A ilusão da iminência: onde está essa tão falada AI ?

Durante grande parte da última década, o setor imobiliário do Reino Unido tem falado da Artificial Intelligence algo que está por vir: iminente, inevitável, mas sempre um pouco além do horizonte. As agendas das conferências estão repletas de painéis sobre PropTech, as estratégias de inovação estão cheias de referências a data automação, e a maioria das grandes empresas pode apontar pelo menos alguns projetos-piloto, iniciativas sem brilho ou provas de conceito. No entanto, para muitos profissionais de campo, o progresso ainda parece hesitante e fragmentado. AI estar presente em toda parte na retórica, mas está incorporada à realidade apenas de forma seletiva.

Essa aparente apatia, no entanto, esconde uma realidade mais complexa. A questão não é que AI encontrar relevância no setor imobiliário, nem que a tecnologia em si seja imatura. Na verdade, AI já AI gerando valor tangível em transações, avaliações, gestão de ativos e operações de edifícios. A verdadeira questão é por que a adoção tem sido mais lenta, mais cautelosa e mais desigual do que em muitos setores comparáveis. A resposta reside menos nos algoritmos e muito mais nas características estruturais do próprio setor imobiliário do Reino Unido.

Para entender para onde o setor está indo, precisamos primeiro ser honestos quanto à sua situação atual.

A Mudança: Do Projeto-Piloto à Integração no Fluxo de Trabalho

Nos últimos doze a dezoito meses, ocorreu uma mudança significativa. AI definitivamente da fase experimental e AI integrar os fluxos de trabalho profissionais do dia a dia. Há apenas um ano, a maioria das iniciativas ainda era enquadrada como projetos-piloto, muitas vezes restritas a pequenas equipes de inovação que trabalhavam na periferia da empresa. Esses esforços tendiam a se concentrar em ferramentas conversacionais: chatbots projetados para responder a perguntas básicas, redigir textos ou extrair informações de repositórios de documentos. Embora úteis, raramente estavam conectados aos principais processos operacionais.

Hoje, esse panorama é visivelmente diferente. AI cada vez mais integrada ao trabalho diário de avaliadores, analistas, gestores de ativos e equipes operacionais. A velocidade da mudança tem sido impressionante. Enquanto grande parte das atividades do ano passado girava em torno do uso de Modelos de Linguagem de Grande Escala (LLMs) como assistentes passivos, a atenção agora se voltou para sistemas autônomos; AI capazes de executar tarefas de várias etapas de forma autônoma, coletando informações, validando entradas, elaborando resultados e encaminhando problemas para revisão humana em pontos definidos.

No entanto, apesar dessa aceleração, um princípio permaneceu praticamente intacto em todo o setor imobiliário do Reino Unido: AI sendo utilizada como apoio à tomada de decisões, e não como tomadora de decisões. Essa distinção não é acidental, nem se trata meramente de conservadorismo cultural. Ela reflete uma compreensão profundamente enraizada da responsabilidade profissional e do risco, que continua a moldar até onde as empresas estão dispostas — e são capazes — de ir.

AI prática da topografia: ampliação, não automação

Transações e Due Diligence

Na prática, isso fica mais evidente nas transações e na due diligence, que continuam sendo a área mais madura de AI . Nesse contexto, a proposta de valor é clara e imediata. AI são agora utilizados rotineiramente para ler e analisar grandes conjuntos de documentos, extrair cláusulas-chave de contratos de locação, resumir condições de planejamento, contratos de prestação de serviços (EPCs) e manuais operacionais, além de gerar primeiras versões de contratos de locação, listagens e reports de due diligence. O conceito fundamental que sustenta todos esses casos de uso é o da “primeira análise”. AI as equipes identifiquem problemas mais rapidamente, estruturem informações de forma mais consistente e concentrem a atenção profissional onde é mais importante. Ela não elimina a necessidade de julgamento profissional e experiência; ao contrário, ela os aprimora.

Avaliação e pesquisa de mercado

Um padrão semelhante pode ser observado nas avaliações e nas pesquisas de mercado. AI cada vez mais utilizada para selecionar evidências comparáveis, elaborar comentários iniciais sobre o mercado e realizar análises de cenários ou de sensibilidade a uma velocidade e em uma escala que antes seriam impraticáveis. No entanto, o parecer de avaliação em si continua sendo de responsabilidade exclusiva (e legal) do avaliador. Tanto do ponto de vista profissional quanto do ponto de vista do setor de seguros, não poderia ser de outra forma. AI a análise, mas não aprova — nem deve aprovar — pareceres de valor. E nunca o fará.

