La missione di Zillow è rendere la casa una realtà per più persone, offrendo a oltre 250 milioni di utenti mensili un'esperienza fluida tra acquisto, vendita, affitto e finanziamento. Tuttavia, anni di forte crescita, acquisizioni e rigidi requisiti di conformità hanno lasciato i dati isolati in silos in molti strumenti, creando a volte attriti per le attività interne dell'azienda. Standardizzando sulla piattaforma Databricks con Unity Catalog, Zillow ha sostituito una serie di strumenti con un unico ecosistema governato, sbloccando insight self-service tramite Genie e gettando le basi per l'AI agentica. Lakebase ha esteso ulteriormente questa base, offrendo al team AI un livello di memoria persistente per le esperienze conversazionali. La piattaforma ora serve oltre 1.500 utenti interni attivi mensilmente, riducendo al contempo i costi infrastrutturali e operativi del 65% in seguito al consolidamento.
Sfida: Dati isolati in silos e sistemi separati hanno rallentato le ambizioni
La visione di Zillow per un'esperienza fluida di acquisto della casa dipendeva dalla facilità di spostamento dei dati tra prodotti, team e linee di business. In pratica, sistemi isolati in silos, requisiti di conformità e strumenti a volte in conflitto hanno reso tutto questo sempre più difficile.
Un customer journey connesso ha creato complessità nei dati
Chi cerca casa si aspetta un percorso unico. Desidera sfogliare gli annunci di un immobile, prenotare una visita con un agente immobiliare e ottenere un finanziamento, il tutto senza dover ricominciare da capo. Il portafoglio di prodotti e acquisizioni di Zillow rende tutto questo possibile, ma complica anche il panorama dei dati. Affitti, acquisto di case, visite, mutui e società acquisite portavano con sé i propri stack, requisiti di conformità e controlli di accesso. In tutta l'azienda, i team utilizzavano molti strumenti in modo indipendente.
I sistemi isolati in silos hanno rallentato il lavoro quotidiano
Una singola integrazione di dati per una nuova acquisizione poteva richiedere mesi. Nel frattempo, la classica separazione tra database operativi e sistemi analitici trasformava le domande di routine in lenti passaggi di consegne tra team e strumenti. E poiché ogni silo applicava i propri controlli di accesso in modo indipendente, anche le richieste più semplici di dati cross-domain richiedevano un coordinamento manuale tra i team, un processo che poteva richiedere settimane.
Le iniziative di AI hanno esposto i limiti dell'architettura esistente
Questo attrito è diventato un ostacolo quando Zillow ha iniziato a creare AI Mode, un'esperienza conversazionale progettata per aiutare acquirenti e affittuari a esplorare case, porre domande di approfondimento e intraprendere azioni come prenotare visite o mettersi in contatto con un agente. AI Mode necessitava di una memoria persistente a bassa latenza per le conversazioni e della capacità di valutare e migliorare tali interazioni utilizzando gli stessi dati governati.
Unire un database separato e nuove pipeline era tecnicamente possibile, ma avrebbe aggiunto una complessità significativa. "Se non fossimo passati a una piattaforma unificata, ci saremmo trovati in una posizione molto diversa", ha affermato Jaycen Grant, Director of Engineering per la Data Platform di Zillow. "Quando è arrivata la spinta verso l'AI agentica, ci saremmo trovati a connetterci a cinque o sei sistemi separati invece di uno."
Soluzione: Una piattaforma unificata con la governance al centro, estesa da Lakebase per l'AI agentica
Zillow ha risolto queste sfide standardizzando su Databricks, offrendo ai team un modo più semplice per gestire l'accesso, connettere i sistemi e muoversi più velocemente.
La governance è diventata la base, non l'ultimo punto di controllo
Zillow ha reso la governance il punto di partenza anziché l'ultimo punto di controllo, con Unity Catalog che ha sostituito i controlli di accesso che avevano mantenuto i dati bloccati all'interno delle singole linee di business. Il team della piattaforma dati ha implementato un tagging coerente, controlli di accesso basati su ruoli e attributi e workspace strutturati di lab, stage e produzione, consentendo ai team di muoversi rapidamente e rafforzando al contempo la conformità e la sicurezza, come i requisiti di gestione del cambiamento SOX, su tutta la linea.
I dati sui mutui, un tempo isolati in un sistema dedicato, ora possono essere resi disponibili tra i workspace in modo sicuro con mascheramento a livello di riga e colonna applicato tramite Unity Catalog. "Abbiamo migliorato l'accessibilità e la flessibilità dei dati eliminando i silos senza sacrificare una sicurezza e un controllo solidi", ha osservato Jaycen, "e le persone non devono più spostare i propri dati".
Un'unica piattaforma ha sostituito gli strumenti isolati in silos e ha aperto la strada al self-service
Il consolidamento in una piattaforma unificata ha offerto ai team di tutta l'azienda un ambiente condiviso anziché toolchain isolate. Ingegneri dei dati, ingegneri di prodotto, project manager, analisti ed executive lavorano ora tutti all'interno della stessa piattaforma, anziché affidarsi a sistemi separati gestiti da team diversi. Mentre un tempo le richieste di dati cross-domain richiedevano che il team della piattaforma creasse ponti tra i sistemi, ora i team possono scoprire i dataset, richiedere l'accesso tramite un processo governato e iniziare a lavorare senza il coinvolgimento del team della piattaforma. Questo passaggio da flussi di lavoro basati su ticket al self-service ha cambiato radicalmente il modo in cui il team della piattaforma dati impiega il proprio tempo, concentrandosi meno sulla manutenzione dell'infrastruttura e sull'instradamento delle richieste e più sulla creazione di strumenti e guardrail che rendano affidabile il self-service.
