으로는 비대면 담보대출의 자동화를 가능하게 했다”면서, “각 은행별로 테스트 데이터와 레퍼런스가 쌓이면서 신뢰성과 설명성이 높아진 점도 주효했다”고 밝혔다. 1금융권에서 다수 은행이 사용한다는 건 사실상 시장 표준 검증 단계에 들어섰다는 의미다. 금융기관과의 계약은 B2B 구독 및 사용량 기반 구조로, 금융권 매출이 전체의 상당 부분을 차지한다.
KB부동산과의 협업도 중요한 전환점이었다. 전국 250만 호 연립다세대를 커버하면서 대규모 트래픽과 실사용 환경에서 AVM이 작동한다는 걸 증명했다. 협업 종료는 단기적으로 아쉬웠지만, 결과적으로 하우스머치 직접 서비스와 금융권 문의가 크게 늘어나는 계기가 됐다. 대형 플랫폼 협업과 자체 서비스 모두 가능성을 열어두되, 플랫폼 의존 리스크를 항상 염두에 두고 있다. 핵심은 데이터 주도권이다. 2023년 전세사기 국면에서 하우스머치는 시세 대비 전세가가 과도하게 높은 빌라를 손쉽게 확인할 수 있는 도구로 활용됐다. 고위험 물건 조회가 급증했고, 금융과 공공 문의도 늘었다.
공감랩의 성장 전략은 독특하다. 외부 투자보다는 매출 기반 성장에 집중해 왔다. 창업 2년 차부터 안정적인 매출이 발생했고, 5년 차부터는 손익분기점을 넘어 이익이 발생했다. 외부 투자를 받는 데 쓰는 에너지를 내실을 다지는 데 썼다.
맹 대표는 “2024년 기준 연매출은 수십억 원 규모로, 금융권 도입이 본격화되면서 꾸준한 성장 곡선을 그리고 있다”면서 “추가 투자 유치는 열어두고 있지만, 수익성은 이미 확보 단계에 들어선 만큼 단순 재무적 투자는 고려하지 않는다. 금융이나 공공 부문에서의 전략적 투자가 이루어진다면, 데이터 커버리지 확장, 모델 고도화, B2C 사업 확장에 집중할 계획”이라고 강조했다.
현재 조직은 데이터 사이언스, 감정평가 및 부동산 도메인 전문가, 개발, 사업 운영 인력 등 13명으로 운영된다. 10년간 퇴사한 인원을 손에 꼽을 정도로 이직률이 낮다. 전문성과 투명성을 가장 중요하게 생각하며, 임직원에게 자기 개발을 독려하고 원활한 협업 구조를 이끌어낸다.
서울 성동구에 사무실을 둔 것은 스타트업과 IT 인력이 모여 있으면서도 도심 접근성이 용이하고, 비용이 과도하게 높지 않았기 때문이다. “스타트업과 IT업종의 입지는 무엇보다도 인재가 있는 곳에 위치해야 한다”는 게 맹 대표와 창업 동료들의 철학이다.
맹준영 대표가 꿈꾸는 미래는 간결하다.
“5년에서 10년 후 공감랩은 부동산 가격을 이야기할 때 가장 먼저 떠오르는 기준이 되고 싶습니다. 사람들이 부동산을 거래하거나 담보대출을 받을 때 항상 참고하게 되는 신뢰받는 인프라로 자리매김하는 것이 목표입니다.”
매출이나 점유율보다, 부동산 시장의 불투명한 영역을 얼마나 줄였는가가 진짜 성과 지표라는 게 그의 생각이다. 한국 프롭테크는 이제 실험 단계를 넘어 검증 단계에 들어섰고, 전문가 집단지성과 AI의 결합은 필수적인 방향이다. 안정적인 공공기관 커리어를 포기하고 뛰어든 한 감정평가사의 집념이, 빌라와 오피스텔에 사는 서민들의 정보 격차를 기술로 메우고 있다.
"Real Estate Fraud: Detected in 1 Second"…Maeng Jun-young, CEO of Gonggam Lab
There's a reason most jeonse scam victims flock to villas and officetels. While it's easy to check market prices for large apartment complexes on portal sites, villas are in the dark. Transactions are rare and information is fragmented, making it difficult for the general public, and even financial institutions, to make reasonable price judgments. Since it's impossible to tell if the jeonse price is excessively high compared to market value, there's no real risk of losing the deposit. In fact, the more affordable a housing unit is, the higher the financial costs and insurance rates. This irrational structure stems from a lack of information.
