算法对专业知识的颠覆性冲击:房屋估值工具Zestimate对房地产专业人员工作的影响
《Proceedings of the ACM on Human-Computer Interaction》:Algorithmic Disruptions to Expertise: The Impact of the Home Valuation Tool Zestimate on Real Estate Professionals’ Work
【字体:
大
中
小
】
时间:2026年09月24日
来源:Proceedings of the ACM on Human-Computer Interaction
编辑推荐:
摘要
算法系统越来越多地影响着知识密集型工作,并重新配置了专业专业知识。本文探讨了15名房地产经纪人如何体验和应对数字房地产平台Zillow及其房屋估值算法Zestimate。基于半结构化访谈,我们展示了公开可用的算法估计如何通过改变委托-代理关系中的信息不对称、监督和问责
摘要
算法系统越来越多地影响着知识密集型工作,并重新配置了专业专业知识。本文探讨了15名房地产经纪人如何体验和应对数字房地产平台Zillow及其房屋估值算法Zestimate。基于半结构化访谈,我们展示了公开可用的算法估计如何通过改变委托-代理关系中的信息不对称、监督和问责制来重塑专业实践和客户-代理关系。为了在这种情况下保持其相关性,经纪人们主动发展了重新中介化实践,包括解释算法输出、解释差异和加强关系保障。并通过将委托-代理视角与中介化视角相结合,本研究为算法中断提供了结构层面和实践层面的见解,阐明了算法系统如何重新配置专业权威,以及专业人员如何积极协商和适应自己的角色和价值。
AI摘要
要查看此AI生成的摘要,您必须拥有高级访问权限。了解更多 登录
摘要
AI生成的摘要(实验性)
此摘要使用自动化工具生成,未经文章作者撰写或审核。它旨在支持发现,帮助读者评估相关性,并协助相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要,后者仍然是论文的主要摘要。完整文章仍然是权威版本。点击此处了解更多。点击此处评论此摘要的准确性、清晰度和实用性。这样做将有助于改进和未来的重新生成版本。要查看此AI生成的简明语言摘要,您必须拥有高级访问权限。
1 引言
算法系统越来越多地影响着依赖信息、数据或想法作为"原材料"进行规划、分析、解释、开发和创建产品和服务的知识密集型工作[Kraus等人,2023;Woodruff等人,2024;Heerwagen等人,2004]。这些系统通常通过自动化(即将任务从人类委托给机器)或增强(即支持人类能力)的视角来框架化[Raisch和Krakowski,2021;Acemoglu和Restrepo,2020;Brynjolfsson,2022;Davenport和Kirby,2016]。虽然这种二分法很有用,但它掩盖了一个更根本的转变:算法系统越来越多地作为平行的认识论权威运作,产生的输出可以与专业判断相媲美、挑战甚至取代专业判断,而无需明确设计来实现这一点[Agrawal等人,2023;Brynjolfsson和Mitchell,2017;Christin,2017;van Dalen,2023;Rader和Gray,2015;Eslami等人,2015]。因此,理解算法中断不仅需要对变化的实践给予关注,还需要对专业工作中专业知识、权威和信任的结构重组给予关注。
本研究将Zillow及其房屋估值算法Zestimate作为此类中断的一个突出实例进行考察。通过向公众提供算法估计的房产价值,Zestimate在房地产专业知识的核心进行干预,提供了一个基准,可以据此比较、审核和监督专业知识。这挑战了房地产专业人员的角色,他们传统上充当中介——即在房屋买家和卖家之间建立联系和进行谈判[Sawyer等人,2003、2014]。尽管先前的研究已经探讨了有效人机交互中的专业知识概念[Jarrahi等人,2023;Passalacqua等人,2024],但越来越需要了解专业人员如何在现实世界中应对算法中断。我们的研究通过借鉴中介化视角和委托-代理视角来扩展这一讨论。虽然中介化强调了专业人员维持其角色的新颖工作实践,但委托-代理视角则关注结构性摩擦,如信息和权力不对称。结合来看,这种双重视角将房地产专业人员的适应行为概念化为重新中介化,使他们能够管理和应对算法系统在他们工作中引入的挑战。
为此,我们回答以下研究问题:
•Zillow和Zestimate作为颠覆性算法系统,在房地产交易过程中引入了哪些结构性摩擦?
•房地产专业人员发展了哪些重新中介化实践和适应行为,以在这种中断中维持他们的角色和价值?
