بزرگترین خطر هوش مصنوعی در املاک و مستغلات ممکن است اعتماد کاذب باشد | نظر

هوش مصنوعی (AI) باعث می‌شود که پذیره‌نویسی املاک تجاری سریع‌تر شود، اما سریع‌تر به معنای بهتر بودن نیست.

همانطور که هوش مصنوعی از آزمایش به جریان های کاری سرمایه گذاری می رود، بزرگترین خطر ممکن است این نباشد که این فناوری پاسخ های آشکارا اشتباهی ایجاد کند.

ممکن است پاسخ‌های قانع‌کننده‌ای ایجاد کند که باعث شود سرمایه‌گذاران از زیر سوال بردن مفروضات زیر آن خودداری کنند.

این تمایز در صنعتی مهم است که در آن یک فرض به ظاهر جزئی می تواند اقتصاد یک معامله را تغییر دهد.

یک پیش‌بینی هزینه متفاوت، یک شرط اجاره از دست رفته، یک فرض تامین مالی نادرست یا یک ارزیابی خروج بیش از حد خوش‌بینانه می‌تواند یک پایان‌نامه سرمایه‌گذاری را مدت‌ها قبل از اینکه کسی متوجه اشتباه بودن مدل شود، تغییر دهد.

فناوری به سرعت در حال حرکت است. چشم انداز املاک تجاری Deloitte در سال 2027 نشان داد که 92 درصد از سازمان های CRE مورد بررسی هنوز در مرحله تحقیقاتی یا آزمایشی پذیرش هوش مصنوعی هستند، در حالی که تنها 8 درصد دارای راه حل های یکپارچه هوش مصنوعی بودند.

در همان زمان، کمتر از نیمی از آنها از اجرای کنترل‌های پیشرفته‌تر مانند مدل‌های چالش‌گر، مدیریت استثنا یا کنترل‌های کارآگاهی خبر دادند.

نظرسنجی Deloitte 950 مدیر اجرایی و گزارش های مستقیم آنها را در صاحبان املاک تجاری و سازمان های سرمایه گذاری پوشش داد.

این به من چیزی مهم می گوید. سوال دیگر این نیست که آیا هوش مصنوعی وارد املاک و مستغلات خواهد شد یا خیر. قبلا داشته است. سوال این است که آیا صنعت یاد خواهد گرفت که چگونه از آن استفاده کند بدون اینکه سرعت محاسباتی را با قضاوت سرمایه گذاری اشتباه بگیرد.

هوش مصنوعی در پردازش اطلاعات فوق العاده خوب است. این می تواند صدها سند را بررسی کند، داده های اجاره را سازماندهی کند، مغایرت ها را شناسایی کند، مفروضات را مقایسه کند و سناریوها را بسیار سریعتر از هر شخصی که به صورت دستی کار می کند، آزمایش کند.

گزارش پرایس واترهاوس کوپرز (PwC) و مؤسسه زمین شهری، روندهای نوظهور در املاک و مستغلات در سال 2026 نشان داد که استفاده از هوش مصنوعی در سراسر املاک و مستغلات، از جمله در تحقیقات، تعهدنامه و گزارش‌دهی در حال گسترش است.

این توانایی ها می توانند بسیار ارزشمند باشند. اما آنها همچنین یک ریسک ظریف را معرفی می‌کنند: وقتی خروجی به سرعت، فرمت‌بندی منظم و پشتیبانی شده توسط هزاران نقطه داده می‌رسد، می‌تواند معتبرتر از آنچه که شایسته آن است احساس شود.

یک مدل پذیره نویسی همیشه بازنمایی واقعیت بوده است، نه خود واقعیت. هوش مصنوعی این را تغییر نمی دهد.

می‌تواند فرآیند ساخت و بازجویی یک مدل را به‌طور چشمگیری کارآمدتر کند، اما نمی‌تواند به‌طور خودکار تعیین کند که آیا مفروضات وارد شده به آن مدل دقیقا منعکس‌کننده آن چیزی است که در یک ویژگی خاص اتفاق می‌افتد یا خیر.

این امر به ویژه در املاک تجاری مهم می شود زیرا دارایی ها مجموعه داده قابل تعویض نیستند.

یک دارایی خرده‌فروشی ممکن است بر اساس اجاره‌های قابل مقایسه و اشغال تاریخی جذاب به نظر برسد، در حالی که سال‌ها گردش مالی مستاجر، محدودیت پارکینگ را نشان می‌دهد که بر لیزینگ تأثیر می‌گذارد.

یک ساختمان اداری ممکن است نسبت به فروش های مشابه ارزان به نظر برسد، در حالی که هزینه های سرمایه ای معوق آن داستان متفاوتی را بیان می کند.

