De illusie van nabijheid: Waar blijft die veelgeprezen AI-revolutie?

Gedurende een groot deel van het afgelopen decennium heeft de Britse vastgoedsector gesproken over Kunstmatige Intelligentie als iets dat eraan komt: op handen, onvermijdelijk, maar voortdurend net over de horizon. Agenda's van conferenties staan vol met PropTech-panels, innovatiestrategieën staan vol met verwijzingen naar data en automatisering, en de meeste grote bedrijven kunnen op zijn minst een handvol pilots, glansloze initiatieven of proofs of concept aanwijzen. En toch voelt de vooruitgang voor veel landmeters in het veld nog steeds aarzelend en gefragmenteerd. AI lijkt overal aanwezig in de retoriek, maar slechts selectief ingebed in de realiteit.

Achter deze schijnbare apathie gaat echter een meer genuanceerde waarheid schuil. Het probleem is niet dat AI niet relevant is voor vastgoed, noch dat de technologie zelf onvolwassen is. In feite levert AI al tastbare waarde op het gebied van transacties, waardebepaling, vermogensbeheer en gebouwbeheer. De echte vraag is waarom de invoering langzamer, voorzichtiger en ongelijkmatiger verloopt dan in veel vergelijkbare sectoren. Het antwoord ligt niet zozeer in algoritmen, maar veel meer in de structurele kenmerken van de Britse vastgoedsector zelf.

Om te begrijpen waar de industrie naartoe gaat, moeten we eerst eerlijk zijn over waar ze nu staat.

De Verschuiving: Van pilot naar workflowintegratie

In de afgelopen twaalf tot achttien maanden heeft er een belangrijke verschuiving plaatsgevonden. AI heeft de experimentele fase definitief achter zich gelaten en is in de dagelijkse professionele workflows terechtgekomen. Nog maar een jaar geleden waren de meeste initiatieven nog proefprojecten, vaak beperkt tot kleine innovatieteams aan de rand van het bedrijf. Deze inspanningen waren meestal gericht op conversatietools; chatbots die waren ontworpen om basisvragen te beantwoorden, tekst op te stellen of informatie uit documentopslagplaatsen te halen. Hoewel ze nuttig waren, waren ze zelden verbonden met operationele kernprocessen.

Vandaag de dag ziet dat plaatje er heel anders uit. AI wordt steeds meer geïntegreerd in het dagelijkse werk van landmeters, analisten, vermogensbeheerders en operationele teams. De snelheid van verandering is opvallend. Terwijl vorig jaar veel activiteiten draaiden om het gebruik van Large Language Models (LLM's) als passieve assistenten, is de aandacht nu verschoven naar agentische systemen; AI-agenten die zelfstandig taken met meerdere stappen kunnen uitvoeren, informatie kunnen verzamelen, input kunnen valideren, output kunnen opstellen en op bepaalde momenten problemen kunnen escaleren voor menselijke beoordeling.

Ondanks deze versnelling is één principe in de Britse vastgoedsector grotendeels intact gebleven: AI wordt ingezet als ondersteuning bij beslissingen, niet als beslisser. Dat onderscheid is niet toevallig, noch is het louter cultureel conservatisme. Het weerspiegelt een diepgeworteld begrip van professionele verantwoordelijkheid en risico's dat nog steeds bepaalt hoe ver bedrijven bereid en in staat zijn te gaan.

AI in de landmeetkundige praktijk: Aanvulling, geen automatisering

Transacties en due diligence

In de praktijk wordt dit het duidelijkst bij transacties en due diligence, nog steeds het meest volwassen gebied waar AI wordt toegepast. Hier is de waardepropositie duidelijk en onmiddellijk. AI-systemen worden nu routinematig gebruikt voor het lezen en analyseren van grote documentpakketten, het extraheren van belangrijke leaseclausules, het samenvatten van planningsvoorwaarden, EPC's en operationele handleidingen, en het genereren van eerste concepten van leaseovereenkomsten, listings en due diligence reports. Het cruciale concept dat aan al deze use cases ten grondslag ligt, is dat van de “first pass”. AI stelt teams in staat om problemen sneller aan het licht te brengen, informatie consistenter te structureren en professionele aandacht te richten op die gebieden waar dat het belangrijkst is. Professionele oordeelsvorming en ervaring zijn niet overbodig, maar worden juist aangescherpt.

