Il PropTech ibrido unisce tecnologia e operatività diretta nel mercato immobiliare. Il modello ha trovato una conferma concreta nei numeri pubblicati dall’operatore britannico Dwelly. La pubblicazione è avvenuta nel corso del 2026. A luglio l’azienda dichiarava oltre 15.000 immobili gestiti e circa 350 milioni di sterline di rent roll, insieme a una raccolta da 170 milioni di dollari. Dietro quei risultati stanno soprattutto i minuti umani risparmiati dalla tecnologia, non la scala raggiunta: conta la meccanica con cui quella scala è stata costruita. L’intelligenza artificiale sta ridefinendo le aziende. Chiunque lavori nel settore immobiliare, nel software o semplicemente lo osservi deve capire l’ordine con cui si costruisce un modello di questo tipo. Questo conta più della singola cifra raccolta.
Dal software come strumento al software che svolge il lavoro
Per quasi vent’anni la sequenza dell’innovazione digitale è stata prevedibile: individuare un processo inefficiente, costruire uno strumento migliore, venderlo agli operatori del settore e lasciare che fossero loro a usarlo. Il software migliorava il lavoro, ma non lo svolgeva. L’intelligenza artificiale apre una possibilità diversa: il software può entrare direttamente nella produzione del risultato.
Bessemer Venture Partners descrive la trasformazione distinguendo due epoche. Nell’era cloud il software era il sistema nel quale un’impresa lavorava; nell’era AI può diventare essa stessa l’output. Andreessen Horowitz arriva alla stessa conclusione partendo dal Vertical SaaS. L’AI permette alle piattaforme verticali di assorbire attività che prima restavano fuori dal software. L’ambito va dal customer service all’amministrazione, fino a catturare non solo la spesa software del cliente ma una parte del suo costo del lavoro.
Nel real estate la differenza è concreta. Un software per property manager organizza una richiesta di manutenzione. Un operatore tecnologico la riceve, la comprende, verifica le informazioni sull’immobile, identifica il fornitore, organizza l’accesso, chiede l’autorizzazione al proprietario, aggiorna l’inquilino e verifica la conclusione dell’intervento. Nel primo caso si vende uno strumento, nel secondo si prende responsabilità su una parte del lavoro.
Scegliere il processo di ingresso giusto
Il processo di ingresso migliore non è necessariamente il più costoso o il più importante. È quello nel quale esiste abbastanza ripetizione da permettere alla macchina di imparare e abbastanza complessità da rendere ancora necessario l’intervento umano nelle eccezioni.
Il property management è quasi un caso da laboratorio. Comprende migliaia di piccole attività quotidiane, come e-mail, telefonate, pagamenti, manutenzioni, documenti e scadenze. La maggior parte non richiede decisioni strategiche, ma alcune sì. È questa combinazione di volume standard e quota di giudizio a rendere possibile una diversa divisione del lavoro tra uomo e macchina.
Dwelly ha costruito il modello esattamente su questa separazione. Non vende software alle agenzie: acquisisce e integra operatori indipendenti di letting e li porta sulla propria infrastruttura tecnologica. La distinzione è decisiva. Dwelly non deve convincere un’agenzia esterna a cambiare workflow: lo controlla direttamente.
Il dato come sottoprodotto dell’operatività
Chi vende software vede ciò che il cliente registra nel sistema. Chi svolge il lavoro osserva il processo intero: ogni manutenzione contiene informazioni sull’immobile, sul proprietario, sul fornitore, sui tempi, sui costi e sulle eccezioni. Ogni trattativa produce segnali, ogni errore rivela un caso che il sistema non sapeva gestire.
È un tipo di dato diverso da quello tradizionale del PropTech: non un database acquistato e ripulito, ma informazione che nasce come sottoprodotto dell’operatività. Da qui la regola pratica: l’automazione non dovrebbe partire dalla sostituzione delle persone, ma dall’osservazione precisa di ciò che fanno. Quali passaggi si ripetono? Quali decisioni seguono regole? Quale tempo umano richiede ogni eccezione? Solo dopo aver scomposto il processo si possono spostarne progressivamente parti verso la macchina.
Ogni intervento umano su un’eccezione alimenta il sistema con nuovo contesto, e la decisione presa oggi può evitare un’escalation domani. Si forma così un ciclo difficile da replicare dall’esterno: più operatività genera più dati, più dati aumentano l’automazione, più automazione estende la capacità operativa.
La metrica che conta: minuti umani per unità di output
Nell’agosto 2026 oltre mille richieste di manutenzione sono passate attraverso i sistemi agentici di Dwelly. Secondo la società, il lavoro umano medio per pratica è sceso da circa tre ore a 15-20 minuti. Il dato più interessante sta sotto: ogni pratica genera in media circa cinque escalation, ciascuna con circa tre minuti di intervento umano. L’AI porta avanti il processo finché può; quando incontra una decisione che non sa prendere con sufficiente affidabilità, chiede aiuto e poi prosegue autonomamente.
Questa architettura suggerisce una metrica più utile del generico “percentuale di automazione”: minuti umani per unità di output. Se una pratica richiede oggi venti minuti e tra un anno ne richiede dieci, il sistema sta imparando. Se il numero di immobili gestibili da una persona cresce senza deteriorare il servizio, il margine converge. Se ogni cento nuovi clienti richiedono proporzionalmente le stesse persone di prima, la tecnologia ha migliorato l’interfaccia senza cambiare l’economia del servizio. È la differenza tra digitalizzare un processo e ricostruirlo.