یک ملک ممکن است اجاره زمینی داشته باشد که تحت شرایطی تنظیم مجدد شود که به طور اساسی شرایط اقتصادی را تغییر می دهد. مالیات بر دارایی ممکن است پس از معامله تغییر کند. هزینه هایی که قبلا توسط مالک جذب شده است ممکن است به عهده مالک بعدی باشد.

بنابراین، برخی از مهم‌ترین اطلاعات در یک معامله لزوما اطلاعاتی نیستند که ساختار آن راحت‌تر باشد.

اینجاست که من معتقدم قضاوت انسانی ضروری است.

به عنوان بنیانگذار Sapp Capital Advisors، من سال‌ها روی مفروضات پشت سرمایه‌گذاری در املاک و مستغلات کار کرده‌ام. آن تجربه به من آموخت که تعهدنامه خوب صرفا تولید یک مدل نیست.

این در مورد درک این است که چرا اعداد به شکلی که هستند، آزمایش مفروضات پشت آنها و شناسایی جزئیاتی که می تواند نتیجه را تغییر دهد.

هوش مصنوعی می تواند یک ضریب بزرگ در قضاوت انسان باشد، اما جایگزینی برای قضاوت انسان نیست.

یک مثال نسبتا ساده را در نظر بگیرید: بررسی قراردادهای اجاره. یک سیستم هوش مصنوعی به طور بالقوه می تواند صدها سند را پردازش کند و ماتریسی ایجاد کند که اجاره، تاریخ انقضا، گزینه ها و سایر مقررات را نشان می دهد. که می تواند مقدار زیادی از زمان را ذخیره کند.

اما یافتن یک بند با درک اهمیت آن یکسان نیست.

یک مدل ممکن است انقضای اجاره را مشخص کند. یک بیمه‌گر باتجربه باید بپرسد که بعدا چه اتفاقی می‌افتد. آیا مستاجر احتمال تمدید دارد؟ بازار محلی چه چیزی را پیشنهاد می کند؟ آیا املاک رقیب وجود دارند که شرایط بهتری را ارائه دهند؟ آیا مستاجر دارای اهرم مذاکره غیرعادی است؟ آیا در صورت خروج مستاجر، فضا از نظر فیزیکی برای کاربر دیگر مناسب است؟

فناوری می تواند سوالات را تسریع کند. نیازی به پرسیدن از آنها را برطرف نمی کند.

همین اصل در مورد داده های بازار نیز صدق می کند. هنگامی که فعالیت تراکنش محدود است، فروش قابل مقایسه می تواند کمتر آموزنده شود. داده های تاریخی ممکن است شرایط فعلی را به طور کامل نشان ندهند، به ویژه در بازارهایی که در حال تغییر ساختاری هستند.

روابط با کارگزاران، مالکان، وام دهندگان و سایر فعالان بازار می تواند زمینه ای را فراهم کند که لزوما در یک صفحه گسترده ظاهر نمی شود.

این باعث نمی شود که قضاوت انسان خطاناپذیر باشد. افراد تعصب دارند، اشتباه می کنند و می توانند به فرضیات خود وابسته شوند.

هوش مصنوعی در واقع می‌تواند با آسان‌تر کردن آزمایش سناریوها برای سرمایه‌گذاران و بررسی اطلاعاتی که در غیر این صورت نادیده گرفته می‌شد، به افشای این نقاط ضعف کمک کند.

اینجاست که من بیشترین پتانسیل این فناوری را می بینم.

به جای درخواست از هوش مصنوعی برای تصمیم گیری سرمایه گذاری، سرمایه گذاران می توانند از آن برای گسترش میزان تحلیلی که قادر به انجام آن هستند استفاده کنند.

حرفه ای که زمانی فرصت داشت 20 اجاره نامه را بررسی کند، ممکن است بتواند صدها قرارداد را بررسی کند. کسی که قبلا سه سناریو را آزمایش کرده است ممکن است بتواند ده ها سناریو را آزمایش کند.

اختلاف بین مواد فروشنده و اسناد اساسی به طور بالقوه می تواند بسیار سریعتر شناسایی شود.

ارزش از گسترش ظرفیت تحلیل انسانی ناشی می شود، نه حذف مسئولیت پذیری انسان.

بنگاه‌های املاکی که هوش مصنوعی را اتخاذ می‌کنند باید در فرآیند سرمایه‌گذاری راستی‌آزمایی کنند: مفروضات را زیر سؤال ببرند، سناریوها را آزمایش کنند، آنچه را که مدل نمی‌تواند ببیند شناسایی کند، و به طور مستقل اطلاعاتی را که می‌تواند بر تصمیم تأثیر بگذارد تأیید کند.

هدف نباید سریعتر تصمیم گیری برای سرمایه گذاری باشد زیرا هوش مصنوعی می تواند. باید آنها را به طور کامل آگاه کرد و در عین حال مسئولیت قضاوت نهایی را محکم با افرادی که سرمایه گذاری می کنند حفظ کرد.