Gestão de ativos e carteiras

Na gestão de ativos e carteiras, o foco muda novamente, passando da velocidade para a perspectiva. AI as empresas analisem suas carteiras de novas maneiras, explorando questões relacionadas à sensibilidade às taxas de juros, à exposição à vacância ou às prioridades de alocação de capital com muito mais profundidade e consistência do que as abordagens manuais permitem. Mais uma vez, não se trata de automatizar a tomada de decisões, mas de aprimorar o pensamento estratégico.

Operações Prediais e Gestão Energética

Talvez a ilustração mais clara do potencial AIseja encontrada nas operações prediais e na gestão de energia, onde sua adoção tem sido mais forte nos casos em que data de boa qualidade. A manutenção preditiva, a otimização energética e a detecção precoce de falhas se prestam naturalmente a abordagens data, e os benefícios financeiros costumam ser fáceis de quantificar. Não é de se surpreender que esses casos de uso tenham encontrado menos resistência do que aqueles que envolvem o julgamento profissional essencial.

As restrições estruturais à adoção no Reino Unido

Dada essa amplitude de aplicação, é legítimo questionar por que AI no setor imobiliário não parece estar mais avançada. A resposta é que as principais restrições não são de natureza tecnológica. São estruturais e humanas, como costuma acontecer.

O Desafio Data

O desafio mais óbvio e persistente são data. data imobiliários data notoriamente fragmentados, inconsistentes, de acesso caro e, muitas vezes, não estruturados. Um mesmo imóvel pode aparecer com vários nomes (ou endereços) em diferentes sistemas; os documentos frequentemente se contradizem; e informações essenciais costumam ficar enterradas em repositórios isolados de PDFs, digitalizações ou longas cadeias de e-mails. AI têm dificuldade para escalar nessas condições. Sem data sólidas, mesmo os modelos mais sofisticados terão um desempenho abaixo do esperado.

Há também uma questão mais profunda e específica do setor em jogo. O mercado imobiliário é, por natureza, não padronizado. Não existem dois ativos verdadeiramente iguais. As características físicas variam, assim como as estruturas de posse, os pacotes de incentivos e as nuances contratuais. Ao contrário das commodities ou dos bens de consumo, as transações imobiliárias envolvem valores elevados, volumes reduzidos e são inerentemente únicas. Isso torna a criação de conjuntos de dados limpos e estatisticamente robustos muito mais difícil do que em setores que lidam com produtos padronizados negociados em grande escala.

Embora o Reino Unido possua um data rico data imobiliários (e conjuntos de dados contextuais ainda mais abrangentes), superior ao da maioria dos países da UE, apresenta lacunas notórias em seus conjuntos de dados. Não há data confiáveis sobre locações, nem APIs do Registro de Imóveis do Reino Unido (HM Land Registry) para extrair transações de vendas em massa; data de planejamento urbano estão fragmentados, data inúmeras barreiras data , e as autoridades locais apresentam baixa integração no data nacional. Embora, em alguns aspectos, exista o risco de se sentir sobrecarregado com data, permanecem lacunas significativas que limitam os possíveis casos AI .

Governança, prestação de contas e risco

Além data, questões como responsabilidade, governança e data assumem grande importância. A maioria das atividades no setor imobiliário é rigidamente regulamentada, e os governos costumam (muitas vezes com razão) demorar a adotar mudanças que possam afetar o público. Quando Artefact AI práticos AI por meio da Royal Institution of Chartered Surveyors (RICS), essas mesmas preocupações surgem repetidamente. A quem pertence um resultado AI? Quem é responsável caso haja um erro? Com quais data o modelo data treinado, e para onde vão as informações do cliente depois de processadas? Essas não são questões abstratas. Os avaliadores lidam com informações altamente confidenciais, e ainda há um mal-entendido generalizado sobre como funcionam os Grandes Modelos de Linguagem, particularmente em relação à data , treinamento e risco. Até que essas questões sejam claramente abordadas por meio de governança e políticas, muitas empresas permanecerão cautelosas, preferindo projetos-piloto contidos à implantação em grande escala.

Inércia cultural e organizacional

Fatores culturais e organizacionais agravam ainda mais essa cautela. O setor imobiliário do Reino Unido é, por natureza, de evolução lenta e avesso ao risco. As receitas são de longo prazo e relativamente previsíveis (em particular para grandes REITs e construtoras), as margens estão sob pressão e as condições de mercado continuam desafiadoras. Nesse ambiente, preservar o caixa muitas vezes tem prioridade sobre a experimentação. Além disso, as empresas imobiliárias tendem a operar com equipes relativamente pequenas em comparação com os valores dos ativos ou as receitas, o que significa que os ganhos de eficiência nem sempre se traduzem em reduções imediatas no custo por funcionário em tempo integral. Isso pode tornar mais difícil articular o retorno sobre o investimento em termos tradicionais.

