Autor

Christopher de Gruben

DIRECTOR Y RESPONSABLE DE BIENES INMUEBLES EN ARTEFACT

Autor

Nimesh Patel

DIRECTOR DE CONSULTORÍA EN ARTEFACT

Autor

Marta Aliu Carrascosa

DATA SENIOR EN ARTEFACT

Gracias a los avances actuales en AI , lo que antes resultaba complejo y tedioso ahora se puede realizar de forma rápida y eficiente. Un ejemplo de ello es el análisis de contratos de alquiler históricos. Con una AI generativa a medida, se puede crear un entorno seguro y aislado en el que se carguen todos los contratos de alquiler inmobiliarios históricos.

Esto permitirá a cualquier usuario de la empresa acceder a un chatbot para plantearle preguntas en lenguaje natural sobre cualquier aspecto de los contratos de arrendamiento. En esencia, se convierte en una herramienta dinámica de gestión de arrendamientos que ofrece información valiosa al instante al alcance de todos los usuarios.

¿Cuál es el problema?

Hoy en día, la mayoría de los propietarios tienen que lidiar con una gran cantidad de contratos de alquiler históricos. Por lo general, estos se resumen en hojas de cálculo extensas y complejas o, en ocasiones, en programas informáticos específicos para la gestión de contratos de alquiler. Las soluciones existentes son estáticas, rígidas e ineficientes, lo que puede generar frustración. Además, no son lo suficientemente flexibles y solo ofrecen información limitada con una funcionalidad restringida. Cualquier consulta que se salga de los KPI establecidos requiere la lectura manual de (a menudo cientos, si no miles de) contratos de alquiler. El equipo de análisis dedica una cantidad significativa de tiempo a generar presentaciones de carteras y contratos de alquiler, lo que priva a los ejecutivos de información oportuna que les ayudaría en la toma de decisiones.

¿Cuál es la solución?

Para dar respuesta directa a las principales preocupaciones de los ejecutivos del sector inmobiliario, Artefact desarrollado su herramienta propia «Lease Explorer». Se trata de una herramienta diseñada específicamente y a medida que permite la rápida implementación de potentes modelos de lenguaje a gran escala (LLM) dentro de un entorno aislado y propio que contiene contratos de alquiler históricos. De este modo, los ejecutivos del sector inmobiliario pueden consultar sus propios contratos de alquiler históricos directamente mediante una interfaz similar a la de ChatGPT.

El Lease Explorer consta de cinco pasos generales:

  • Importación de contratos de arrendamiento: carga de todos los contratos de arrendamiento históricos en una data común.

  • Extracción y preparación de la información clave: en función de la legibilidad de los contratos de arrendamiento para su lectura automática, se utilizan diversas herramientas de extracción de información, como el reconocimiento óptico de caracteres (OCR) y el rastreo web. A continuación, se procesa la información y se extraen los elementos clave en un formato tabular.

  • Chatbot de preguntas y respuestas: Se ha implementado una sencilla interfaz de chatbot de preguntas y respuestas en la que los ejecutivos pueden formular preguntas en lenguaje natural.

  • Recuperación de información: La consulta original y las fuentes de información relevantes recuperadas se envían al modelo de lenguaje grande (LLM).

  • Generación de respuestas por parte del modelo de lenguaje grande (LLM): El LLM genera una respuesta coherente para el usuario con el fin de responder a su pregunta, junto con las fuentes consultadas.

Huelga decir que la implantación de una herramienta como la mencionada requeriría un periodo de gestión del cambio, ya que habría que adoptar nuevos procesos empresariales y nuevas formas de trabajar.

class="lazyload

¿Qué tipo de preguntas en lenguaje natural se podrían responder?

Con la implementación de Lease Explorer, proponemos algunas preguntas en lenguaje natural que un ejecutivo del sector inmobiliario podría plantear al chatbot de la herramienta. Por supuesto, la precisión con la que la herramienta pueda responder a la siguiente lista de preguntas —que no es exhaustiva— depende de la calidad, la estructura y la disponibilidad de data de entrada, lo que puede requerir el acceso a información que vaya más allá de la que figura simplemente en un contrato de arrendamiento.

  • ¿Cuántos contratos de alquiler de inquilinos que alquilan por primera vez con nuestra organización vencen en los próximos seis meses? ¿Dónde se encuentran las viviendas y cuál es el alquiler medio de estas viviendas en concreto?

  • ¿Cuál es el valor de los contratos de arrendamiento que vencen el año que viene?

  • ¿Podrías hacer un gráfico con las próximas vencimientos de mis contratos de alquiler, desglosadas por mes y año?

  • De mis contratos de alquiler actuales, ¿podrías decirme qué porcentaje (en valor) corresponde a oficinas? ¿Y a uso mixto?