基于对美国东海岸15名房地产经纪人的半结构化访谈,我们的研究结果展示了公开可用的算法估计如何重塑专业实践和客户-代理关系。本研究通过对CSCW的贡献,展示了颠覆性算法系统如何产生新颖的工作形式,通过这种方式专业知识被协商和维持,同时也受到它们引入的结构性摩擦的影响。
1.1 房地产经纪人的工作
房地产专业人员传统上充当中介,连接买家和卖家,并引导他们完成交易过程。在美国,经纪人是有执照的专业人士,在经纪人下工作,尽管为了清晰起见,我们将两者都称为房地产经纪人[Sawyer等人,2014;Sawyer,2020]。自20世纪90年代末以来,经纪人可以代表买家或卖家,通常分享卖家支付的佣金。他们的专业知识包括匹配交易双方、翻译法律和财务信息、协商条款以及在情感需求高的决策中支持客户[Sawyer等人,2014;Ullah等人,2018]。然而,他们的工作往往被过度简化为双边市场交易,忽视了专业判断的本地性、关系性和情境性[Harth等人,2025;Sawyer,2020]。
近期的房地产技术,通常被称为PropTech,越来越多地将数字平台和AI驱动的分析嵌入到交易中,实现市场预测和自动估值[Vial,2021;Szumilo和Wiegelmann,2024;Resor,2024]。虽然这些系统承诺效率和透明度[Naeem等人,2023;Al-haimi等人,2025],但它们也引发了对非人性化、监管复杂性和制度抵抗的担忧[Szumilo和Wiegelmann,2024]。随着时间的推移,信息通信技术已经将经纪人的角色从信息保管者转变为信息中介,后者解释和数据提供情境[Sawyer等人,2014;Sawyer,2020]。Zillow等平台现在为客户提供广泛的估值信息访问权限,使他们能够更积极地参与,同时也带来了新的解释挑战。从这个意义上说,Zillow和Zestimate体现了新兴的中介化形式,它们公开暴露估值数据,同时挑战了专业知识和权威的基石。
1.2 案例研究描述
数字平台和更广泛的平台经济被认为正在转变消费实践以及商品和服务的交换[de Reuver等人,2018]。Zillow是这样一个平台的典型例子,通过提供"无缝端到端交易体验"来转变住宅房地产。此外,Zillow使房地产专业人员能够成为"Zillow Premier Agents",这是一个潜在客户生成计划,经纪人需要付费来与潜在买家建立联系。在此过程中,Zillow不仅促进了交易,还引入了新的激励结构。在研究进行时,Zillow将自己定位为让房地产"更容易获得、更可负担、更透明"。2018年,Zillow推出了"Zillow Offers",将定价数据应用于房屋翻新,但在2021年停止该项目,因为不准确的算法估计导致了4200万美元的损失[Stokel-Walker,2021;Gandel,2021]。这个案例强调了算法估计的风险和局限性。
本研究聚焦于Zillow的算法房屋估值工具Zestimate,该工具使用统计和机器学习模型生成房产价值估计。Zestimate整合了县记录、税务评估数据库、多重上市服务和经纪机构的用户提交的信息(图1)。它为活跃房源和非市场房源提供算法估计(图2)。
图1:Zillow Zestimate的首页。截图 ? Zillow,根据合理使用原则用于学术分析。
图2:Zillow网站上待售房屋的示例,其标价和Zestimate估计的市场价值如下。已匿名处理。截图 ? Zillow,根据合理使用原则用于学术分析。
自动估值模型,如Zestimate,其社会和社会影响已引起越来越多的担忧。由于住房在美国是财富的关键来源,这些工具越来越被认为对塑造住房公平具有影响力[Brown和Engler,2023],呼应了对算法不平等的更广泛批评[Eubanks,2018]。Zestimate因产生不可靠和不准确的估计、制造误导性价格预期以及可能促成大规模市场操纵而受到批评[Clark,2021;Wake,2018]。很少有先前的研究考察Zestimate对房地产市场的影响[Fu等人,2022],包括其对定价策略、搜索强度和交易结果的影响[Barnwell和Fournel,2022]。现有研究强调了Zestimate的多样化表现:在一些社区,它被认为是有用的信息来源,而在更多样化或不公开的区域——销售价格不公开可用的区域——它可能会破坏交易并在买家和卖家之间造成困惑[Barnwell和Fournel,2022]。总体而言,Zestimate对房地产交易的影响是多方面的。然而,虽然这些研究为算法估值模型提供了有价值的定量见解,但它们对房地产专业人员的体验和实践中出现的结构性摩擦了解有限。
2 相关工作
本节回顾了知识密集型专家工作中人工智能的实证研究。在此基础上,我们通过中介化、衔接工作和委托-代理视角的概念来考察AI驱动的中断。
2.1 知识密集型专家工作中的AI和算法系统
领域专业人员通常以专门技能、独特特征和通过特定子领域的大量经验获得的知识为特征[Ericsson,2014;Hoffman,1998]。然而,最近的研究强调了算法系统日益增长的计算能力如何可能中断和转变知识密集型专业工作,对专业知识、自主权和权威构成感知威胁[Pakarinen和Huising,2023],同时也引发了关于问责和责任的新担忧[Elish,2019]。作为回应,一种关系的专家知识方法引起了关注,将专业知识概念化为社会建构——通过互动生成、应用和认可[Pakarinen和Huising,2023;Emirbayer,1997]。从这个角度看,专家在知识的生产和应用之间进行调解,定义和解释情境并为行动设定优先级[Stehr和Grundmann,2011]。
