A generatív MI megváltoztathatja az ingatlanpiacot

1401
Forrás: Mc Kinsey

Az ingatlancégek a generatív MI (mesterséges intelligencia) segítségével hét lépésben kincsekké változtathatják az iparág adatait.

Kuczogi László
okl. építő mérnök,
okl. mérnök közgazdász
„Az építőipar digitális átállása” rovat vezetője

A mesterséges intelligencia szinte becsa­pott az életünkbe, így az építőipar sem vonhatja ki magát az új technológia kihí­vásai alól. A Magyar Építéstechnika fon­tosnak érzi, hogy olvasóit informálja a leg­fontosabb trendekről, ezért egy, az egész ingatlanipart bemutató nagyobb kutatás összefoglaló cikkét osztjuk meg olvasóinkkal.*

A generatív mesterséges intelligencia (gen MI) az ingatlanipart kedvező pillanatban éri el. A befektetők rendelkeznek mind a saját, mind a harmadik féltől származó adatokkal az ingatlanokról, közösségek­ről, bérlőkről és magáról a piacról. Ezek az információk felhasználhatók a meglévő gen MI-eszközök testreszabására, hogy azok ingatlanspecifikus feladatokat hajt­sanak végre, például villámgyorsan azono­sítani tudják a befektetők számára a lehe­tőségeket, forradalmasítsák az épület- és belsőépítészeti tervezést, marketinganya­gokat készítsenek, és megkönnyítsék az ügyfélutakat, miközben új bevételi forrá­sokat nyithatnak meg.

Mi a mesterséges intelligencia?

Mesterséges intelligenciának (MI vagy AI – az angol artificial intelligence-ből) egy gép, program vagy mesterségesen (tehát nem ember) létrehozott tudat által megnyilvá­nuló intelligenciát nevezzük. Talán jobban érthető az a meghatározás, hogy egy tech­nológiai rendszer azon képessége, hogy az emberihez hasonló kognitív funkció­kat tud utánozni, amilyen például a tanulás vagy a problémamegoldás. MI régóta léte­zik, hiszen az időjárás-előrejelzés már több évtizede ez alapján történik, de a közvéle­ményben, az üzleti életben most vált köz­beszédé.

Az MI belül több részhalmazt határozzunk meg, a cikk megértéshez két fogalom meg­értése fontos:
Cikkben analóg jelzővel, de leggyakrabban prediktív mesterséges intelligencia definíci­óval hivatkoznak arra, amikor a múlt ténye­inek elemzésével előrejelzéseket lehet tenni a jövőre vonatkozóan.
A generatív AI olyan mesterséges intelligen­cia modellekre utal, amelyeket arra tervez­tek, hogy új tartalmat hozzanak létre írott szöveg, hang, képek vagy videók formájá­ban. Az alkalmazások és a használati ese­tek széles körűek.

Ha egy példán szeretnék bemutatni a különbséget, akkor az analóg mesterséges intelligencia a meglevő 1.000 tervünk közül kiválasztja az általunk beadott szempontok szerint a legjobban közelítőt, a generatív MI létrehoz egy 1.001-dik tervet.

Bár a mesterséges intelligencia csak nemrégiben ragadta meg a közvélemény figyelmét, már évtizedek óta alapvetően megváltoztatja a világ üzleti tevékenységét. Az ismertebb változata – más néven analitikus mesterséges intelligencia – célorientált, és olyan tevékenységekre összpontosít, mint például az értékek előrejelzése vagy a kategóriák kijelölése az ügyfelek szegmentálásához. Ez már beépült az üzleti világ egyes részeibe: az MI-alapú előrejelzések például megváltoztatták a befektetési szakemberek a jövőre vonatkozó gondolkodását, a dinamikus árképzési modellek pedig megváltoztatták az áruk és szolgáltatások árképzését számos iparágban. Az egyik iparág azonban, ahol a mesterséges intelligencia átalakító ereje eddig hiányzott, az ingatlanpiac, amely történelmileg lassan alkalmazza az új technológiákat.