  • ¿Cuántos dentistas tienen un contrato de alquiler conmigo? ¿Cuál es la superficie media de sus contratos de alquiler? ¿Podrías representarlo en un gráfico para mí?

  • ¿Cuántos inquilinos comerciales han ejercido sus opciones de renovación en los últimos dos años?

  • ¿Cuál es la duración media de los contratos de alquiler para los inquilinos (comerciales) en una zona concreta (Zona 1)?

  • ¿Qué cláusulas de reajuste inusuales se han puesto de manifiesto en nuestra cartera en los últimos tres años?

  • ¿Podrías mostrarme una comparación de las condiciones de los contratos de alquiler entre los locales comerciales situados en centros comerciales y los locales comerciales independientes?

  • ¿Cuál ha sido el importe medio del depósito de garantía solicitado en nuestros contratos de alquiler durante los últimos dos años?

  • ¿Podría facilitarme un desglose de los ingresos por alquiler de nuestra cartera por zona geográfica (ciudad, provincia, etc.)?

  • ¿Cuántos contratos de alquiler comercial incluyen la posibilidad de subarrendar, y qué porcentaje de inquilinos ha hecho uso de esta opción?

  • ¿Qué porcentaje de nuestros contratos de alquiler comerciales incluyen cláusulas de reducción del alquiler, y cuál es la duración media de los periodos de reducción del alquiler?

  • ¿Qué porcentaje de la cartera corresponde a contratos de arrendamiento con cláusula de rescisión que vencen en los próximos seis meses?

¿Qué ventajas ofrece esto?

La adopción de una AI como Enterprise ChatGPT reportará una serie de ventajas a los profesionales del sector inmobiliario. En primer lugar, es probable que la herramienta suponga un cambio radical en la rapidez con la que se pueden obtener datos, lo que dotará a los responsables de la toma de decisiones de un gran poder gracias al acceso rápido a información crítica. Además, la escalabilidad y adaptabilidad de dicha herramienta para procesar un volumen cada vez mayor de data sobre arrendamientos data inestimable para ayudar a preparar el negocio inmobiliario de cara al futuro y hacer frente a las crecientes exigencias del sector.

Es probable que la adopción de una herramienta de este tipo suponga también un cambio radical a nivel interno dentro de una empresa inmobiliaria. La adopción de una AI minimizará la dependencia de los procesos que antes se realizaban manualmente en lo que respecta al análisis de los contratos de arrendamiento. En lugar de confiar en la infalibilidad de una hoja de cálculo y en la continuidad del servicio del personal administrativo clave, una AI sería capaz de procesar directamente las preguntas formuladas en lenguaje natural por los ejecutivos y proporcionar respuestas precisas de manera oportuna. En esencia, se reduce la dependencia excesiva de elementos clave para data y recuperación data , y los ejecutivos tienen margen para reducir los recursos necesarios en el proceso de generación de información. Además, para sacar el máximo partido a dicha AI , es probable que su adopción requiera que la empresa se someta a un proceso transformador data , elevando así los umbrales internos de data , ya que la información generada solo puede ser tan buena como la información recopilada.

Además, la IA generativa ofrece ciertas ventajas para este tipo de herramientas frente a las soluciones tradicionales AI aprendizaje automático. Tradicionalmente, data necesitaban enormes cantidades de data etiquetados para entrenar y evaluar un modelo destinado a una tarea específica. Esto ya no es necesario gracias a AI generativa, lo que agiliza el desarrollo de este tipo de soluciones. Además, AI generativa AI que las soluciones evolucionen y cambien sin necesidad de un trabajo adicional ni un desarrollo a gran escala; de este modo, las soluciones pueden ser más flexibles y menos rígidas.

¿Cómo se determina la precisión?

Implementar por primera vez una AI innovadora y conseguir que genere información valiosa para la dirección con una simple indicación puede resultar, sin duda, abrumador, sobre todo teniendo en cuenta el tan mencionado inconveniente de la IA generativa: las «alucinaciones». Si se siguen de forma coordinada, los siguientes pasos deberían proporcionar las medidas de seguridad necesarias para garantizar que se saque el máximo partido a la herramienta.

  • Iterar la definición de una AI los documentos de arrendamiento reales, de modo que el modelo cuente con suficiente contexto Compañia del sector y Compañia para ofrecer respuestas.

  • Validar los procesos de forma continua para perfeccionar el rendimiento del modelo y mejorar la precisión con la intervención humana (es decir, con personas que comprueben las respuestas del modelo).

  • Adoptar un enfoque de «probar y aprender», en el que los comentarios de los revisores pertinentes se incorporen posteriormente a la solución.

  • Establecer instrucciones detalladas paso a paso y medidas de control para garantizar que los resultados intermedios y finales sean precisos, específicos para la Compañia libres de errores.