Waardering en marktonderzoek

Een soortgelijk patroon kan worden waargenomen in waarderings- en marktonderzoek. AI wordt steeds vaker gebruikt om een shortlist te maken van vergelijkbaar bewijsmateriaal, een eerste marktcommentaar op te stellen en scenario- of gevoeligheidsanalyses uit te voeren met een snelheid en op een schaal die voorheen onpraktisch zouden zijn geweest. De taxatieverklaring zelf blijft echter stevig (en juridisch) in handen van de taxateur. Vanuit zowel professioneel als verzekeringstechnisch oogpunt kan het niet anders. AI versnelt de analyse, maar ondertekent geen waardeoordeel en zou dat ook niet moeten doen. Dat zal het ook nooit doen.

Vermogens- en portefeuillebeheer

Bij vermogens- en portefeuillebeheer verschuift de nadruk weer van snelheid naar perspectief. AI stelt bedrijven in staat om hun portefeuilles op nieuwe manieren te onderzoeken, waarbij vragen over rentegevoeligheid, leegstandsrisico's of prioriteiten voor kapitaalallocatie veel diepgaander en consistenter worden onderzocht dan bij handmatige benaderingen mogelijk is. Nogmaals, dit is geen automatisering van besluitvorming, maar een uitbreiding van strategisch denken.

Gebouwexploitatie en energiebeheer

De duidelijkste illustratie van het potentieel van AI is misschien wel te vinden in de exploitatie en het energiebeheer van gebouwen, waar de toepassing het sterkst is wanneer er data van goede kwaliteit bestaat. Voorspellend onderhoud, energieoptimalisatie en het vroegtijdig opsporen van storingen lenen zich allemaal van nature voor data-driven-benaderingen, en de financiële voordelen zijn vaak eenvoudig te kwantificeren. Het is dan ook geen verrassing dat deze gebruikssituaties minder weerstand oproepen dan de gebruikssituaties die te maken hebben met professionele oordeelsvorming.

De structurele beperkingen van de Britse adoptie

Gezien deze brede toepassing is het redelijk om te vragen waarom de invoering van AI in onroerend goed niet verder gevorderd lijkt te zijn. Het antwoord is dat de belangrijkste beperkingen niet technologisch zijn. Ze zijn structureel en menselijk, zoals vaak het geval is.

De Data Stichting Uitdaging

De meest voor de hand liggende en hardnekkige uitdaging is data. Onroerend goed data is notoir gefragmenteerd, inconsistent, duur om toegankelijk te maken en vaak ongestructureerd. Hetzelfde goed kan onder meerdere namen (of adressen) in verschillende systemen voorkomen; documenten spreken elkaar vaak tegen; kritieke informatie is vaak begraven in silo's van PDF's, scans of lange e-mailketens. AI-systemen hebben moeite om onder deze omstandigheden op te schalen. Zonder solide data foundations zullen zelfs de meest geavanceerde modellen ondermaats presteren.

Er speelt ook een dieper, sectorspecifiek probleem. Vastgoed is fundamenteel niet-gestandaardiseerd. Geen twee bezittingen zijn echt gelijk. Fysieke kenmerken variëren, net als eigendomsstructuren, stimuleringspakketten en contractuele nuances. In tegenstelling tot goederen of consumptiegoederen zijn vastgoedtransacties waardevol, hebben ze een laag volume en zijn ze inherent uniek. Dit maakt het creëren van schone, statistisch robuuste datasets veel moeilijker dan in industrieën die te maken hebben met gestandaardiseerde producten die op grote schaal worden verhandeld.

Hoewel het Verenigd Koninkrijk een rijk data landschap heeft met betrekking tot onroerend goed (en nog rijkere contextuele datasets), sterker dan de meeste EU tegenhangers, heeft het beruchte hiaten in datasets. Er is geen betrouwbare data voor leasing, geen API's voor HM Land Registry om massale verkooptransacties te extraheren, gefragmenteerde data voor planning achter eindeloze firewalls en lokale overheden die slecht geïntegreerd zijn op nationaal data-niveau. Hoewel er in sommige opzichten een risico bestaat dat we overstelpt worden met data, blijven er belangrijke hiaten bestaan die potentiële AI use cases beperken.