Os dados demográficos também têm seu peso. A idade média no setor continua aumentando, e a indústria enfrenta dificuldades para atrair talentos mais jovens, AI, capazes de impulsionar mudanças a partir de dentro. Não se trata apenas de uma questão de competências, mas de mentalidade e familiaridade com as ferramentas digitais como algo natural, e não como um complemento.

O papel da RICS: Promovendo a adoção responsável

A RICS está assumindo um papel de liderança global na preparação da profissão de avaliadores para a adoção responsável da AI. Reconhecendo que AI já AI transformando a prática cotidiana, desde o apoio à avaliação e a modelagem de riscos até data . A RICS publicou recentemente uma norma profissional global inovadora sobre o uso responsável da AI. Essa norma foi concebida não para sufocar a inovação, mas para apoiar uma adoção segura e ética, estabelecendo expectativas básicas claras em termos de competência, governança e responsabilidade entre seus 150.000 avaliadores credenciados em todo o mundo.

A nova norma de conduta aplica-se a todos os membros da RICS e às empresas regulamentadas nas quais AI tenham um impacto significativo na prestação de serviços. Desenvolvida em colaboração com os principais líderes do setor, incluindo Artefact o grupo de trabalho, a estrutura concentra-se em reforçar o julgamento profissional ao mesmo tempo em que amplia a expertise. A norma define requisitos essenciais em cinco áreas: estabelecer uma base de AI ; fortalecer a gestão das práticas por meio de governança e registros de risco; introduzir expectativas claras de due diligence na aquisição AI de terceiros; reforçar o julgamento profissional, o ceticismo e a transparência ao confiar nos AI ; e definir expectativas de responsabilidade para aqueles envolvidos no desenvolvimento AI .

Essa abordagem proativa é fundamental para gerenciar os novos riscos profissionais introduzidos pela AI, garantir uma prática consistente e proteger a confiança dos clientes. A RICS acredita que, ao fornecer esse quadro comum, a profissão poderá abraçar a inovação com base em sólidos fundamentos éticos e profissionais, atraindo talentosAI e impulsionando o avanço do setor.

Fundamentalmente, as novas normas fazem parte de um ecossistema mais amplo e abrangente da RICS, destinado a promover AI responsável AI . Isso inclui a adaptação das Avaliações de Competência Profissional (APCs), a realização de cursos de treinamento prático (como o muito popular “Global Harnessing AI Data the Built Environment”) e a publicação de documentos de orientação prática. Esse esforço conjunto oferece aos avaliadores um conjunto abrangente de ferramentas, permitindo-lhes implementar AI maior confiança e integridade e garantindo que a RICS continue relevante na era digital.

Adoção pragmática – Os princípios fundamentais

O desafio inerente reside no fator humano: os profissionais do setor imobiliário frequentemente demonstram relutância, ou mesmo aversão, em adotar mudanças significativas. Embora a inércia regulatória certamente tenha seu papel, existe uma barreira mais fundamental nas atitudes predominantes. Conversas com executivos seniores do setor imobiliário e avaliadores frequentemente revelam princípios como“se não está quebrado, não conserte”, “nenhuma AI minhas décadas de profundo conhecimento contextual” ou “nossos clientes não nos pagam para usar AI”. Embora essas perspectivas contenham uma pitada de verdade, elas mais frequentemente sinalizam uma liderança preocupada em preservar o status quo, em vez de buscar eficiência transformadora.

A enxurrada inicial de mensagens exageradas e muitas vezes contraditórias em torno AI contraproducente, gerando ceticismo e confusão. No entanto, estamos agora a ultrapassar com firmeza o “Vale da Desilusão” e a começar a subir a “Ladeira da Iluminação” (um padrão reconhecível no Ciclo de Hype da Gartner). Essa transição significa que o foco deve mudar de “e se ” para “como”. Para o profissional de topografia individual, isso gerou incerteza quanto ao ponto de partida prático para a adoção.

Para promover uma mudança genuína, é essencial uma abordagem dupla que combine o “poder brando” e o “poder duro”.

