随着当今人工智能技术的进步,过去那些复杂且繁琐的工作如今都能快速高效地完成。历史租赁合同分析便是其中一个典型例子。借助定制化的生成式人工智能解决方案,可以构建一个安全的沙箱环境,将所有历史房地产租赁合同上传至其中。

这将使公司内的任何用户都能通过聊天机器人,就租赁合同的任何方面提出自然语言问题。这本质上成为了一个动态的租赁管理工具,让所有用户都能随时随地获得极具价值的即时洞察。

有什么问题?

如今,大多数房东不得不应对海量的历史租赁合同。这些信息通常汇总在庞大而复杂的电子表格中,有时也会存储在专门的租赁管理软件里。现有的解决方案往往静态、僵化且效率低下,这容易引发挫败感。此外,这些方案缺乏足够的灵活性,仅能提供有限功能的分析洞察。 任何超出既定关键绩效指标(KPI)范围的问题,都需要人工查阅(往往多达数百甚至数千份)租赁合同。分析团队耗费大量时间制作投资组合和租赁合同的演示文稿,导致高管无法及时获得有助于决策的关键洞察。

有什么解决办法?

为直接解决房地产高管们最头疼的问题Artefact 其专有的“Lease Explorer”工具。这是一个专为房地产行业量身定制的工具,可在包含历史房产租赁合同的沙盒化专有环境中,快速部署功能强大的大型语言模型(LLMs)。房地产高管随后便可通过类似 ChatGPT 的界面,直接查询其自身的历史租赁合同。

“租赁探索器”包含五个主要步骤:

  • 租赁数据导入:将所有历史租赁数据上传至统一的数据平台。

  • 关键信息提取与处理:根据租赁合同的机器可读性,会部署多种信息提取工具,包括光学字符识别(OCR)和网络爬虫。随后,对信息进行处理,并将关键要素提取并整理成表格格式。

  • 问答聊天机器人:已部署了一个简单的问答聊天机器人界面,高管们可以通过自然语言提出问题。

  • 信息检索:原始查询和检索到的相关信息源会被传递给大型语言模型。

  • 大型语言模型(LLM)的响应生成:大型语言模型会生成一份连贯的回复发送给用户,以回答其问题,并附上检索到的来源。

毋庸置疑,要采用上述工具,就需要经历一段基础性的变革管理过程,因为这需要引入新的业务流程和工作方式。

class="lazyload

可以回答哪些类型的自然语言问题

随着“Lease Explorer”的推出,我们列举了一些房地产高管可能会向该工具的聊天机器人提出的自然语言提示。当然,该工具能否准确回答以下非穷举式问题列表,取决于输入数据的质量、结构和可用性,这可能需要获取租赁文件本身之外的信息。

  • 未来六个月内,本机构有多少份首次租户的租赁合同即将到期续签?这些房源位于何处?这些房源的平均租金是多少?

  • 明年即将到期的租赁合同价值是多少?

  • 你能按月/年分类,将我即将到期的租赁合同制作成图表吗?

  • 在我的现有租赁合同中,你能告诉我其中办公用房(按价值计算)占多少比例?混合用途的又占多少?

  • 有多少牙医向我租用场地?他们的租赁面积平均是多少?你能帮我把这些数据绘制成图表吗?

  • 过去两年里,有多少商业租户行使了续租选择权?

  • 特定区域(1区)内(商业)租户的平均租期是多久?

  • 在过去三年中,我们的投资组合中出现了哪些不寻常的溢价条款?

  • 你能给我看看购物中心内的零售物业与独立商业物业的租赁条款对比吗?

  • 过去两年里,我们租赁合同中要求的平均押金金额是多少?

  • 能否按地理区域(城市、县等)提供我们投资组合租金收入的明细?

  • 有多少份商业租赁合同包含转租选项?又有多少比例的租户行使了这一选项?

  • 我们的商业租赁合同中有多少比例包含租金减免条款?租金减免期的平均时长是多少?

  • 在投资组合中,有多少比例的租赁合同包含将在未来六个月内到期的解约条款?

这会带来哪些好处

采用像 Enterprise ChatGPT 这样的人工智能工具,将为房地产从业者带来一系列好处。 首先,该工具有望在获取洞察的速度方面带来革命性变革,从而使决策者能够快速获取关键信息,从而大幅增强其决策能力。此外,该工具具备可扩展性和适应性,能够处理日益增长的租赁数据量,这对帮助房地产企业应对行业日益增长的需求、确保业务未来发展具有不可估量的价值。

采用此类工具,很可能也会在房地产企业内部带来质的飞跃。引入人工智能工具将最大限度地减少在查询租赁合同方面对以往手动流程的依赖。与依赖电子表格的准确性及关键行政人员持续提供服务相比,人工智能工具能够直接处理高管提出的自然语言问题,并及时提供准确的答复。 本质上,这将减少对数据检索关键环节的过度依赖,并为高管们在洞察生成过程中节省所需资源创造了空间。此外,为了从该AI工具中获得最大价值,企业采用该工具时可能需要经历一场变革性的数据治理过程,从而提升内部数据管理标准——因为生成的洞察质量始终取决于所汇集信息的质量。