این امر به ویژه با تکامل محیط سرمایه گذاری در املاک تجاری اهمیت پیدا می کند.

CBRE انتظار دارد حجم سرمایه گذاری در املاک تجاری ایالات متحده در سال 2026 16 درصد افزایش یابد و فعالیت سرمایه گذاری در انواع عمده املاک افزایش یابد.

با افزایش فعالیت تراکنش‌ها، فرصت‌های بیشتری برای اعمال هوش مصنوعی در کسب، پذیره‌نویسی و مدیریت دارایی‌ها وجود خواهد داشت.

این امر اجرای منظم را مهم تر می کند نه کمتر.

وسوسه این خواهد بود که تجزیه و تحلیل تولید شده توسط هوش مصنوعی را به عنوان نقطه پایانی در نظر بگیریم. من فکر می کنم باید به عنوان یک نقطه شروع در نظر گرفته شود.

یکی از راه‌های انجام این کار این است که فرآیند سرمایه‌گذاری را صریح کنیم. چه فرضیاتی مطرح می شود؟ چه اطلاعاتی از آنها پشتیبانی می کند؟ کدام فرضیات نسبت به تغییرات حساس ترند؟ برای شکست پایان نامه سرمایه گذاری چه چیزی باید درست باشد؟ چه اطلاعاتی در مجموعه داده وجود ندارد؟ چه چیزی باید به طور مستقل قبل از تعهد سرمایه تأیید شود؟

این سوالات مانعی برای پذیرش هوش مصنوعی نیستند. آنها هستند که پذیرش هوش مصنوعی را مفید می کنند.

شرکت ها همچنین می توانند از نتایج خود بیاموزند. اگر یک فرآیند پذیره نویسی با کمک هوش مصنوعی، ریسک خاصی را شناسایی کند، آیا آن ریسک واقعا وجود داشت؟

اگر هزینه پیش بینی شده با نتیجه نهایی متفاوت است، چرا؟ اگر یک مدل به طور مکرر در یک زمینه خوب عمل کند اما در حوزه دیگر ضعیف عمل کند، آن اطلاعات باید به فرآیند بازخورد داده شود.

به عبارت دیگر، هوش مصنوعی باید بخشی از یک پایگاه دانش سازمانی در حال تکامل باشد نه جعبه سیاهی که پاسخ‌ها را تولید می‌کند.

این امر به ویژه مهم است زیرا پذیره نویسی املاک و مستغلات کاملا متنی است. دو ملک می توانند متراژ مربع یکسان و اجاره های مشابه داشته باشند در حالی که نشان دهنده سرمایه گذاری های کاملا متفاوت هستند.

بازار اطراف، شرایط فیزیکی، روابط مستاجر، ساختار تامین مالی، زبان اجاره، محیط نظارتی و سرمایه مورد نیاز آینده همگی می توانند معادله را تغییر دهند.

هیچ مدلی نمی تواند این پیچیدگی را از بین ببرد. کاری که هوش مصنوعی می تواند انجام دهد این است که به متخصصان کمک کند تا با کارآمدتر آن را هدایت کنند.

به همین دلیل است که من نسبت به فناوری خوشبین هستم و در عین حال در مورد نحوه تفسیر آن محتاط هستم. صنعت نباید هوش مصنوعی را رد کند زیرا ممکن است اشتباه باشد. انسان ها هم ممکن است اشتباه کنند.

هدف باید ایجاد فرآیندهایی باشد که در آن تکنولوژی و قضاوت حرفه ای یکدیگر را به چالش بکشند نه جایی که یکی جایگزین دیگری شود.

بزرگترین خطر لزوما یک سیستم هوش مصنوعی نیست که یک مدل پذیره نویسی آشکارا پوچ تولید کند. یک مدل بدیهی رد می شود.

سناریوی خطرناک تر، یک مدل با ظاهر پیچیده است که حاوی یک فرض ناقص است و به همه افراد درگیر اعتماد به نفس کافی می دهد تا از پرسیدن سوال خودداری کنند.

املاک و مستغلات همیشه نیاز به قضاوت داشته است زیرا آینده را نمی توان به طور کامل به داده های تاریخی تقلیل داد. هوش مصنوعی می تواند اطلاعات بیشتری را پردازش کند، الگوها را شناسایی کند و سناریوها را در مقیاسی آزمایش کند که قبلا غیرعملی بود.

اما وقتی هزینه اشتباه کردن میلیون ها دلار را شامل می شود، سرعت را هرگز نباید با قطعیت اشتباه گرفت.

نمی تواند جایگزین مسئولیت اجرای آن شود.

ادوارد ساپ بنیانگذار Sapp Capital Advisors است که خدمات پرداختی را برای املاک تجاری، مدلسازی مالی و بررسی مدل ارائه می دهد.

نظرات بیان شده در این مقاله متعلق به خود نویسنده است.