There's someone who's disrupted that structure with AI. Maeng Jun-young, CEO of Gonggam Lab, founded the company in 2015 after working as an appraiser at the Korea Appraisal Board for 15 years. His real estate valuation service, House Much, is currently used by over 20 financial institutions, including Shinhan, Woori, Nonghyup, Jeil, and Kakao Bank, to calculate secured loans. Now, even villas can be valued in just one second. This gap was what frustrated Maeng as an appraiser.
"For large apartment complexes, market prices are readily available, making brokerage, transactions, financing, and insurance seamless. However, transactions are rare in areas like villas, officetels, and knowledge industry centers, and information is fragmented, making it difficult to make informed decisions."
I researched and proposed solutions within public institutions, but none were accepted. It became clear that government institutional reform alone had limitations. Believing that periodically providing market prices for all real estate properties, like those for large apartment complexes, would solve the problem, I decided to start a business.
The decision to give up a stable career as a real estate appraiser wasn't easy. I was earning a decent salary, and I had to support my family. However, I felt like, "If I don't do it now, I'll never be able to do it." With colleagues who shared the same dream, I prepared technically to last at least two to three years, and winning the startup competition gave me the final push.
The key to HouseMuch's AVM is its ability to provide both price and reliability. It doesn't simply throw out numbers; it also demonstrates how trustworthy the price is.
"Even appraisers find some items easy to evaluate and others difficult. Even the same item can have different prices depending on the appraiser. Our 'House Much' algorithm incorporates this philosophy, ensuring we don't pretend to know things when we don't."
During my 15 years at the Appraisal Board, I personally observed and appraised tens of thousands of properties, gaining a firsthand understanding of the factors that determine price. Beyond simply assessing square footage and age, I also identify and train models to consider factors such as building type, floor area, orientation, and whether a property is properly maintained, as well as outliers and long gaps in transaction history. This is a difficult task to design without hands-on experience.
For highly individual real estate properties like villas and officetels, we start with the premise that "no two properties are exactly alike." Instead, we quantify similarities from multiple perspectives, calculate how different prices can be estimated based on different perspectives, and then ensemble these results. The most challenging aspect was how to handle the data gaps in a comprehensible way. This was achieved not through simple machine learning, but by combining appraisal logic and statistical inference.
The core of the four patents is pricing approach and ensemble application from various perspectives, outlier detection and scarcity correction, extraction of population characteristics that influence price uncertainty, and price stability assessment logic. The reason estimation is possible within one second is because the system has undergone dozens of stages of refinement and learning in advance.
From a proptech perspective, the significance of this technology is clear. The key to real estate transactions is information transparency. Apartment market information is publicly available, leading to active transactions and low financing costs. However, a lack of information in non-apartment properties makes transactions difficult and financial costs high. HouseMuch bridges this information gap with technology.
According to CEO Maeng, the reason financial institutions chose HouseMuch is simple: it's easy to use. It's immediately applicable in practice, with regards to speed, explainability, and risk management. He explained, "It passed the Financial Services Commission's Innovative Financial Services Act, leading to revisions to the Bank Supervision Enforcement Regulations, and technically enabled the automation of non-face-to-face secured lending." He added, "The increased reliability and explainability, as test data and references accumulated at each bank, also played a significant role." The fact that HouseMuch is being used by multiple banks in the primary financial sector effectively means that HouseMuch has entered the market standard validation phase. Contracts with financial institutions are structured on a B2B subscription and usage basis, with financial sector sales accounting for a significant portion of the total.
Our collaboration with KB Real Estate was also a key turning point. By covering 2.5 million multi-family homes nationwide, we demonstrated that AVMs work effectively in high-traffic, real-world environments. While the end of the collaboration was disappointing in the short term, it ultimately led to a significant increase in inquiries from both the financial sector and HouseMuch's direct services. While we remain open to both collaborations with large platforms and our own services, we are always mindful of the risks of platform dependence. Data control is key. During the 2023 jeonse (lease) fraud crisis, HouseMuch served as a tool to easily identify villas whose jeonse prices were excessively high compared to market prices. This led to a surge in inquiries about high-risk properties, as well as an increase in inquiries from financial institutions and the public sector.
