In februari 2023 besprak Matthias van Enk in PropertyNL Magazine hoe het zeer nieuwe fenomeen AI de vastgoedsector zou raken. Nu kijkt hij of er beweging zit in de zaken die toen aan de orde kwamen en er of nieuwe ontwikkelingen zijn.
Gepubliceerd in PropertyNL Magazine nr. 5, 17 mei 2024
Door Matthias van Enk
Om met het goede nieuws te beginnen: van banenverlies door AI lijkt nog weinig sprake te zijn. Een meerderheid van de bedrijven, vooral grotere, lijkt AI wel al op de een of andere manier in het werkproces te integreren, maar dan in de vorm van ondersteuning voor de werknemer. Voor vervanging van de mens is AI nog te onbetrouwbaar; de mogelijkheden zijn nog niet goed genoeg uitgewerkt. Anna Salomons, hoogleraar werk en ongelijkheid, zegt niet bang te zijn voor werkloosheid door AI, omdat de technologie zelf ook weer banen doet ontstaan en AI in de meeste toepassingen het werk van mensen juist versterkt.
Verbetering van de efficiëntie
AI kan een duidelijk voordeel bieden bij het ondersteunen van medewerkers. Het kan (deels) repetitieve taken uit handen nemen en het verwerken van grote hoeveelheden data versnellen. Ook kan het helpen om fouten te voorkomen: hoewel generatieve AI – die zelf content ‘verzint’ – foutgevoelig kan zijn, is AI ook bijzonder goed in het detecteren van onregelmatigheden. Volgens bedrijven die dergelijke applicaties ontwikkelen, kunnen medewerkers die hierin getraind zijn hun snelheid in documentverwerking meer dan verdubbelen, terwijl het aantal fouten met 80% gereduceerd wordt. Toegegeven, er is nog geen academisch onderzoek dat deze claims ondersteunt, maar het is niet uit te sluiten dat zo’n verbetering haalbaar is.
Het voordeel van AI wordt duidelijk bij taken die qua concept repetitief zijn, maar voor ons niet zo voelen. Neem het werk van een klantenservice: heel veel vragen en delen van gesprekken komen vaker terug, in veel variaties; informatie moet vaker worden geraadpleegd. Hier kan een kunstmatig intelligente persoonlijke assistent ontzettend behulpzaam mee zijn. Die kan alvast antwoorden klaarzetten op eenvoudige vragen, aantekeningen bijhouden en natuurlijk zoeken door de enorme database van eerdere helpdesk-interacties. Dit is zonder AI veel moeilijker, omdat al die kleine variaties het hopeloos ingewikkeld maken voor een programma dat het gesprek niet zelf kan volgen.
Gegenereerd, dat mag niet
Vorig jaar zei Herbert Holden Thorp, van het gezaghebbende wetenschappelijke magazine Science, dat hij voorlopig geen rol zag voor AI en dat alle gegenereerde teksten uit publicaties geweerd zouden worden. In november leken de regels al iets afgezwakt: wetenschappers moeten uitgebreid aangeven hoe en waar ze zich door AI laten ondersteunen, en mensen blijven volledig verantwoordelijk voor het resultaat, maar als ondersteuning van het onderzoek of het schrijfproces lijkt AI een plek te verwerven. Dezelfde trend is waarneembaar in het onderwijs. Terwijl alle AI voorheen nog werd gezien als ontoelaatbare plagiaat, beginnen inmiddels de eerste docenten het gesprek aan te gaan met hun studenten over het juiste gebruik van de technologie in het creatieve schrijfproces. Een terugkerend thema daarin is dat je AI niet voor je moet ‘laten denken’. Maar… is dat niet juist het punt van ‘intelligentie’? De vergelijking met rekenmachines of de spellingcontrole dringt zich op: het is weinig interessant hoe die gebruikt worden, behalve als het precies die vaardigheid is die wordt getest.