Bestuur, verantwoording en risico

Afgezien van data doemen er grote vragen op over verantwoording, bestuur en data-bescherming. De meeste activiteiten binnen de vastgoedsector zijn streng gereguleerd en overheden zijn over het algemeen (vaak terecht) traag met het omarmen van veranderingen die gevolgen kunnen hebben voor het publiek. Wanneer Artefact praktische AI-cursussen geeft via de Royal Institution of Chartered Surveyors (RICS), komen dezelfde zorgen herhaaldelijk naar boven. Wie is de eigenaar van een door AI gegenereerde output? Wie is er verantwoordelijk als het fout gaat? Waarop data is het model getraind en waar gaat de klantinformatie naartoe nadat het verwerkt is? Dit zijn geen abstracte vragen. Enquêteurs werken met zeer gevoelige informatie, en er is nog steeds een wijdverbreid misverstand over hoe grote taalmodellen werken, vooral met betrekking tot data retentie, training en risico. Totdat deze kwesties duidelijk worden aangepakt door middel van governance en beleid, zullen veel bedrijven voorzichtig blijven en de voorkeur geven aan beperkte pilots boven grootschalige implementatie.

Culturele en organisatorische inertie

Culturele en organisatorische factoren maken deze voorzichtigheid nog groter. De Britse vastgoedsector is van nature traag en risicomijdend. Inkomsten zijn op lange termijn en relatief voorspelbaar (vooral voor grote REIT's en huizenbouwers), marges staan onder druk en de marktomstandigheden blijven uitdagend. In een dergelijke omgeving gaat het behouden van cash vaak boven experimenteren. Bovendien hebben vastgoedbedrijven de neiging om met relatief kleine personeelsaantallen te werken in vergelijking met de waarde van hun activa of hun inkomsten, wat betekent dat efficiëntieverbeteringen zich niet altijd vertalen in een onmiddellijke verlaging van de VTE-kosten. Dit kan het rendement op investering moeilijker maken om in traditionele termen uit te drukken.

Demografie speelt ook een rol. De gemiddelde leeftijd in de sector blijft stijgen, en de sector heeft moeite om jong, AI-talent aan te trekken dat in staat is om veranderingen van binnenuit aan te sturen. Dit is niet alleen een kwestie van vaardigheden, maar ook van mentaliteit en vertrouwdheid met digitale hulpmiddelen als standaard in plaats van extra.

De rol van de RICS: Aansturen op verantwoorde adoptie

De RICS neemt wereldwijd het voortouw om de landmeetkundige beroepsgroep voor te bereiden op een verantwoorde invoering van AI. Ze erkent dat AI de dagelijkse praktijk al aan het veranderen is, van taxatieondersteuning en risicomodellering tot data extractie. De RICS heeft onlangs een baanbrekende wereldwijde professionele standaard gepubliceerd over het verantwoorde gebruik van AI. Deze standaard is niet bedoeld om innovatie in de kiem te smoren, maar om een zelfverzekerde, ethische toepassing te ondersteunen door duidelijke basisverwachtingen te stellen voor competentie, bestuur en verantwoordingsplicht onder de 150.000 landmeters wereldwijd.

De nieuwe gedragsnorm geldt voor alle RICS-leden en gereguleerde bedrijven waar AI-outputs een materiële impact hebben op de dienstverlening. Het raamwerk is ontwikkeld in samenwerking met de belangrijkste leidinggevenden uit de sector, waaronder Artefact die medevoorzitter is van de werkgroep, en concentreert zich op het versterken van professioneel oordeel en het vergroten van expertise. De norm schetst kritieke vereisten op vijf gebieden: het vaststellen van een basisniveau van AI-geletterdheid; het versterken van praktijkbeheer door middel van governance en risicoregisters; het introduceren van duidelijke verwachtingen voor due diligence bij de aanschaf van AI-tools van derden; het versterken van professioneel oordeel, scepsis en transparantie bij het vertrouwen op AI-resultaten; en het stellen van verantwoordingsverwachtingen voor degenen die betrokken zijn bij de ontwikkeling van AI-systemen.

Deze proactieve aanpak is van cruciaal belang voor het beheren van de nieuwe professionele risico's die AI met zich meebrengt, voor het waarborgen van een consistente praktijk en voor het beschermen van het vertrouwen van de klant. De RICS gelooft dat door dit gedeelde kader te bieden, de beroepsgroep innovatie kan omarmen op een gezonde ethische en professionele basis, waardoor ‘AI Native’ talent wordt aangetrokken en de sector vooruit wordt gestuwd.

