De illusie van onmiddellijke realisatie: waar blijft die veelbesproken AI ?

Het grootste deel van het afgelopen decennium heeft de Britse vastgoedsector gesproken over Artificial Intelligence iets dat eraan komt: op handen zijnde, onvermijdelijk, maar altijd net net buiten bereik. Conferentieprogramma’s staan vol met PropTech-panels, innovatiestrategieën zitten vol verwijzingen naar data automatisering, en de meeste grote bedrijven kunnen wijzen op ten minste een handvol proefprojecten, matige initiatieven of proofs of concept. En toch voelt de vooruitgang voor veel taxateurs in de praktijk nog steeds voorzichtig en gefragmenteerd aan. AI in de retoriek overal aanwezig te zijn, maar is in de praktijk slechts selectief geïntegreerd.

Achter deze schijnbare apathie gaat echter een genuanceerder waarheid schuil. Het probleem is niet dat AI geen relevantie AI te vinden binnen de vastgoedsector, noch dat de technologie zelf onvoldoende ontwikkeld is. In feite AI nu al tastbare waarde AI het gebied van transacties, taxaties, vermogensbeheer en gebouwbeheer. De echte vraag is waarom de invoering ervan trager, voorzichtiger en ongelijkmatiger verloopt dan in veel vergelijkbare sectoren. Het antwoord ligt minder in de algoritmen en veel meer in de structurele kenmerken van de Britse vastgoedsector zelf.

Om te begrijpen welke richting de sector opgaat, moeten we eerst eerlijk zijn over de huidige stand van zaken.

De verschuiving: van proefproject naar integratie in de workflow

In de afgelopen twaalf tot achttien maanden heeft er een ingrijpende verschuiving plaatsgevonden. AI definitief uit de experimentele fase gestapt en heeft zijn intrede gedaan in de dagelijkse professionele werkprocessen. Nog maar een jaar geleden waren de meeste initiatieven nog steeds opgezet als pilots, vaak beperkt tot kleine innovatieteams die aan de rand van het bedrijf werkten. Deze inspanningen waren meestal gericht op conversatietools: chatbots die waren ontworpen om eenvoudige vragen te beantwoorden, teksten op te stellen of informatie uit documentenarchieven op te halen. Hoewel nuttig, waren ze zelden gekoppeld aan de kernprocessen van de bedrijfsvoering.

Vandaag de dag ziet dat beeld er heel anders uit. AI steeds meer verweven met het dagelijkse werk van landmeters, analisten, vermogensbeheerders en operationele teams. De snelheid van de veranderingen is opvallend. Terwijl veel van de activiteiten van vorig jaar draaiden om het gebruik van Large Language Models (LLM's) als passieve assistenten, is de aandacht nu verschoven naar agentische systemen; AI in staat zijn om zelfstandig meerstaps-taken uit te voeren, informatie te verzamelen, input te valideren, output op te stellen en problemen op bepaalde momenten door te geven voor menselijke beoordeling.

Maar ondanks deze versnelling is één principe in de Britse vastgoedsector grotendeels intact gebleven: AI ingezet als hulpmiddel bij de besluitvorming, niet als besluitvormer. Dat onderscheid is niet toevallig, en het is ook niet louter een kwestie van cultureel conservatisme. Het weerspiegelt een diepgeworteld begrip van professionele verantwoordelijkheid en risico, dat nog steeds bepalend is voor hoe ver bedrijven bereid en in staat zijn te gaan.

AI de landmeetkundige praktijk: uitbreiding, geen automatisering

Transacties en due diligence

In de praktijk komt dit het duidelijkst naar voren bij transacties en due diligence, die AI het meest volwassen toepassingsgebied van AI . Hier is de toegevoegde waarde duidelijk en direct merkbaar. AI worden nu routinematig ingezet om omvangrijke documentenpakketten te lezen en te analyseren, belangrijke huurclausules te extraheren, bestemmingsplannen, EPC’s en operationele handleidingen samen te vatten, en eerste concepten van huurovereenkomsten, advertenties en due reports te genereren. Het cruciale concept dat aan al deze use cases ten grondslag ligt, is dat van de 'first pass'. AI teams AI om problemen sneller aan het licht te brengen, informatie consistenter te structureren en professionele aandacht te richten op wat er het meest toe doet. Het neemt de noodzaak van professioneel oordeel en ervaring niet weg; het scherpt deze juist aan.