Het bedrijfsleven lijkt veranderingen beter te integreren. De enige reden om te vragen naar de methode die iemand productiever maakt, is om deze methode breder toe te passen. Als AI meer voor- dan nadelen heeft, gaan we het inzetten.
Voorspellende waarde
Vorig jaar werd besproken hoe AI-technologieën gebruikt zouden kunnen worden voor prognoses. Dat is waarheid geworden: ze transformeren de manier waarop trends in de vastgoedmarkt worden voorspeld. Met behulp van uitgebreide datasets van zaken als historische prijzen, marktvolatiliteit en demografische ontwikkelingen kunnen AI-modellen patronen herkennen die voor mensen moeilijk te detecteren zijn. AI kan soms toekomstige prijsbewegingen voorspellen met een verrassende nauwkeurigheid. In Saoedi Arabië is een model ontwikkeld dat door middel van neurale netwerken (dezelfde techniek die onder de GPT-modellen ligt) de trend in huizenprijzen voor verschillende steden kon voorspellen met een nauwkeurigheid van 96–100%.
De waarde daarvan voor investeerders en ontwikkelaars is overduidelijk, maar er is weinig onderzoek dat het succes van zulke modellen echt kwantificeert. Als ze dat al doen, onderzoekt men eigen modellen die zorgvuldig zijn getraind voor hun specifieke taak binnen de context van zo’n onderzoek. De echte wereld is veel grilliger.
Taxaties
Een grappig detail is dat onderzoek naar voorspellingen in het vastgoed steevast wordt gekoppeld aan modellen die in staat zijn taxaties te doen. De combinatie van trends in de markt en modificaties voor individuele kenmerken van een pand zou dat inderdaad mogelijk moeten maken, als het mogelijk is om de AI te voeden met alle kenmerken die van invloed zijn op de waarde. De Amerikaanse vastgoeddata-bedrijven Zillow en Redfin hebben allebei AI-gedreven applicaties ontwikkeld voor de woningwaarde, waarbij ze naast kadastergegevens ook advertentieteksten ‘lezen’. Dat is op zichzelf geen garantie voor succes op de beurs. De koersen van Zillow en Redfin zijn sinds 2021 geïmplodeerd (Redfin van $ 100 naar $ 7 en Zillow van $ 200 naar $ 40). Dit koersverlies heeft vele oorzaken, waaronder de verslechterde markt, en heeft nog niet te maken met AI, waarmee nog maar kort wordt geëxperimenteerd. Wel is er bij AI hevige concurrentie met fysieke taxateurs, waarbij de AI-data niet meer of minder betekenen dan een krachtig hulpmiddel. In Europa ligt de trend voornamelijk nog bij ‘traditioneel’ gebouwde modellen, die worden aangevuld met elementen van machine learning en menselijke expertise.
Veel meer dan tekst
Dan naar de meer onverwachte trends. Het afgelopen jaar hebben de GPT-modellen ook enorme stappen gezet in het genereren en interpreteren van afbeeldingen, video en spraak. De manier waarop AI de gegenereerde afbeeldingen naar wens aanpast geeft mogelijkheden die vroeger met photoshop dagen of zelfs weken zouden kosten. AI-ondersteunde transcriptie kan meetings zonder menselijke tussenkomst in tekst omzetten en AI-spraak kan andersom stukken tekst met stemmen naar keuze laten voorlezen. Het idee van AI die naast teksten ook visuele content kan analyseren en interpreteren biedt fascinerende perspectieven voor de vastgoedwereld. Denk aan een taxatie-AI die niet alleen de tekst van een makelaarsadvertentie leest, maar ook de foto’s interpreteert en een oordeel kan geven over het uitzicht en de staat van onderhoud. Deze ontwikkeling maakt de weg vrij voor geavanceerdere en integrale vastgoedbeoordelingen waarbij AI niet alleen is gebaseerd op tekstuele informatie, maar ook op visuele kenmerken. Dit zou kunnen leiden tot een rijker en vollediger beeld van een pand voordat een potentiële koper of investeerder zelfs maar de locatie heeft bezocht. Hierdoor zou de efficiëntie van de handel aanzienlijk verbeteren, aangezien beleggers en kopers vooraf beter geïnformeerd worden, terwijl verkopers hun aanbod meer kunnen automatiseren.
