Влияние генеративного искусственного интеллекта на коммерческую недвижимость: революция в отрасли

- Генеративный ИИ совершает революцию в сфере коммерческой недвижимости, повышая эффективность и креативность.
- Лидеры отрасли внедряют такие технологии, как ChatGPT, для оптимизации рабочих процессов и получения аналитических данных.
- Ключ к раскрытию полного потенциала сектора — в балансе между аналитикой на основе ИИ и человеческим опытом.
Генеративный искусственный интеллект (ИИ) готов трансформировать сектор коммерческой недвижимости (CRE), предлагая новые способы повышения эффективности и креативности. По мере того как отраслевые лидеры интегрируют такие технологии ИИ, как ChatGPT, потенциальные выгоды для сектора недвижимости становятся все более очевидными.
Мир недвижимости, часто воспринимаемый как построенный на бумаге, электронных таблицах и человеческих отношениях, переживает сейсмический сдвиг с появлением ИИ. JLL, крупный игрок в отрасли, уже использует ИИ и машинное обучение для оптимизации работы зданий, создания 3D-визуализаций для аренды, оценки рисков устойчивости и генерации инвестиционных лидов. Использование ИИ в недвижимости не ново; однако появление генеративного ИИ приносит фундаментальную трансформацию.
Генеративный ИИ на переднем крае недвижимости
Хотя ИИ постепенно интегрировался в различные аспекты отрасли недвижимости, генеративный ИИ представляет собой новое направление. ChatGPT-3 от OpenAI, недавно запущенный, является примером возможностей генеративного ИИ. В 2023 году McKinsey назвала его «прорывным годом для ИИ» и прогнозировала, что генеративный ИИ может внести вклад от 2,6 до 4,4 триллионов долларов в мировую экономику ежегодно, что имеет значительные последствия для таких отраслей, как недвижимость.
Реализация прироста эффективности
Влияние генеративного ИИ на эффективность становится все более очевидным. Собственная модель JLL GPT, проприетарная большая языковая модель, демонстрирует, как генеративный ИИ может ускорять рабочие процессы в сфере CRE. Используя обширные внутренние и внешние данные CRE, этот инструмент упрощает такие задачи, как генерация контента, суммирование документов и интерпретация неструктурированных данных на разных языках. Эта новая эффективность приводит к значительной экономии времени для деятельности, добавляющей ценность и креативности.
Вызовы и соображения
Однако по мере того как генеративный ИИ набирает популярность, возникают опасения относительно точности и надежности данных. Около 56% респондентов в опросе McKinsey выразили обеспокоенность точностью результатов генеративного ИИ. Примечательно, что склонность генеративного ИИ «галлюцинировать» факты или выдумывать информацию создает проблемы для обеспечения целостности сгенерированного контента. Кроме того, происхождение и надежность данных, питающих модели генеративного ИИ, поднимают важные вопросы о надежности их результатов.
Прозрачность и курируемые данные
Реагируя на эти опасения, отраслевые лиды предпринимают шаги по снижению рисков. Подход JLL включает тщательный отбор точек данных и приоритизацию внутренних данных над внешними источниками. Этот подход направлен на обеспечение того, чтобы выводы, сгенерированные ИИ, соответствовали надежной и курируемой информации. Аналогично, самообслуживаемая платформа ИИ CBRE обеспечивает прозрачность, позволяя пользователям определять источники данных и даже направлять ИИ в приоритизации определенных данных над другими.
Расширение человеческого опыта
Потенциал генеративного ИИ заключается не в замене человеческого опыта, а в его усилении. Хотя он может создавать компетентные черновики документов и отчетов, он не может заменить уникальные идеи и экспертизу специалистов по недвижимости. Технология позволяет профессионалам сосредоточиться на задачах более высокой ценности, таких как улучшение обслуживания клиентов и использование выводов ИИ для принятия более обоснованных решений.
Переход и будущие перспективы
Несмотря на опасения по поводу вытеснения рабочих мест, отраслевые эксперты прогнозируют, что ИИ будет дополнять человеческие роли, а не полностью заменять их. McKinsey предполагает, что генеративный ИИ может автоматизировать до 60–70% рутинных задач сотрудников к 2045 году, что приведет к повышению производительности на 25%. Однако этот переход может потребовать сокращения штата в некоторых областях и значительных усилий по переподготовке кадров для адаптации к меняющимся требованиям к талантам.
Освобождающая сила в недвижимости
Влияние генеративного ИИ на сектор CRE выходит за рамки простого прироста эффективности. Автоматизируя создание отчетов и документов, ИИ освобождает профессионалов для сосредоточения на задачах, добавляющих большую ценность. По мере развития сектора влияние генеративного ИИ может дать бизнесу возможность инноваций, улучшения обслуживания клиентов и реализации творческих начинаний, которые ранее сдерживались административной нагрузкой.
Балансирование инноваций и экспертизы
По мере того как отрасль признает потенциал генеративного ИИ, важно понимать: хотя технологии могут эффективно синтезировать данные, они не способны заменить уникальные инсайты профессионалов в сфере недвижимости. Ключом к раскрытию полного потенциала сектора является сотрудничество между человеческой экспертизой и инсайтами, сгенерированными ИИ.
Появление генеративного ИИ в сфере коммерческой недвижимости (CRE) знаменует поворотный момент, обещающий рост эффективности и революцию в создании документов. Несмотря на сохраняющиеся проблемы с надежностью и точностью данных, прозрачные и курируемые подходы к данным, применяемые лидерами отрасли, предлагают пути решения этих вопросов. По мере развития технологий ИИ будущее отрасли зависит от гармоничного партнерства между инсайтами на основе ИИ и непревзойденной экспертизой профессионалов в сфере недвижимости. Это сотрудничество проложит путь к инновациям, эффективности и креативности в меняющемся ландшафте
Не просто читайте новости о криптовалютах. Понимайте их. Подпишитесь на нашу рассылку. Это бесплатно.

Глория Кабуру
Глори — крайне осведомлённый журналист, владеющий инструментами ИИ и методами исследований. Она увлечена темой искусственного интеллекта и является автором нескольких статей по этому вопросу. Она постоянно следит за последними достижениями в области искусственного интеллекта, машинного обучения и глубокого обучения и регулярно пишет об этом.