Az MI új esélyt jelent az ingatlanipar számára, hogy tanuljon a múltjából, és a technológia élvonalába tar­tozó iparággá váljon. A mesterséges intel­ligencia nem váltotta fel az analitikus mes­terséges intelligenciát, hanem nyitott és kreatív jellege a felhasználási esetek új határát nyitja meg, amelyet az analitikus mesterséges intelligencia nem tud kezelni. A McKinsey Global Institute (MGI) mun­kája alapján úgy véljük, hogy a gen MI 110–180 milliárd dolláros vagy annál is nagyobb értéket teremthet az ingatlanipar számára.

A mesterséges intelligenciát eddig is nagy hype övezte, de sok ingatlanos cég nehe­zen tudja megvalósítani a felhasználási lehetőségeket, és így nem látja az ígért értékteremtést. Ez nem meglepő: a gen MI-ból származó versenyelőny megszer­zése nem olyan egyszerű. Azért, hogy segítsük a vállalatoknak az elindulást, ez a cikk a technológiában rejlő lehető­ségeket tárja fel és példákat mutat be fel­használási esetekre. A cikk ezután hét kulcsfontosságú, egymással összefüggő intézkedést ismertet, amelyeket az ingat­lancégek megtehetnek annak érdekében, hogy kiaknázzák a mesterséges intelli­gencia nyújtotta értékeket, ezáltal straté­giai előnyre tegyenek szert a versenytár­saikkal szemben.

Az ingatlanipar számos felhasználási esetben profitálhat a mesterséges intelligenciából

A Gen MI erősségei általában négy kate­góriába sorolhatók, amelyeket mi a „négy C” kategóriának nevezünk.

  • Az első az ügyfelek bevonása (customer engagement), amelyet olyan eszközökkel lehet támogatni, mint például a beszél­gető chatbotok, amelyek válaszolnak a kérdésekre és segítik az ügyfelek dön­téshozatalát a felmerülő kétségek elosz­latásával.
  • A második az alkotás (creation), olyan eszközök formájában, amelyek új kreatív tartalmat generálnak, beleértve a szöve­get és a képeket egyaránt.
  • A harmadik a tömörítés (compression): a mesterséges intelligencia kiválóan alkal­mas a strukturálatlan adatokból szár­mazó meglátások szintetizálására, a beszélgetések értelmezésére és a nagy adatforrások lekérdezésére.
  • A negyedik a kódolási megoldások (coding), amelyek közül a gen MI szá­mosat kínál, beleértve azok értelmezését, fordítását, valamint a kód generálását.

Az MI-val végzett munkák során azt tapasztaltuk, hogy az ingatlantársaságok a hatékonyabb működési modellek, az erő­sebb ügyfélélmény, a bérlőmegtartás, az új bevételi források és az intelligensebb esz­közválasztás révén több mint 10 százalék­kal vagy még nagyobb mértékben növelték nettó működési bevételüket.

Íme öt példa arra, hogy a vállalkozások hogyan alkal­mazhatják a gen MI négy C-jét konkrét ingatlanügyekben.

Lízingdokumentáció hegyeinek átvizsgálása (tömörítés)

A Gen MI alkalmazható a bérleti dokumentumok tárházára, amelyek sűrűek és tele lehetnek egyedi terminológiával, ami megnehezíti sok ingatlantulajdonos számára azok átnézését, az információk kinyerését. Egy gen MI-alapú eszköz képes összefoglalni a bérleti szerződésekben szereplő kulcsfontosságú témákat, például azt, hogy mennyi bérleti díj várható havonta, vagy hogy milyen piaci erők (például a helyi környezetvédelmi, szociális és kormányzati megfelelési törvények) befolyásolhatják a bérleti szerződéseket. Az eszköz emellett képes a bérleti szerződéseket egy adott paraméter alapján (például az összes olyan bérleti szerződést, amelyek négyzetméterenkénti bérleti díja egy bizonyos szint alatt van) átvizsgálni, és abból táblázatos információkat generálni.