最近的CSCW和HCI研究考察了AI在专业领域(如社会工作[Kawakami等人,2024]、会计[Ala-Luopa等人,2024]和招聘[Sarkar等人,2024])中的使用,强调了情境实践以及协作和参与式设计方法的重要性[Saxena和Guha,2020;Zhang等人,2023]。在人机协作的背景下,先前的研究已经确定了新颖的工作形式,包括训练、监督、解释和利用AI输出[Gr?nsund和Aanestad,2020;Teodorescu等人,2021;Jarrahi,2018;Inie等人,2023]。由于算法系统的不透明性,员工需要获得新的技术能力,如AI素养[Passalacqua等人,2024;Long等人,2020],同时加强独特的人类技能,包括判断、协作和适应性思维[Agrawal等人,2023;Huang和Rust,2020;Chuang,2024;Autor,2015]。除了合作能力外,Jarrahi等人[2023]强调了突出人类独特优势的竞争技能的重要性。
除了互动和协作之外,最近的学术研究强调了算法系统的组织和社会影响。研究考察了自动化决策中问责是如何共同构建的[Metcalf等人,2021],以及算法如何重塑组织控制和权力关系[Kellogg等人,2020]。CSCW社区呼吁更加关注算法系统引入的结构变化,包括工作流程的重新协商[Lampinen等人,2022]和角色的重组[Valentine等人,2024]。我们通过考察专业人员如何应对如Zillow及其Zestimate等平台来适应和重新配置专业知识,从而扩展了这一讨论。
2.2 算法中断与中介化
随着算法系统越来越多地嵌入专业领域,它们重塑了专业知识在各方之间如何中介。中介化指的是在市场的两方(如买家和卖家)之间桥接不兼容的工作,通常由经纪人或中介等"中间人"完成[Wigand,2020]。信息通信技术的日益使用使得去中介化成为可能——即将中间商部分或完全从交易中移除[Wigand,2020;Wigand等人,1999;Wigand,2015a、2015b]——通常旨在减少搜索和协调成本[Schmitz,2000;Nadel,2006]。然而,移除中间商很少能消除协调的需求。相反,它导致了重新中介化:通过重塑关系、实践和角色来维持市场功能运行的新型中介工作[Wigand,2020]。这些转变还意味着新工作实践的出现,这里将其理解为随着专业人员适应新技术而演变的情境化工作形式[Suchman,2002]。
在房地产领域,像经纪人和中介这样的传统中间职业越来越多地受到Zillow等平台[ Fu等人,2025]的挑战,但关于不可避免被取代的主张忽视了专业工作的复杂性[Lanam?ki等人,2024]。
房地产经纪人将其专业知识建立在本地知识、社会关系和情境细节之上 [Harth et al., 2025; Sawyer, 2020],减少人际互动的作用可能会忽视那些塑造专业角色和行业动态的细微之处 [Sawyer, 2020]。在此背景下,再中介化与CSCW(计算机支持的协同工作)中的"调和工作"(articulation work)概念密切相关,后者捕捉了协调如何在不同社会世界之间实现,尤其是在复杂和不确定的情境中 [Fjuk et al., 1997]。调和工作指的是在面对意外中断时,通过适应不断涌现的条件来使工作"保持在正轨上"所需的各项活动 [Star, 1991; Strauss, 1985, 1988]。因此,算法性扰乱为这类调和工作创造了新的需求,即使专业人士并非这些系统的最终目标用户。这种为管理、解读和补偿算法系统而所需的新型算法性工作,在相关语境中被称为"幽灵工作"(ghost work) [Gray & Suri, 2019] 和算法性意义建构 [M?hlmann et al., 2023]。Sawyer等人 [2003, 2014] 的纵向研究表明,信息技术(ICTs)的引入如何使房地产经纪人的实践转向咨询和增值服务,凸显了该行业的根本社会性。他们的工作表明,房地产交易嵌入在社会关系和社交网络中,而非可简化为市场交易。更近期的研究中,Sawyer [2020] 观察到经纪人越来越多地承担解释者而非信息传递者的角色。随着Zillow等数字平台扩大了数据获取途径,专业知识通过解读、情境化和引导来施展,帮助客户将丰富的数据转化为可操作的理解。我们在此基础上进一步说明,Zestimate等算法系统如何加剧并重构了这一转变:经纪人必须积极地在算法输出、本地市场知识和客户期望之间充当意义的中介。CSCW领域最近也提出了类似的中介化概念化框架 [Tracey & Garcia, 2024]。他们研究了算法系统如何塑造一线工作实践,并将中介化描述为工作者在算法优先级系统和无家可归者所面临的情境现实之间进行导航的裁量性实践。这些实践包括调整和解释算法输出、提出额外的探询性问题,以及标记系统以质疑评分。基于这些发现,他们提出中介化是一个有用的视角,用于理解工作者如何将生活经验转化为算法形式。这一视角对于受算法系统影响的各种专业领域都具有相关性。
2.3 合作工作中的委托-代理关系
虽然已有研究表明中介化和调和工作如何捕捉专业人士适应算法系统的实践和策略,但这些视角并未完全解释AI驱动的扰乱所引入的结构性摩擦。数字化早已通过降低搜索成本和扩展商品和服务的在线获取途径来改变市场格局 [de Reuver et al., 2018; Liang et al., 1998]。在此背景下,算法系统可以被理解为通过主动编排复杂工作流来弥合知识与行动之间的鸿沟,并重塑组织内部和跨组织中知识的连接、转化和生成方式 [Jarrahi & Ritala, 2025; Waardenburg et al., 2021]。为了更好地理解这些动态,我们采用委托-代理视角,强调算法如何重塑客户与房地产专业人士之间的关系。
委托-代理视角分析这样一种关系:一方[委托人]在信息不对称和激励不一致的条件下将任务委托给另一方[代理人] [Eisenhardt, 1989]。通常假设代理人拥有更优的知识,由此产生的不对称可能导致冲突,因为信息可被视为一种商品,代理人可能隐瞒信息 [Eisenhardt, 1989; Bergen et al., 1992; Schneider, 1987]。在专业情境中,这些不对称进一步加剧。专业人士不仅产生信息不对称[对代理人行为的认知不确定性],还产生知识不对称[对工作开展方式的不确定性],这使得委托人难以评估专业能力、制定合同或评价服务质量,尤其是考虑到专业任务固有的不确定性 [Sharma, 1997]。当利益出现分歧时,这些不对称会持续产生机会主义行为的风险,包括逆向选择和道德风险。这些目标冲突构成了委托-代理关系的核心困境 [Eisenhardt, 1989; Bergen et al., 1992]。在本研究中,委托人指买方和卖方,代理人指代表他们行事的房地产专业人士。
