Con gli attuali progressi della tecnologia AI, ciò che era complesso e noioso può ora essere fatto in modo rapido ed efficiente. Uno di questi esempi si trova nell'interrogazione dei contratti di locazione storici. Con una soluzione AI generativa personalizzata, è possibile creare un ambiente sandbox sicuro in cui caricare tutti i contratti di locazione immobiliari storici.

Ciò consentirà a qualsiasi utente dello studio di accedere a un chatbot per porgli domande in linguaggio naturale su qualsiasi aspetto dei contratti di locazione. In sostanza, questo diventa uno strumento dinamico di gestione dei contratti di locazione che offre incredibili informazioni istantanee a portata di mano di tutti gli utenti.

Qual è il problema

Oggi la maggior parte dei locatori deve destreggiarsi con una grande quantità di contratti di locazione storici. Questi sono generalmente riassunti in fogli di calcolo vasti e complessi o, occasionalmente, in software di gestione dei contratti di locazione dedicati. Le soluzioni esistenti sono statiche, rigide e inefficienti e possono creare frustrazione. Inoltre, non sono sufficientemente flessibili e forniscono solo alcuni approfondimenti con funzionalità limitate. Qualsiasi domanda che esuli dai KPI prescritti richiede la lettura manuale di (spesso centinaia, se non migliaia di) contratti di locazione. Il team di insight impiega molto tempo per generare presentazioni di portafogli e contratti di locazione, privando i dirigenti di approfondimenti tempestivi che aiuterebbero il processo decisionale.

Qual è la soluzione

Per rispondere direttamente ai problemi dei dirigenti del settore immobiliare, Artefact ha sviluppato lo strumento proprietario Lease Explorer. Si tratta di uno strumento appositamente costruito e personalizzato che consente la rapida implementazione di potenti Large Language Models (LLM) all'interno di un ambiente proprietario sandboxed contenente i contratti di locazione storici degli immobili. I dirigenti immobiliari sono quindi in grado di interrogare i propri contratti di locazione storici direttamente con l'uso di un'interfaccia simile a ChatGPT.

Il Lease Explorer si articola in cinque fasi generali:

  • Ingestione dei contratti di locazione: Caricamento di tutti i contratti di locazione storici in una piattaforma di dati comune.

  • Estrazione e preparazione delle informazioni chiave: A seconda della leggibilità automatica dei leasing, vengono utilizzati diversi strumenti di estrazione delle informazioni, tra cui il riconoscimento ottico dei caratteri (OCR) e il web crawling. Successivamente, le informazioni vengono elaborate e gli elementi chiave vengono estratti in un formato tabellare.

  • Chatbot Q&A: Viene distribuita una semplice interfaccia di chatbot Q&A in cui i dirigenti possono porre domande in linguaggio naturale.

  • Recupero delle informazioni: L'interrogazione originale e le fonti di informazione rilevanti recuperate vengono passate al LLM.

  • Generazione della risposta dell'LLM: L'LLM genera una risposta coerente all'utente per rispondere alla sua domanda, insieme alle fonti recuperate.

È inutile dire che l'adozione di uno strumento di questo tipo richiederebbe un periodo di gestione del cambiamento, in quanto sarebbe necessario adottare nuovi processi aziendali e modalità di lavoro.

class="img-responsive

Che tipo di domande in linguaggio naturale possono trovare risposta

Con l'implementazione di Lease Explorer, proponiamo alcune domande in linguaggio naturale che un dirigente immobiliare potrebbe rivolgere al ChatBot dello strumento. Naturalmente, la misura in cui lo strumento è in grado di fornire una risposta accurata al seguente elenco non esaustivo di domande è condizionata dalla qualità, dalla struttura e dalla disponibilità dei dati di input, che possono richiedere l'accesso a informazioni che vanno oltre quelle semplicemente contenute in un documento di locazione.

  • Quanti contratti di affitto per la prima volta con la nostra organizzazione devono essere rinnovati nei prossimi sei mesi? Dove si trovano le unità e qual è l'affitto medio di queste unità?

  • Qual è il valore dei contratti di locazione in scadenza nel prossimo anno?

  • Potete tracciare un grafico delle mie prossime scadenze di contratto di locazione suddivise per mese/anno?

  • Dei miei attuali contratti di locazione, può dirmi quale percentuale (per valore) è costituita da uffici? Uso misto?

  • Quanti dentisti affittano da me? Qual è la metratura media dei loro contratti di locazione? Potete tracciare un grafico per me?

  • Quanti inquilini commerciali hanno esercitato opzioni di rinnovo negli ultimi due anni?