Frammentazione europea, rete e roll-up tecnologico
Negli Stati Uniti molta informazione immobiliare è strutturata e accessibile attraverso infrastrutture consolidate. In Europa i mercati restano frammentati: regole, procedure, documenti e prassi cambiano tra paesi e spesso tra territori. Per un SaaS puro è un problema: alza il costo di vendita e rallenta l’adozione. Per un modello operativo-tecnologico è materia prima. La frammentazione crea spazio per il consolidamento, i processi manuali creano superficie di automazione. La conoscenza locale crea dati non replicabili.
La presenza fisica, poi, smette di essere solo un costo e diventa distribuzione. Un portafoglio di immobili gestiti è una relazione continuativa con proprietari, inquilini e fornitori. Su questa base si possono costruire altri servizi. Dwelly indica tra le estensioni del proprio modello garanzie sui canoni, protezione legale, finanziamenti e manutenzione. Andreessen Horowitz legge la stessa dinamica dal lato del Vertical SaaS, già espanso con pagamenti e credito, dove l’AI apre una seconda superficie di assorbimento del lavoro.
Anche il ritorno dei roll-up si legge diversamente. Un roll-up tradizionale centralizza funzioni e taglia duplicazioni. Un roll-up tecnologico trasferisce l’attività acquisita su un’infrastruttura che riduce progressivamente il lavoro necessario per lo stesso output: l’acquisizione porta clienti, persone, dati e distribuzione insieme. La domanda giusta non è a quale multiplo si compra un’agenzia, ma quanto migliora dopo essere entrata nel sistema.
Il modello ibrido funziona davvero? I punti critici
Il termine “ibrido” rischia di creare un equivoco. Non significa metà SaaS e metà servizi. Quello sarebbe semplicemente un business con due strutture di costo. Avrebbe la struttura di sviluppo di una software company e quella di una società di servizi. Il modello regge solo se esiste un meccanismo per cui le due componenti si rafforzano a vicenda. L’operatività produce dati, i dati migliorano il sistema, il sistema riduce il lavoro per unità di output.
I primi dati raccolti da Bessemer sulle società Vertical AI mostrano aziende in rapida crescita che mantengono margini lordi intorno al 65%: inferiori al SaaS puro. Ma lontani da quelli di un servizio professionale tradizionale. Restano però domande aperte. Il criterio dei “minuti umani per unità di output” misura l’efficienza. Non misura la qualità del servizio né il benessere di chi resta a gestire le eccezioni. Quel lavoro rischia di diventare frammentato e ad alta pressione. Il ciclo dati-automazione crea inoltre un vantaggio concentrato nelle mani di chi già possiede la rete. C’è il rischio di escludere le migliaia di piccoli operatori europei. Questi non potranno mai replicarlo da soli. E la promessa del “margine che converge” resta, per ora, un’affermazione delle società stesse, verificabile solo con il tempo.
Dal PropTech di prima generazione agli operatori immobiliari come aziende tecnologiche
La prima generazione del PropTech ha digitalizzato pezzi della filiera: portali, CRM, sistemi di valutazione, software di gestione, piattaforme di dati. La prossima potrebbe avere un’ambizione diversa: non costruire software per l’industria immobiliare, ma costruire nuovi operatori immobiliari come aziende tecnologiche.
La distinzione non è semantica. Nel primo modello la tecnologia viene consegnata a chi esegue il lavoro; nella seconda tecnologia e lavoro vengono progettati insieme. Le attività ripetitive scendono verso la macchina. Le persone si concentrano su eccezioni, relazioni, negoziazione e giudizio. Il sistema accumula dati che non avrebbe mai ottenuto vendendo una licenza.
L’AI rende più economico costruire software e quindi meno sufficiente il software come unica barriera competitiva. Integrare operations comprime inizialmente i margini. Ma se quella complessità viene osservata, scomposta e progressivamente automatizzata, l’operatività smette di essere un limite alla scalabilità e ne diventa la materia prima. Il lavoro genera il dato, il dato migliora il software, il software aumenta la produttività, la produttività amplia la rete. A sua volta la rete genera nuovo lavoro da trasformare in software. Più il software diventa replicabile, più acquistano valore gli asset che non si generano con qualche mese di sviluppo. Tra questi figurano clienti, workflow, dati storici, reputazione e presenza dentro il processo transazionale.
Fonti:
Punti chiave
Da ricordare
- Dwelly gestiva oltre 15.000 immobili e 350 milioni di sterline di portafoglio affitti a luglio 2026, con una raccolta da 170 milioni di dollari.
- Il lavoro umano medio per pratica di manutenzione è sceso da circa tre ore a 15-20 minuti, con circa cinque escalation per pratica da tre minuti ciascuna.
- La metrica utile non è la percentuale di automazione ma i minuti umani per unità di output.
- Il processo di ingresso ideale combina ripetizione, per far imparare la macchina, e complessità, che richiede l'intervento umano nelle eccezioni.
- In Europa la frammentazione del real estate crea consolidamento, superficie di automazione e dati non replicabili.
- Le società Vertical AI osservate da Bessemer crescono rapidamente con margini lordi intorno al 65%.
