Az ingatlanszektor olyan terület, ahol a döntések gyakran egyszerre két tengelyen nyugszanak: egy pénzügyi értékelésen és egy kapcsolaton egy bérlővel, vevővel, beruházóval vagy lakóval. Ez a kombináció teszi az AI-governance-t ebben a szektorban másmilyenné, mint azokban a szektorokban, ahol tisztán a folyamat vagy a termelés áll a középpontban. Egy értékelési modell, amely egy értéket túl magasra vagy túl alacsonyra becsül, egy tranzakciót érint. Egy chatbot, amely egy bérlőnek helytelen ígéretet tesz a karbantartásról vagy a bérleti díj emeléséről, egy kapcsolatot érint, és esetlegesen egy jogi kötelezettséget is. Az operatív AI-alkalmazások és a közvetlenül az ügyfél, bérlő vagy beruházó felé irányuló alkalmazások közötti arány az ingatlanszektorban jellemzően torzabb, mint azokban a szektorokban, ahol kevesebb a külső érintkezési pont. Gyakran kevesebb a produkciós AI, és több az az AI, amely szöveget, tanácsot vagy egy számot ad egy harmadik félnek.
Ehhez hozzájárul, hogy az ingatlanszervezetek gyakran egy partnerhálózattal dolgoznak: ingatlanközvetítők, kezelők, kivitelezők, jogi tanácsadók. Ezek bármelyike saját maga is alkalmazhat AI-t az önnek végzett munka során, anélkül hogy erre önnek betekintése lenne. A governance ekkor nem áll meg a saját alkalmazottaknál.
Az AI ebben a szektorban néhány jól felismerhető feladat körül összpontosul: értékelési jelentések vagy értékelési alátámasztások elkészítése, bérleti szerződések és jogi dokumentumok összefoglalása, bérlők vagy vevők kérdéseinek megválaszolása, lakásleírások és marketingszövegek generálása, valamint piaci adatok elemzése beruházási döntésekhez. Ezen alkalmazások némelyike látható és jóváhagyott. Mások azért jöttek létre, mert egy értékbecslő, egy bérleti ingatlanközvetítő vagy egy ügyfélszolgálati munkatárs talált egy eszközt, amely időt takarított meg, és amelyet aztán tovább használt.
A jóváhagyott alkalmazások IT-listája a gyakorlatban ritkán tükrözi, mi zajlik valójában. Egy értékbecslő, aki egy AI-eszközt használ egy értékelési jelentés vázlatának megírásához, egy munkatárs, aki szerződéseket foglaltat össze egy ingyenes csevesztető szolgáltatással: ez a használat az asztalnál keletkezik, nem egy beszerzési folyamatban. Hasonló mintázatok fordulnak elő más, sok ügyfél- vagy megbízói érintkezéssel rendelkező szektorban is, ahogyan az le van írva hogyan néz ki az AI-governance az installációs szektorban és hogyan néz ki az AI-governance a nagykereskedelemben cikkekben.
A governance a megkülönböztetéssel kezdődik. Egy AI-alkalmazás, amely belső jelentéseket rendez, más kezelést igényel, mint egy alkalmazás, amely egy értékelési számot terjeszt egy ügyfél elé, vagy amely automatikusan reagál egy bérlői panaszra. A kockázati szint attól függ, ki használja a kimenetet, egy szám vagy tanács közvetlenül harmadik félnek kerül-e bemutatásra, és van-e hozzá kapcsolódó pénzügyi vagy jogi következmény. Egy AI-eszköz, amely csak fotómateriált szerkeszt egy lakásra vonatkozó hirdetéshez, máshol áll ezen a skálán, mint egy eszköz, amely részt vesz egy értékelési érték meghatározásában.
Ez a klasszifikáció nem egyszeri gyakorlat. Új eszközök akkor kerülnek be, amint valaki hasznosnak találja őket, és egy meglévő alkalmazás kockázatbecslése megváltozhat, ha a használat eltolódik, például amikor egy eszköz, amely belső fogalmazási segédeszközként indult, fokozatosan közvetlen bérlői kommunikációra kerül használatba.
A probléma magja ritkán a szabályok hiánya, hanem a betekintés hiánya. Aki tudni akarja, mi zajlik valójában, azoktól kell megkérdeznie, akik napi szinten dolgoznak vele. Ez csak akkor sikerül, ha a kérdést következmények nélkül teszik fel. Egy értékbecslő, aki elismeri, hogy egy nem jóváhagyott eszközt használ vázlatos jelentésekhez, nem érezheti úgy, hogy ezzel egy szabálysértést vall be. Amint ez az érzés kialakul, a használat eltűnik a látótérből, anélkül hogy a gyakorlatból eltűnne, és a kockázat változatlanul fennmarad, csak láthatatlanul. Hogyan lehet ezt a kérdésfeltevést a gyakorlatban kialakítani, azt leírja hogyan kerülheti el, hogy alkalmazottak olyan eszközt használjanak, amelyet senki sem ismer és hogyan kerülheti el, hogy vállalati adatok kerüljenek egy ingyenes csevesztető ablakba, két kockázat, amely az ingatlanszektorban gyakran egybeesik, mivel a szerződéses adatok és az értékelési számok érzékenyek.
Az egyezések más, sok külső féllel és dokumentumáramlással rendelkező szektorral, ahogyan az le van írva hogyan néz ki az AI-governance az építőiparban és az egészségügyi szektorban a hogyan néz ki az AI-governance az egészségügyben cikkekben, nagyobbak, mint a különbségek: mindenhol igaz, hogy a használat először a szervezet szélén gyökeresedik meg, mielőtt valaki betekintést nyer rá.
Egy ingatlanszektorra szabott governance-megközelítés feltérképezi, milyen AI-alkalmazások léteznek, ki használja őket, milyen kockázati szint illik hozzájuk, és milyen felügyelet szükséges: ki ellenőrzi egy kimenetet, mielőtt az egy értékelést, egy bérlői levelet vagy egy beruházási tanácsot befolyásol. Ez illeszkedik a szervezeten belüli meglévő kockázati struktúrákhoz, anélkül hogy egy külön AI-rendszert állítanánk a meglévő kockázatkezelés mellé. A szabálytartalom, a konkrét alkalmazásokra vonatkozó pontos kötelezettségekkel, máshol található; itt arról a mechanizmusról van szó, amellyel betekintést nyer, és igazolhatóvá teszi, mi zajlik.
Amint tisztázódott, milyen AI-alkalmazások működnek az önhöz tartozó ingatlanszervezetben, és milyen kockázati szint illik hozzájuk, egy másik kérdés következik: az értékbecslők, kezelők és ügyfélszolgálati munkatársak napi munkájának mekkora része valóban alkalmas arra, hogy AI-ra bízzuk, és melyik rész nem. Az FTE TO AI munkaelemzése ezt feladatonként kiszámítja, így a governance nem áll meg csak a kockázatnál, hanem láthatóvá teszi azt is, hol szabadít fel az AI valóban kapacitást.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.