与传统的人工智能/机器学习解决方案相比,生成式人工智能(GenAI)在此类工具中还具备某些独特优势。传统上,训练和评估特定任务的模型需要海量的标注数据。得益于生成式人工智能,这一需求已不复存在,从而加速了此类解决方案的开发进程。此外,生成式人工智能使解决方案能够在无需大量额外返工和开发的情况下进行演进和调整——解决方案因此能够更加灵活,而非僵化。

准确性是如何确定的

首次部署一款新型人工智能工具,并期望它仅凭一个提示词就能生成有力的管理洞见,这无疑令人望而生畏,尤其是考虑到生成式人工智能(GenAI)常被提及的“幻觉”这一缺陷。只要协调实施以下步骤,便能建立起充分的防护机制,确保从该工具中获取最大价值。

  • 通过将人工智能的定义与实际租赁文件进行迭代匹配,确保模型具备足够的行业及公司特定背景信息,从而能够给出答案。

  • 通过持续验证流程来优化模型性能并提高准确性,同时采用“人机协同”模式(即由人工验证模型给出的结果)。

  • 采取“测试与学习”的方法,并将相关评审人员的反馈意见融入解决方案中。

  • 制定详细的分步指南和防护措施,以确保中间结果和最终结果准确、符合公司具体情况且不存在错误。

  • 定期进行质量保证检查,以核实信息的准确性。

  • 通过使用多样化的测试题及答案对模型进行验证,从而识别系统的优缺点,以此促进提示词的优化,并确定是否需要增加构建模块和防护措施。

存在哪些限制

为了使该方案达到预期效果,需要考虑以下几点。首先,鉴于房地产行业在地理位置和法律法规方面的特殊性,该模型很可能仅适用于英国的租赁合同。《租赁合同分析工具》不具备预测功能,因为它仅能分析现有文件中的历史表现数据。

此外,与任何基于生成式人工智能(GenAI)的工具一样,Lease Explorer难以处理模糊不清的用户提示,这可能导致无法获得预期结果。因此,建议您在向聊天界面提问时,应像向房地产团队的分析师提问那样,准确地表述问题。

需要特别注意的是,将PDF文档读取并转换为机器可读格式,在数据采集过程中必须经过OCR(光学字符识别)这一必要步骤。无法被机器读取或页面格式与结构复杂的文档可能无法被正确采集,这可能会影响后续任务,例如信息提取和提供可靠答案。

此外,为解答分析性定量问题,还需要进行以下步骤:

  • 从租赁合同中提取关键信息,并将这些提取的属性以结构化表格形式存储在数据库中。该过程也可通过生成式人工智能实现自动化,在开发和部署时间方面比手动提取更具优势。提取的数据还可作为传统业务仪表盘和报告的源数据,从而将此任务转化为有价值的业务应用场景。 请注意,仅当待查询的数据尚未以结构化形式存在于数据库中时,才需要执行此步骤。

  • 利用生成式人工智能对从文档中提取的结构化数据进行查询,将用户提出的自然语言问题转换为 SQL 代码,并将其应用于表格化数据中。同时也可利用非结构化文档,从而充分利用这两种数据源,构建一个能够即时生成丰富定量洞察的系统。

费用与要求

部署并完成Artefact Lease Explorer工具的适配工作,预计费用约为 4.5 万英镑,且根据所选功能的不同,至少需要四周的协作时间。当然,这基于以下假设:上传的租赁合同均具备机器可读性、内容基本相似且使用英语撰写。Lease Explorer 部署完成后,若需使用生成式人工智能(GenAI)大型语言模型(LLM)来构建该定制工具,则需持续订阅相关服务。

为什么选择Artefact?

Artefact 全球领先的咨询公司Artefact 致力于加速数据和人工智能的应用,从而为个人和组织带来积极影响。我们专注于数据转型和数据营销,旨在推动整个企业价值链取得切实的商业成果。Artefact 最全面的数据驱动型解决方案,这些方案基于深厚的数据科学和前沿的人工智能技术,并在英国房地产行业大规模实施人工智能项目。

我们是住宅、商业、工业及专项资产类别房地产企业的值得信赖的合作伙伴。我们的合作伙伴包括富时350指数成分股公司及规模相当的私营机构。凭借20余年的房地产行业经验,我们专业的房地产团队汇聚了在房地产评估、城市规划、开发及融资领域的专家和特许专业人士。

我们过往的工作涵盖多个领域,包括与客户共同制定以数据为导向的动态战略——为其指明在目标市场中的布局方向及制胜之道——以及实施重大的运营变革,例如设立新的业务部门和推出新的业务方案。我们在房地产生命周期的各个阶段均有涉足,从土地收购到日常维护,并始终与客户通力合作,以科学的方法优化这些流程。