为缓解这些风险,委托人依赖监控机制、声誉保障和激励结构 [Eisenhardt, 1989]。与此同时,专业人士发展出制度性保障措施,如道德规范和行业自律,以维持信任和问责。这些机制表明,专业权威不仅建立在专业知识上,还建立在更广泛的信任和社会问责结构之上 [Shapiro, 2005]。在CSCW领域,委托-代理视角最近被用于研究人类和技术系统如何代表他人行事——例如在账户共享方面 [Haapoja et al., 2021]——凸显了其对理解合作工作的相关性。
本研究通过委托-代理和中介化视角考察AI驱动的扰乱。我们展示了算法系统如何打破专业实践、产生再中介化策略并重构关系,从而重塑专业权威并产生非预期的社会影响。
3 研究方法
3.1 研究过程
我们采用半结构化访谈进行了一项定性探索性研究,围绕三个主题展开:(1) 参与者的专业背景和在房地产领域的角色;(2) 他们的核心任务、工作实践和估值工具;以及(3) 他们使用Zillow和Zestimate的经验,包括这些系统对交易的影响感知以及他们为维护专业角色而发展出的适应策略。
3.2 参与者与数据收集
所有研究参与者(见表1)均报告拥有至少2年的房地产从业经验。数据收集于2022年秋季至2023年春季在美国罗利/达勒姆进行。在此期间,该地区是一个高度竞争的房地产市场 [Parker, 2021]。与此同时,围绕Zillow(例如Zillow Offers的关闭)的近期争议使本研究具有时效性。参与者通过滚雪球抽样和本地Facebook群组招募,并获得25美元的亚马逊或星巴克礼品卡作为报酬。访谈以面对面或Zoom方式开展,时长45至60分钟,经参与者同意后录音。所有参与者均使用匿名标识符。
表1:研究参与者的从业年限和在房地产领域的角色
| ID | 从业年限 | 在房地产领域的角色 |
|----|---------|-----------------|
| P1 | 16年 | 经纪人,主要服务于买卖方 |
| P2 | 25年 | 房地产经纪人,售出的大部分房产为非典型房产。曾担任Zillow Premier Agent。 |
| P3 | 15年 | 房地产经纪人,服务于买卖方。 |
| P4 | 19年 | 房地产经纪人,服务于买卖方。 |
| P5 | 14年 | 房地产经纪人,服务于买卖方。曾担任Zillow Premier Agent。 |
| P6 | 4-5年 | 房地产经纪人,服务于买卖方。 |
| P7 | 20年 | 经纪人,服务于买卖方。 |
| P8 | 4-6年 | 房地产经纪人,服务于买卖方。 |
| P9 | 30年 | 管理经纪人,服务于买卖方。 |
| P10 | 5年 | 房地产经纪人,服务于买卖方。 |
| P11 | 5年 | 房地产经纪人,服务于买卖方。 |
| P12 | 6年 | 房地产经纪人,服务于买卖方。 |
| P13 | 2年 | 房地产经纪人,服务于买卖方。 |
| P14 | 2.5年 | 房地产经纪人,服务于买卖方。 |
| P15 | 30年 | 管理经纪人,服务于买卖方。 |
3.3 数据分析
访谈转录文本导入Atlas.ti,并使用主题分析 [Cairns & Cox, 2008] 进行分析。我们迭代阅读数据并进行句子层面的开放式编码,初步形成九个类别(如专业任务、专业知识、Zestimate的优势与挑战、客户关系等)。随后将这些类别综合为三个总体主题:(1) Zillow和Zestimate对工作实践的影响;(2) 经纪人的系统感知;(3) 为应对这些系统而发展出的新型实践。第一作者主导分析工作,并与合著者定期讨论和完善。Atlas.ti支持了编码过程并实现了跨参与者的比较 [Hwang, 2008]。分析遵循基于参与者经验的建设主义-解释性归纳方法 [McDonald et al., 2019; Blandford et al., 2016]。
4 研究发现
我们按以下方式组织研究发现。首先,我们描述经纪人在Zillow作为数字平台和市场中介方面的经验。其次,我们考察Zestimate如何通过其公开估值重塑客户关系。最后,我们呈现经纪人为维护专业角色和价值而发展出的再中介化实践。
4.1 房地产专业人士对Zillow的矛盾性经验与感知
4.1.1 信息获取赋予消费者力量
Zillow将其使命表述为"用信息赋能人们"。大多数参与者 [P2, P3, P6, P7, P8, P10, P12, P13, P14] 对此持积极看法。他们描述Zillow提高了公众对房地产市场和房产价值的认知 [P3, P6, P8, P12, P13, P14],激发了人们对房地产的兴趣 [P2, P8, P10, P12],并培养了更具信息素养的消费者 [P3, P7, P12, P14]。作为数字平台,Zillow被广泛认为有用且易于使用 [P1, P2, P3, P5, P7, P11, P13]。
参与者指出,Zillow通过为消费者提供房产特定信息(包括挂牌价、市场估值和人口统计数据),减少了经纪人对房地产数据的垄断。Zillow的许多数据源自多重上市服务(MLS),这是一个由房地产经纪人共享挂牌信息的系统,但完整访问权限仍限于专业人士。P12阐释了这些对公众的益处:
"并非每个人每年都要花几千美元向MLS付费来获取这些信息。而Zillow免费将其提供给你。对吧?这太棒了。我的意思是,我认为它拓展了房地产领域——它让人们提升技能,最终消费者受益。" [P12,从业6年的经纪人]