  • Qual è la durata media dei contratti di locazione per gli inquilini (commerciali) in una determinata area (Zona 1)?

  • Quali clausole di escalation insolite sono emerse nel nostro portafoglio negli ultimi tre anni?

  • Può mostrarmi un confronto tra i termini di locazione degli immobili al dettaglio nei centri commerciali e quelli dei locali commerciali indipendenti?

  • Qual è l'importo medio del deposito cauzionale richiesto nei nostri contratti di locazione negli ultimi due anni?

  • Può fornire una ripartizione del reddito da locazione del nostro portafoglio per area geografica (città, contea, ecc.)?

  • Quanti contratti di locazione commerciale prevedono opzioni di sublocazione e quale percentuale di locatari ha esercitato questa opzione?

  • Qual è la percentuale dei nostri contratti di locazione commerciale che includono clausole di riduzione dell'affitto e qual è la durata media dei periodi di riduzione dell'affitto?

  • Quale percentuale del portafoglio ha contratti di locazione con clausola di risoluzione in scadenza nei prossimi sei mesi?

Quali benefici genera

L'adozione di uno strumento di intelligenza artificiale come Enterprise ChatGPT porterà una serie di vantaggi ai professionisti del settore immobiliare. In primo luogo, lo strumento potrebbe cambiare le carte in tavola per quanto riguarda la velocità con cui si ottengono gli approfondimenti, consentendo ai responsabili delle decisioni di accedere rapidamente alle informazioni critiche. Inoltre, la scalabilità e l'adattabilità di uno strumento del genere, in grado di assorbire un volume sempre crescente di dati sulle locazioni, sarebbe inestimabile per aiutare l'azienda immobiliare ad affrontare le crescenti esigenze del settore.

È probabile che l'adozione di uno strumento di questo tipo comporti un cambiamento anche all'interno di un'organizzazione immobiliare. L'adozione di uno strumento di intelligenza artificiale ridurrà al minimo la dipendenza dai processi manuali precedentemente utilizzati per l'interrogazione dei contratti di locazione. Invece di affidarsi all'incorruttibilità di un foglio di calcolo e al servizio continuo di personale amministrativo chiave, uno strumento di IA sarebbe in grado di recepire direttamente le domande in linguaggio naturale dei dirigenti e di fornire risposte accurate in modo tempestivo. In sostanza, si riduce l'eccessiva dipendenza dalle dipendenze chiave per la ricerca e il recupero dei dati e i dirigenti possono ridurre le risorse necessarie per il processo di generazione degli insight. Inoltre, per ottenere il massimo valore da questo strumento di IA, è probabile che l'adozione richieda all'azienda di sottoporsi a un processo di trasformazione dell'igiene dei dati, elevando così le soglie interne di gestione dei dati, poiché gli insight generati possono essere buoni solo quanto le informazioni raccolte.

GenAI presenta inoltre alcuni vantaggi rispetto alle soluzioni tradizionali di AI/ML. Tradizionalmente, per addestrare e valutare un modello per un compito specifico erano necessarie grandi quantità di dati etichettati. Questo non è più necessario grazie all'IA generativa, che accelera lo sviluppo di tali soluzioni. Inoltre, l'IA generativa consente alle soluzioni di evolversi e cambiare senza ulteriori e massicce rielaborazioni e sviluppi: le soluzioni possono essere più flessibili e meno rigide.

Come si stabilisce la precisione

Implementare per la prima volta un nuovo strumento di IA e metterlo in grado di generare potenti insight esecutivi con una semplice richiesta può senza dubbio essere scoraggiante, soprattutto se si considera il ben citato inconveniente di GenAI delle "allucinazioni". I seguenti passaggi, se adottati di concerto, dovrebbero fornire una protezione sufficiente a garantire che lo strumento possa essere sfruttato al meglio.

  • Definizione iterata di un'IA con i documenti di locazione effettivi in modo che il modello abbia un contesto specifico del settore e dell'azienda sufficiente a fornire risposte.

  • Validazione continua dei processi per perfezionare le prestazioni del modello e migliorarne l'accuratezza, con la presenza di un umano nel ciclo (cioè un umano che convalida le risposte del modello).

  • L'adozione di un approccio di "prova e impara", con il feedback dei revisori competenti che viene poi inserito nella soluzione.

  • Stabilire istruzioni dettagliate passo-passo e guardrail per garantire che i risultati intermedi e finali siano accurati, specifici per l'azienda e senza allucinazioni.

  • Esecuzione di regolari controlli di qualità per verificare l'accuratezza delle informazioni.

