Inspiration

Thị trường bất động sản hiện nay giống như một mê cung đối với cả người mua, người bán lẫn nhà đầu tư. Thông tin bị phân mảnh, định giá thiếu minh bạch, và thủ tục pháp lý thì vô cùng phức tạp, tốn thời gian. Chúng tôi tự hỏi: “Tại sao trong kỷ nguyên AI, việc tìm kiếm và giao dịch một ngôi nhà lại vẫn mệt mỏi đến thế?”

Đó là lý do MOSO - AI PROPTECH ra đời. Chúng tôi muốn số hóa, minh bạch hóa và đơn giản hóa toàn bộ trải nghiệm bất động sản bằng sức mạnh của Trí tuệ nhân tạo, biến những quyết định tài chính lớn nhất đời người trở nên dễ dàng và an tâm hơn bao giờ hết.

What it does

MOSO là một nền tảng PropTech toàn diện tích hợp AI, đóng vai trò như một "trợ lý ảo bất động sản thông minh". Các tính năng cốt lõi bao gồm:

AI Valuation (Định giá thông minh): Tự động phân tích dữ liệu thị trường theo thời gian thực để đưa ra mức giá chính xác nhất cho bất động sản.

Smart Matching & Recommendation: Sử dụng thuật toán học máy để gợi ý bất động sản phù hợp nhất với nhu cầu, ngân sách và phong cách sống của người dùng thay vì chỉ lọc theo bộ lọc truyền thống.

Legal & Document AI Agent: Quét và phân tích nhanh các giấy tờ pháp lý (sổ đỏ, hợp đồng đặt cọc) để cảnh báo rủi ro tiềm ẩn cho người mua.

Interactive Dashboard: Biểu đồ trực quan hóa xu hướng giá đất, tiềm năng tăng trưởng khu vực giúp nhà đầu tư đưa ra quyết định dựa trên dữ liệu.

🌐 Trải nghiệm ngay bản Demo trực tuyến tại đây: link

How I built it

Chúng tôi đã tập trung xây dựng một kiến trúc hệ thống tối ưu để đảm bảo tốc độ xử lý của AI và trải nghiệm mượt mà của người dùng:

Frontend: Được xây dựng bằng [Next.js / React Native / Flutter] giúp giao diện trực quan, phản hồi nhanh và thân thiện với thiết bị di động. Backend: Sử dụng [Python / FastAPI / Node.js] để xử lý các logic phức tạp và API.

AI & Data Models: Tích hợp [OpenAI API / Gemini API / LangChain] để xử lý ngôn ngữ tự nhiên cho Chatbot và phân tích pháp lý. Mô hình [Scikit-learn / XGBoost] huấn luyện trên tập dữ liệu bất động sản thực tế để dự đoán giá. Database: Sử dụng [PostgreSQL] cho dữ liệu quan hệ và [Pinecone / Vector DB] để lưu trữ embedding phục vụ cho tính năng tìm kiếm thông minh.

Challenges I ran into

Dữ liệu bất động sản "bẩn" và phân mảnh: Dữ liệu thu thập từ nhiều nguồn thường bị trùng lặp hoặc sai lệch thông tin. Chúng tôi đã phải dành rất nhiều thời gian để xây dựng một pipeline làm sạch dữ liệu tự động.

Tối ưu hóa độ chính xác của AI Pháp lý: Việc đọc hiểu các văn bản pháp luật đòi hỏi độ chính xác tuyệt đối. Đội ngũ đã phải liên tục tinh chỉnh Prompt Engineering và áp dụng kỹ thuật RAG (Retrieval-Augmented Generation) để AI không đưa ra thông tin sai lệch ("ảo tưởng").

Áp lực thời gian: Đóng gói một hệ thống bao gồm cả AI, Backend và Frontend chỉ trong thời gian ngắn của cuộc thi là một thử thách cực hạn.

Accomplishments that I'm proud of

Xây dựng thành công một MVP (Sản phẩm khả dụng tối thiểu) hoàn chỉnh, có khả năng chạy thực tế chứ không chỉ là giao diện mockup. Tích hợp thành công mô hình AI Định giá với sai số thử nghiệm ở mức thấp đáng kinh ngạc. Sự phối hợp ăn ý giữa các thành viên trong đội, từ khâu lên ý tưởng, thiết kế UX/UI cho đến coding xuyên đêm.

📺 Xem video ngắn giới thiệu và cách vận hành của MOSO: link

What I learned

Hiểu sâu hơn về cách ứng dụng RAG và Vector Database để giải quyết bài toán thực tế thay vì chỉ làm các ứng dụng chatbot thông thường. Kinh nghiệm xử lý dữ liệu lớn (Big Data) và tối ưu hóa hiệu năng hệ thống khi có nhiều lượt truy cập cùng lúc. Tầm quan trọng của tư duy "Product-Market Fit" – công nghệ dù hay đến đâu cũng phải giải quyết được nỗi đau thực sự của người dùng.

What's next for MOSO - AI PROPTECH

MOSO mới chỉ đi những bước đầu tiên. Trong tương lai, chúng tôi định hướng: Tích hợp AR/VR (Thực tế ảo tăng cường): Cho phép người dùng "xem nhà từ xa" với sự hướng dẫn của trợ lý ảo AI. Predictive Analytics: Nâng cấp AI để dự báo xu hướng bong bóng bất động sản hoặc các khu vực quy hoạch tiềm năng. Hợp tác B2B: Mở rộng kết nối API với các ngân hàng để hỗ trợ duyệt vay mua nhà tự động ngay trên nền tảng MOSO.

Built With

Share this project:

Updates