Cruciaal is dat de nieuwe standaarden deel uitmaken van een breder, alomvattend ecosysteem van RICS om verantwoorde toepassing van AI te stimuleren. Dit omvat het aanpassen van de Assessments of Professional Competence (APC's), het geven van praktische trainingen (zoals de zeer populaire ‘Global Harnessing AI & Data in the Built Environment’) en het publiceren van praktische richtlijnen. Deze gezamenlijke inspanning voorziet landmeters van een uitgebreide toolkit, zodat zij AI met meer vertrouwen en integriteit kunnen inzetten en ervoor kunnen zorgen dat de RICS relevant blijft in het digitale tijdperk.

Pragmatische adoptie - De belangrijkste uitgangspunten

De inherente uitdaging ligt in het menselijke element: mensen binnen de vastgoedsector vertonen vaak een terughoudendheid, zelfs een afkeer, om belangrijke veranderingen te omarmen. Hoewel traagheid in de regelgeving zeker een rol speelt, is de heersende houding een fundamentelere barrière. Gesprekken met senior leidinggevenden en taxateurs in de vastgoedsector brengen vaak principes naar voren als “...“als het niet kapot is, repareer het dan niet,”.” “geen enkele AI zal mijn decennialange diepgaande contextuele expertise kunnen vervangen,” zei hij.” of “Onze klanten betalen ons niet om AI te gebruiken.” Hoewel deze perspectieven een kern van waarheid bevatten, duiden ze vaker op een leiderschap dat bezig is met het behouden van de status-quo dan met het nastreven van transformatieve efficiëntie.

De aanvankelijke vloedgolf van hyperbolische en vaak tegenstrijdige berichten over AI bleek contraproductief en leidde tot scepsis en verwarring. We navigeren nu echter stevig voorbij de “Trog van ontgoocheling” en begon de “Helling van Verlichting” (een herkenbaar patroon in de Gartner Hype Cycle). Deze overgang betekent dat de focus moet verschuiven van ‘wat als’ naar ‘hoe’. Voor de individuele enquêteur heeft dit voor onzekerheid gezorgd over het praktische startpunt voor adoptie.

Om echte verandering teweeg te brengen, is een tweeledige aanpak die ‘soft power’ en ‘hard power’ combineert essentieel.

Vanuit het perspectief van ‘soft power’ moeten organisaties interne AI-evangelisten zichtbaar steunen en aanmoedigen. Dit houdt in dat er consequent boeiende informatie- en trainingssessies worden gegeven, dat er een voortdurende cyclus wordt opgezet van het demonstreren van vroege en tastbare successen, dat middelen openlijk worden gedeeld, dat mislukkingen en bevindingen worden gedocumenteerd en dat collega's voortdurend worden bijgeschoold. Cruciaal is dat deze cultuuromslag niet kan plaatsvinden zonder duidelijke, consistente en actieve voorbeeldfunctie van de hoogste leidinggevenden.

Deze culturele inspanningen moeten stevig worden aangevuld met de ‘harde kracht’ van structurele en operationele hervormingen. Dit vereist een onherroepelijke verandering van bestaande werkwijzen, het verplicht stellen van technische AI-vaardigheidscertificaten voor belangrijke functies, het herontwerpen van organisatiestructuren, het verfijnen van bedrijfsmodellen en het bijwerken van RACI-matrices. Het doel is om ervoor te zorgen dat AI niet langer wordt behandeld als een vrijwillige activiteit “naast de tafel”, maar volledig wordt ingebed in Business as Usual (BAU). Deze inbedding moet zich uitstrekken tot begrotingstoewijzingen en prestatiecijfers, waarbij de inzet van AI wordt behandeld als een belangrijke zakelijke drijfveer en niet als een randverschijnsel van een technologieproject.