AI, de hype van dit moment
Terwijl AI onmiskenbaar een krachtige technologische vooruitgang vertegenwoordigt, is het noodzakelijk om de beperkingen en het potentiële risico van een hype te erkennen. Net als bij eerdere technologische trends zoals ‘big data’ en ‘cloud’, kan ‘AI’ een buzzword worden waarbij allerlei bestaande technologie wordt voorzien van het nieuwste label zonder inhoudelijk veel te veranderen. Dat is op dit moment al zichtbaar als je op zoek gaat naar AI-applicaties die de productiviteit verbeteren. Een groot deel van de applicaties die zichzelf aanprijzen als kunstmatig intelligent zijn traditioneel geprogrammeerd met een heel gefixeerd model dat (bijvoorbeeld) alleen op een invoerveld een stukje intelligente Natural Language Processing toepast. Andere kunnen zichzelf een beetje aanpassen aan de invoer van gebruikers en heten dan meteen intelligent omdat ze ‘machine learning’ doen.
Begrip van de implicaties
Gelukkig lijken veel bedrijven en consumenten de trend wel goed op te pakken. Het begrip van wat AI is en wat de implicaties van het gebruik ervan zijn neemt toe. Een van de grootste beperkingen van AI-modellen – de data waarmee ze gevoed worden – wordt steeds beter begrepen. Het besef leeft steeds meer dat onvolledige of beperkte datasets kunnen leiden tot onnauwkeurige voorspellingen en beslissingen. Met dat begrip voor wat AI werkelijk is zien mensen meer toepassingen, maar zijn ze zich er ook meer van bewust dat hun menselijke factor iets anders is dan wat AI kan produceren.
Matthias van Enk werkt als business engineer bij Blueriq (Constellation Software) en schrijft op persoonlijke titel
Beschikbare AI’s
Dit zijn verschillende AI’s die eindgebruikers goed kunnen ondersteunen bij het doen van onderzoek, analyse van data, het schrijven van teksten en andere veelvoorkomende taken. Voor alle vijf geldt dat de betaalde versie echt kwalitatief beter is dan de gratis versie.
Copilot (Microsoft): Draait op het GPT-4 Turbo-model van OpenAI, kan internet doorzoeken, geeft bronvermeldingen en is in te stellen voor meer accuraat of meer creatief
Claude (Anthropic): Was eerder dan ChatGPT in het accepteren van allerlei documenten en zou beter scoren op het gebied van wetenschappelijke kennis, maar is helaas nog niet beschikbaar in Nederland
Gemini (Google): Een volledig eigen model van Google, dat kwalitatief vergelijkbaar is met GPT-3.5. Ze willen zich onderscheiden door integratie met andere Google-apps en creativiteit
ChatGPT (OpenAI): De originele ontwikkelaars van het GPT-model. Altijd de laatste versie (voor betalende gebruikers), maar minder structuur dan meer specifiek gefocuste tools
Perplexity (mix van entrepreneurs, onder wie Jeff Bezos): Zet zichzelf neer als ‘antwoorden-machine’, gaat minder in gesprek, maar zoekt antwoorden met bronvermelding op basis van vragen. Valt op door de snelheid
AI implementeren: do’s en don’ts
1. Weet wat je wilt bereiken
Dit klinkt heel logisch, maar een kenmerk van technologische ontwikkelingen (vooral ‘hypes’) is dat mensen aan boord willen springen bij de nieuwe technologie om geen enkele andere reden dan de nieuwe technologie te gebruiken. Als je zelf AI wilt gaan gebruiken om productiever te worden, is het goed om na te denken welke taken je veel tijd kosten en of dat geschikte taken zijn om te automatiseren. Voor een bedrijf is het essentieel om processen goed te analyseren om de plekken waar AI iets kan toevoegen te identificeren. Daarbij is het belangrijk om goed zicht te houden op de risico’s en beperkingen die de technologie (vooralsnog) heeft, maar een experiment niet te ontmoedigen.
