Com os avanços atuais da tecnologia de IA, o que era complexo e tedioso agora pode ser feito de forma rápida e eficiente. Um desses exemplos pode ser encontrado na interrogação de arrendamentos históricos. Com uma solução personalizada de IA generativa, é possível criar um ambiente seguro de sandbox no qual todos os arrendamentos históricos de imóveis são carregados.

Isso permitirá que qualquer usuário da empresa acesse um chatbot para fazer perguntas em linguagem natural sobre qualquer aspecto dos arrendamentos. Essencialmente, isso se torna uma ferramenta dinâmica de gerenciamento de arrendamento que fornece insights instantâneos incríveis na ponta dos dedos de todos os usuários.

Qual é o problema?

Atualmente, a maioria dos proprietários precisa lidar com grandes quantidades de históricos de contratos de locação. Em geral, esses dados são resumidos em planilhas vastas e complexas ou, ocasionalmente, em um software dedicado de gerenciamento de locações. As soluções existentes são estáticas, rígidas e ineficientes, o que pode gerar frustração. Elas também não são suficientemente flexíveis e fornecem apenas alguns insights com funcionalidade limitada. Qualquer pergunta fora dos KPIs prescritos exige a leitura manual de (muitas vezes centenas, se não milhares de) contratos de aluguel. A equipe de insights gasta um tempo significativo para gerar apresentações de portfólios e contratos de locação, privando os executivos de insights urgentes que ajudariam na tomada de decisões.

Qual é a solução?

Diretamente voltada para os problemas dos executivos do setor imobiliário, a Artefact desenvolveu sua ferramenta proprietária Lease Explorer. Trata-se de uma ferramenta personalizada e desenvolvida para fins específicos que permite a rápida implementação de poderosos modelos de linguagem ampla (LLMs) em um ambiente proprietário e restrito que contém arrendamentos históricos de propriedades. Os executivos do setor imobiliário podem, então, interrogar seus próprios contratos de locação históricos diretamente com o uso de uma interface semelhante ao ChatGPT.

O Lease Explorer consiste em cinco etapas gerais:

  • Ingestão de leasing: Carregamento de todos os arrendamentos históricos para um data platform comum.

  • Extração e preparação de informações-chave: Dependendo da legibilidade de máquina das locações, uma variedade de ferramentas de extração de informações é implantada, incluindo o reconhecimento óptico de caracteres (OCR) e o rastreamento da Web. Depois disso, as informações são processadas e os principais elementos são extraídos em um formato tabulado.

  • Chatbot de perguntas e respostas: Uma interface simples de chatbot de perguntas e respostas é implementada, na qual os executivos podem fazer perguntas em linguagem natural.

  • Recuperação de informações: A consulta original e as fontes de informações relevantes recuperadas são passadas para o LLM.

  • Geração de respostas do LLM: O LLM gera uma resposta coerente de volta ao usuário para responder à sua pergunta, juntamente com as fontes recuperadas.

Não é preciso dizer que a adoção de uma ferramenta como a mencionada acima exigiria um período de gerenciamento de mudanças subjacente, pois seria necessário adotar novos processos comerciais e formas de trabalho.

Que tipo de perguntas em linguagem natural poderiam ser respondidas

Com a implementação do Lease Explorer, Para o senhor, apresentamos alguns prompts de linguagem natural que um executivo do setor imobiliário pode perguntar ao ChatBot da ferramenta. Obviamente, a medida em que a ferramenta pode retornar com precisão uma resposta à lista de perguntas não exaustiva abaixo está condicionada à qualidade, à estrutura e à disponibilidade da entrada data, que pode exigir acesso a informações além daquelas simplesmente contidas em um documento de locação.

  • Quantos contratos de aluguel de primeira viagem com a nossa organização estão para ser renovados nos próximos seis meses? Onde estão localizadas as unidades e qual é o aluguel médio dessas unidades específicas?

  • Qual é o valor dos aluguéis que serão renovados no próximo ano?

  • O senhor pode fazer um gráfico dos próximos vencimentos do meu contrato de arrendamento, discriminados por mês/ano?

  • Dos meus aluguéis atuais, o senhor pode me dizer qual porcentagem (por valor) é de escritórios? Uso misto?

  • Quantos dentistas estão alugando de mim? Qual é a metragem quadrada média de seus aluguéis? O senhor pode traçar isso em um gráfico para mim?