参与者还表明,Zillow有益于他们的工作,例如加速房地产交易流程 [P2, P9, P13, P14]。由于消费者可以独立搜索房产位置和翻修信息,一些参与者认为这有助于客户更清晰地理解自己的需求和偏好 [P2, P9, P13, P14]。
尽管许多经纪人并不直接依赖Zillow,但他们仍会监控该平台,因为客户经常将其作为基准。参与者指出,Zillow和Zestimate在公众中的广泛使用迫使经纪人必须与这些工具打交道,正如P3所反映的:
"我使用它只是因为其他所有人都在用。我的意思是,我其实并不特别依赖Zillow。但其他所有人都在用,这某种程度上传递了压力给房地产经纪人,迫使他们也去看。" [P3,从业15年的经纪人]
4.1.2 算法系统对专业权威的威胁
尽管大多数参与者欢迎信息获取的增加,但他们也将Zillow模式中的某些错位视为令人沮丧的问题。一个核心关切是数据所有权 [P4, P5, P15]。由于Zestimate高度依赖MLS数据——这是一套由房地产专业人士出资和维护的基础设施——多名经纪人质疑Zillow商业模式的公平性,正如P15所解释的:
"Zillow获得的一切数据都来自MLS。但没有房地产经纪人,他们就必须为这套基础设施付费……Zillow不需要为这套基础设施付费。是我们付费。然后我们被联邦政府强制要求将这些信息共享给那些本质上试图把我们挤出行业的企业。" [P15,从业30年的经纪人]
参与者 [P1, P5, P6] 还对Zillow的设计逻辑表示不满。他们强调,自己的专业知识基于本地化、情境化的知识,而他们认为一个全国集中化的平台无法充分捕捉这些知识:
"Zillow总部在,你知道,华盛顿州。你认为他们真的了解北卡罗来纳州的教堂山吗?" [P5,从业14年的经纪人]
多名参与者 [P4, P7, P9, P15] 描述了与Zillow的全国营销和潜在客户生成模式竞争的困难。这种沮丧感与人们认为Zillow有意用"Zillow Premier Agents"取代传统经纪人的意图有关 [P2, P4, P5, P7, P9, P15]。参与者通常感到,Zillow的全国广告通过暗示以更低成本提供等效服务,贬低了他们的专业角色。
虽然公众信息获取的增加最初被认为会减少信息不对称并减轻经纪人的工作负担,但我们的研究发现表明,平台驱动的赋能也可能削弱专业权威。这些动态揭示了平台逻辑与领域专业知识之间的激励错位,重塑了客户评估可靠性和信任的方式。在下一节中,我们将考察Zestimate如何具体影响经纪人的日常工作。
4.2 Zestimate对房地产专业人士工作的影响
4.2.1 不准确的算法结果作为公共基准
许多参与者指出了Zillow数据的不足,包括与MLS相比过时的挂牌信息 [P1, P2, P3, P4, P5, P13] 以及错误的挂牌状态,如将已售房产显示为可出售 [P1, P2, P4, P8]。然而,与对Zestimate准确性的关切相比,这些问题被认为是次要的。
参与者频繁描述Zestimate产生不可靠的房产估值,通常相对于专业评估高估了房屋价值[P1, P6, P8, P9, P11, P13, P14, P15]。尽管Zillow通过报告中位误差率并将其定位为"起点"来承认Zestimate可能不准确,但参与者认为它仍然影响着公众对房产价值的认知。这被视为一个问题,因为它可能提供关于房屋价值的误导性信息[P1, P6, P8, P9, P11, P13, P14, P15],可能使消费者的财务决策面临风险[P1, P8]。P14说明了这种担忧:"很多时候,它会让客户认为他们的房子价值比实际更高——它给了他们虚假的财富感——很多人不了解市场。"[P1, 拥有16年执业经验的经纪人] [P5, 拥有14年执业经验的经纪人]为了进行专业估值,参与者通常进行可比市场分析[P1, P4, P5, P6, P7, P9, P10, P11, P13, P14],或使用MLS数据和县记录来识别可比房产[P2, P3, P4, P5, P7, P8, P9, P12, P15]。一些参与者[P9, P11, P13, P15]指出,高估的房产价值可能通过导致定价过高和销售放缓来破坏交易。另一些人[P1, P3, P5, P6, P13]强调,由于市场条件不断变化以及客户对定价的预期不同,他们的估值本身存在不确定性。P5说明了这一点:"我们可以尽力给出我们的最佳猜测、Zestimate、无论什么估价,来评估房屋应该定在什么价格。但最终,卖家可能会说,我在这栋房子里投入了X、Y和Z——我们可以按卖家想要的任何价格挂牌。它能以那个价格卖出去吗?市场说了算。"[P5, 拥有14年执业经验的经纪人]少数参与者[P2, P3, P11]也承认了Zestimate的有用性,P3指出它可以达到与专业分析相当的准确度水平:"这跟房地产经纪人做的事情是一样的,对吧?希望能更准确一些。出来的结果相当接近。"[P3, 拥有15年执业经验的经纪人]
4.2.2 客户关系中的监控压力与摩擦
Zestimate的主要影响体现在参与者与客户的互动中。这种影响在很大程度上被认为是负面的:客户经常难以接受专业估值,尤其是当它与Zestimate的估价不同时。这种差异造成了客户关系中的摩擦,尤其是在互动初期,正如P6所描述的:"他们看Zestimate,然后说,好吧,作为卖家,我的房子在Zillow上值50万。你为什么不让我超过45万卖?我不断告诉他们,祝你好运,看能不能卖50万。这个数不对。"[P6, 拥有4-5年执业经验的经纪人]
一些参与者[P3, P4, P5, P11, P12]观察到,客户通常更依赖Zestimate的估价而不是专业估值。虽然两者一致可以增强信任,但参与者感到Zestimate简化了他们的专业能力,正如P11所描述的:"看起来很简单,只看一个数字就想,'我有这个电脑告诉我这就是这个数字,这就是它的价值或不价值,我为什么还需要用房产经纪人来帮我买卖房子呢?'"[P11, 拥有5年执业经验的经纪人]