Waardebepaling en marktonderzoek

Een soortgelijk patroon is waarneembaar bij waardebepalingen en marktonderzoek. AI steeds vaker ingezet om vergelijkbaar bewijsmateriaal te selecteren, een eerste marktcommentaar op te stellen en scenario- of gevoeligheidsanalyses uit te voeren, en dit met een snelheid en op een schaal die voorheen onhaalbaar waren. Het waarderingsadvies zelf blijft echter volledig (en juridisch) bij de taxateur berusten. Zowel vanuit professioneel als vanuit verzekeringsoogpunt kan het niet anders. AI de analyse, maar het keurt geen waardebepalingen goed, en dat zou het ook niet moeten doen. Dat zal het nooit doen.

Vermogens- en portefeuillebeheer

Bij vermogens- en portefeuillebeheer verschuift de nadruk opnieuw, van snelheid naar perspectief. AI bedrijven hun portefeuilles op nieuwe manieren analyseren en vragen rond rentegevoeligheid, blootstelling aan leegstand of prioriteiten bij kapitaalallocatie veel grondiger en consistenter onderzoeken dan met handmatige methoden mogelijk is. Nogmaals: dit is geen automatisering van de besluitvorming, maar een versterking van het strategisch denken.

Gebouwbeheer en energiebeheer

Misschien komt het potentieel AIwel het duidelijkst tot uiting in het gebouwbeheer en het energiebeheer, waar de toepassing het sterkst is waar data van goede kwaliteit data . Voorspellend onderhoud, energieoptimalisatie en vroegtijdige storingsdetectie lenen zich van nature voor data benaderingen, en de financiële voordelen zijn vaak eenvoudig te kwantificeren. Het is dan ook niet verwonderlijk dat deze toepassingen op minder weerstand zijn gestuit dan die welke raken aan het professionele oordeel van de medewerker.

De structurele belemmeringen voor de invoering in het Verenigd Koninkrijk

Gezien deze brede toepassingsmogelijkheden is het logisch om je af te vragen waarom AI in de vastgoedsector nog niet verder gevorderd lijkt. Het antwoord is dat de belangrijkste belemmeringen niet van technologische aard zijn. Zoals zo vaak het geval is, zijn ze structureel en menselijk van aard.

De Data -uitdaging

De meest voor de hand liggende en hardnekkigste uitdaging is data. data erom data versnipperd, inconsistent en duur data om te raadplegen, en vaak ongestructureerd data . Eenzelfde object kan in verschillende systemen onder meerdere namen (of adressen) voorkomen; documenten spreken elkaar vaak tegen; cruciale informatie gaat vaak schuil in afzonderlijke opslagplaatsen van pdf’s, scans of lange e-mailketens. AI hebben onder deze omstandigheden moeite om op te schalen. Zonder data solide data zullen zelfs de meest geavanceerde modellen ondermaats presteren.

Er speelt ook een dieperliggend, sectorspecifiek probleem mee. Vastgoed is fundamenteel niet gestandaardiseerd. Geen twee objecten zijn echt hetzelfde. De fysieke kenmerken variëren, evenals de eigendomsvormen, beloningspakketten en contractuele nuances. In tegenstelling tot grondstoffen of consumptiegoederen zijn vastgoedtransacties hoogwaardig, vinden ze in kleine aantallen plaats en zijn ze inherent uniek. Dit maakt het samenstellen van zuivere, statistisch robuuste datasets veel moeilijker dan in sectoren die te maken hebben met gestandaardiseerde producten die op grote schaal worden verhandeld.

Hoewel het Verenigd Koninkrijk beschikt over een rijke data (en nog rijkere contextuele datasets) – die uitgebreider is dan die van de meeste andere EU-landen – vertoont het ook notoire hiaten in zijn datasets. Er zijn geen betrouwbare data over huurovereenkomsten, geen API’s voor toegang tot het HM Land Registry om gegevens over grootschalige verkooptransacties te extraheren, gefragmenteerde data eindeloze firewalls data , en lokale overheden die op nationaal data slecht geïntegreerd zijn. Hoewel er in sommige opzichten een risico bestaat dat men overspoeld wordt door data, blijven er aanzienlijke hiaten bestaan die AI mogelijke AI beperken.