Az ingatlanokkal kapcsolatos igények kezelése másodpilótával (tömörítés és ügyfélbevonás)

A Gen MI segítségével egy nagy teljesítmé­nyű másodpilóta (egy gen MI-alapú bot) hozható létre számos ingatlanokkal kap­csolatos interakcióhoz, beleértve a bérlői kérelmek kezelését és a bérleti tárgyalá­sok lefolytatását. A bérlők egyszerű kéré­sei, például a rutinszerű karbantartás, arra késztethetik a másodpilótát, hogy közvet­lenül lépjen kapcsolatba az épület karban­tartóival. A másodpilóta képes azonosítani egy összetettebb kérdést, és megjelölni azt egy ingatlankezelő cég szakemberének. Miközben a szakember a bérlőkkel kap­csolatba lép, a mesterséges intelligencia megfigyelheti a beszélgetéseket és az írá­sos válaszokat, ezek alapján javaslatokat tehet a kommunikáció javítására.

A nagy téttel bíró pillanatokban – például egy iro­dai, raktár- vagy kiskereskedelmi bérlővel folytatott kereskedelmi bérleti tárgyalás során – a gen MI eszköz képes a bérlőre, az ingatlanra és a piacra vonatkozó összes információt felvenni, és elkészíteni a tár­gyalási jegyzőkönyvet. Ha a kommuni­káció és a hívások rögzítésre kerülnek vagy szöveges formában jelennek meg, a másodpilóta figyelemmel tudja kísérni eze­ket az interakciókat, támogatást biztosít, miközben emlékezteti a szakembereket, hogy tartózkodjanak bizonyos kifejezések használatától, amelyek kockázatos pillana­tokat idézhetnek elő.

Vizualizáció lehetővé tétele és új bevételi források létrehozása (alkotás és ügyfélkapcsolat)

A Gen MI jelentős támogatást nyújthat, amikor egy leendő irodabérlő egy túrán csak egy nyers teret néz meg, vagy egy potenciális lakó egy lakás képeit tekinti meg egy hirdetési oldalon, vagy egy üres lakóteret lát, esetleg valaki más által kiala­kított, bútorokkal teli beltéri fotókat. A virtuális valóság túrák segítenek, de ezek a statikus, nem testre szabható szimulációk általában csak részben mutatják meg a végfelhasználónak, hogy milyen lehet az eredmény.

A Gen MI-eszközök segíthetnek a potenci­ális bérlőnek pontosan elképzelni, hogyan nézne ki egy lakás, mondjuk, az általa pre­ferált középkori modern stílusban vagy cseresznyefa kontra diófa kivitelben. Ezek az adatok aztán visszatáplálhatók egy modellbe, amely megjósolja, hogy a külön­böző ügyfélszegmensek számára milyen típusú bútorok és felületek működnek a legjobban, elősegítve ezzel a potenciális bérlők figyelmének növelését és döntéseit.

Lehetnek e-kereskedelmi kapcsolódási pontok is: miközben egy leendő bérlő körbejár egy egységet, egy alkalmazás virtuálisan különböző kanapékat, ablakdíszeket vagy konyhai berendezéseket állíthat be, amelyek megfelelnek a kívánt dizájnstílusnak. Ha a leendő lakos a vásárlás vagy a bérlés mellett dönt, ezeket a választási lehetőségeket meg lehet rendelni, és a beköltözéssel egy időben be lehet állítani. A lakó előnye, hogy olyan otthonba költözik, amely már kifejezi a saját stílusát, a közvetítő vagy lakástársaság pedig a keresztértékesítésből származó bevételekből profitál.

Az egyik nagy bútorkereskedő egy olyan mesterséges intelligenciával működő ter­mék-megjelenítő eszközt indított, amely lehetővé teszi a felhasználók számára, hogy feltöltsenek egy szobafotót, és feltölt­sék azt a katalógusból származó bútorok­kal. Az értéklánc különböző vállalkozásai használhatják ezt a képességet arra, hogy új bevételi forrásokat teremtsenek, miköz­ben elmélyítik a vásárlói hűséget.

