Ett matchningssystem för fastighetsbranschen – med en AI som kan förklara det

För en aktör i fastighetsbranschen handlar vardagen om att para ihop två saker: lokaler som blir lediga, och företag som letar efter en ny plats att etablera sig på. Det låter enkelt. I praktiken är det tiotusentals lokaler, data från många källor och sökprofiler som ändras hela tiden.

Vi har byggt systemet som håller ordning på det – och en MCP-server som gör att medarbetarna kan arbeta med datan i ett samtal med Claude.

Lokaler, sökprofiler och matchningar

Systemet håller reda på drygt 30 000 lokaler, bolagen som äger och hyr dem, och sökprofiler från företag med ett dokumenterat lokalbehov: var, hur stort och vilken sorts lokal.

När en lokal eller en sökprofil ändras matchas de mot varandra automatiskt. Tre saker ska stämma: grundvillkoren, läget och ytan. Nya matchningar skickas ut till rätt mottagare, med påminnelser och statistik över vad som händer sedan.

Fastighetsägare och hyresgäster har också en egen inloggning. Där kan de starta och avsluta en uthyrning, se sina matchningar och markera intresse.

Data från många källor

Ett matchningssystem är aldrig bättre än sin data. Därför hämtar systemet uppgifter från flera håll:

• TIC för bolags- och fastighetsdata, bland annat för att hitta fastighetsägare.
• SCB:s arbetsställeregister för var företag faktiskt finns.
• OpenStreetMap för var butikskedjornas butiker ligger.
• Egna importer från Excel, som körs i bakgrunden.

När ett arbetsställe inte går att koppla till rätt bolag med vanlig textmatchning tar en språkmodell över och föreslår en koppling, med en säkerhetsgrad. Och eftersom data åldras finns ett flöde där fastighetsägare och hyresgäster själva verifierar och uppdaterar sina uppgifter via en länk – i stället för att allt hänger på att någon på kontoret hinner.

Matchningen körs i bakgrunden

En enda sökprofil kan matcha tusentals lokaler. Tidigare kördes matchningen i samma steg som sparandet, och på stora profiler tog det så lång tid att hela ändringen avbröts. Nu sparas ändringen direkt och matchningen sker i en kö som arbetar sig igenom det som ändrats, minut för minut. Misslyckas något försöker systemet igen.

Fråga Claude i stället för att beställa en rapport

Den största förändringen det senaste året är MCP-servern. Medarbetarna kopplar sin egen Claude – i Claude Code, Claude Desktop eller claude.ai – till systemet och arbetar med datan i ett samtal. Den används dagligen.

Assistenten kan söka bland lokaler, sökprofiler, bolag och matchningar, slå upp detaljer och översätta namn till rätt poster. Men det mest användbara är analysverktygen, som inte ens finns i gränssnittet:

• Varför matchar lokalen inte? Assistenten kör samma matchningsfråga som systemet och prövar varje villkor för sig – grundvillkor, läge och yta – och visar vilket som stoppar.
• Vad händer om ytan ändras? En simulering med en annan yta visar vilka sökprofiler som då hade matchat.
• Vad försvinner om vi tar bort det här? Innan något raderas syns vad som påverkas.
• Hur går det för en lokal? Matchningarna summerade per status.

En grund för egna automationer

MCP är en öppen standard. Samma server som medarbetarna pratar med i Claude kan därför också användas av andra verktyg – automationsplattformar som n8n, agentramverk eller andra AI-assistenter. Med en personlig nyckel kan kunden själv bygga automationer och agentflöden ovanpå sin egen data, utan att det blir ett nytt integrationsprojekt varje gång.

Det kan till exempel vara:

• en agent som varje måndag sammanfattar veckans nya matchningar per område och skickar dem till rätt säljare,
• ett flöde som bevakar en viss typ av lokal och skapar en uppgift i CRM-systemet när något nytt dyker upp,
• en assistent som förbereder ett kundmöte med allt som hänt kring kundens lokaler och sökprofiler.

Eftersom servern bara ger läsåtkomst hämtar automationerna information och agerar i andra system – de ändrar inget i matchningssystemet. Behörigheterna, gränserna för antal anrop och loggningen gäller precis som för en medarbetare. Skrivande åtkomst kan komma senare, och då med en människa som bekräftar.

Säkert från grunden

Att koppla en AI till affärsdata kräver samma omsorg som att ge en ny medarbetare tillgång. Några av besluten:

• I appen, inte bredvid. MCP-servern är en del av systemet och använder samma sökfunktioner som listorna i gränssnittet. Svaren kan inte glida isär från det användaren ser.
• Bara läsning. Servern har inte ens tillgång till några skrivfunktioner.
• Inget generellt frågeverktyg. Det finns inget verktyg som tar emot en fri databasfråga – bara de frågor som systemet redan ställer.
• Rätt person, varje gång. Inloggning med OAuth eller personlig nyckel, och behörigheten kontrolleras mot databasen vid varje anrop. Den som får ändrad roll tappar åtkomsten direkt.
• Spårbart. Varje anrop loggas, och antalet anrop per minut är begränsat.
• Kontext på svenska. Servern har en ordlista över branschens begrepp och instruerar modellen att aldrig hitta på typer, statusar eller id:n.

Vi har skrivit mer om varför det här sättet att öppna upp egen data för AI fungerar i Er data är det AI:n saknar.

Sitter ni på data som era medarbetare borde kunna fråga? Hör av er.