Bovenal moeten organisaties een omgeving creëren waarin experimenteren wordt aangemoedigd, zelfs als dit leidt tot kleinschalige mislukkingen. Dit vereist eerlijke, data-driven discussies over het praktische nut van AI en de verifieerbare efficiëntiewinst die het oplevert (of waar het gewoon een ‘glimmend hulpmiddel’ met beperkte waarde is). De meest impactvolle toepassingen van AI die we op Artefact hebben gezien, zijn toepassingen die naadloos zijn geïntegreerd in bestaande werkstromen. Als de invoering van een tool veel wrijving met zich meebrengt voor marginale winst, zal deze onvermijdelijk massaal worden verlaten. Omgekeerd komt het grootste succes vaak van toepassingen die niet per se zichtbaar zijn, maar die het professionele leven aantoonbaar eenvoudiger maken door repetitieve, handmatige en ‘zielsvernietigende’ taken te automatiseren. Om echte, duurzame adoptie te stimuleren, is het van het grootste belang dat u opzettelijk en zorgvuldig te werk gaat bij het identificeren en implementeren van deze use cases met een grote impact en weinig wrijving.

Hoe ziet de toekomst eruit? Drie-achtige tijdshorizonten

Vooruitkijkend kunnen de kansen voor de toepassing van AI in de vastgoedsector van het Verenigd Koninkrijk over drie brede tijdshorizonten worden bekeken.

Korte termijn (komende 6 maanden): Praktische winsten met weinig risico's

De meest overtuigende voordelen zijn praktisch en met een laag risico. Het standaardiseren van de intake van instructies, het automatiseren van de eerste concepten van reports met duidelijke verwijzingen naar bewijsmateriaal, het extraheren van gestructureerde checklists uit huurcontracten en planningsdocumenten en het inzetten van interne kennistools die vragen beantwoorden als “hoe hebben we dit de vorige keer aangepakt? Met name in back-office functies zoals HR, financiën en marketing zullen waarschijnlijk enkele van de grootste besparingen te vinden zijn, zodat landmeters zich kunnen richten op klantrelaties en advieswerk van hogere waarde.

Middellange termijn (6 tot 18 maanden): Agentic Procesintegratie

De echte waarde ontstaat door processen samen te voegen. End-to-end transactieworkflows aangedreven door agentic AI, asset management platforms die conditie, compliance, energie en kapitaaluitgaven data combineren, en tools die retrofit en netto nul optimalisatie ondersteunen vallen allemaal in deze categorie. Succes is hier minder afhankelijk van geavanceerdere AI-modellen en meer van doordacht procesontwerp en -integratie. Alle basismodellen hebben de laatste tijd enorme vooruitgang geboekt in het ontwikkelen en standaardiseren van agentische mogelijkheden, zodat ze kinderlijk eenvoudig te implementeren zijn.

Langere termijn (18 tot 36 maanden): Dieper inzicht en nieuwe diensten

Bedrijven zullen zich steeds meer richten op dieper inzicht, waaronder planning, geospatiale en klimaatrisicoanalyses, digital twins op portefeuilleniveau en nieuwe data-driven adviesdiensten. Deze ambities zullen echter alleen gerealiseerd kunnen worden als er al een robuuste data governance en kwaliteit aanwezig is.

Nog langere termijn (36+ maanden): Existentiële angst

Gebruikers van ‘X’, of zelfs toevallige volgers van het algemene nieuws, kunnen een gevoel van overweldigende, bijna existentiële angst krijgen. Het tempo van de AI-ontwikkeling is meedogenloos. We zien hoe humanoïde robots fabrieksarbeiders vervangen en zelfs als soldaten worden ingezet, hoe auto's die zelf rijden eindelijk hun hoogtepunt bereiken, hoe Neuralink belooft menselijke capaciteiten te vergroten, hoe quantumcomputing steeds dichter bij de realiteit komt, hoe wetenschappelijk onderzoek enorm versnelt en hoe ‘AI-slop’ wijdverspreid wordt.

Maar ondanks deze voortdurende cascade van ontdekkingen en vooruitgang, is de grootste opwinding momenteel gericht op het mogelijke hoogtepunt van langetermijninspanningen in de richting van AGI (Artificial General Intelligence) - een veel contextueel bewuster en complexer AI-systeem dat theoretisch het menselijk brein zou kunnen evenaren, zo niet overtreffen - en de ingrijpende maatschappelijke verschuivingen die dit met zich meebrengt. Zal het echt de productiviteit zodanig opdrijven dat werken optioneel wordt en een universeel basisinkomen een gelukkige toekomst wordt?