Empathy Lab's growth strategy is unique. It has focused on revenue-based growth rather than external investment. It has generated stable revenue since its second year of operation, and by its fifth year, it had surpassed the break-even point and was generating profits. The energy spent on securing external investment has been channeled into strengthening its fundamentals.
CEO Maeng emphasized, "As of 2024, annual sales will reach tens of billions of won, and we are on a steady growth curve as we fully embrace the financial sector." He added, "While we are open to attracting additional investment, we are not considering simple financial investments, as profitability has already been secured. If strategic investment from the financial or public sectors is made, we plan to focus on expanding our data coverage, enhancing our model, and expanding our B2C business."
The organization currently operates with 13 employees, including data science, valuation, and real estate domain experts, as well as development and business operations personnel. The turnover rate is low, with only a handful of employees leaving the company over the past decade. The company prioritizes professionalism and transparency, encouraging employee self-development and fostering a seamless collaborative structure.
The reason for locating the office in Seongdong-gu, Seoul, is because it's home to a cluster of startups and IT professionals, yet offers easy access to the city center and reasonable costs. "Startups and IT companies should be located where the talent is," is the philosophy of CEO Maeng and his fellow founders.
The future that CEO Maeng Jun-young dreams of is simple.
"In five to ten years, I hope Gonggam Lab will become the first reference when discussing real estate pricing. Our goal is to establish ourselves as a trusted resource, a reference point for people who are always looking for information when trading real estate or applying for mortgage loans."
He believes that the true indicator of success lies in how much the opaque real estate market has been reduced, rather than in sales or market share. Korean proptech has now moved beyond the experimental phase and entered the verification phase, and the combination of expert collective intelligence and AI is essential. The tenacity of a real estate appraiser, who gave up a stable career in the public sector to jump into this field, is bridging the information gap for ordinary citizens living in villas and officetels with technology.