Gyorsabb, pontosabb befektetési döntések meghozatala (tömörítés)

Napjainkban a befektetési döntéseket gyakran a különböző forrásokból származó, egyedi adatok egyedi elemzésével hozzák meg. Egy raktárak iránt érdeklődő befektető például jellemzően olyan piacok makroelemzésével kezdi, amelyek vonzó tényezőkkel rendelkeznek, mint például a kikötők, a repülőterek elhelyezkedése és a nagy e-kereskedelmi forgalom. Ezután részletesebb elemzést végez az érdeklődésre számot tartó területek felkutatására, épületinformációkat kapva a helyi brókerektől vagy digitális eszközöktől. A döntéshozatali folyamat részeként a befektető diszkrét elemzéseket végez, hogy kiderítse, hogyan váltak be a befektetési hipotézisei a múltban.

A belső, valamint harmadik féltől származó adatok felhasználásával finomhangolt mesterséges intelligencia eszközzel a befektető egyszerűen megkérdezheti: “Melyik a 25 legjobb eladó raktárépület, amelybe érdemes befektetnem?” vagy “Mely bevásárlóközpontok fognak a legnagyobb valószínűséggel virágozni a jövőben?” Az eszköz képes átválogatni a strukturálatlan adatokat – mind a belső (például egy vállalat meglévő ingatlanjainak teljesítménye és az ehhez a teljesítményhez kapcsolódó bérleti feltételek), mind a harmadik féltől származó (például a népszámlálási adatok és a nyilvánosan rögzített, összehasonlítható értékesítések) adatokat. Ez a sokrétű elemzés ráteríthető az eladó ingatlanok listájára, hogy azonosítani és rangsorolni lehessen azokat a konkrét eszközöket, amelyek további vizsgálatot érdemelnek.

A vágyott eredmény létrehozása építészeti terveknél (alkotás)

A weboldalak tervezésénél vannak bizonyos minták és tervezési döntések, amelyekről ismert, hogy e-kereskedelmi eladásokat vagy magasabb kattintási arányt generálnak. Hasonlóképpen a fizikai világban is vannak olyan tervezési alapelvek, amelyeket a mesterséges intelligencia felszabadíthat és felhasználhat építészeti tervek megrajzolásához.

A gen MI által támogatott folyamat bevezetheti a tárgyak internetének (IoT) érzékelőit és a számítógépes látás algoritmusait, amelyek adatpontokat gyűjtenek a térhasználatról, például arról, hogyan mozognak a vásárlók egy üzletben a vásárlás előtt, vagy mikor használják a konferenciatermeket egy irodában. Ezt a betekintést – az értékesítésre, az ügyfélhűségre, a termelékenységre, a dolgozók megtartására vagy más területekre vonatkozó eredményadatokkal együtt – be lehet táplálni egy gen MI eszközbe. Ezeket az információkat a négyzetméterekre, a helyekre, a falakra, a bútorokra és más építészeti elemekre vonatkozó térbeli adatokkal lehet kombinálni. A gen MI eszköz ezután olyan építészeti terveket dolgozz ki, amelyek optimalizálva vannak a kívánt eredmények elérésére egy térben. Az építészek és tervezők ezekből a tervekből dolgozhatnak, hogy biztosítsák a művészetet és az érzelmeket a tervezésben, de kevesebb találgatással, hogy egy tér jól használható-e.

Hét kulcsfontosságú lépés, amelyet az ingatlanpiaci szereplők megtehetnek a mesterséges intelligencia teljes értékének kiaknázása érdekében

A mesterséges intelligencia generációja az átalakulás ígéretét hordozza magában, de az ingatlancégeknek többet kell tenniük annál, hogy megtanulják, hogyan használ­ják a késztermékeket. Bár az alapmodellek nélkülözhetetlenek, ezek csak egy kis részét képezik annak, hogy egy ingatlancég képes legyen értéket realizálni a gen MI-ból.