Bestuur, verantwoording en risico

Naast data spelen ook kwesties als verantwoordingsplicht, bestuur en data een grote rol. De meeste activiteiten binnen de vastgoedsector zijn streng gereguleerd en overheden staan over het algemeen (vaak terecht) terughoudend tegenover veranderingen die gevolgen kunnen hebben voor het publiek. Wanneer Artefact via de Royal Institution of Chartered Surveyors (RICS) praktische AI Artefact , komen steeds weer dezelfde zorgen naar voren. Wie is eigenaar van een AI resultaat? Wie is verantwoordelijk als het onjuist is? Op welke data het model getraind en waar gaat de klantinformatie naartoe nadat deze is verwerkt? Dit zijn geen abstracte vragen. Taxateurs werken met zeer gevoelige informatie en er bestaat nog steeds een wijdverbreid misverstand over hoe grote taalmodellen werken, met name met betrekking tot data , training en risico's. Totdat deze kwesties duidelijk worden aangepakt via governance en beleid, zullen veel bedrijven voorzichtig blijven en de voorkeur geven aan beperkte proefprojecten boven volledige implementatie.

Culturele en organisatorische inertie

Culturele en organisatorische factoren versterken deze terughoudendheid nog verder. De Britse vastgoedsector is van nature traag en risicomijdend. De inkomsten zijn langetermijninkomsten en relatief voorspelbaar (met name voor grote REIT’s en woningbouwers), de marges staan onder druk en de marktomstandigheden blijven uitdagend. In een dergelijke omgeving krijgt het behoud van liquide middelen vaak voorrang boven experimenteren. Bovendien werken vastgoedbedrijven doorgaans met een relatief klein personeelsbestand in verhouding tot de activawaarde of inkomsten, wat betekent dat efficiëntiewinst niet altijd direct leidt tot een verlaging van de FTE-kosten. Hierdoor kan het rendement op investeringen moeilijker in traditionele termen worden uitgedrukt.

Ook demografische factoren spelen een rol. De gemiddelde leeftijd binnen de sector blijft stijgen, en de sector heeft moeite om jonger, AI talent aan te trekken dat in staat is om van binnenuit verandering teweeg te brengen. Dit is niet alleen een kwestie van vaardigheden, maar ook van mentaliteit en het feit dat digitale hulpmiddelen als vanzelfsprekend worden beschouwd in plaats van als een extraatje.

De rol van de RICS: het stimuleren van verantwoord gebruik

De RICS neemt wereldwijd het voortouw bij het voorbereiden van het beroep van vastgoedtaxateur op een verantwoorde toepassing van AI. De organisatie erkent dat AI de dagelijkse praktijk nu al AI , van ondersteuning bij taxaties en risicomodellering tot data . De RICS heeft onlangs een baanbrekende wereldwijde professionele norm gepubliceerd voor het verantwoord gebruik van AI. Deze norm is niet bedoeld om innovatie te belemmeren, maar om een zelfverzekerde, ethische toepassing te ondersteunen door duidelijke basisverwachtingen vast te stellen op het gebied van competentie, governance en verantwoordingsplicht onder haar 150.000 beëdigde taxateurs wereldwijd.

De nieuwe gedragsnorm geldt voor alle RICS-leden en gereguleerde bedrijven waarbij AI een wezenlijke invloed heeft op de dienstverlening. Het kader is ontwikkeld in samenwerking met vooraanstaande vertegenwoordigers uit de sector – waarbij Artefact de werkgroep – en richt zich op het versterken van het professioneel oordeel en het uitbreiden van de expertise. De norm beschrijft essentiële vereisten op vijf gebieden: het vaststellen van een basisniveau van AI ; het versterken van praktijkbeheer door middel van governance en risicoregisters; het introduceren van duidelijke verwachtingen voor due diligence bij de aanschaf AI van derden; het versterken van professioneel oordeelsvermogen, scepsis en transparantie bij het vertrouwen op AI ; en het vaststellen van verwachtingen op het gebied van verantwoordingsplicht voor degenen die betrokken zijn bij de ontwikkeling AI .