一些参与者[P7, P8, P13]强调了Zestimate计算缺乏透明度,并呼吁对其局限性提供更清晰的免责声明,他们认为这有助于客户更准确地了解房产价值。P5说明了为捍卫专业权威而进行的沟通摩擦:"我的工作就是展示Zillow Zestimate很可能是错的。"[P5, 拥有14年执业经验的经纪人]
尽管经纪人认识到房产估值本身存在不确定性,但这种不确定性对客户来说往往是不可见的。通过引入算法基准,Zestimate使客户能够监控、质疑和重新考虑专业判断,从而重塑了日常的客户—代理关系。
4.3 房地产专业人士的新适应实践
4.3.1 解读算法并解释差异
参与者[P3, P5, P8, P10, P14]描述他们将Zestimate作为补充信息或与其自身估值并行的参考点。这有助于建立"共同基础"并预判客户的期望。大多数参与者[P4, P8, P11, P12, P13, P14, P15]报告使用Zestimate来更好地理解客户视角并管理关于房产价值的期望。P12解释道:"就像水晶球一样。我知道我的客户在想什么,我还没到场就知道。"[P12, 拥有6年执业经验的经纪人]
参与者强调,这帮助他们更好地准备向客户解释自己的房产估值。许多人[P1, P4, P6, P7, P8, P11, P13, P14]描述他们发展出了对Zestimate工作原理的理解,从而能够解释其局限性。这些做法包括分享MLS数据并解释可比房产[P1, P2, P6, P7, P13, P14],以及比较不同的自动化估值模型并与客户讨论[P4, P14]。
一些参与者[P13, P14]还发展出了在客户互动中应对Zestimate的新策略。例如,在提出自己的估值之前,他们会询问客户对房产价值的看法。P13说明了这种方法及其背后的定价策略:"我总是问他们,你想以什么价格挂牌出售你的房子——如果那个价格低于某个金额,而且我们没有收到任何报价,你愿意在两周后降价吗?"[P13, 拥有2年执业经验的经纪人]
4.3.2 强化专业能力与关系保障
大多数参与者[P1, P2, P4, P5, P7, P9, P10]感到Zillow和Zestimate削弱了他们的专业角色,例如减少了人们对房产经纪人的需求。作为回应,一些人采取了防御姿态,正如P9所描述的:"我觉得,坦白说,我像个角斗士。一切都冲着我们而来,我们不得不穿上铠甲。"[P9, 拥有30年执业经验的经纪人] [P13, 拥有2年执业经验的经纪人]
为了维持自己的地位,经纪人强调了他们的估值专业能力,特别是通过将其与算法估计进行对比,并突出本地知识[P2, P3, P5–P8, P11, P14]。一些参与者[P1, P3, P7, P8, P13, P14]指出,尽管他们无法解释Zestimate如何生成估价,但他们能清楚地阐述自身估值背后的因素,正如P14所描述的:"我无法向他们解释为什么某个自动化估值可能偏高或偏低。但我可以详细向他们解释我的建议或数字来自哪里。"[P14, 拥有2.5年执业经验的经纪人]
参与者还强调了算法系统无法捕捉的情境因素的认知,包括社区之间的差异[P2, P4, P15]、装修和室内设计[P4, P7, P11]、本地知识和环境条件[P7, P8, P12]、市场知识[P1, P4, P7]以及建筑质量[P2, P5]。P7通过对比Zestimate与经纪人的本地知识来说明其局限性:"它不知道一年后——后院将建一座水泥厂,这将使该房产价值下降。"[P7, 拥有20年执业经验的经纪人]
除了估值之外,参与者强调关系工作是其专业核心,尤其是因为许多人通过推荐获得客户。作为中介,他们强调支持房产交易的情感层面,包括建立信任[P2, P4, P5, P6, P7, P8, P9, P10, P11, P12, P14]、增添"人情味"[P4, P5, P6, P8, P12, P13, P14],以及强化作为受托人应为客户最大利益行事的义务[P1, P2, P5, P13, P14, P15]。
综合来看,这些实践表明经纪人如何处理算法估价——不是将其视为权威判断,而是将其作为需要解读、质疑和情境化的资源。通过填补算法输出的空白,经纪人在应对平台激励与受托价值之间的张力的同时,强化了他们的专业权威。
5 讨论
我们的发现表明,房地产经纪人并非算法颠覆的被动接受者,而是通过再中介化实践主动重塑其专业定位。他们适应Zillow的Zestimate以维持其专业能力和相关性。我们首先考察Zestimate如何在房产交易中引入算法颠覆和去中介化,以及经纪人如何通过再中介化实践作出回应。然后我们分析这些系统通过重构委托人—代理人关系所创造的结构摩擦,最后讨论这些动态如何延伸至房地产领域之外。
5.1 算法颠覆及其对知识密集型工作的影响
5.1.1 房产交易中的算法去中介化
算法估值工具不再是边缘辅助工具,而已成为房产交易中的平行权威。通过Zillow的广泛采用和可见性[Curry, 2026],客户越来越多地带着算法生成的价值预期进入交易。以这种方式,Zillow体现了算法去中介化,充当一种准监控机制,通过它委托人审视代理人的判断。
虽然这种更广泛的访问降低了信息壁垒,赋予消费者更多权力,但也产生了客户关系中的新摩擦。正如Sawyer [2020]所观察到的,房地产数据的获取增加并不会消除中介,而是将其角色从传递信息转变为解释和情境化信息。我们的发现支持了先前的研究表明,平台重塑了知识在组织和市场情境中的生产、连接和转化方式[Jarrahi & Ritala, 2025; Waardenburg et al., 2021]。同时,声称能产生"专业水平"估算的系统简化了房产经纪人细致入微的专业能力,这呼应了先前关于算法工具可能削弱专业地位和权威的研究[Pakarinen & Huising, 2023],并忽略了关键的语境动态[Harth et al., 2025; Sawyer, 2020]。