  • Quantos locatários comerciais exerceram opções de renovação nos últimos dois anos?

  • Qual é a duração média do aluguel para locatários (comerciais) em uma determinada área (Zona 1)?

  • Que cláusulas de escalonamento incomuns se tornaram aparentes em nosso portfólio nos últimos três anos?

  • O senhor pode me mostrar uma comparação dos termos de locação entre propriedades de varejo em shopping centers e locais comerciais independentes?

  • Qual é o valor médio do depósito de segurança solicitado em nossos contratos de locação nos últimos dois anos?

  • O senhor pode fornecer um detalhamento da renda de aluguel do nosso portfólio por área geográfica (cidade, condado etc.)?

  • Quantos contratos de locação comercial incluem opções de sublocação e qual a porcentagem de locatários que exerceram essa opção?

  • Que porcentagem de nossos contratos de locação comercial inclui cláusulas de abatimento de aluguel e qual é a duração média dos períodos de abatimento de aluguel?

  • Que proporção do portfólio tem arrendamentos com cláusula de rescisão com vencimento nos próximos seis meses?

Que benefícios isso gera

A adoção de uma ferramenta de IA como o Enterprise ChatGPT trará uma série de benefícios para os profissionais do setor imobiliário. Em primeiro lugar, é provável que a ferramenta proporcione uma mudança radical em relação à velocidade com que os insights podem ser obtidos, capacitando, assim, os tomadores de decisão com acesso rápido a informações críticas. Além disso, a escalabilidade e a adaptabilidade dessa ferramenta para ingerir um volume cada vez maior de data de locação seriam inestimáveis para ajudar a preparar uma empresa imobiliária para o futuro, atendendo às crescentes demandas do setor.

É provável que a adoção de uma ferramenta desse tipo também produza uma mudança radical internamente em uma organização imobiliária. A adoção de uma ferramenta de IA minimizará qualquer dependência de processos manuais anteriores com relação à análise de contratos de locação. Em vez de depender da incorruptibilidade de uma planilha e do serviço contínuo dos principais funcionários administrativos, uma ferramenta de IA seria capaz de aceitar diretamente as perguntas em linguagem natural dos executivos e fornecer respostas precisas em tempo hábil. Essencialmente, a dependência excessiva das principais dependências para pesquisa e recuperação data é reduzida, e os executivos podem reduzir os recursos necessários no processo de geração de insights. Além disso, para obter o melhor valor dessa ferramenta de IA, é provável que a adoção exija que a empresa passe por um processo transformador de higienização do data, elevando, assim, os limites internos do gerenciamento do data, pois os insights gerados só podem ser tão bons quanto as informações coletadas.

Além disso, o GenAI tem certos benefícios para essa ferramenta em relação às soluções tradicionais de IA/ML. Tradicionalmente, grandes quantidades de data rotulado eram necessárias para treinar e avaliar um modelo para uma tarefa específica. Isso não é mais necessário graças à IA generativa, o que acelera o desenvolvimento de tais soluções. Além disso, a IA generativa permite que as soluções evoluam e mudem sem a necessidade de retrabalho e desenvolvimento adicionais em massa - as soluções podem ser mais flexíveis e menos rígidas.

Como a precisão é estabelecida

Implementar uma nova ferramenta de IA pela primeira vez e permitir que ela gere insights executivos poderosos com um simples comando pode, sem dúvida, ser assustador, especialmente considerando a desvantagem bem citada de “alucinações” da GenAI. As etapas a seguir, quando tomadas em conjunto, devem fornecer proteção suficiente para garantir que o melhor valor possa ser extraído da ferramenta.

  • Iterar a definição de uma IA com os documentos reais de arrendamento, de modo que o modelo tenha contexto específico do setor e da empresa suficiente para fornecer respostas.

  • Validação contínua de processos para refinar o desempenho do modelo e aumentar a precisão com um ser humano no circuito (ou seja, um ser humano validando as respostas do modelo).

  • Adoção de uma abordagem de ‘testar e aprender’, com o feedback dos revisores relevantes sendo incorporado à solução.

  • Estabelecer instruções detalhadas, passo a passo, e barreiras de proteção para garantir que os resultados intermediários e finais sejam precisos, específicos para a empresa e sem alucinações.

  • Realização de verificações regulares de garantia de qualidade para verificar a precisão das informações.