  • Realizar controles periódicos de control de calidad para verificar la exactitud de la información.

  • Utilizar un conjunto variado de preguntas y respuestas de prueba para validar el modelo, con el fin de identificar los puntos fuertes y débiles del sistema, lo que facilita la mejora de las indicaciones y permite determinar la necesidad de elementos básicos y medidas de seguridad adicionales.

¿Qué limitaciones existen?

Para que esta solución funcione según lo previsto, hay una serie de aspectos que deben tenerse en cuenta. En primer lugar, es muy probable que el modelo se limite a los contratos de arrendamiento del Reino Unido, debido a las particularidades del sector inmobiliario en cuanto a la ubicación y a la legislación vigente. El Lease Explorer no tendría capacidad predictiva, ya que solo se analizarían los datos históricos de los documentos existentes.

Además, al igual que cualquier herramienta basada en IA generativa, Lease Explorer podría tener dificultades con las indicaciones poco claras o vagas de los usuarios, lo que podría impedir que se obtengan los resultados deseados. Por ello, siempre se recomienda formular las preguntas en la interfaz de chat de forma adecuada, de manera similar a como se le haría una pregunta a un analista del equipo inmobiliario.

Es importante señalar que la lectura y el procesamiento de documentos PDF a un formato legible por máquina requieren el uso del OCR (reconocimiento óptico de caracteres) como paso imprescindible en el proceso de ingesta. Es posible que los documentos que no sean legibles por máquina o que tengan un formato y una estructura de página complejos no se importen correctamente, lo que probablemente afecte a tareas posteriores, como la extracción de información y la obtención de respuestas fiables.

Además, para responder a preguntas analíticas de carácter cuantitativo, se requieren otros procesos:

  • Extracción de información clave de los contratos de arrendamiento, y presentación de estos atributos extraídos en un formato estructurado y tabulado en una base de datos. Este proceso también puede automatizarse mediante AI generativa, lo que ofrece ventajas frente a la extracción manual en cuanto a tiempo de desarrollo e implementación. Los data también pueden utilizarse como data de origen data los paneles de control y reports empresariales tradicionales, lo que convierte esta tarea en un valioso caso de uso empresarial. Tenga en cuenta que este paso solo es necesario si los data consultar no están ya disponibles en una base de datos en formato estructurado.

  • Utiliza AI generativa AI consultar los data estructurados data de los documentos, convirtiendo las preguntas en lenguaje natural formuladas por los usuarios en código SQL que luego se ejecuta sobre los data tabulados. Los documentos no estructurados también pueden utilizarse para aprovechar ambas fuentes de data, lo que proporciona un sistema capaz de generar información cuantitativa detallada en un instante.

Costes y requisitos

La implementación y adaptación de la herramienta Lease Explorer Artefacttendría un coste aproximado de 45 000 £ y requeriría al menos cuatro semanas de trabajo conjunto, dependiendo de las funcionalidades elegidas. Por supuesto, esto se basaría en el supuesto de que todos los contratos de arrendamiento cargados sean legibles por máquina, sustancialmente similares y estén redactados en inglés. Tras la implementación de Lease Explorer, sería necesaria una suscripción continua a cualquier modelo de lenguaje grande (LLM) de IA generativa que se utilice para crear la herramienta personalizada.

¿Por qué Artefact?

Artefact una Compañia de consultoría líder a nivel mundial Compañia a acelerar la adopción de data AI generar un impacto positivo en las personas y las organizaciones. Nos especializamos en data y data para impulsar resultados empresariales tangibles a lo largo de toda la cadena de valor de la empresa. Artefact Servicios conjunto más completo de soluciones data, desarrolladas a partir de una sólida base data y AI de vanguardia, y lleva a cabo AI a gran escala en el sector inmobiliario del Reino Unido.

Somos socios de confianza para empresas del sector inmobiliario en los ámbitos residencial, comercial, industrial y de activos especializados. Entre nuestros socios se encuentran empresas que cotizan en el FTSE 350 y organizaciones privadas de tamaño similar. Con más de 20 años de experiencia en el sector inmobiliario, nuestro equipo especializado cuenta con expertos y profesionales colegiados en valoración inmobiliaria, urbanismo, promoción y financiación.

Nuestro trabajo anterior abarca desde el desarrollo de estrategias dinámicas data junto con nuestros clientes —asesorándoles sobre dónde actuar y cómo triunfar en los mercados que elijan— hasta cambios operativos de gran envergadura, como la creación de nuevas divisiones y ofertas comerciales. Hemos trabajado en todas las fases del ciclo de vida inmobiliario, desde la adquisición de terrenos hasta el mantenimiento continuo, y hemos colaborado con los clientes para mejorar estos procesos de forma sistemática.