Het ongekende kapitaal dat in data centra, rekenkracht en infrastructuur wordt gestoken om AGI te bereiken is duizelingwekkend. Deze investering zal ongetwijfeld leiden tot aanzienlijke marktcorrecties op de korte tot middellange termijn. De Return on Investment zal waarschijnlijk langzamer zijn dan verwacht, en de hype zal waarschijnlijk groter zijn dan de werkelijke impact. Desondanks staat het op het punt om een dramatische en onvoorspelbare invloed te hebben op onze gebouwde omgeving en onze interactie ermee. Bedrijven moeten wendbaar blijven en zich scherp bewust zijn van deze realiteit als ze niet alleen willen overleven, maar ook gedijen in deze zeer onzekere toekomst.

De niet-onderhandelbare items: Oordeel, Vertrouwen en Onderzoek

Bij dit alles is het essentieel om duidelijk te blijven over de beperkingen van AI. AI vermindert de professionele verantwoordelijkheid niet, maar concentreert deze. Oordeelsvorming kan niet worden gedelegeerd. Hoewel AI kan helpen bij de analyse, kan het de intuïtie en ervaring die in de loop van tientallen jaren zijn ontwikkeld niet vervangen, noch kan het rekening houden met het emotionele en vaak irrationele menselijke gedrag dat de vastgoedmarkten bepaalt. Taxateurs blijven te allen tijde wettelijk verantwoordelijk voor hun advies, en die realiteit zal niet veranderen.

Transparantie met klanten is net zo belangrijk. Als AI een wezenlijke invloed heeft op de manier waarop een dienst wordt geleverd, moeten cliënten daarvan op de hoogte worden gesteld. Dit is niet alleen een kwestie van naleving, maar ook van vertrouwen. Verklaarbaarheid en controleerbaarheid zijn ook essentieel. Als een professional niet kan uitleggen waar een output vandaan komt, welke data er is gebruikt en welke aannames er zijn gedaan, kan het moeilijk zijn om die output in de rechtszaal te verdedigen.

Betrouwbaarheidsrisico's moeten niet onderschat worden. AI-systemen kunnen gezaghebbend klinken terwijl ze het mis hebben, waardoor controle, steekproeven en onderzoek onontbeerlijk zijn. Tot slot blijven data bescherming en vertrouwelijkheid niet-onderhandelbaar. Prompts zijn dossiers. Hulpmiddelen moeten goedgekeurd en beoordeeld worden. Cliënt data moet gecontroleerd worden. Dit zijn kernelementen van de professionele praktijk, geen optionele extra's.
Uiteindelijk zal AI landmeters niet vervangen. Wat het wel zal vervangen zijn handmatige zoekopdrachten, repetitief opstellen en administratief werk van lage waarde. Uiteindelijk hangt de weg naar AI voor de Britse vastgoedsector niet af van het invoeren van nieuwe technologie, maar van de bereidheid om oude gewoonten te veranderen: het verankeren van data kwaliteit, het omarmen van het RICS governance framework en het bewust verheffen van menselijk oordeel boven de taken die technologie nu met vertrouwen kan afhandelen.

Over Artefact & Chris de Gruben, FRICS

Artefact is een wereldwijd, full service Data en AI adviesbureau. Wij doen alles van data strategie en AI governance, risicobeoordeling en compliance, tot het definiëren van de kunst van het mogelijke in AI en ML, tot implementatie en vervolgens tot change management en adoptie. Artefact maakt gebruik van zijn diepgaande expertise in zowel Vastgoed als Data Strategie & AI Governance om bedrijven te helpen bij het strategisch inbedden van AI in hun activiteiten op een verantwoorde en zelfverzekerde manier.

Chris is Senior Director bij het kantoor UK Artefact, leidt het vastgoedteam en beheert alle vastgoedklanten in de UK. Hij is al 15 jaar Chartered Surveyor en blijft zich sterk maken voor een verantwoord gebruik van AI binnen het Britse vastgoedberoep. Chris is ook vice-voorzitter van de Professional Group on Valuation, zit in verschillende werkgroepen van AI-experts en is kerntrainer voor de RICS Academy, met name voor de ‘Global Harnessing AI & Data in the Built Environment’ (die tot nu toe de populairste RICS-cursus is gebleken). Chris is momenteel bezig met het schrijven van praktische richtlijnen voor het gebruik van AI voor Chartered Valuers. Tot slot spreekt hij regelmatig op PropTech en Real Estate conferenties wereldwijd.