Jugeo Compass: un servicio que estructura con IA los anuncios de vivienda pública en alquiler
(jugeo.co.kr)Hola. Estoy creando Jugeo Compass, un servicio que recopila anuncios de vivienda pública en alquiler de entidades como LH, SH y GH, y analiza con IA los complejos avisos de convocatoria.
Por qué lo hice
Al interesarme en la vivienda pública en alquiler y revisar personalmente los anuncios, sentí que el acceso a la información era más difícil de lo que esperaba.
Cada institución tiene un formato distinto para sus anuncios, y los documentos de convocatoria suelen publicarse en PDF/HWP con decenas de páginas, pero justo la información que uno necesita está dispersa.
Por ejemplo:
- fecha de inicio y cierre de la solicitud
- tipo de oferta, como jóvenes, recién casados o adultos mayores
- criterio de ingresos
- criterio de patrimonio
- requisito de no poseer vivienda
- factores de puntuación adicional
- fecha de publicación de los seleccionados
- documentos a presentar
Para encontrar esta información, cada vez había que abrir documentos largos, buscar, leer tablas y recordar fechas por separado.
Quise reducir ese proceso y por eso hice Jugeo Compass.
Funciones principales
1. Análisis con IA de los avisos
Extrae y estructura la información clave de los PDF/HWP/archivos adjuntos de las convocatorias.
Más que en un simple resumen, me estoy enfocando en convertirlos en “datos que se puedan buscar, filtrar y comparar”.
Por ejemplo, la IA extrae elementos como estos:
- requisitos de postulación
- criterio de ingresos
- criterio de patrimonio
- condiciones de residencia/lugar de trabajo
- requisitos de la cuenta de ahorro para vivienda
- calendario de la convocatoria
- depósito de garantía/renta mensual
- lista de viviendas ofertadas
- condiciones a las que hay que prestar atención
- ubicación de la evidencia en el documento original
Antes de leer un anuncio largo desde el principio, el usuario puede juzgar rápidamente primero si “es un anuncio que vale la pena revisar” para su caso.
2. Calendario de fechas
Hice posible ver en un calendario la fecha de publicación del anuncio, inicio de recepción de solicitudes, cierre de recepción, entrega de documentos, publicación de seleccionados, etc.
En las convocatorias de vivienda pública en alquiler no solo son difíciles las condiciones; perder una fecha también es un problema bastante serio, así que le doy mucha importancia a la UX del calendario.
3. Filtros por región y tipo
Se pueden ver solo la región y el tipo de alquiler que uno quiera.
Por ejemplo, se pueden reducir los anuncios según criterios como Seúl/Gyeonggi, jóvenes, recién casados, vivienda de felicidad y alquiler nacional.
4. App móvil y widget de pantalla de inicio para Android
También ofrezco apps para iOS y Android.
Creé un widget de pantalla de inicio para ver de inmediato las fechas principales de los anuncios de interés.
Sirve para consultar información como la fecha límite de solicitud sin tener que abrir la app cada vez.
Cómo implementé el análisis con IA
Actualmente, el pipeline funciona más o menos así:
- recopilar periódicamente los tableros de anuncios de cada institución
- descargar el texto del anuncio y los archivos adjuntos en PDF/HWP/Excel
- extraer texto y tablas de los documentos
- dividir los documentos largos en chunks para analizarlos
- usar un LLM para extraer metadatos, información de vivienda, requisitos, fechas y opinión de la IA en JSON estructurado
- validar los resultados extraídos con un esquema
- crear un golden set para algunos anuncios y comparar/evaluar la calidad de extracción
Al principio estaba más cerca de “hacer un solo resumen”, pero al usarlo en la práctica me di cuenta de que lo más importante no era el resumen, sino los datos normalizados.
Por ejemplo, en vez de simplemente resumir una frase como “ingreso mensual promedio de trabajadores urbanos de hasta el 100%”, resultó mucho más útil separar dentro del campo de condición de ingresos la proporción, los montos según el número de miembros del hogar y las condiciones de excepción.
Además, muchas veces las tablas de los avisos eran complicadas. Había casos en que un mismo tipo de vivienda se dividía en varias condiciones de alquiler, o en que la siguiente fila de la tabla era una continuación de la anterior, por lo que tengo lógica de posprocesamiento y validación por separado para evitar crear viviendas duplicadas.
Las llamadas al modelo están separadas en una capa compatible con OpenAI/OpenRouter, y si el documento es corto se analiza de una sola vez; si es largo, se procesa por separado metadata/información de vivienda/opinión de la IA.
Puntos que todavía estoy pensando
Es difícil decir que los resultados del análisis con IA son correctos al 100%. Por eso, actualmente se muestran junto con el enlace al anuncio original, y mantengo la dirección de permitir que el usuario verifique la fuente original en la información importante.
En particular, estoy pensando en lo siguiente.
- hasta qué punto se pueden estructurar de forma estable las tablas de los avisos
- qué tipo de UX sería mejor para que el usuario pueda juzgar con más seguridad si “cumple con las condiciones”
- qué formato sería mejor para mostrar más claramente las frases que sirven como evidencia del análisis con IA
- cómo actualizar y comparar los resultados de análisis existentes cuando un anuncio es modificado
- cómo mostrar condiciones de elegibilidad complejas en móvil sin que se sientan demasiado pesadas
Es un proyecto que empezó a partir de una incomodidad que viví personalmente y que sigo mejorando de forma constante.
Agradecería muchísimo cualquier feedback, ya sea sobre el layout del servicio, la forma de análisis con IA, la pantalla de detalle de los anuncios o la UX móvil.
[ Jugeo Compass ]
Web: https://jugeo.co.kr
iOS: https://apps.apple.com/kr/app/…
Android: https://play.google.com/store/apps/details?id=kr.housingcompass.app
2 comentarios
¿Cómo implementaron el chat de preguntas para la IA?
Parece que la sección de cierre inminente y la de próxima solicitud se tapan en el modo oscuro.