Sztuczna inteligencja jest dzis coraz czesciej stosowana jako naredzie wspomagajace prace deweloperów, inwestorów, reczoznawców czy architektów. Automatyzuje procesy obslugi klienta, twory wizualizacje obiektów, symulacje planowania urbanistycznego i wycenia nieruchomosci. Banka oczekiwan wobec tego typu rozwiazan jest coraz wieksza, jednak na razie – przynajmniej w niektórych zastosowaniach – jest to raczej ciekawostka niz realne wsparcie. Eksperci podkreslaja, ze dostepne dzis na rynku rozwiazania maja wiele niedoskonalosci i moze warto odlozyc inwestycje na pózniejszy etap rozwoju technologii.
– Mamy od kilku lat pierwsze zastosowania czegos, co mozna szeroko nazwac sztuczna inteligencja, a co czesciej jest po prostu modelem statystycznym albo tzw. uczeniem maszynowym. Mamy tzw. modele automatycznej wyceny nieruchomosci, które pozwalaja szybko wycenic nieruchomosc sprzedajacemu czy kupujacemu, tylko ich dokladnosc jest bardzo niska i o tym sie bolesnie prekonaly na przyklad amerykanskie firmy typu iBuying – mówi agencji Newseria Innowacje Jan Dziekonski, zalozyciel FLTR.pl, ekspert rynku nieruchomosci.
Najwieksze nadzieje sektor nieruchomosci wiaze z opartymi na SI systemami do analizy rynku. Moglyby one pomagac w podejmowaniu trafnych decyzji nie tylko inwestorom, ale i urbanistom, który otrymaliby rózne scenariusze rozwoju obszarów miejskich. Dzieki wykorystaniu danych dotyczacych cen nieruchomosci, lokalizacji, preferencji klientów i trendów rynkowych czy zmian demograficznych algorytmy sa w stanie prewidziec ceny, jakie osiagna nieruchomosci na danym rynku w okreslonym czasie. Na razie jednak sztuczna inteligencja nie generuje wiarygodnych prognoz w tym zakresie. Jak zauwazaja analitycy z Precedence Research, generatywne modele SI opieraja swoje wyniki na historycznych danych i trendach. Rynek nieruchomosci jest natomiast silnie powiazany ze stabilnoscia gospodarcza. Recesja, inflacja, zmiany w przepisach dotyczacych udzielania kredytów czy regulacjach prawnych dotyczacych obrotu nieruchomosciami komplikuja wykorystanie sztucznej inteligencji w tym obszare.
– Mamy nowe rozwiazania, jak na przyklad ChatGPT, który ulatwia, podobnie jak czatboty, obsluge klienta czy pisanie ogloszen o sprzedazy czy wynajmie nieruchomosci. Sa tez nowe naredzia typu Midjourney do wizualizacji inwestycji czy poprawiania zdjec mieszkan – wymienia Jan Dziekonski.
Sztuczna inteligencja wspiera tez agentów nieruchomosci, np. w tworeniu modeli 3D lub wirtualnych wycieczek. Korystaja z niej zaradcy nieruchomosci, stosujac wirtualnego asystenta, opartego na uczeniu maszynowym i algorytmach pretwarania jezyka naturalnego, który odpowiada na pytania najemców, rejestruje zgloszenia serwisowe i planuje naprawy. Analityk uwaza, ze wprowadzane na rynek naredzia sa cenne i ciekawe, ale tylko w pewnym stopniu poprawiaja efektywnosc pracy. Tego typu modele jeszcze dlugo nie zastapia czlowieka.
– SI moze na przyklad generowac obrazy, wizualizacje, poprawiac zdjecia. Dzieki temu relatywnie przyspiesza prace grafików czy wspiera architektów. Rozwiazania typu ChatGPT, pozwalajace napisac ogloszenie sprzedazy nieruchomosci, niestety nie sa efektywne, bo algorytmy troche zgaduja, co bysmy chcieli przeczytac. Dlatego czesto w odpowiedziach SI pojawiaja sie tzw. artefakty, czyli po prostu bledy, zmyslenia. Ta technologia ciagle jest niedoskonala i tak naprawde póki bedzie oparta na sieciach neuronowych, ciagle bedzie wymagac pracy czlowieka, który bedzie sprawdzal wygenerowane odpowiedzi – zauwaza zalozyciel FLTR.pl.