Deze proactieve aanpak is van cruciaal belang om de nieuwe beroepsrisico’s die AI met zich meebrengt in goede banen te leiden, een consistente werkwijze te waarborgen en het vertrouwen van de klant te behouden. De RICS is van mening dat de beroepsgroep, door dit gezamenlijke kader te bieden, innovatie op een solide ethische en professionele basis kan omarmen,AI talent kan aantrekken en de sector vooruit kan helpen.

Cruciaal is dat de nieuwe normen deel uitmaken van een breder, alomvattend RICS-ecosysteem dat verantwoord AI moet stimuleren. Dit omvat het aanpassen van de Assessments of Professional Competence (APC's), het organiseren van praktische trainingen (zoals de zeer populaire ‘Global Harnessing AI Data the Built Environment’) en het publiceren van praktische richtlijnen. Deze gezamenlijke inspanning biedt landmeters een uitgebreide toolkit, waardoor ze AI meer vertrouwen en integriteit kunnen inzetten en ervoor wordt gezorgd dat de RICS relevant blijft in het digitale tijdperk.

Pragmatische implementatie – De belangrijkste uitgangspunten

De grootste uitdaging ligt in de menselijke factor: mensen in de vastgoedsector staan vaak terughoudend, of zelfs afwijzend, tegenover ingrijpende veranderingen. Hoewel de traagheid van de regelgeving zeker een rol speelt, ligt de belangrijkste barrière in de heersende mentaliteit. In gesprekken met senior vastgoedmanagers en taxateurs komen vaak uitspraken naar voren als“als het niet kapot is, repareer het dan niet”, “geen enkele AI mijn decennialange diepgaande contextuele expertise vervangen” of “onze klanten betalen ons niet om AI te gebruiken”. Hoewel deze standpunten een kern van waarheid bevatten, duiden ze vaker op een leiderschap dat zich bezighoudt met het behoud van de status quo in plaats van het nastreven van transformatieve efficiëntie.

De aanvankelijke stortvloed aan overdreven en vaak tegenstrijdige berichten over AI contraproductief en leidde tot scepsis en verwarring. We zijn nu echter stevig op weg om de 'Trough of Disillusionment' achter ons te laten en beginnen de 'Slope of Enlightenment' te beklimmen (een herkenbaar patroon in de Gartner Hype Cycle). Deze overgang betekent dat de focus moet verschuiven van 'wat als' naar 'hoe'. Voor de individuele landmeter heeft dit geleid tot onzekerheid over het praktische startpunt voor de implementatie.

Om echte verandering teweeg te brengen, is een tweeledige aanpak waarbij ‘soft power’ en ‘hard power’ worden gecombineerd, van essentieel belang.

Vanuit het perspectief van ‘soft power’ moeten organisaties interne AI zichtbaar ondersteunen en stimuleren. Dit houdt in dat er voortdurend boeiende voorlichtings- en trainingssessies worden georganiseerd, dat er een doorlopende cyclus wordt gecreëerd waarin vroege en tastbare successen worden getoond, dat middelen openlijk worden gedeeld, dat mislukkingen en bevindingen worden gedocumenteerd en dat er wordt gezorgd voor voortdurende bijscholing van collega’s. Cruciaal is dat deze cultuuromslag niet kan slagen zonder dat de hoogste leidinggevenden een duidelijk, consistent en actief voorbeeld geven.

Deze culturele inspanningen moeten krachtig worden aangevuld met de ‘harde kracht’ van structurele en operationele hervormingen. Dit vereist een onomkeerbare verandering van de bestaande werkwijzen, het verplicht stellen van certificeringen AI technische AI voor sleutelposities, het herontwerpen van organisatiestructuren, het verfijnen van bedrijfsmodellen en het actualiseren van RACI-matrices. Het doel is ervoor te zorgen dat AI niet langer AI behandeld als een vrijwillige, 'nevenactiviteit', maar volledig wordt geïntegreerd in de dagelijkse bedrijfsvoering (BAU). Deze integratie moet zich uitstrekken tot budgettoewijzingen en prestatiemaatstaven, waarbij AI wordt behandeld als een kernactiviteit van het bedrijf, en niet als een marginaal technologieproject.