Forrás: Pixabay

Az ingatlan érték­láncban működő vállalkozások az MI beemelésével a következő módon történő újragondolással igyekezhetnek versenyben maradni:

A felsővezetők sorakozzanak fel egy üzleti útiterv mellé az ingatlan érték­lánc egy adott eleméhez

Azok a vezérigazgatók, akik a mesterséges intelligencia területén vezető szerepet akarnak betölteni, prioritásként kezelhetik a technológiát, új belső képességeket vehetnek igénybe, és megszervezhetik az agilis megvalósítást, ahogyan azt a legjobb start-upok és a technológiai vállalatok teszik. A technológia újfajta megvalósítási módjai nem csak a mesterséges intelligencia generációjának megvalósításához, hanem a korszerűség biztosításához és a stratégiai görbe előtt maradáshoz is elengedhetetlenek. A győztesek hajlandóak kísérletezni, iterálni. Ez azzal kezdődik, hogy olyan képességekkel rendelkeznek, amelyek túlmutatnak a hagyományos ingatlan-IT szervezeten. Ez nem jelenti azt, hogy a vezetőknek rengeteg új technológiai alkalmazottat kell a vállalatukba fogadniuk. Inkább egy olyan mérnökökből és tervezőkből álló, mozgékony csapatba kell befektetni, akik ismerik a mesterséges intelligenciát, és akiket arra lehet irányítani, hogy kizárólag az értékteremtő felhasználási esetekre összpontosítsanak.

A vállalat­vezetők azzal kezdhetik, hogy felmé­rik, az ingatlan-értéklánc melyik részén vannak, és megvizsgálják, hogyan lehet a bérlők, az alkalmazottak és más érdekeltek útját újradefiniálni. Ezután elkezdhetik a szerepek és struktúrák átalakítását. A mesterséges intelligencia generációja megköveteli a vezetők által vezetett új munkamódszerek elfoga­dását, amelyek növelik a szakemberek uralmát a funkciók és szintek között.

Az adatokra – különösen az új saját adatokra – való lézerpontosságú össz­pontosítás

A mesterséges intelligen­cia korában azok, akik hozzáférnek az egyedi, informatív adatokhoz és azo­kat ellenőrzik, képesek lesznek olyan felismeréseket generálni, amelyeket mások nem. A vállalatok azzal kezd­hetik, hogy átgondolják, milyen ada­tokra van szükségük – valamint arra, hogy milyen saját adatok állnak rendel­kezésre a bérlőkről és az ingatlanokról, amelyeket jelenleg nem gyűjtenek.

Nemcsak a legjobb adatkészletre van szükség, hanem arra is, hogy azt a megfelelő módon, a megfelelő adatkezeléssel alakítsák ki. Az épület korábbi karbantartási kérelmeire betanított, beszélgető MI-eszköz hatékonyan tud reagálni a lakók panaszaira. Egy ingatlanportfólió nettó működési bevételi adatait kezelő eszköz olyan válaszokat adhat a teljesítményről, amelyek hasznosak lehetnek a befektetési döntésekhez, valamint a befektetőknek és a vállalat belső részlegeinek szóló jelentésekhez. Az irodaházakban található, a tárgyak internetét használó érzékelők és számítógépes látó alkalmazások például anonimizált betekintést nyújthatnak abba, hogy a bérlők hogyan használják a tereket, mélyebb információt nyújtva az épített környezetről. A bérlői alkalmazások és műszerfalak nem pusztán interakciós csatornák; maguk is adatforrásokká válhatnak. Az, hogy egy lakóházi bérlő milyen kényelmi helyiséget foglal, egy bevásárlóközpontban milyen üzleteket látogatnak a vásárlók, vagy hogy egy irodabérlőnek milyen szolgáltatásokra van szüksége egy esemény létrehozásához, mind értékes adatok, amelyek hasznosíthatók és strukturálhatók.