  • L'impiego di una serie diversificata di domande e risposte di prova per convalidare il modello, al fine di identificare i punti di forza e di debolezza del sistema, facilitando il miglioramento dei suggerimenti e la necessità di ulteriori elementi e barriere di sicurezza.

Quali limitazioni esistono

Affinché questa soluzione funzioni come desiderato, occorre tenere conto di una serie di considerazioni. In primo luogo, il modello sarebbe molto probabilmente limitato ai contratti di locazione del Regno Unito, a causa delle peculiarità del settore immobiliare in termini di ubicazione e legislazione. Il Lease Explorer non avrebbe capacità predittive, in quanto verrebbero interrogate solo le performance storiche dei documenti esistenti.

Inoltre, come ogni strumento basato su GenAI, Lease Explorer si scontra con richieste poco chiare e vaghe, che potrebbero non produrre i risultati desiderati. Per questo motivo, si raccomanda sempre di formulare correttamente le domande all'interfaccia di chat, in modo simile a come si potrebbe fare una domanda a un analista del proprio team immobiliare.

È importante notare che la lettura e l'elaborazione di documenti PDF in formato leggibile da una macchina richiede l'OCR (riconoscimento ottico dei caratteri) come fase necessaria del processo di ingestione. I documenti che non sono leggibili dalla macchina o che hanno un formato e una struttura di pagina complessi potrebbero non essere ingeriti correttamente e, a valle, ciò potrebbe influire su attività quali l'estrazione di informazioni e la fornitura di risposte affidabili.

Inoltre, per rispondere a domande quantitative analitiche, sono necessari ulteriori processi:

  • Estrazione delle informazioni chiave dai contratti di locazione, inserimento degli attributi estratti in una forma strutturata e tabellata in un database. Anche questo processo può essere automatizzato con l'IA generativa, offrendo vantaggi rispetto all'estrazione manuale in termini di tempi di sviluppo e implementazione. I dati estratti possono anche essere utilizzati come fonte di dati per i tradizionali cruscotti e report aziendali, convertendo questo compito in un prezioso caso d'uso aziendale. Si noti che questa fase è necessaria solo se i dati da interrogare non sono già disponibili in un database in forma strutturata.

  • Utilizzare l'intelligenza artificiale generativa per interrogare i dati strutturati estratti dai documenti, convertendo le domande in linguaggio naturale poste dagli utenti in codice SQL che viene poi eseguito sui dati tabulati. Anche i documenti non strutturati possono essere utilizzati per sfruttare entrambe le fonti di dati, fornendo un sistema in grado di generare in un attimo ricchi approfondimenti quantitativi.

Costi e requisiti

L'implementazione e l'acculturazione dello strumento Lease Explorer di Artefactcosterebbe ragionevolmente circa 45.000 sterline e richiederebbe almeno quattro settimane di lavoro in collaborazione, a seconda delle funzionalità scelte. Naturalmente, questo presuppone che i contratti di locazione caricati siano tutti leggibili, sostanzialmente simili e in lingua inglese. Dopo l'implementazione di Lease Explorer, sarebbe necessario un abbonamento continuo a qualsiasi LLM GenAI utilizzato per costruire lo strumento personalizzato.

Perché Artefact?

Artefact è una società di consulenza leader a livello mondiale dedicata ad accelerare l'adozione dei dati e dell'IA per avere un impatto positivo sulle persone e sulle organizzazioni. Siamo specializzati nella trasformazione dei dati e nel marketing dei dati per ottenere risultati di business tangibili lungo l'intera catena del valore aziendale. Artefact offre la serie più completa di soluzioni data-driven, basate su una profonda scienza dei dati e su tecnologie di IA all'avanguardia, realizzando progetti di IA su scala nel settore immobiliare nel Regno Unito.

Siamo partner fidati di aziende immobiliari in ambito residenziale, commerciale, industriale e in classi di attività specializzate. Tra i nostri partner figurano società quotate FTSE 350 e organizzazioni private di dimensioni simili. Con oltre 20 anni di esperienza nel settore immobiliare, il nostro team dedicato alle proprietà comprende esperti e professionisti riconosciuti in materia di valutazioni immobiliari, pianificazione urbana, sviluppo e finanziamento.

Il nostro lavoro precedente spazia dallo sviluppo di strategie dinamiche basate sui dati con i nostri clienti - informandoli su dove giocare e come vincere nei loro mercati prescelti - a importanti cambiamenti operativi, come la creazione di nuovi bracci e proposte commerciali. Abbiamo lavorato in tutte le fasi del ciclo di vita di un immobile, dall'acquisizione del terreno alla manutenzione continua, e abbiamo collaborato con i clienti per migliorare scientificamente questi processi.