「チャーター詐欺、1秒面確認」…
貸切詐欺被害者の大半がヴィラとオフィステルに集まったのには理由がある。大地アパートはポータルサイトで相場確認が容易に可能だが、ヴィラは「相場点滅」。取引が稀で情報が散らばっており一般人はもちろん、金融機関すら合理的な価格判断が難しい。相場に比べてチャーター価格が過度に高いのか分からないので、デポジットを引き出す危険も見られない。住民住宅スペースほど金融費用と保険料率はむしろ高い。情報部材が作った不合理な構造だ。
その構造をAIで壊した人がいる。韓国鑑定院で15年間感情評価会社として働いていたが、2015年共感ラップを創業した盧ジュンヨン代表だ。彼が開発した不動産相場評価サービスハウスマッチは現在、新韓・私たち・農協・第一・カカオバンクなど20余りの金融機関で担保融資の算定に活用されている。ヴィラももう1秒で相場を確認できる。盲代表が感情評価社として働き、苦しいことはギャップだった。
「大団地のアパートは相場を簡単に把握することができ、仲介や取引、金融、保険がスムーズに行われます。 しかし、ヴィラ、オフィステル、知識産業センターなどの場所は取引が稀で、情報は散らばっており、判断自体が難しい構造でした。」
公共機関の中で研究し、提案したが受け入れられなかった。政府の制度改善だけでは限界が明らかだった。すべての不動産の相場を大団地のアパートのように定期的に提供すれば問題を解決できるという信念で創業を決心した。
安定した感情評価会社キャリアを放棄する決定は容易ではなかった。それなりにまともな年俸を受けていて、家族を気遣うべき位置だった。だが「今しなければ一生できないようだ」という気がした。同じ夢を見ていた仲間たちと少なくとも2～3年は耐えるように技術的に準備し、創業競技大会優勝が最後の確信を与えた。
ハウスマッチAVMの鍵は、価格と信頼性を同時に提供することです。単に数字を投げるのではなく、この価格をどれだけ信じてもいいのかを一緒に見せる。
「感情評価士も評価しやすいものがあり、難しいものがあります。同じものも感情評価詞ごとに価格差が出ますね。私たちの「ハウスマッチ」アルゴリズムにはその思想を溶かし、よく分からないのにもよく分からないふりをしないように構成しました。」
鑑定院在職15年間、数千、数万件の物を直接見て評価しながら、「価格を決める要素が何なのか」を身につけた。単に面積や年式だけを見るのではなく、同じ建物内のタイプ、層、香り、良性化の有無、取引事例の異常値、長い空白などを識別してモデルに学習させることは、現場経験なしには設計するのが難しい。
ヴィラやオフィステルのように個別性の大きい不動産は「完全に同じものはない」という前提から出発する。代わりに、どのように類似しているかを多角形で数値化し、さまざまな視点によってどのように異なる価格で推定できるかを計算した後、これをアンサンブルする。最も難しかったのは、データがない区間をどのように説明可能な方法で処理するかであった。単なる機械学習ではなく、感情評価論理と統計的推論を組み合わせて解決した。
特許4件の核心は、さまざまな観点からの価格アプローチとアンサンブルの適用、取引異常値判断と希少性補正、価格不確実性に影響を与える母集団特性抽出、価格安定性評価ロジックである。 1秒以内に推定できる理由は、事前に数十段階の精製と学習を終えた構造を備えているからだ。
プロプテックの観点から、この技術の意味は明らかです。不動産取引の核心は情報の透明性です。アパートは相場情報が公開され、取引が活発で金融コストも低いが、ビアパートは情報不足で取引も難しく、金融コストも高い。ハウスマッチはこの情報格差を技術で解消する。
盲代表によると、金融機関がハウスマッチを選んだ理由は単純だ。使えるからだ。スピード、説明可能性、リスク管理の面で実務にすぐに適用可能。同氏は「金融委革新金融サービスを通過し、銀行監督業務施行規則の改正を導き、技術的には非対面担保融資の自動化を可能にした」とし、「各銀行別にテストデータとリファレンスが積み重なり、信頼性と説明性が高まった点も主効した」と明らかにした。 １金融圏で多数の銀行が使うというのは、事実上市場標準検証段階に入ったという意味だ。金融機関との契約はB2Bの購読と使用量の基盤であり、金融圏の売上が全体のかなりの部分を占める。
KB不動産とのコラボレーションも重要な転換点だった。全国250万号連立多世代をカバーし、大規模なトラフィックと実使用環境でAVMが動作することを証明した。協業終了は短期的に残念だったが、結果的にハウスマッチ直接サービスと金融圏の問い合わせが大きく増えるきっかけとなった。大規模なプラットフォームコラボレーションと独自のサービスの両方が可能性を開いていますが、プラットフォーム依存のリスクを常に念頭に置いています。鍵はデータ主導権です。 2023年チャーター詐欺局面でハウスマッチは相場に比べチャーター価格が過度に高いヴィラを手軽に確認できるツールとして活用された。高リスクの物件照会が急増し、金融や公共の問い合わせも増えた。
共感ラップの成長戦略はユニークです。外部投資よりも売上ベースの成長に集中してきた。創業2年目から安定的な売上が発生し、5年目からは損益分岐点を超えて利益が発生した。外部投資を受けるのに使うエネルギーを内実を固めるのに使った。