Bovenal moeten organisaties een omgeving creëren die experimenteren aanmoedigt, zelfs als dat tot kleinschalige mislukkingen leidt. Dit vereist het stimuleren van openhartige, data discussies over het praktische nut van AI de aantoonbare efficiëntiewinst die het oplevert (of waar het simpelweg een ‘glimmend speeltje’ met beperkte waarde is). De meest impactvolle toepassingen van AI bij Artefact AI , Artefact die welke naadloos in bestaande werkprocessen zijn geïntegreerd. Als de invoering van een tool veel weerstand oplevert voor een marginaal voordeel, zal deze onvermijdelijk massaal worden afgeschaft. Omgekeerd komt het grootste succes vaak voort uit toepassingen die niet per se zichtbaar zijn, maar die het professionele leven aantoonbaar gemakkelijker maken door repetitieve, handmatige en 'zielsvernietigende' taken te automatiseren. Het is van cruciaal belang om deze impactvolle, soepele use cases weloverwogen en nauwkeurig te identificeren en in te zetten om een echte, duurzame acceptatie te stimuleren.

Hoe ziet de toekomst eruit: drie tijdshorizonten

Voor de toekomst kunnen de mogelijkheden voor AI binnen de Britse vastgoedsector worden bekeken vanuit drie brede tijdshorizonten.

Korte termijn (komende 6 maanden): praktische successen met een laag risico

De meest overtuigende voordelen zijn praktisch en vergen weinig risico. Het standaardiseren van de opdrachtontvangst, het automatiseren van eerste versies van reports duidelijke verwijzingen naar bewijsmateriaal, het genereren van gestructureerde checklists op basis van huurovereenkomsten en planningsdocumenten, en het inzetten van interne kennisplatforms die vragen beantwoorden als „hoe hebben we dit de vorige keer aangepakt?“, leveren allemaal onmiddellijke tijdwinst op. Opvallend is dat enkele van de grootste voordelen waarschijnlijk te vinden zijn in backofficefuncties zoals HR, financiën en marketing, waardoor landmeters zich kunnen concentreren op klantrelaties en advieswerk met een hogere toegevoegde waarde.

Middellange termijn (6 tot 18 maanden): Integratie van het agentische proces

De echte waarde komt voort uit het samenvoegen van processen. End-to-end transactieworkflows aangedreven door agentische AI, assetmanagementplatforms die data de staat, compliance, energie en kapitaaluitgaven combineren, en tools ter ondersteuning van renovatie en net-zero-optimalisatie vallen allemaal in deze categorie. Succes hangt hier minder af van geavanceerdere AI en meer van doordacht procesontwerp en integratie. Alle fundamentele modellen hebben de laatste tijd enorme vooruitgang geboekt bij het ontwikkelen en standaardiseren van agentische mogelijkheden, zodat de implementatie ervan kinderspel is geworden.

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

Bedrijven zullen hun aandacht steeds meer richten op diepgaander inzicht, waaronder planning, geospatiale en klimaatrisicoanalyses, digitale tweelingen op portfolioniveau en nieuwe, data adviesdiensten. Deze ambities kunnen echter alleen worden verwezenlijkt als er al sprake is van degelijk data en een hoge gegevenskwaliteit.

Nog langere termijn (36+ maanden): existentiële angst

Gebruikers van ‘X’, of zelfs mensen die het algemene nieuws slechts terloops volgen, kunnen een gevoel van overweldigende, bijna existentiële angst ervaren. De AI van AI gaat in een razend tempo door. We zien hoe humanoïde robots fabrieksarbeiders vervangen en zelfs als soldaten worden ingezet, hoe zelfrijdende auto’s eindelijk op gang komen, hoe Neuralink belooft de menselijke mogelijkheden te vergroten, hoe quantumcomputers steeds dichter bij de realiteit komen, hoe wetenschappelijk onderzoek een enorme vlucht neemt en hoeAI alomtegenwoordig is.

Maar ondanks deze aanhoudende stroom van ontdekkingen en vooruitgang gaat de grootste opwinding momenteel uit naar de mogelijke bekroning van jarenlange inspanningen op het gebied van AGI (Artificial General Intelligence) – een AI veel beter in staat is om context te begrijpen en veel complexer is, en dat in theorie het menselijk brein zou kunnen evenaren, zo niet overtreffen – en de ingrijpende maatschappelijke veranderingen die dit met zich meebrengt. Zal dit de productiviteit werkelijk zo sterk doen stijgen dat werk een keuze wordt en dat het vertrouwen op een universeel basisinkomen een aantrekkelijke toekomstperspectief wordt?

