JLL släppte nyligen sin titt på artificiell intelligens som ett verktyg för “fastighetsomvandling”.
“Potentialen för artificiell intelligens (AI) för att förändra företag, industrier och samhälle har ökat i årtionden”, skrev företaget. “Men de senaste framstegen har flyttat vetenskapen från nisch till mainstream. Teknikens skicklighet i att skriva, rita, koda och komponera har tvingat företagsledare att överväga både de möjligheter och hot som AI innebär för deras framtid.”
På kort sikt pekade företaget på att proptech har “lagt en solid grund” för att använda AI i CRE-applikationer och att det fanns mer än 500 företag som “tillhandahöll AI-drivna tjänster till fastigheter och redan levererar värde i termer av förbättrad effektivitet och kostnadsbesparingar.” Några av applikationerna inkluderar dokumentsortering och datastandardisering, schemaläggning, prismodellering och förutsägelse, satellitbildsbehandling för tillgångsvärdering och riskhantering samt rekommendationer och matchmaking för leasing- och investeringstransaktioner.
Allt sant till viss del, men för investerare i teknik och användare av den är det viktigt att komma ihåg två saker. En, hur ofta under de senaste 40 åren leverantörer har hävdat kapacitet som de inte hade. Två, utbudet av vad som anses vara “AI” och hur begränsade många typer av teknik kan vara.
Sedan åtminstone 1980-talet med en hypesvåg av “papperslös kontorsteknik” (och förmodligen innan dess), har många leverantörer hoppat på tåget oavsett om de implementerat koncepten avsevärt eller inte. Liknande saker har hänt med prediktiv analys, supply chain management, ERP och andra områden.
Dessutom började AI som en tekniktyp på 1950-talet. Det har funnits många sätt att närma sig konceptet att överföra typer av kognitivt arbete till datorer, alla med potentiella fördelar och betydande begränsningar. Till exempel kan maskininlärning, ett koncept nära 70 år gammalt och som började användas i stor utsträckning i början av 2000-talet, gå fel när träningsdata har problem, som ofullständighet eller partiskhet som kommer att kasta av beslutskvalitet. Även med så kallade djupinlärningssystem kan det ta mycket mer tid och resurser att behöva utbilda och omskola programvara, om någon inser att sådant extra arbete behövs.
Generativ AI som ChatGPT har mycket lovande, men har redan sett betydande hicka, som att tillverka datakällor eller behöva mycket mer vägledning och herde än vad den vanliga användaren inser.
Detta betyder inte att ingen tjänar på att använda tekniken. Som JLL noterar har vissa företag sett betydande besparingar i energikostnader såväl som koldioxidminskningar. Men köpare av teknik bör alltid ställa frågor. Vad exakt är “AI”-delen av en produkt eller tjänst? Vilka är de påvisbara fördelarna? Finns det befintliga användare (särskilt när de hittas utanför referenskonton som leverantörer erbjuder) som kan validera sådana anspråk? Vad är färdplanen för framtida utveckling? Och kommer leverantörer att berätta om de potentiella problemen med den teknik de använder och hur de mildrar dem?