猛代表は「2024年基準年収は数十億ウォン規模で、金融圏の導入が本格化しつつ着実な成長曲線を描いている」とし「追加投資誘致は開いておいているが、収益性はすでに確保段階に入っただけに単純財務的投資は考慮しない。金融や公共部門での戦略的投資が行われるならば、C強調した。
現在、組織はデータサイエンス、感情評価および不動産ドメイン専門家、開発、事業運営人材など13人で運営されている。 １０年間退社した人員を手に挙げるほど離職率が低い。専門性と透明性を最も重要に考え、従業員に自己開発を促し、円滑なコラボレーション構造を引き出す。
ソウル城東区に事務所を置いたのは、スタートアップとIT人材が集まっていても都心へのアクセスが容易で、費用が過度に高くなかったためだ。 「スタートアップとＩＴ業種の立地は何よりも人材があるところに位置しなければならない」というのが盲代表と創業仲間たちの哲学だ。
盧ジュンヨン代表が夢見る未来は簡潔だ。
「5年から10年後、共感ラボは不動産価格を話す際に最初に浮かび上がる基準になりたいです。人々が不動産を取引したり、担保ローンを受け取ったときに常に参考になる信頼できるインフラとして位置づけることが目標です」
売上やシェアよりも、不動産市場の不透明な領域をどれだけ減らしたのかが本当の成果指標だというのが彼の考えだ。韓国プロップテックは今や実験段階を超えて検証段階に入り、専門家集団知性とAIの結合は必須の方向だ。安定した公共機関キャリアを放棄して飛び込んだ感情評価士のこだわりが、ヴィラとオフィステルに住む庶民の情報格差を技術で埋めている。
“房地产欺诈：1秒内即可检测”……Gonggam Lab首席执行官Maeng Jun-young
大多数“全租房”骗局的受害者都涌向别墅和公寓式酒店是有原因的。虽然在门户网站上很容易查询大型公寓楼盘的市场价格，但别墅市场却一片空白。交易稀少，信息分散，使得普通民众甚至金融机构都难以做出合理的价格判断。由于无法判断“全租房”价格是否远高于市场价，因此不存在损失定金的实际风险。事实上，房价越低，贷款成本和保险费率就越高。这种不合理的市场结构源于信息匮乏。
有人利用人工智能颠覆了这种格局。Gonggam Lab 的首席执行官 Maeng Jun-young 在韩国评估委员会担任评估师 15 年后，于 2015 年创立了这家公司。他开发的房地产估值服务 House Much 目前已被包括新韩银行、友利银行、农协银行、第一银行和 Kakao 银行在内的 20 多家金融机构用于计算担保贷款。现在，即使是别墅也能在一秒钟内完成估值。而这正是 Maeng 作为一名评估师时感到沮丧的地方。
“对于大型公寓楼盘而言，市场价格很容易获取，因此经纪、交易、融资和保险都非常便捷。然而，在别墅、办公公寓和知识产业中心等区域，交易却很少见，信息也比较分散，这使得做出明智的决策变得困难。”
我曾对公共机构内部的解决方案进行调研并提出建议，但均未被采纳。显然，单靠政府机构改革是远远不够的。我认为，定期公布所有房地产（例如大型公寓楼）的市场价格能够解决问题，于是决定创业。
放弃房地产估价师这份稳定的工作并不容易。我当时收入不错，还要养家糊口。但我心里想着：“如果现在不做，以后就永远没机会了。” 和志同道合的同事们一起，我做了至少两三年的技术准备，而赢得创业大赛则给了我最终下定决心的动力。
HouseMuch 的 AVM 的关键在于它能够同时提供价格和可靠性信息。它不仅仅罗列数字，还能证明价格的可靠性。
“即使是评估师也会发现，有些物品容易评估，有些则很难。即使是同一件物品，不同的评估师给出的价格也可能不同。我们的‘房屋估价’算法正是秉承了这种理念，确保我们不会妄自揣测。”
在评估委员会工作的15年间，我亲自观察并评估了数万处房产，对影响房价的因素有了切身体会。除了评估房屋面积和房龄之外，我还负责识别和训练模型，使其能够考虑建筑类型、建筑面积、朝向、房屋维护状况以及交易历史中的异常值和长期空白期等因素。如果没有实践经验，这项工作很难完成。
对于别墅和办公公寓这类高度个性化的房地产项目，我们首先秉持“世上没有两处房产完全相同”的理念。因此，我们从多个角度量化相似性，计算基于不同角度的估价方法，然后将这些结果整合起来。最具挑战性的是如何以易于理解的方式处理数据缺失。我们并非通过简单的机器学习来实现这一点，而是结合了评估逻辑和统计推断。
这四项专利的核心在于：从多个角度进行定价方法和集成应用、异常值检测和稀缺性校正、提取影响价格不确定性的总体特征以及价格稳定性评估逻辑。之所以能够在1秒内完成估算，是因为该系统事先经过了数十个阶段的改进和学习。
从房地产科技的角度来看，这项技术的意义显而易见。房地产交易的关键在于信息透明。公寓市场信息公开透明，促进了交易活跃，降低了融资成本。然而，非公寓类房产信息匮乏，导致交易困难，融资成本高昂。HouseMuch 利用技术弥合了这一信息鸿沟。
据首席执行官Maeng介绍，金融机构选择HouseMuch的原因很简单：它易于使用。在速度、可解释性和风险管理方面，HouseMuch都能立即投入实际应用。他解释说：“HouseMuch通过了金融服务委员会的《创新金融服务法案》，促使《银行监管执法条例》进行了修订，并在技术上实现了非面对面担保贷款的自动化。” 他补充道：“随着各银行测试数据和参考案例的积累，HouseMuch的可靠性和可解释性也得到了显著提升。” HouseMuch已被多家一级金融领域的银行采用，这意味着HouseMuch已进入市场标准验证阶段。HouseMuch与金融机构的合同采用B2B订阅和使用模式，其中金融行业的销售额占总销售额的很大一部分。