Genie ha aiutato i team ad attivare più rapidamente i dati governati
Zillow ha anche esteso il valore dei suoi dati governati tramite Genie. Quando l'SVP of Engineering di Zillow ha voluto visibilità sull'utilizzo degli strumenti di AI interni, Jaycen ha utilizzato Genie Code to identificare le tabelle pertinenti, generare query, creare un notebook e pubblicare una dashboard e uno spazio Genie in meno di un'ora.
“In passato, la creazione di una dashboard direzionale di questo tipo avrebbe richiesto giorni o addirittura settimane. Avremmo dovuto rintracciare i dati corretti, metterli insieme e perfezionarli prima di condividerli. Con Genie, sono stato in grado di rispondere entro un'ora nello stesso thread di Slack”, ha affermato Jaycen.
Lakebase ha unito dati operativi e analitici per l'AI
Con la governance fondamentale implementata, Lakebase è diventato un componente importante dello stack di AI agentica di Zillow. Lakebase è un database PostgreSQL completamente gestito, integrato in Databricks e creato per gli agenti. Per Zillow, ha contribuito a colmare il divario tra sistemi operativi e analitici che aveva rallentato le iniziative precedenti. Jaycen spiega: “Vediamo Lakebase come qualcosa di più di un semplice database: è un nuovo livello architetturale che unisce sistemi transazionali e applicazioni basate sull'AI. Essendo Postgres, i team possono adottarlo rapidamente, ma il suo vero valore risiede in ciò che abilita oltre i database tradizionali”.
Il team AI ha distribuito Lakebase come livello di memoria dell'agente per AI Mode, fornendo un archivio ad alta concorrenza e bassa latenza per la cronologia e il contesto delle conversazioni. Poiché Lakebase è integrato con il lakehouse, l'agente può recuperare la cronologia pertinente, quindi eseguire valutazioni, tracciamento e analisi sugli stessi dati senza spostarli in un sistema separato.
Poiché Lakebase eredita il framework di conformità di Unity Catalog, il team è stato in grado di accedere a dataset regolamentati, comprese le informazioni finanziarie e creditizie, con i controlli governati appropriati e senza ulteriori mesi di revisione della sicurezza. “Senza Lakebase, avremmo trascorso mesi a sottoporci a verifiche di sicurezza e conformità prima di poter utilizzare quei dataset. Con Lakebase, sono stati subito disponibili”, ha spiegato Jaycen.
Risultati: una base governata per i dati su larga scala
Il consolidamento su un'unica piattaforma governata ha esteso l'accesso a data engineering, sviluppo di applicazioni, project management, analytics e team esecutivi, liberando al contempo il team della piattaforma dati per concentrarsi su attività a maggior valore. I costi operativi sono scesi di oltre il 65% e la piattaforma è cresciuta fino a superare i 1.500 utenti attivi mensili. Anche a fronte di una crescita degli utenti del 450%, i ticket di supporto della piattaforma per utente attivo sono diminuiti del 44%, poiché il self-service ha sostituito i flussi di lavoro basati sui ticket. Genie ha accelerato ulteriormente questo passaggio al self-service, riducendo i tempi per attività come la creazione di una dashboard esecutiva da giorni o settimane a meno di un'ora.
Lakebase ha offerto a Zillow un percorso pratico verso un'AI agentica conforme e di livello di produzione. Un unico archivio di memoria basato su Postgres supporta ora sia le esperienze dei clienti in tempo reale sia la valutazione offline, offrendo al contempo ad AI Mode l'accesso a dataset sensibili che in precedenza avrebbero richiesto mesi di revisione. Le future applicazioni agentiche possono ora seguire lo stesso modello governato invece di partire da zero. Questa base è già visibile in Zillow AI Mode, lanciato pubblicamente a marzo 2026 come esperienza conversazionale progettata per guidare gli utenti in una parte maggiore del loro percorso di ricerca della casa.
I risultati chiave includono:
I costi operativi sono diminuiti di oltre il 65%
Un unico archivio di memoria che supporta sia le esperienze in tempo reale sia la valutazione offline
I dataset sensibili sono ora accessibili tramite un framework governato
I ticket di supporto degli utenti della piattaforma per utente attivo sono diminuiti del 44%
Zillow prevede di estendere Genie a finanza, HR e vendite, e di applicare Lakebase a ulteriori esperienze agentiche oltre ad AI Mode. Con meno tempo dedicato alla manutenzione dell'infrastruttura, il team della piattaforma dati può concentrarsi sull'integrazione di conformità, governance dei costi e qualità dei dati direttamente negli strumenti che le persone già utilizzano. “Databricks si occupa dell'infrastruttura sottostante, così il nostro team può concentrarsi sul lavoro più importante”, ha affermato Jaycen. “È come avere un team di sviluppo in più che ci aiuta a muoverci più velocemente, e le nuove funzionalità continuano ad aprire ancora più opportunità di espansione”.