De ongekende hoeveelheid kapitaal die wordt gepompt in data , rekenkracht en infrastructuur om AGI te realiseren, is duizelingwekkend. Deze investering zal op korte tot middellange termijn ongetwijfeld leiden tot aanzienlijke marktcorrecties. Het rendement op de investering zal waarschijnlijk lager uitvallen dan verwacht, en de hype zal waarschijnlijk groter zijn dan de daadwerkelijke impact. Desalniettemin zal het een dramatische en onvoorspelbare invloed hebben op onze gebouwde omgeving en onze interactie daarmee. Bedrijven moeten flexibel blijven en zich terdege bewust zijn van deze realiteit, willen ze niet alleen overleven, maar ook floreren in deze uiterst onzekere toekomst.

De ononderhandelbare punten: oordeelsvermogen, vertrouwen en kritische blik

Bij dit alles is het van essentieel belang om de beperkingen AIgoed in het oog te houden. AI de professionele verantwoordelijkheid AI ; het concentreert deze AI . Het oordeelsvermogen kan niet worden gedelegeerd. Hoewel AI helpen bij de analyse, kan het de intuïtie en ervaring die in de loop van tientallen jaren zijn opgebouwd 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 daar zal geen verandering in komen.

Transparantie jegens klanten is al even cruciaal. Wanneer AI invloed heeft op de manier waarop een dienst wordt geleverd, moeten klanten hiervan op de hoogte worden gesteld. Dit is niet alleen een kwestie van naleving, maar ook een kwestie van vertrouwen. Verklarbaarheid en controleerbaarheid zijn eveneens essentieel. Als een professional niet kan uitleggen waar een resultaat vandaan komt, welke data gebruikt en welke aannames zijn gedaan, kan het moeilijk blijken om dat resultaat voor de rechter te verdedigen.

De risico’s op het gebied van betrouwbaarheid mogen niet worden onderschat. AI kunnen gezaghebbend overkomen terwijl ze onjuist zijn, waardoor controle, steekproeven en grondig onderzoek onmisbaar zijn. Tot slot blijven data en vertrouwelijkheid absolute vereisten. Prompts zijn documenten. Tools moeten worden goedgekeurd en beoordeeld. data worden beheerd. Dit zijn kernelementen van de beroepspraktijk, geen optionele extra’s.
Uiteindelijk AI landmeters niet vervangen. Wat het wel zal vervangen, zijn handmatige zoekopdrachten, repetitief ontwerpwerk en administratieve taken met een lage toegevoegde waarde. Uiteindelijk hangt de weg van de Britse vastgoedsector naar AI niet af van het adopteren van nieuwe technologie, maar van de bereidheid om oude gewoonten te veranderen: het verankeren data , het omarmen van het RICS-governancekader en het bewust voorrang geven aan menselijk oordeel boven de taken die technologie nu met vertrouwen kan uitvoeren.

Over Artefact Chris de Gruben, FRICS

Artefact is een wereldwijd opererend full-service AI Data AI . Wij bieden een compleet pakket aan diensten, variërend van data en AI , risicobeoordeling en compliance, tot het in kaart brengen van de mogelijkheden van AI ML, implementatie en vervolgens verandermanagement en acceptatie. Artefact zijn diepgaande expertise op het gebied van zowel vastgoed als Data en AI om bedrijven te helpen AI op een verantwoorde en zelfverzekerde manier strategisch AI hun bedrijfsvoering te integreren.

Chris is Senior Director bij het Britse Artefact , waar hij leiding geeft aan het vastgoedteam en verantwoordelijk is voor alle Britse vastgoedklanten. Hij is al vijftien jaar Chartered Surveyor en blijft zich sterk inzetten voor een verantwoord gebruik van AI de Britse vastgoedsector. Chris is tevens vicevoorzitter van de Professional Group on Valuation, maakt deel uit van diverse werkgroepen AI en is hoofdtrainer voor de RICS Academy, met name voor de cursus ‘Global Harnessing AI Data the Built Environment’ (die tot nu toe de populairste RICS-cursus is gebleken). Chris is momenteel druk bezig met het schrijven van praktische richtlijnen voor het gebruik van AI beëdigde taxateurs. Tot slot is hij regelmatig spreker op PropTech- en vastgoedconferenties wereldwijd.