  • Empregar um conjunto diversificado de perguntas e respostas de teste para validar o modelo, a fim de identificar os pontos fortes e fracos do sistema, facilitando o aprimoramento dos prompts e a necessidade de blocos de construção e proteções adicionais.

Quais são as limitações existentes

Para que essa solução funcione como desejado, há uma série de considerações a serem levadas em conta. Em primeiro lugar, o modelo provavelmente se limitaria a arrendamentos no Reino Unido, devido às peculiaridades do setor imobiliário em relação à localização e às legislações. O Lease Explorer não teria recursos preditivos, pois apenas o desempenho histórico dos documentos existentes seria consultado.

Além disso, como qualquer ferramenta baseada em GenAI, a Lease Explorer O usuário teria dificuldades com solicitações pouco claras e vagas, o que poderia não produzir os resultados desejados. Assim, é sempre recomendável formular perguntas para a interface de bate-papo adequadamente, de forma semelhante a como se faz uma pergunta a um analista da equipe imobiliária.

É importante observar que a leitura e o processamento de documentos PDF em formato legível por máquina requerem OCR (reconhecimento óptico de caracteres) como uma etapa necessária no processo de ingestão. Os documentos que não são legíveis por máquina ou que têm formato e estrutura de página complexos podem não ser assimilados corretamente e, a jusante, isso provavelmente afetará tarefas como a extração de informações e o fornecimento de respostas confiáveis.

Além disso, para responder a perguntas quantitativas analíticas, são necessários outros processos:

  • Extração das principais informações dos arrendamentos, colocando esses atributos extraídos em uma forma estruturada e tabulada em uma base data. Esse processo também pode ser automatizado com IA generativa, proporcionando benefícios em relação à extração manual em termos de tempo de desenvolvimento e implantação. O data extraído também pode ser usado como fonte de data para painéis de negócios tradicionais e reports, convertendo essa tarefa em um caso de uso comercial valioso. Observe que essa etapa só é necessária se o data a ser interrogado ainda não estiver disponível em um database de forma estruturada.

  • Use a IA generativa para consultar o data estruturado extraído dos documentos, convertendo as perguntas de linguagem natural feitas pelos usuários em código SQL, que é então executado no data tabulado. Os documentos não estruturados também podem ser usados para aproveitar ambas as fontes de data, fornecendo um sistema para gerar insights quantitativos ricos em um instante.

Custos e requisitos

A implantação e a aculturação do Artefact Lease Explorer A ferramenta teria um custo razoável de cerca de £45 mil e exigiria pelo menos quatro semanas de trabalho cooperativo, dependendo das funcionalidades escolhidas. É claro que isso seria feito partindo do pressuposto de que os arrendamentos enviados são todos legíveis por máquina, substancialmente semelhantes e em inglês. Após a implantação do Lease Explorer, seria necessária uma assinatura contínua de qualquer LLM do GenAI usado para criar a ferramenta personalizada.

Por que o Artefact?

A Artefact é uma empresa líder em consultoria global dedicada a acelerar a adoção do data e da IA para impactar positivamente pessoas e organizações. Somos especializados na transformação do data e do data marketing para gerar resultados comerciais tangíveis em toda a cadeia de valor da empresa. A Artefact oferece o conjunto mais abrangente de soluções data-driven, com base em ciência data profunda e tecnologias de IA de ponta, fornecendo projetos de IA em escala no setor imobiliário do Reino Unido.

Somos parceiros confiáveis de empresas imobiliárias nas classes de ativos residenciais, comerciais, industriais e especializados. Nossos parceiros incluem empresas listadas no FTSE 350 e organizações privadas de porte semelhante. Com mais de 20 anos de experiência no setor imobiliário, nossa equipe dedicada a propriedades inclui especialistas e profissionais credenciados em avaliações de propriedades, planejamento urbano, desenvolvimento e financiamento.

Nossos trabalhos anteriores vão desde o desenvolvimento de estratégias dinâmicas com nossos clientes - informando-os onde jogar e como vencer em seus mercados escolhidos - até grandes mudanças operacionais, como o estabelecimento de novos braços e propostas de negócios. Trabalhamos em todos os estágios do ciclo de vida da propriedade, desde a aquisição do terreno até a manutenção contínua, e trabalhamos com os clientes para aprimorar cientificamente esses processos.