我们与KB房地产的合作也是一个关键的转折点。通过覆盖全国250万套多户住宅，我们证明了自动估值模型（AVM）在高流量的真实环境中能够有效运作。虽然合作的结束在短期内令人失望，但最终促使金融行业和HouseMuch直接服务的咨询量显著增加。我们始终对与大型平台的合作以及我们自身的服务持开放态度，但同时也时刻警惕对平台的依赖所带来的风险。数据控制至关重要。在2023年的全租（租赁）欺诈危机期间，HouseMuch发挥了重要作用，帮助用户轻松识别全租价格远高于市场价的别墅。这导致高风险房产的咨询量激增，金融机构和公共部门的咨询量也随之增加。
Empathy Lab 的增长战略独树一帜。它专注于营收增长而非外部投资。自运营第二年起，公司便实现了稳定的营收，并在第五年便突破盈亏平衡点，开始盈利。原本用于获取外部投资的精力，如今已投入到夯实自身基本面的建设中。
首席执行官孟强调：“到2024年，年销售额将达到数百亿韩元，随着我们全面进军金融领域，公司正处于稳步增长期。” 他补充道：“虽然我们欢迎更多投资，但由于盈利能力已得到保障，我们目前不考虑简单的金融投资。如果获得来自金融或公共部门的战略投资，我们计划专注于扩大数据覆盖范围、优化商业模式以及拓展B2C业务。”
该机构目前拥有13名员工，包括数据科学、估值和房地产领域的专家，以及开发和业务运营人员。员工流动率很低，过去十年只有少数员工离职。公司重视专业性和透明度，鼓励员工自我发展，并致力于构建无缝协作的团队架构。
公司之所以选择首尔城东区作为办公地点，是因为这里聚集了众多初创企业和IT专业人士，而且交通便利，靠近市中心，办公成本也相对合理。“初创企业和IT公司应该落户人才聚集的地方，”这是首席执行官Maeng及其创始人团队的理念。
首席执行官孟俊英所梦想的未来很简单。
“我希望在五到十年内，公岩实验室能够成为讨论房地产定价时的首选参考机构。我们的目标是成为值得信赖的信息来源，成为人们在进行房地产交易或申请抵押贷款时寻求信息的参考点。”
他认为，衡量成功的真正标准在于房地产市场透明度的降低程度，而非销售额或市场份额。韩国房地产科技如今已超越实验阶段，进入验证阶段，而专家集体智慧与人工智能的结合至关重要。一位房地产估价师放弃了稳定的公共部门工作，毅然投身于这一领域，正利用科技弥合居住在别墅和公寓式住宅中的普通民众的信息鸿沟。
« Fraude immobilière : détectée en 1 seconde »… Maeng Jun-young, PDG de Gonggam Lab
Il y a une raison pour laquelle la plupart des victimes d'escroqueries liées au « jeonse » se tournent vers les villas et les appartements meublés. Alors qu'il est facile de consulter les prix du marché pour les grands complexes d'appartements sur les portails spécialisés, les villas restent opaques. Les transactions sont rares et l'information fragmentée, ce qui rend difficile pour le grand public, et même pour les institutions financières, d'évaluer correctement les prix. Comme il est impossible de savoir si le prix du « jeonse » est excessivement élevé par rapport à la valeur marchande, le risque de perdre l'acompte est quasi inexistant. En réalité, plus un logement est abordable, plus les frais financiers et les primes d'assurance sont élevés. Cette situation absurde découle d'un manque d'information.
Une personne a bouleversé ce système grâce à l'IA. Maeng Jun-young, PDG de Gonggam Lab, a fondé l'entreprise en 2015 après avoir travaillé pendant 15 ans comme expert immobilier au sein du Korea Appraisal Board. Son service d'évaluation immobilière, House Much, est actuellement utilisé par plus de 20 institutions financières, dont Shinhan, Woori, Nonghyup, Jeil et Kakao Bank, pour calculer les prêts garantis. Désormais, même les villas peuvent être évaluées en une seconde. C'est ce manque d'intelligence artificielle qui frustrait Maeng lorsqu'il était expert immobilier.