对房产平台化的先前研究表明,平台鼓励买卖双方在交易中采取更主动的评价角色[Resor, 2024; Naeem et al., 2023]。我们的发现支持这一观察:Zillow将Zestimate定位为算法代理——一个平行的、数据驱动的"代理人",其判断被客户与专业人员的判断进行权衡。一个核心挑战是,房产估值缺乏明确的基准真值[Gr?nsund & Aanestad, 2020; Ullah et al., 2018; Sawyer, 2020],因为房产价值取决于不断变化的市场、社会政治条件和地方性特征[Sawyer et al., 2003, 2014; Fu et al., 2022]。因此,紧张关系和潜在的不信任是委托人—代理人关系的结构性特征,正如我们的发现所反映的,买卖方往往更信任算法估价而非专业估值。因此,算法监控在认识论上是脆弱的,因为概率性估计尽管存在固有不确定性,却被当作权威来处理。
5.1.2 房地产专业人士的再中介化实践与适应
尽管房地产经纪人并非Zillow和Zestimate的预期最终用户,但这些系统通过客户对算法输出的广泛信任重塑了他们的工作。经纪人并非被动接受去中介化,而是发展出再中介化实践来重新确立和重塑自己的角色和相关性。这些实践的核心包括解读算法估值、比较Zestimate与专业评估、识别差异,并将这些差异转化为与客户相关的解释。这与Sawyer [2020]的观察一致,即经纪人越来越多地承担解释而非传递信息的角色。我们进一步表明,Zestimate加剧了这一转变,要求经纪人在算法输出、本地知识和客户期望之间充当意义的中介者。因此,经纪人并非被取代,而是从信息保管者重新定位为信息经纪人。
这些再中介化实践与先前关于AI和算法系统对专业工作影响的研究一致。在各领域中,类似的模式不断涌现。例如,Tracey和Garcia [2024]展示了前线工作者如何对算法输出进行重新解释、翻译和情境化。同样,Jarrahi等人 [2023]识别出专业人士通过合作、竞争和竞合等形式来维持自身地位的方式。Inie等人 [2023]进一步证明,专业人士很少持有完全正面或负面的看法;相反,他们采用混合策略,包括应对、适应和利用AI,同时认识到其局限性。尽管术语有所不同,这些研究汇聚在一个共同的认识上:专业人士在"中间地带"中运作,算法表征与 lived realities在此交汇[Tracey & Garcia, 2024],将算法输出置于自己的专业框架内,而非将其视为独立的真理来源[Kawakami et al., 2024; Ala-Luopa et al., 2024]。我们的发现强化了这一视角,表明专业价值不在于在预测准确性上超越算法,而在于履行算法无法完成的专长形式,如应对模糊性、建立信任以及基于情境知识做出决策。
再中介化也涉及抵抗。
从业者频繁地从事他们所谓的“证明Zestimate错误”的活动,这与Tracey和Garcia [2024]提出的“标记系统”概念相呼应。然而,虽然Tracey和Garcia主要将这种抵抗归因于自利或试图减缓算法实施,我们的研究结果表明这反映了更为复杂的动态。与Tracey和Garcia研究中的前线工作者不同,房地产经纪人无法直接推翻那些塑造客户感知和价值预期的算法输出。这一局限制约了他们的权威,并使其影响力取决于人际谈判。在此背景下,抵抗往往反映了受托义务,因为经纪人努力保护客户免受可能具有误导性的算法估值影响,并使专业判断与客户福祉重新对齐。此前关于知识密集型工作中人工智能的研究承认了使专业价值观与系统设计保持一致的重要性 [例如,Ala-Luopa等人, 2024],但对于这种一致性在实践中如何体现却提供了有限的见解。我们通过专业管辖权的视角来阐释这些实践 [Abbott, 1988]:“证明Zestimate错误”的努力不仅是纠正性行动,也是边界维护实践。通过这些实践,经纪人在日益被算法系统争夺的领域中重新确立认知权威。从这个意义上说,受托抵抗充当了管辖权防御的机制,界定了算法权威的终点以及具体情境专业判断的起点 [Mayer等人, 2025]。
**5.1.3 重构房地产中的委托—代理关系。** 诸如Zillow的Zestimate之类的算法系统并非仅仅向房地产工作引入新的信息工具;相反,它们重构了构成该行业的基础性委托—代理关系。房地产经纪人长期以来被视为“中间职业”,日益受到Zillow等平台带来的挑战,这些平台引入了客户可独立参考的替代性专业知识来源 [Fu等人, 2025; Crowston等人, 2001]。从经典代理理论的角度来看 [Eisenhardt, 1989],代理人在委托人 [买方或卖方] 的授权下行动,执行委托人因专业知识或信息有限而无法完成的任务。这一关系由信息和知识不对称所定义:委托人在雇佣前无法完全评估代理人的能力 [逆向选择],也无法在授权后密切监控其行为 [道德风险]。知识不对称在委托人缺乏对专业工作如何开展的理解的情况下会被加剧 [Sharma, 1997]。Zestimate通过向客户提供算法估值直接扰乱了这些不对称,使他们能够监控、比较并对专业判断提出质疑。因此,算法系统可能会引入新的信息与知识不对称形式:它们可以使普通用户获得易于获取的信息 [无论其是否准确],并以看似与专家知识可比较的方式呈现。
代理理论将信息视为代理人可能会保留的商品;因此,算法系统可能会促使专业人士走向更高的透明度 [Eisenhardt, 1989; Bergen等人, 1992; Schneider, 1987]。许多参与者描述了Zestimate如何迫使他们阐明默会专业知识、解释估值推理并处理不确定性来源。在此过程中,他们颇具讽刺意味地推进了Zillow所宣称的“提升房地产透明度”的使命。通过明确其推理过程,并整合本地知识、专业判断和伦理考量,经纪人试图恢复委托—代理关系中固有的道德平衡。同时,由Zillow和Zestimate带来的外部监控也促成了专业专长的更广泛贬值,要求经纪人更多地投入关系性保障措施,例如建立信任和重申受托职责。