Do ponto de vista do “soft power”, as organizações devem apoiar e incentivar visivelmente AI internos AI . Isso envolve a realização constante de sessões informativas e de treinamento envolventes, o estabelecimento de um ciclo contínuo de demonstração de sucessos iniciais e tangíveis, o compartilhamento aberto de recursos, a documentação de falhas e descobertas e a garantia do aprimoramento contínuo das competências dos colegas. É fundamental ressaltar que essa mudança cultural não pode se consolidar sem que os níveis mais altos da liderança deem o exemplo de forma clara, consistente e ativa.

Esses esforços culturais devem ser complementados de forma robusta pelo “poder duro” das reformas estruturais e operacionais. Isso exige uma mudança irrevogável nas formas de trabalho existentes, tornando obrigatórias certificações AI técnica AI para funções-chave, redesenhando estruturas organizacionais, aprimorando modelos operacionais e atualizando matrizes RACI. O objetivo é garantir que AI não AI mais tratada como uma atividade voluntária e “secundária”, mas que seja totalmente incorporada às atividades normais de negócios (BAU). Essa incorporação deve se estender às alocações orçamentárias e métricas de desempenho, tratando AI como um impulsionador central dos negócios, e não como um projeto tecnológico periférico.

Acima de tudo, as organizações devem cultivar um ambiente que incentive a experimentação, mesmo que isso leve a pequenos fracassos. Isso exige a promoção de discussões sinceras e data sobre a utilidade prática da AI os ganhos de eficiência comprováveis que ela proporciona (ou nos casos em que ela representa simplesmente uma “ferramenta atraente” com valor limitado). As aplicações de AI mais impactantes AI na Artefact aquelas que se integram perfeitamente aos fluxos de trabalho existentes. Se a adoção de uma ferramenta exigir atrito significativo para um ganho marginal, ela será inevitavelmente abandonada em massa. Por outro lado, o maior sucesso geralmente vem daquelas aplicações que não são necessariamente visíveis, mas que discretamente tornam a vida profissional comprovadamente mais fácil ao automatizar tarefas repetitivas, manuais e “desanimadoras”. Ser deliberado e preciso na identificação e implantação desses casos de uso de alto impacto e baixo atrito é fundamental para impulsionar uma adoção real e sustentável.

Como será o futuro: três horizontes temporais (mais ou menos)

Olhando para o futuro, as oportunidades de AI no setor imobiliário do Reino Unido podem ser analisadas em três grandes horizontes temporais.

Curto prazo (próximos 6 meses): conquistas práticas e de baixo risco

As conquistas mais significativas são aquelas que são práticas e apresentam baixo risco. Padronizar o recebimento de instruções, automatizar a elaboração de rascunhos reports referências claras às evidências, extrair listas de verificação estruturadas de contratos de locação e documentos de planejamento, e implementar ferramentas internas de conhecimento que respondam a perguntas como “como lidamos com isso da última vez?” — tudo isso proporciona economia imediata de tempo. Notavelmente, alguns dos maiores ganhos provavelmente serão encontrados em funções administrativas, como RH, finanças e marketing, liberando os avaliadores para se concentrarem no relacionamento com os clientes e em trabalhos de consultoria de maior valor.

Médio prazo (6 a 18 meses): Integração do processo agênico

O verdadeiro valor surge da integração dos processos. Fluxos de trabalho de transações de ponta a ponta impulsionados por AI agentiva, plataformas de gestão de ativos que combinam data condição, conformidade, energia e despesas de capital, e ferramentas que apoiam a modernização e a otimização para emissões líquidas zero, todos se enquadram nessa categoria. O sucesso aqui depende menos de AI mais avançados e mais de um projeto e integração de processos bem pensados. Todos os modelos fundamentais fizeram grandes avanços recentemente no desenvolvimento e padronização de capacidades agentivas, de modo que sua implementação se tornou uma brincadeira de criança.

A longo prazo (18 a 36 meses): Análise mais aprofundada e novos serviços

As empresas voltarão cada vez mais sua atenção para análises mais aprofundadas, incluindo planejamento, análises geoespaciais e de riscos climáticos, gêmeos digitais em nível de portfólio e novos serviços de consultoria data. No entanto, essas ambições só serão concretizadas quando já estiverem em vigor data robusta e padrões de qualidade sólidos.

Ainda mais a longo prazo (36 meses ou mais): Medo existencial

Os usuários do “X”, ou mesmo quem acompanha as notícias de forma mais casual, podem sentir uma sensação de pavor avassalador, quase existencial. O ritmo do AI é implacável. Estamos vendo robôs humanóides substituindo operários de fábrica e até mesmo sendo empregados como soldados; carros autônomos finalmente ganhando força; a Neuralink prometendo ampliar as capacidades humanas; a computação quântica se aproximando cada vez mais da realidade; uma aceleração maciça na pesquisa científica; e o domínio generalizado doAI ”.

