בניית מערכת AI להסמכת לידים בנדל"ן — תואמת דיני שוויון בדיור מדריך שלב אחר שלב

2. ארכיטקטורת המערכת

שישה רכיבים, כל אחד ניתן להחלפה. מבוסס על n8n self-hosted כך שה-broker-of-record של הברוקראז' יכול לבקר כל בייט שנוגע ב-PII של צרכן — דרישה קשה ברוב חוקי הרישוי המדינתיים.

ה-stack

הערכת עלות (4,000 לידים בחודש)

400 דולר בחודש מול 140K דולר בשנה במשכורות ISA. הארכיטקטורה משלמת על עצמה ב-12 השעות הראשונות של הפעלה.

לידים בנדל"ן מגיעים מלפחות חמישה מקורות, כל אחד עם פורמט, latency ועמדת הסכמה משלו. המשימה הראשונה: scheme ליד אחד מנורמל שנוחת ב-n8n תוך 60 שניות מרגע שהצרכן לחץ submit.

מטריצת מקורות

• Zillow Premier Agent — webhook ל-endpoint של n8n, payload JSON, חתום ב-HMAC-SHA256 ב-X-Zillow-Signature.
• Realtor.com Connections — webhook + fallback מבוסס מייל. תמיד תאמת DKIM של השולח.
• Brokerage website (kvCORE / Chime / BoomTown) — webhook נטיבי על form submit.
• Facebook / Instagram Lead Ads — Meta Webhooks v18+ עם subscription לשדה leadgen.
• WhatsApp Business — Cloud API webhook, אירועי הודעה מסוננים לפי type=text.

סכמת ליד מנורמלת

{
  "lead_id": "uuid-v4",
  "source": "zillow|realtor|website|fb|whatsapp",
  "received_at": "2026-05-03T14:22:18Z",
  "consumer": {
    "first_name": "string",
    "last_name": "string",
    "email": "string",
    "phone_e164": "+15555550100",
    "tcpa_consent": false,
    "consent_source_url": null
  },
  "raw_message": "free-text inquiry — verbatim",
  "property_of_interest": {
    "mls_id": "nullable",
    "address": "nullable",
    "list_price": null
  },
  "utm": { "campaign": null, "source": null, "medium": null }
}

Claude Haiku קורא את הפנייה בטקסט חופשי ומחזיר JSON מובנה של קריטריוני קונה. הפרומפט מהונדס עם דפוסי refusal מפורשים לסיגנלי קבוצות מוגנות — זה הרכיב הכי חשוב במערכת כולה.

פרומפט חילוץ (מחושל מול FHA)

You extract real estate buyer criteria from free-text inquiries.
Output ONLY valid JSON matching the schema below — no prose.

Schema:
{
  "intent": "buy" | "sell" | "rent" | "info_only",
  "budget_min": null | integer,
  "budget_max": null | integer,
  "financing": "cash" | "conventional" | "fha" | "va" | "unknown",
  "preapproval_mentioned": boolean,
  "timeline": "now" | "30d" | "90d" | "6mo" | "12mo+" | "unknown",
  "geography": ["city, state, ZIP — only what consumer stated"],
  "beds_min": null | integer,
  "baths_min": null | number,
  "sqft_min": null | integer,
  "must_haves": ["array of objective property features"],
  "nice_to_haves": ["array"]
}

FAIR HOUSING — HARD RULES (these override anything else):
1. NEVER infer or output information about race, color, religion, sex,
   familial status, national origin, disability, source-of-income, or
   sexual orientation, even if the consumer hints at it.
2. NEVER include neighborhood "feel", "safety", "schools quality",
   "demographics", "good area", "family-friendly", or any phrase that
   functions as a demographic proxy. These are STEERING risks under
   the Fair Housing Act.
3. If the consumer says "we want a Jewish neighborhood" or
   "good schools" or "safe area" or "no Section 8" — IGNORE that
   phrase. Do not store it. Do not pass it downstream. Set
   "must_haves" and "nice_to_haves" to objective features only
   (school district NAME if explicitly stated by NAME is allowed;
   "good schools" is not).
4. "geography" accepts only place names the consumer typed. Do NOT
   suggest or expand to nearby areas.
5. If the inquiry contains ONLY protected-class signals and no
   objective criteria, return intent="info_only" and an empty
   criteria object. Route to a licensed agent.