这些关系性策略并非仅仅是修辞;对于建立在重复互动和转介之上的房地产商业模式而言,它们是至关重要的。我们的研究发现在线房地产平台与房地产专业人士之间存在根本不同的激励结构。Zillow的Premier Agent项目通过将客户获取货币化——即出售潜在客户线索——来运作,以交易性而非受托性条款来界定客户关系。算法估值工具嵌入在平台经济的激励结构之中 [de Reuver等人, 2018; Liang & Huang, 1998],优先关注潜在客户生成和参与度,而非受托代表。尽管客户常常将算法输出视为客观或中立,但这些系统可能不准确、具有误导性,或被平台激励所策略性地塑造。
**5.1.4 超越房地产:知识工作的算法颠覆。** 与早期系统如MLS不同,后者在很大程度上保留了专业解释权威 [Sawyer等人, 2003; Crowston等人, 2001],算法系统则作为平行的评估权威运作,引入三种结构性转变。
第一,算法系统确立了新的认知权威形式:客户可能将数值输出视为客观事实而非概率性估计,这与先前关于对算法排名产生遵从的研究相呼应 [Rader & Gray, 2015; Eslami等人, 2015]。在房地产领域,由于估值具有不确定性和地方依赖性,此类输出可充当“混乱的信号”,即使缺乏情境细微差别,也会重塑谈判动态 [Harth等人, 2025; Szumilo & Wiegelmann, 2024; Resor, 2024]。
第二,当算法输出影响重大决策却没有相应的受托义务时,问责制就变得分散。责任在平台、开发者、专业人士和客户之间分布,造成问责制缺口,尤其是在治理和救济机制薄弱时 [Elish, 2019; Kellogg等人, 2020; Metcalf等人, 2021]。
第三,专业人士必须不断重新协商其合法性,通过与所感知的算法客观性和效率对比来持续证明其相关性。在此过程中,他们将情境判断、关系信任和伦理责任作为关键差异化因素加以凸显 [Ala-Luopa等人, 2024; Cai等人, 2019; Sarkar等人, 2024]。
这些动态可推广至各知识密集型领域,在这些领域中,算法系统日益转变中介角色 [M?hlmann等人, 2023],尽管重新中介的前景各不相同。在具有高复杂度和高信任需求的背景下 [例如医疗],专业人士可能将自己重新定位为AI输出的策展人和意义建构者 [Cai等人, 2019],而更加标准化的领域则面临更大的被取代风险 [Frey & Osborne, 2017]。在各种背景下,适应都需要混合型专业知识:专业人士必须理解算法在何处表现良好或失效,同时也调动关系性、解释性和伦理性能力,这些能力使专业判断与计算相区分 [Jarrahi等人, 2023]。
最后,这些结构性转变可能带来更广泛的社会影响。当算法输出在没有明确问责的情况下流通时,风险可能会被不均衡地分配 [Elish, 2019]。参与者表达担忧,认为被夸大的Zestimate会塑造住房财富认知并影响高风险财务决策;这些效应可能系统性地积累,正如Zillow在算法定价大规模失败时报告的34200万美元亏损所例证 [Gandel, 2021]。更广泛地说,算法颠覆可能将有效问责从受社会义务和受托义务约束的专业人士手中转移至在商业激励下运作且下游责任有限的平台,引发公平性问题,尤其对那些最无力质疑或为这些输出提供情境化的人 [Clark, 2021; Eubanks, 2018]。
我们的研究结果强调了需要对算法作为平行认知权威而非单纯辅助工具运作的受争议配置进行实证研究;竞争性和对立性动态可能会重构专业权威结构,从而需要新的理论化。我们的研究结果表明,未来的理论化应超越将算法推断仅仅视为信息输入的做法,而是应考量这些系统如何作为竞争性知识制度运作,并能够重构多方利益相关者之间互动的认知图景。这是在各专家领域中日益被记录到的动态,其中AI生成的决策挑战了专业权威 [Mayer等人, 2025; Karusala等人, 2024]。这些挑战并未取代人类专家的角色,而是凸显了人类专业知识日益依据算法的认知角色及其局限——例如算法估计的来源和置信度边界——来定义,这些边界为专业人士在情境化算法输出时所进行的解释性工作提供了支撑而非绕过。
我们的研究结果表明,专业人士已经在执行大部分这种无形的治理工作,不是作为对平台生态系统的自愿贡献,而是受托义务和商业模式所必需的后果,因为这些模式使准确、情境化的建议成为其工作实践的核心。我们的数据揭示的生产性悖论是:算法对专业权威构成的威胁恰恰要求执行治理其实务输出所需的认知劳动。然而,这种安排在依赖未经补偿的专业劳动来修正或情境化平台输出时是脆弱的 [Sutherland等人, 2020]。这要求CSCW研究者优先进行纵向研究,追踪此类适应实践和无形工作如何演变,不仅考察承担这一治理负担的专业人士,还考察塑造算法输出的平台设计者以及可能为其下游影响正式确立问责的监管者 [Gray & Suri, 2019]。
**5.2 局限与未来工作**
虽然本研究为房地产领域的算法颠覆提供了有价值的见解,但应承认若干局限。首先,分析聚焦于房地产经纪人的体验,排除了买方、卖方和Zillow Premier Agent的视角。其次,研究在地理范围受限的区域内开展,这可能限制研究结果在不同文化和市场背景下的可推广性。本地市场状况可能对结果产生影响。第三,一些参与者将Zillow和Zestimate与其他数字房地产平台混为一谈,表明未来研究应更仔细地区分对特定算法系统的感知与更广泛的平台化效应。在未来工作中,我们计划纳入买方和卖方视角,以更好地捕捉多方利益相关者动态,并进一步考察算法工具如何重塑合作工作中的委托—代理关系。
**6 结论**
在本研究中,我们考察了房地产专业人士如何体验Zillow的Zestimate及其对其工作和客户关系的影响。基于对15名房地产经纪人的访谈,我们表明算法颠覆通过去中介化运作,改变了信息不对称并引入委托—代理关系中的新摩擦。专业人士通过开发重新中介实践来应对,包括解释算法输出、说明差异以及加强关系性保障措施。通过结合中介和委托—代理视角,我们的研究表明算法系统不仅是技术工具,而是重构专业角色的平行认知权威。这些发现拓展了CSCW关于人机协作的研究,通过凸显算法颠覆的结构性维度,并强调专业人士如何积极谈判和重新定位其专长作为回应。
**致谢** 本研究由富布赖特芬兰基金会和Kaute基金会资助。