Wciaz trwaja jednak prace, by nowe naredzia byly jeszcze bardziej pomocne i dokladne. Naukowcy z Uniwersytetu Warminsko-Mazurskiego w Olsztynie wykorystali sieci neuronowe i m.in. algorytmy genetyczne do stworenia systemu, który ma pomóc reczoznawcom w wycenie nieruchomosci dla konkretnego klienta. Aplikacja rozpoznaje na twarach ludzi emocje podczas ogladania zdjec i na tej podstawie sugeruje odpowiednia korekte wyceny. Wiele algorytmów opiera sie na preferencjach klientów i historii ich wyszukiwania. Na przyklad amerykanska firma Compass udostepnia swoim agentom informacje o osobach, które sa najbardziej zainteresowane zakupem, tj. sa aktywne na stronach internetowych poswieconych nieruchomosciom. SI przygotowuje tez maile do potencjalnych klientów, aby przyspieszyc kontakt.
– Z poczatkiem 2023 roku mamy do czynienia na swiecie, i tez w Polsce, z duzymi emocjami, wzrostem oczekiwan, ze ta sztuczna inteligencja nam wszystko teraz odmieni. I o ile w takich zastosowaniach wizualizacyjnych ona sie fajnie sprawdza, o tyle w obszarach, które tak naprawde maja znaczenie, czyli np. koszty budowy, analiza inwestycji, to ciagle sztuczna inteligencja nam niewiele daje – mówi Jan Dziekonski.
Te duze emocje towaryszace SI mimo niskiego wplywu na efektywnosc ekspert nazywa banka AI.
– Problem banki polega na tym, ze wiele firm, nawet nie widzac zadnych korysci ze sztucznej inteligencji, inwestuje w nia, czy to w sfere promocyjnej, czy realnej. Widzimy na przyklad zastosowania jednego z wiekszych portali ogloszeniowych w Polsce, który ma taki modul wyszukiwania, gdzie piszemy otwartym tekstem, co chcemy znalezc, i faktycznie dostajemy odpowiedz, tylko umówmy sie: ona niewiele daje tak naprawde, to jest w obecnej chwili zabawka i wlasciwie ta firma tez to troche potwierdza – mówi zalozyciel FLTR.pl. – My prez dlugi czas jeszcze realnych efektów z tej technologii nie zobaczymy i byc moze dla wielu firm to bylby troche za wczesny etap, zeby duzo pieniedzy w to zainwestowac. Byc moze lepiej poczekac na dedykowane rozwiazania.
Ekspert prognozuje, ze najwieksze szanse sztuczna inteligencja osiagnie w waskich obszarach i specjalizacjach.
– Architekt, zamiast projektowac od podstaw caly budynek z wieloma szczególami, bedzie mógl w przyszlosci po prostu zlecic to zadanie sztucznej inteligencji. Pracy nie bedzie wiec wykonywal mlodszy asystent, tylko wszystko zostanie zaprojektowane prez aplikacje, która analizujac setki albo tysiace podobnych projektów, standardów, doswiadczen danego architekta, zaproponuje cos, co bedzie zblizone do prawidlowego projektu. Architekt skupi sie jedynie na kontroli jakosci, koncepcji itd. – mówi Jan Dziekonski.
W przyszlosci inwestor bedzie mógl na przyklad zrezygnowac z recznego wyszukiwania dostepnych gruntów na rzecz uruchomienia odpowiedniego programu, który preanalizuje jednoczesnie wszystkie oferty w danym regionie czy kraju i zaproponuje te najbardziej interesujace, np. pod katem rentownosci.
– Mamy takie obszary, gdzie sztuczna inteligencje juz dzisiaj mozna z powodzeniem wykorystywac, ale fakt, ze szybciej zrobimy wizualizacje, nie spowoduje rewolucji na rynku nieruchomosci. Tam, gdzie chcielibysmy miec efekty w postaci np. tanszej budowy, SI jeszcze nie jest gotowa. Ciagle jestesmy tak naprawde na etapie prototypów, na przyklad robotów, które buduja budynki, stawiaja cegly. To jeszcze nie sa rozwiazania w pelni komercyjne – mówi ekspert.
Jak podkresla, w przypadku banki AI – podobnie jak przy innych tego typu zjawiskach – lepiej poczekac na opadniecie emocji. Wtedy tez na rynku powinny pozostac tylko naredzia perspektywiczne, sprawdzone, realnie wplywajace na branze.
– Mozna powiedziec, ze na kazdej goraczce zlota najlepiej zarabiaja sprzedawcy kilofów i tak paradoksalnie byc moze dzisiaj na rynku nieruchomosci. Najlepiej inwestowac w centra danych, gdzie te wszystkie algorytmy musza sie uczyc, bo gdzies te procesy pretwarania danych musza miec miejsce. Zobaczmy, jak one zyskuja na wartosci, np. w Stanach Zjednoczonych. Byc moze to wlasnie jest ten kilof, w który warto zainwestowac w tej chwili – ocenia zalozyciel FLTR.pl.