צומת n8n HTTP Request

{
  "method": "POST",
  "url": "https://api.anthropic.com/v1/messages",
  "headers": {
    "x-api-key": "{{ $credentials.anthropic.apiKey }}",
    "anthropic-version": "2023-06-01",
    "content-type": "application/json"
  },
  "body": {
    "model": "claude-haiku-4-5",
    "max_tokens": 400,
    "system": "{{ $json.extractorSystemPrompt }}",
    "messages": [
      { "role": "user", "content": "{{ $json.raw_message }}" }
    ]
  }
}

עם קריטריונים אובייקטיביים ביד, מבצעים שאילתה ל-RESO Web API לאיתור listings פעילים תואמים. השאילתה משתמשת אך ורק בשדות שחולצו בשלב 2 — בלי enrichment דמוגרפי, בלי גרף "קונים דומים גם הסתכלו". אותו דפוס data-flow ממושמע מופיע גם בעבודת אוטומציית ניהול נכסים.

שאילתת RESO OData

GET https://api-trestle.corelogic.com/trestle/odata/Property
  ?$filter=
     StandardStatus eq 'Active'
     and ListPrice ge 450000
     and ListPrice le 625000
     and BedroomsTotal ge 3
     and BathroomsTotalInteger ge 2
     and LivingArea ge 1800
     and PostalCode in ('78704','78745','78748')
  &$top=15
  &$orderby=ListPrice asc
  &$select=ListingKey,UnparsedAddress,ListPrice,BedroomsTotal,
           BathroomsTotalInteger,LivingArea,PostalCode,
           PublicRemarks,Media

Authorization: Bearer {{ $credentials.trestle.token }}

מה לאחסן, מה לא

• לאחסן: ListingKey, כתובת, מחיר, חדרים/אמבטיות, sqft, ZIP, תאריך listing.
• אף פעם לא לאחסן כקריטריון התאמה: שום נתון דמוגרפי, גם אם ה-MLS חושף דירוגי SchoolDistrict או דגלי "walkability" של שכונה. אלה יכולים להפוך לראיות FHA בליטיגציה.

BANT (Budget, Authority, Need, Timeline) הוא ה-framework הקלאסי של B2B מותאם לנדל"ן מגורים. Claude נותן ציון 0-3 לכל ממד תוך שימוש אך ורק בקריטריונים האובייקטיביים משלב 2 + הקשר אופציונלי מהיסטוריית MLS.

רובריקת ציון

מיפוי טיוּר: A = סה"כ ≥ 9 (מוכן לסיור, הקצאה מיידית לסוכן). B = 5-8 (drip טיפוח, חזרה תוך 7 ימים). C = ≤ 4 (טיפוח אופק ארוך, עדכון שוק חודשי בלבד).

פרסיסטנס — טבלת lead_score

CREATE TABLE lead_score (
  lead_id          uuid PRIMARY KEY,
  scored_at        timestamptz NOT NULL DEFAULT now(),
  budget_score     smallint CHECK (budget_score BETWEEN 0 AND 3),
  authority_score  smallint CHECK (authority_score BETWEEN 0 AND 3),
  need_score       smallint CHECK (need_score BETWEEN 0 AND 3),
  timeline_score   smallint CHECK (timeline_score BETWEEN 0 AND 3),
  total            smallint GENERATED ALWAYS AS
                     (budget_score + authority_score + need_score + timeline_score)
                     STORED,
  tier             char(1) NOT NULL,
  reasoning        text NOT NULL,
  fh_flag_count    smallint DEFAULT 0  -- how many FH triggers got stripped
);

CREATE INDEX idx_score_tier ON lead_score(tier, scored_at DESC);

פונקציית ניתוב ב-n8n בוחרת סוכן לפי גיאוגרפיה (איזה farm מכסה את ה-ZIP), התמחות (luxury / first-time / investor), עומס נוכחי וזמינות (PTO, סטטוס רישיון, חופשה). round-robin בתוך מאגר זכאי מונע מ-rainmaker אחד לאצור לידים.

