Cotización inteligente de reparaciones del hogar para Belong

Cotizar trabajos de reparación a mano es lento e inconsistente, y durante el onboarding ese costo se acumula. Cada ítem que espera un precio es una casa que espera para salir a la venta y que frena el crecimiento de la empresa, así que la latencia en la cotización impacta directamente en la velocidad con la que una propiedad puede incorporarse y convertirse. Las estimaciones inconsistentes también erosionan la confianza, tanto la del equipo interno de pricing como la del propietario, que en definitiva es quien ve el número. Este servicio ataca ambos problemas generando una estimación para cada ítem de reparación a los pocos segundos de que queda listo, apoyándose en datos de años de experiencia, de modo que los números sean consistentes y explicables en lugar de suposiciones aisladas.

La cotización en sí es escalonada. Primero, el servicio intenta hacer coincidir cada reparación con un catálogo de precios curado, que se derivó de las prácticas informales previas. Como las descripciones de reparaciones que ingresan son texto libre y desordenado, ahora puede aprovechar el matching difuso en lugar de depender de coincidencias exactas de texto: usa una combinación de búsqueda por palabras clave y búsqueda semántica para encontrar los candidatos más probables, y después un flujo de trabajo con IA elige de esa lista corta. El modelo de lenguaje (LLM) solo elige entre opciones validadas, así que puede seleccionar la tarea correcta pero nunca puede inventar una tarea ni un precio. Cuando el catálogo no tiene una buena coincidencia, el servicio recurre a comparables históricos provenientes de una taxonomía y un grafo de conocimiento curados, mirando trabajos pasados semánticamente similares y devolviendo un rango de precios honesto en vez de un número exacto inventado. Cada estimación queda anotada con la forma en que se derivó, para que quien revisa pueda ver el razonamiento de un vistazo.

Del lado de la infraestructura, todo funciona como un pipeline serverless orientado a eventos. Cuando un ítem de reparación se marca como listo para cotizar, se dispara un evento y el servicio lo toma, cotiza el ítem (de forma individual o agrupado con su grupo) y envía una estimación en borrador para revisión. Está desplegado íntegramente mediante infraestructura como código, con entrega confiable de mensajes e idempotencia para que un mismo ítem nunca se cotice dos veces. Cada estimación sigue siendo una recomendación pendiente que una persona aprueba, así que la IA acelera al equipo y lo mantiene consistente sin sacarle la decisión final de las manos a las personas.