Fontos, hogy ez a hasznosítás és strukturálás az ingatlancég által ellenőrzött adattárházban történjen (szemben egy harmadik fél rendszerével). A különböző szállítóknak képesnek kell lenniük arra, hogy kölcsönhatásba lépjenek ezzel az egyetlen „igazságforrással” (ingatlancég saját adattárháza). Ez lehetővé teszi az ingatlancégek számára, hogy az adatokat épület, bérlő, illetve egység- vagy helyiségtípus szerint feldarabolják saját belső felhasználásukra, és elég rugalmasak legyenek ahhoz, hogy könnyen váltsanak rendszert és alkalmazást. A vállalatoknak tudatában kell lenniük az adatok tulajdonjogával, és az adatokhoz való könnyű hozzáférés, valamint az azokkal való munka képességét a beszállítói döntéshozatal kulcsfontosságú részévé kell tenniük, amikor a jövőbeli technológiai csomagjaikat tervezik.

Tervezzen egy olyan prompt (kérdés) könyvtárat, amely eredményeket kap az alapmodellekből az ingatlanok kontex­tusában!

Az alapvető MI modellek csak annyira jók, amennyire a nekik fel­tett kérdések (ún. „promptok”). Mivel a modelleket az ingatlanokra jellemző adatokkal finomhangolják, fontos, hogy kialakítsanak egy prompt-könyvtárat.

Egy prompt például így szólhat: “A következő lakótörténeti és ingatlanadatok felhasználásával készítsünk egy kezdeti tájékoztató e-mailt a bérleti szerződését megújítani kívánó lakónak”, majd ezt követően: “A válasz alapján készítsünk egy nyomon követő e-mailt, és fontoljuk meg, hogy a következő, személyre szabottabb engedmények egyikét felajánljuk-e a lakóról tudott információk alapján: két hónapra elengedett háziállatra meghatározott díj, ingyenes mélyszőnyegtisztítás vagy hat hónapos tagság az épület edzőtermében”.

A szintaxis, a részletesség vagy a keretezés apró módosításai értelmesen eltérő kimeneteket eredményezhetnek, amelyek hatása csak a gyakorlatban fedezhető fel. Nincs példa arra, hogy tudjuk, mi működik, amíg ki nem próbáltuk. A játékszabályok lefektetéséhez elengedhetetlen a szigorú tesztelési és finomítási folyamat, amely biztosítja, hogy a kérdések a várt válaszokat adják vissza.

Hozzon létre olyan digitális eszközö­ket, amelyek cselekvésre ösztönöz­nek – nem csak betekintést nyújta­nak!

Az újonnan népszerű nagy nyelvi modellek azért nyűgözik le a nagyközönséget, mert milyen könnyű lehet kéréseket írni és érthető választ kapni. Az ingatlancégeket azonban nem szabad abba a hitbe ringatni, hogy a mesterséges intelligencia minden kimenete intuitív, vagy hogy a plug-and-play pontmegoldások teljes mértékben teljesítik a mesterséges intelligencia ígéretét. Ehelyett a kimeneteknek gyakran szükségük van a digitális eszközök egy újabb rétegére ahhoz, hogy hasznosak legyenek egy szervezet számára.

Egy alapmodell például generálhat marketingszövegeket, de további eszközökre lehet szükség ahhoz, hogy ellenőrizni lehessen a nyelvtani és márkakövetelményeket, és biztosítani lehessen, hogy a nyelvezet megfeleljen a szabályozásoknak. Egy gen MI modell felismeréseket hozhat arra vonatkozóan, hogyan kel­lene az ügyfélszolgálatot egy ingat­lanügynöknek nyújtania, de az ügynö­köknek szükségük lehet arra, hogy az ügyfélinterakciók során meghatározott ütemben kapjanak felszólításokat, vagy magyarázatokat, amelyek tisztázzák, miért fontos egy adott ajánlás.

A tervezés egy másik fontos összetevő. A hagyományos alkalmazásokban a szín, a stílus és a fizikai-design minták, amelyeknél a felhasználó kattintása meghatározó. Egy mesterséges intelligencia interfész esetében fontosabb lehet a társalgási rendszer írásmódjának finomhangolása, vagy annak biztosítása, hogy az ügyféllel szembenéző avatár és annak beszélt hangja és hangmagassága kellemes legyen a közönség számára, és a kívánt viselkedést váltsa ki. Röviden, a tervezés definíciójának bővülnie kell, ahogy az algoritmusokkal és gépekkel való interakciókhoz kötődő pszichológia új játéktere kialakul.