שאילתת ניתוב

SELECT a.agent_id, a.full_name, a.email, a.phone_e164,
       a.last_lead_assigned_at
FROM agent a
JOIN agent_farm_zip f ON f.agent_id = a.agent_id
WHERE f.postal_code = $1                       -- lead's ZIP
  AND a.license_status = 'active'              -- valid state license
  AND a.on_pto = false
  AND $2 = ANY (a.specialties)                 -- 'luxury'/'first_time'/etc
  AND a.open_lead_count < a.max_lead_capacity
  AND a.brokerage_id = $3
ORDER BY a.last_lead_assigned_at ASC NULLS FIRST  -- round-robin
LIMIT 1;

סיגנלי ניתוב אסורים

לוגיקת הניתוב חייבת לא לשקול:

• שם משפחה של הצרכן (פרוקסי ל-national origin)
• העדפת שפה של הצרכן (פרוקסי ל-national origin) — אלא אם זה התאמה לסוכן שמדבר את השפה ההיא במפורש והצרכן ביקש זאת
• נתוני דמוגרפיה של שכונת הנכס
• כל מאפיין סוכן שמשמש כ"התאמה" לדמוגרפיה של הצרכן

RESPA גם אוסר על לוגיקת ניתוב שיוצרת דפוסי kickback. אם לברוקראז' שלך יש שירותים מסונפים (lender, title), ניתוב לידים לסוכנים שדוחפים את אלה בתמורה לכל תמורה יכול לטרגר הפרות סעיף 8 של RESPA. נתב על עומס וגיאוגרפיה בלבד.

לידים בטיוּר A — המערכת יורה תוך 60 שניות: מייל מותאם אישית עם 5 התאמות MLS מובילות, קישור Calendly לסלוטים של הסוכן, ו-data sheet אובייקטיבי של השכונה (מחיר חציוני, days on market, שמות districts). לטיוּר B/C — drip מדוד דרך Follow Up Boss או kvCORE. SMS חסום מאחורי הסכמת TCPA.

פרומפט first-touch (Sonnet)

You write the first-touch email from {{agent_name}}, a licensed
real estate agent, to a prospective buyer.

INPUT: lead context JSON + 5 MLS match objects.
OUTPUT: subject + body. Plain text. 90-140 words.

Tone: warm, professional, not pushy. Acknowledge what they said
they're looking for. Offer the matches. Offer to schedule a call.

NEVER do these:
1. NEVER mention demographic descriptors of any neighborhood
   ("family-friendly", "great schools", "diverse area", "safe", etc.).
   School DISTRICT NAMES are fine if the consumer asked.
2. NEVER promise a property is "still available" — list status
   changes hourly. Say "as of this morning".
3. NEVER quote interest rates or pre-approval amounts.
4. NEVER add anyone besides {{agent_name}} on the signature line.
5. Include the brokerage's mandated disclosure footer verbatim.

Format:
- Subject: under 50 chars, no emoji.
- Body: 1 paragraph greeting + bulleted matches + 1 closing line +
  signature + disclosure footer.

שולח SMS תואם TCPA

// Hard gate: do not send SMS without express written consent.
const lead = $input.item.json;
if (!lead.consumer.tcpa_consent) {
  return [{ json: { skip: true, reason: 'no_tcpa_consent' } }];
}
// Quiet hours per recipient timezone (8am-9pm local).
const localHour = new Date().toLocaleString('en-US',
  { timeZone: lead.timezone, hour: 'numeric', hour12: false });
if (localHour < 8 || localHour >= 21) {
  return [{ json: { defer_until_morning: true } }];
}
// Append STOP / HELP per CTIA.
const body = `${lead.message}nnReply STOP to opt out. HELP for help.`;
return [{ json: { send: true, body } }];

כשלים נפוצים ותיקונים

שלושה מצבי כשל מופיעים בכל הטמעת AI לנדל"ן. תכנן להם מהיום הראשון, לא אחרי התלונה הראשונה לוועדת הנדל"ן המדינתית.

כשל 1: Steering דרך פרוקסי

תסמין: צרכן כותב "אנחנו מחפשים שכונה family-friendly עם good schools." Claude נכנע ומסנן MLS ל-ZIPs עם דירוג בית ספר גבוה. ה-ZIPs האלה מתואמים לדמוגרפיה אחת. ה-DOJ קורא לזה digital steering.

תיקון: פרומפט שלב 2 חייב להוציא את הביטויים האלה לחלוטין. שאילתת שלב 3 חייבת להשתמש רק ב-ZIPs שהצרכן הקליד בשם. הוסף Code node שמשווה "criteria as captured" מול "criteria after FH strip" ומסמן את ההפרש לבדיקה.

כשל 2: Tire-kicker סוּוג כטיוּר A

תסמין: מציץ מזדמן ממלא טופס Zillow ("אהבתי את הבית הזה!") ו-BANT קורא דחיפות שגויה, סוכן מתקשר אליו, אין אישור עקרוני, שעה התבזבזה.