No entanto, apesar dessa cascata contínua de descobertas e avanços, o maior entusiasmo atual está voltado para o possível desfecho dos esforços de longo prazo em direção à IGA (Inteligência Geral Artificial) — um AI muito mais complexo e sensível ao contexto, que teoricamente poderia igualar, se não superar, o cérebro humano — e para as profundas mudanças sociais que isso implica. Será que isso realmente impulsionará a produtividade a tal ponto que o emprego se torne opcional e a dependência da Renda Básica Universal se torne um caminho promissor a seguir?

O volume sem precedentes de capital que está sendo canalizado para data , poder de computação e infraestrutura com o objetivo de alcançar a IA Geral (AGI) é impressionante. Esse investimento levará, sem dúvida, a correções significativas no mercado no curto e médio prazo. O retorno sobre o investimento provavelmente será mais lento do que o previsto, e o entusiasmo provavelmente superará o impacto no mundo real. No entanto, ele está prestes a exercer uma influência dramática e imprevisível sobre nosso ambiente construído e nossa interação com ele. As empresas devem permanecer ágeis e plenamente conscientes dessa realidade, não apenas para sobreviver, mas para prosperar nesse futuro altamente incerto.

Os pontos inegociáveis: discernimento, confiança e análise minuciosa

Em meio a tudo isso, é essencial manter uma visão clara sobre as limitações AI. AI a responsabilidade profissional; ela a concentra. O julgamento não pode ser delegado. Embora AI auxiliar na análise, ela não pode substituir a intuição e a experiência acumuladas ao longo de décadas, nem pode levar em conta o comportamento humano emocional e, muitas vezes, irracional que molda os mercados imobiliários. Os avaliadores continuam legalmente responsáveis por seus pareceres em todos os momentos, e essa realidade não mudará.

A transparência com os clientes é igualmente fundamental. Nos casos em que AI afeta AI a forma como um serviço é prestado, os clientes devem ser informados. Não se trata apenas de uma questão de conformidade, mas de confiança. A explicabilidade e a auditabilidade também são essenciais. Se um profissional não conseguir explicar de onde veio um resultado, quais data utilizados e quais pressupostos foram feitos, defender esse resultado em tribunal pode revelar-se difícil.

Os riscos relacionados à confiabilidade não devem ser subestimados. AI podem parecer confiáveis mesmo quando estão errados, tornando indispensáveis a revisão, a amostragem e o escrutínio. Por fim, data e a confidencialidade continuam sendo inegociáveis. As sugestões são registros. As ferramentas devem ser aprovadas e avaliadas. data dos clientes data ser controlados. Esses são elementos essenciais da prática profissional, não meros extras opcionais.
Em última análise, AI não AI os avaliadores. O que ela substituirá são as pesquisas manuais, a elaboração repetitiva de documentos e o trabalho administrativo de baixo valor. Em última análise, o caminho do setor imobiliário do Reino Unido para AI não depende da adoção de novas tecnologias, mas de sua disposição para corrigir velhos hábitos: incorporar data , adotar a estrutura de governança da RICS e elevar conscientemente o julgamento humano acima das tarefas que a tecnologia já pode realizar com segurança.

Sobre Artefact Chris de Gruben, FRICS

Artefact é uma AI global Data AI que oferece serviços completos. Atuamos em todas as etapas, desde data e AI , avaliação de riscos e conformidade, passando pela definição do que é possível alcançar em AI ML, até a implementação e, posteriormente, a gestão da mudança e a adoção. Artefact sua profunda experiência tanto no setor imobiliário quanto em Data e AI para ajudar as empresas a incorporar estrategicamente AI suas operações de forma responsável e confiante.

Chris é diretor sênior no Artefact no Reino Unido, liderando a equipe imobiliária e gerenciando todos os clientes do setor imobiliário britânico. Ele é avaliador imobiliário credenciado há 15 anos e continua defendendo veementemente o uso responsável da AI profissão imobiliária do Reino Unido. Chris também atua como vice-presidente do Grupo Profissional de Avaliação, integra vários grupos de trabalho AI e é instrutor principal da RICS Academy, em particular no curso “Global Harnessing AI Data the Built Environment” (que se revelou o curso mais popular da RICS até o momento). Atualmente, Chris está ocupado escrevendo um guia prático sobre o uso da AI avaliadores credenciados. Por fim, ele é palestrante regular em conferências de PropTech e do setor imobiliário em todo o mundo.