Egy önkiszolgáló portál, amely megkönnyíti az alkalmazottak számára a vállalat által jóváhagyott eszközökhöz való hozzáférést és a használatuk megtanulását, lehetővé teheti az egész szervezetre kiterjedő innovációt.

Beruházás egy modern technológiai csomagba az adatok felhasználásának érdekében

A mesterséges intelligencia egyik létfontosságú eleme a technológiai csomag (beleértve hardware software és más kiegészítőket): a megfelelő infrastruktúrát, a visszacsatolási csatornákat, a védelmi megoldásokat és az integrációt biztonságos, skálázható és felhasználóbarát módon kell kiépíteni. A gen MI a hagyományos MI-hez és a gépi tanuláshoz képest új képességeket igényel, beleértve a toxicitás ellenőrzését (annak biztosítása, hogy a gen MI ne hozzon létre problémás tartalmat, például olyan szavakat vagy kijelentéseket, amelyek sértik a vonatkozó tisztességes lakhatási vagy diszkrimináció-ellenes törvényeket) és a hallucináció elleni védelmet (annak megakadályozása, hogy a gen MI hamis válaszokat adjon anélkül, hogy megosztaná, hogy az eszköz bizonytalan).

A hagyományos adattudo­mányhoz és analitikához képest a gen MI jobban támaszkodik az egyedi tech­nológiai csomag elemeinek mérnöki kidolgozására, hogy hatékonyan műkö­dőképes legyen – olyan képességek, amelyek az ingatlanvállalkozások jelen­legi IT-szervezeteiből hiányozhatnak.

Az értékláncban azok az ingatlancégek lesznek a legjobb helyzetben, amelyek felkarolják a koncepciók nyújtotta lehetőségeket minél koraibb fázisban, és elkezdik a megfelelő irányba orientálni technológiai csomagjaikat. A gyümölcsöző lépések közé tartozik, hogy időt szánnak a szállítói rendszerek átgondolt összekapcsolására, és összekötik a pontokat az ingatlangazdálkodási rendszerek, az ügyfélkapcsolat-kezelés és a karbantartási portálok adatai között.

Olyan új működési modell elfogadása, amely az ingatlanportfólió növekedésé­vel és diverzifikációjával együtt képes méretezni
Ahhoz, hogy lehetővé váljon egy befektetés, lízing és egyéb folyamatok mesterséges intelligencia alapú frissítése, a működési modelleket és a munkahelyeket újra kell rajzolni, hogy megfeleljenek a munka új fókuszpontjainak.
Új szerepkörökre és képes­ségekre lehet szükség, például prompt és adatmérnökökre, akik képesek az alapmodelleket megvalósítani. A meg­lévő szerepkörökben dolgozó emberek képesek legyenek átadni az időigényes feladatokat a gen MI eszközöknek. Más esetekben, például a marketing- és befektetési csapatokban, a gen MI továbbfejlesztheti a tudományágat, és új szerepkörök és készségcsoportok iránti igényt teremthet. A vállalatoknak nyitottnak kell lenniük a változásokra, mert az informatikai vagy marketing szervezet arculata nem fog ugyanúgy kinézni az MI-eszközökkel, még akkor sem, ha az üzleti célkitűzései ugyanazok maradnak.
A mesterséges intelligencia által létre­hozott, az ingatlanokra jellemző koc­kázatok felismerése és mérséklése

A mesterséges intelligencia új, érlelődik, és nyitott kérdésekkel néz szembe. A képzett adatokban lehetnek olyan torzítások, amelyek nem szándékosak, de valós következményekkel járó (és tűnő) kimeneteket eredményeznek. Az alapmodelleket tápláló szellemi tulajdonnal kapcsolatos kérdések is felmerülhetnek, ahogy a területet övező jogi precedensek fejlődnek. A marketingtartalom például egy nem engedélyezett képeken kiképzett algoritmusból származhat, amit egy ingatlancég is használna. Az ingatlanspecifikus eszközt megalapozó alapmodell szolgáltatói módosításai beláthatatlan következményekkel járhatnak a kimenet minőségére és tartalmára nézve, ami fontossá teszi a súgók újratervezését.

