Com os avanços atuais da tecnologia AI , o que era complexo e tedioso agora pode ser feito de forma rápida e eficiente. Um desses exemplos pode ser encontrado no interrogatório de arrendamento histórico. Com uma solução AI generativa personalizada, é possível criar um ambiente seguro de sandbox no qual todos os históricos de arrendamentos imobiliários 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 locadores precisa lidar com grandes quantidades de históricos de locações. Geralmente, 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 (geralmente 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?

Atendendo diretamente aos problemas dos executivos do setor imobiliário, a Artefact desenvolveu a ferramenta Lease Explorer, de sua propriedade. Essa é uma ferramenta personalizada e desenvolvida para fins específicos que permite a rápida implementação de LLMs (Large Language Models, Modelos de Linguagem Ampla) poderosos 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 históricos de arrendamentos em uma plataforma comum data .

  • Extração e preparação das principais informações: Dependendo da legibilidade 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 informação relevantes recuperadas são passadas para o LLM.

  • Geração de resposta 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.

class="img-responsive

Que tipo de perguntas em linguagem natural poderiam ser respondidas

Com a implementação do Lease Explorer, 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 que vão além daquelas simplesmente contidas em um documento de locação.

  • Quantos contratos de aluguel de primeira viagem com a nossa organização devem 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?

  • Vocês podem fazer um gráfico dos próximos vencimentos do meu contrato de arrendamento discriminados por mês/ano?

  • Dos meus aluguéis atuais, você 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? Você 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?

  • Você 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?

  • Você 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?

  • Qual 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 vencendo nos próximos seis meses?

Que benefícios isso gera?

A adoção de uma ferramenta do AI 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 essenciais. Além disso, a escalabilidade e a adaptabilidade dessa ferramenta para ingerir um volume cada vez maior de contratos de locação data 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 AI minimizará qualquer dependência de processos manuais anteriores com relação à análise de arrendamentos. Em vez de depender da incorruptibilidade de uma planilha e do serviço contínuo dos principais funcionários administrativos, uma ferramenta AI 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 a busca e recuperação de 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 AI , é provável que a adoção exija que a empresa passe por um processo transformador de higiene data , elevando, assim, os limites internos do gerenciamento data , pois os insights gerados só podem ser tão bons quanto as informações coletadas.

Além disso, a GenAI tem certos benefícios para essa ferramenta em relação às soluções tradicionais de AI / ML. Tradicionalmente, eram necessárias grandes quantidades de data rotulados para treinar e avaliar um modelo para uma tarefa específica. Isso não é mais necessário graças à AI generativa, que acelera o desenvolvimento de tais soluções. Além disso, a AI 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 AI pela primeira vez e permitir que ela gere percepções executivas poderosas com um simples comando pode, sem dúvida, ser assustador, especialmente devido à 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.

  • Definição iterativa de um AI 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 aos 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 analisado.

Além disso, como qualquer ferramenta baseada em GenAI, o Lease Explorer teria dificuldades com solicitações de usuário pouco claras e vagas, que poderiam não produzir os resultados desejados. Por isso, 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 um banco de dados. Esse processo também pode ser automatizado com o gerador AI, proporcionando benefícios em relação à extração manual em termos de tempo de desenvolvimento e implantação. O data extraído também pode ser usado como fonte data para painéis de negócios tradicionais e reports, convertendo essa tarefa em um valioso caso de uso comercial. Observe que essa etapa só é necessária se o data a ser interrogado ainda não estiver disponível em um banco de dados de forma estruturada.

  • Use o AI generativo 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 percepções quantitativas ricas em um instante.

Custos e requisitos

A implantação e a aculturação da ferramenta Lease Explorer do site Artefactcustariam razoavelmente cerca de £45 mil e exigiriam pelo menos quatro semanas de trabalho cooperativo, dependendo das funcionalidades escolhidas. É claro que isso seria feito com base no pressuposto de que os arrendamentos carregados são todos legíveis por máquina, substancialmente semelhantes e em inglês. Após a implementação do Lease Explorer, seria necessária uma assinatura contínua de qualquer LLM do GenAI usado para criar a ferramenta personalizada.

Por que Artefact?

Artefact é uma empresa líder global em consultoria dedicada a acelerar a adoção de data e AI para impactar positivamente pessoas e organizações. Somos especializados em transformação data e marketing data para gerar resultados comerciais tangíveis em toda a cadeia de valor da empresa. A Artefact oferece o conjunto mais abrangente de soluções orientadas para data, com base na profunda ciência data e em tecnologias de ponta AI , entregando projetos AI 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 na 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 lideradas por data 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.