« Pour les grands complexes d'appartements, les prix du marché sont facilement accessibles, ce qui simplifie les transactions, le financement et l'assurance. Cependant, les transactions sont rares dans des secteurs comme les villas, les immeubles de bureaux et les centres d'activités, et l'information est fragmentée, ce qui rend difficile la prise de décisions éclairées. »
J'ai mené des recherches et proposé des solutions au sein des institutions publiques, mais aucune n'a été acceptée. Il est devenu évident que la réforme institutionnelle gouvernementale à elle seule avait ses limites. Convaincu que la publication périodique des prix de marché de tous les biens immobiliers, comme ceux des grands ensembles d'appartements, permettrait de résoudre le problème, j'ai décidé de créer mon entreprise.
Quitter un emploi stable d'expert immobilier n'a pas été une décision facile. Je gagnais bien ma vie et je devais subvenir aux besoins de ma famille. Pourtant, je me disais : « Si je ne le fais pas maintenant, je ne le ferai jamais. » Avec des collègues qui partageaient le même rêve, je me suis préparé techniquement pour tenir au moins deux ou trois ans, et remporter le concours de start-up m'a donné l'impulsion finale.
Le point fort de l'AVM de HouseMuch réside dans sa capacité à allier prix et fiabilité. Elle ne se contente pas d'afficher des chiffres ; elle démontre également la pertinence du prix proposé.
« Même les évaluateurs trouvent certains objets faciles à évaluer et d'autres difficiles. Un même objet peut avoir des prix différents selon l'évaluateur. Notre algorithme « House Much » intègre cette philosophie, garantissant que nous ne prétendons pas savoir des choses que nous ne savons pas. »
Durant mes 15 années au sein de la Commission d'évaluation immobilière, j'ai personnellement observé et évalué des dizaines de milliers de propriétés, acquérant ainsi une connaissance directe des facteurs qui déterminent leur prix. Au-delà de la simple évaluation de la superficie et de l'âge, j'identifie et perfectionne également des modèles prenant en compte des facteurs tels que le type de bâtiment, la surface habitable, l'orientation et l'état d'entretien du bien, ainsi que les valeurs aberrantes et les longues périodes d'inactivité dans l'historique des transactions. Concevoir un tel modèle sans expérience pratique est une tâche complexe.
Pour les biens immobiliers très particuliers comme les villas et les appartements-bureaux, nous partons du principe qu'« il n'existe pas deux biens identiques ». Nous quantifions donc les similarités selon de multiples perspectives, calculons comment estimer les prix en fonction de ces différentes perspectives, puis combinons ces résultats. La principale difficulté résidait dans la gestion des données manquantes de manière compréhensible. Nous y sommes parvenus non pas par un simple apprentissage automatique, mais en combinant la logique d'évaluation et l'inférence statistique.
Au cœur des quatre brevets se trouvent l'approche de tarification et son application d'ensemble sous différents angles, la détection des valeurs aberrantes et la correction des pénuries, l'extraction des caractéristiques de la population influençant l'incertitude des prix, et la logique d'évaluation de la stabilité des prix. L'estimation est possible en une seconde car le système a subi au préalable des dizaines d'étapes de perfectionnement et d'apprentissage.
Du point de vue de la proptech, l'importance de cette technologie est indéniable. La transparence de l'information est essentielle aux transactions immobilières. Les données du marché des appartements sont publiques, ce qui dynamise les transactions et réduit les coûts de financement. En revanche, le manque d'informations concernant les autres types de biens immobiliers complique les transactions et augmente considérablement les coûts financiers. HouseMuch comble ce manque d'information grâce à la technologie.
Selon le PDG Maeng, la raison pour laquelle les institutions financières ont choisi HouseMuch est simple : sa facilité d’utilisation. Son application pratique est immédiate, notamment en termes de rapidité, d’explicabilité et de gestion des risques. Il explique : « HouseMuch a été conforme à la loi sur les services financiers innovants de la Commission des services financiers, ce qui a entraîné des modifications du règlement sur l’application de la supervision bancaire et a permis techniquement l’automatisation des prêts garantis sans contact direct. » Il ajoute : « La fiabilité et l’explicabilité accrues, grâce à l’accumulation de données de test et de références dans chaque banque, ont également joué un rôle déterminant. » Le fait que HouseMuch soit utilisé par de nombreuses banques du secteur financier primaire signifie de fait que HouseMuch est entré dans la phase de validation des standards du marché. Les contrats avec les institutions financières sont structurés sur la base d’un abonnement et d’une utilisation B2B, les ventes au secteur financier représentant une part importante du total.