2. Oefening baart kunst
Zoals met alles wat nieuw is, zul je jezelf moeten (laten) trainen. Het goede nieuws is dat AI getraind wordt om te reageren als een mens en wij mensen daar in de meeste gevallen ervaring mee hebben. Het slechte nieuws is dat het geven van instructies aan een AI toch net even anders werkt: queries (instructieteksten) moeten soms dingen expliciet noemen of uitsluiten, terwijl dat bij mensen voor zich zou spreken. Door te proberen leer je ook welke dingen in je eigen vakgebied de AI regelmatig fout doet, dus die misvattingen kun je al in je instructies corrigeren. Wat ook nuttig is om aan te leren, is het opknippen van taken in stukjes waarmee de AI makkelijker overweg kan.
3. Integreren in de werkstroom
Na het leren is het tijd om te gaan toepassen. Niemand heeft tijd om de hele dag met een AI te kletsen, dus moet je momenten vinden waarop het nuttig is om de technologie toe te passen. Denk bijvoorbeeld aan meetings waarbij snel even iets opgezocht moet worden. Je kunt de AI ook je aantekeningen laten maken of verwerken. Als er in het bedrijfsproces punten zijn waarop grote lappen tekst op fouten of inconsistentie moeten worden gecontroleerd, kan het lonen om een vaste instructie op te stellen die de taak precies omschrijft en de AI met die opdracht de tekst te laten doornemen. Maar ook het vrij proofreaden van artikelen is een goede toepassing. Het werkt als spellingcheck, maar de AI signaleert ook stijlfouten, onduidelijke zinnen en zelfs een onlogische opbouw van het complete verhaal, terwijl je van tevoren niet hoeft te instrueren waar je naar zoekt.
4. Houd bij wat werkt en wat niet
Het is belangrijk om kritisch te blijven op wat AI echt beter doet dan traditionele software. Bij traditionele software bedenkt een programmeur op welke efficiënte manier je een proces kunt doorlopen en welke informatie jij als gebruiker nodig hebt. Een proces dat vaak genoeg op dezelfde manier plaatsvindt, kan zo geautomatiseerd worden. Maar AI blinkt uit in situaties waar er kleine variaties in het proces zitten. Als iemand de hele tijd een vaste set sommen moet maken, kan hij beter een rekenmachine inschakelen, maar als je steeds wisselende operaties en eenheden hebt, kan het tijd besparen om een AI met algemene kennis dat te laten uitvogelen. Meetbare doelstellingen voor het proces kunnen zowel over- als onderschatting van de nieuwe techniek tegengaan.
5. Ga in gesprek over de mogelijkheden
Dit punt komt meer vanuit verandermanagement. Wissel met anderen ervaringen uit over productief gebruik van AI. Ga binnen je bedrijf in gesprek over de inzet van de nieuwe techniek. Wereldwijd vreest gemiddeld 30% van de werknemers door AI vervangen te worden, en de SER (Sociaal Economische Raad) waarschuwt hier ook voor. Er valt dus in het adoptieproces veel winst te halen als je AI meer als hulpmiddel kunt neerzetten dan als vervanger.
Afbeelding: Twee AI-gegenereerde gebouwen, in de stijl van Berlage (l) en Dali. Een goede samenwerking tussen mens en AI: specifieke elementen zijn met aanvullende instructies opnieuw gegenereerd en aangepast om tot een meer realistisch ontwerp te komen