Emellett egyes felhasználási esetek nem biztos, hogy a jelenlegi stádiumban megfelelőek a gen MI számára. Ezek közé tartozhat a vészhelyzeti reagálás, ahol túl nagy a tét, vagy a bérleti döntések, ahol nehéz lehet megfelelni a magyarázatot igénylő előírásoknak.
A mesterséges intelligencia olyan helyzetekben való alkalmazása, ahol befektetési szakemberek, üzemeltető csapatok és bérlők találkoznak, új kockázatokat jelent a munka-, lakó- és kereskedelmi környezetre nézve, amelyeket mérlegelni kell. Azok a vállalatok, amelyek idejekorán azonosítják a kockázatokat, és a fejlesztések megtalálása érdekében iterálnak, olyan pozícióban lesznek, hogy hatékonyan reagálhassanak.

Konklúzió

Úgy véljük, hogy az ingatlan cégek számára két fő okból is elérkezett az idő a mesterséges intelligenciára való áttérésre: először is a technológia mostanra felzárkózott az ingatlancégek problémáihoz, és megfelelő tervezés és kivitelezés esetén gyökeresen új megoldásokat kínálhat. Másodszor a kereskedelmi ingatlanok ma ellenszéllel szembesülnek, és ezek az új kihívások innovatív megközelítéseket igényelnek. A gen MI nem fogja felváltani az analitikus MI-t – vannak olyan felhasználási esetek (például bérleti díj előrejelzés vagy megtartási előrejelzés készítése), amelyekben a hagyományosabb gépi tanulás kiválóan alkalmazható. A mesterséges intelligencia inkább olyan felhasználási lehetőségeket nyit meg, amelyek korábban nem voltak lehetségesek, és az ingatlan értéklánc olyan dimenzióit érintik, amelyeket a technológia korábban nem érintett.

De vajon egy olyan iparág, amely a technológia terén hírhedt lemaradónak számít, képes lesz-e legyőzni a strukturális kihívásokat, befektetni a mögöttes technológiába, átalakítani a működési modelleket, és vezető szerepet tölteni a mesterséges intelligenciában? Az a tény, hogy az ingatlanipar eddig lemaradó volt, valójában előny lehet, mivel az ágazat nem fektetett be túlságosan a korábban elérhető, de mára elavult technológiákba, mint néhány más iparág. A tanulási görbe meredekebb lehet azok számára, akik még nem fektettek be technológiai és adatstratégiákba, de úgy véljük, hogy a mesterséges intelligencia megismerése, gyorsasága, átalakító ereje miatt megéri, hogy foglalkozzunk vele. Az adatok – és az adatok felhasználása a stratégiai távolság megteremtésére – jelentik azt az új terepet, amelyen a vállalkozások versenyezni fognak a befektetői pénzekért, a bérlőkért, a vevőkért és a hosszú élettartamért.

Az indulás gondolata ijesztő lehet, de arra biztatjuk a vezetőket, hogy egyszerűen kezdjék el. Technológiai szakemberek a “2×2” megközelítés mellett érvelnek: határozzon meg két olyan felhasználási esetet, amely elindíthatja a vállalatot az adatok tulajdonba vételében, gyorsan mérhető hatást érhet el, és lelkesedést kelt; és határozzon meg két olyan felhasználási esetet, amely inkább törekvő, alapvetően megváltoztatja az üzletet, és több időt vesz igénybe a megvalósítás. Ez a megközelítés arra ösztönzi a vállalatokat, hogy a technológiában rejlő összes lehetőség kiaknázása felé tereljék.

Nem kérdés, hogy az ingatlanipar változik. A kérdés az, hogy mely vállalatok válaszolnak a változás hívó szavára, alkalmazkodnak és elfogadják az új, digitálisan működtetett jövőt.

________________________________________________________________________*Forrás: https://www.mckinsey.com/industries/real-estate/our-insights/generative-ai-can-change-real-estate-but-the-industry-must-change-to-reap-the-benefits