Notre collaboration avec KB Real Estate a également constitué un tournant décisif. En couvrant 2,5 millions de logements collectifs à travers le pays, nous avons démontré l'efficacité des modèles d'évaluation automatisée (AVM) dans des environnements réels et à fort trafic. Si la fin de cette collaboration a été décevante à court terme, elle a finalement entraîné une augmentation significative des demandes de renseignements, tant du secteur financier que pour les services directs de HouseMuch. Bien que nous restions ouverts aux collaborations avec les grandes plateformes et à nos propres services, nous sommes toujours conscients des risques liés à la dépendance vis-à-vis des plateformes. Le contrôle des données est primordial. Lors de la crise des fraudes aux baux (jeonse) de 2023, HouseMuch a permis d'identifier facilement les villas dont les loyers étaient excessivement élevés par rapport aux prix du marché. Cela a provoqué une forte hausse des demandes de renseignements concernant les biens à haut risque, ainsi qu'une augmentation des demandes de renseignements émanant des institutions financières et du secteur public.
La stratégie de croissance d'Empathy Lab est unique. Elle s'est concentrée sur une croissance basée sur le chiffre d'affaires plutôt que sur des investissements externes. Elle a généré des revenus stables dès sa deuxième année d'activité et, dès sa cinquième année, elle avait atteint le seuil de rentabilité et dégageait des bénéfices. L'énergie auparavant consacrée à la recherche d'investissements externes a été réorientée vers le renforcement de ses fondamentaux.
Le PDG Maeng a souligné : « Dès 2024, notre chiffre d’affaires annuel atteindra plusieurs dizaines de milliards de wons, et nous connaissons une croissance soutenue grâce à notre intégration complète au secteur financier. » Il a ajouté : « Bien que nous soyons ouverts à de nouveaux investissements, nous n’envisageons pas de simples investissements financiers, notre rentabilité étant déjà assurée. Si un investissement stratégique est réalisé par les secteurs financier ou public, nous prévoyons de nous concentrer sur l’extension de notre couverture de données, l’amélioration de notre modèle et le développement de notre activité B2C. »
L'organisation compte actuellement 13 employés, parmi lesquels des experts en science des données, en évaluation et en immobilier, ainsi que du personnel en développement et en opérations commerciales. Le taux de rotation du personnel est faible : seuls quelques employés ont quitté l'entreprise au cours des dix dernières années. L'entreprise privilégie le professionnalisme et la transparence, encourage le développement personnel de ses employés et favorise une collaboration harmonieuse.
Le choix du quartier de Seongdong-gu à Séoul s'explique par sa forte concentration de startups et de professionnels de l'informatique, tout en offrant un accès facile au centre-ville et des coûts raisonnables. « Les startups et les entreprises informatiques doivent s'implanter là où se trouvent les talents », telle est la philosophie du PDG Maeng et de ses associés fondateurs.
L'avenir dont rêve le PDG Maeng Jun-young est simple.
« D’ici cinq à dix ans, j’espère que Gonggam Lab deviendra la référence incontournable en matière de prix immobiliers. Notre objectif est de nous imposer comme une ressource fiable, un point de référence pour tous ceux qui recherchent des informations lors de transactions immobilières ou de demandes de prêts hypothécaires. »
Il estime que le véritable indicateur de succès réside dans la réduction de l'opacité du marché immobilier, plutôt que dans les ventes ou les parts de marché. La proptech coréenne a désormais dépassé la phase expérimentale pour entrer dans la phase de validation, et l'alliance de l'expertise collective et de l'IA est essentielle. La ténacité d'un expert immobilier, qui a quitté un emploi stable dans le secteur public pour se lancer dans ce domaine, contribue à combler le manque d'information pour les citoyens ordinaires vivant dans des villas et des appartements-bureaux grâce à la technologie.
You must be logged in to post a comment.