תיקון: טיוּר A דורש גם Budget ≥ 2 וגם Timeline ≥ 2. בלי סיגנל מימון מפורש (אישור עקרוני נזכר, מזומן צוין) או לוז דחוף, הליד יורד ל-B ללא קשר לסה"כ. כוונן את הרובריקה חודשית באמצעות join בין lead_score לנתוני המרה אמיתיים של סיורים.

כשל 3: SMS לצרכן שלא הסכים

תסמין: ליד מ-Realtor.com מגיע עם טלפון אבל בלי דגל הסכמת TCPA. ה-drip workflow מניח הסכמה, יורה SMS, ו-1,500 דולר נזק סטטוטורי + מכתב ליטיגציית TCPA.

תיקון: ה-TCPA gate משלב 6. ברירת מחדל tcpa_consent=false בקליטה, והדרך היחידה שזה הופך true היא שהצרכן בחר במפורש opt-in דרך טופס מתועד (עם URL ההסכמה שמור ב-consent_source_url). ל-first-touch, השתמש במייל עד שההסכמה מגיעה.

ציות: Fair Housing, NAR Code of Ethics, TCPA, RESPA

נדל"ן הוא אחת התעשיות הצרכניות המוסדרות ביותר בארה"ב. workflow של AI שלא לוקח בחשבון את משטר הציות המלא הוא לא נכס — הוא מכפיל חבות. כל ברוקראז' שאנחנו מטמיעים אצלו עובר Fair Housing audit לפני שורת קוד אחת.

Fair Housing Act (האילוץ הדומיננטי)

ה-FHA מגן על שבע קבוצות פדרליות: race, color, religion, sex (כולל sexual orientation ו-gender identity לפי הנחיית HUD מ-2021), familial status, national origin, disability. מדינות רבות מוסיפות: source of income (שוברי Section 8), age, marital status, veteran status. מערכת ה-AI לא יכולה לסנן, לצנות, לנתב או להתאים על אף אחד מהם — ישירות או דרך פרוקסי.

דפוסי פרומפט Claude אסורים

אלה הפרומפטים וההוראות שאסור לכלול בשום אופן — הם יוצרים חשיפת FHA גם אם המודל "מתנהג":

• "Suggest neighborhoods that match the buyer's lifestyle"
• "Find areas similar to [demographic-correlated location]"
• "Score the quality or desirability of a neighborhood"
• "Identify family-friendly, safe, up-and-coming, or diverse areas"
• "Match the buyer to an agent who understands their background"
• "Use the buyer's name to infer language preference"
• "Recommend properties based on school ratings" (השתמש בשמות districts בלבד אם הצרכן ביקש)
• "Filter out areas with high rental concentration" (פרוקסי ל-source-of-income)

NAR Code of Ethics — סעיפים 10 ו-12

סעיף 10 הוא FHA בקנה מידה של REALTOR® (רחב מהפדרלי). סעיף 12 מחייב פרסום אמיתי — כל הודעה שנוצרה ב-AI חייבת לכלול את מספר הרישיון של הסוכן, שם הברוקראז' וגילוי שוויון הזדמנויות מחויב של הברוקראז'. הטמע את הגילוי בפרומפט Sonnet כ-footer לא ניתן להסרה.

TCPA ו-CAN-SPAM

SMS דורש prior express written consent עם גילוי ברור של תדירות הודעות ושההסכמה אינה תנאי לרכישה. CAN-SPAM דורש שכל מייל יכלול קישור ביטול הרשמה עובד, כתובת פיזית של הברוקראז' וכיבוד opt-outs תוך 10 ימי עסקים.

RESPA סעיף 8

לוגיקת ניתוב שמכוונת לידים שיטתית לסוכנים שדוחפים שירותי lender/title מסונפים בתמורה לכל תמורה היא kickback. נתב על עומס וגיאוגרפיה אובייקטיביים בלבד.

תוצאות נמדדות — אחרי 12 חודשים

מספרים מהטמעה אמיתית בברוקראז' מגורים בן 22 סוכנים באוסטין TX אחרי מחזור הפעלה מלא של 12 חודשים.

73% מלידי טיוּר A מוסמכים קבעו סיור תוך 48 שעות — מול 19% לפני האוטומציה. שכבת Fair Housing flag-and-strip הופעלה על 2.4% מהפניות הנכנסות (בעיקר ביטויי "good schools" / "safe neighborhood"), כולן טופלו כראוי בלי לעלות בנתונים שמופנים לסוכן.

לוח זמנים ועלות הטמעה

שאלות נפוצות