Intelligenza Artificiale – comunemente nota come AI – e mercato immobiliare sono sempre più un binomio inscindibile. Basti pensare come sui principali portali immobiliari o siti delle agenzie sia da tempo possibile servirsi degli strumenti di valutazione online. Gli algoritmi alla base di questi servizi – i cosiddetti AVM – altro non sono che un’applicazione dell’AI. In questo caso, l’intelligenza artificiale è utilizzata per fornire una stima di prezzo preliminare per un immobile in vendita o in affitto, come già spiegato in un precedente articolo.

Tuttavia, gli AVM non rappresentano l’unico possibile utilizzo dell’AI all’interno del settore.

Abbiamo provato a discutere su questo tema con Michele Lerri, Head of Data di Wikicasa.it che, assieme ai suoi collaboratori di Wikicasa Dati, ha individuato nel Machine Learning una possibile nuova applicazione dell’AI nel panorama Real Estate, fornendo alcuni insight sull’utilizzo di questa tecnologia.

Abbiamo sentito parlare spesso di Machine Learning, che cos’è?

Il Machine Learning è una tecnica di Data Analysis che consente ai computer di fare qualcosa che per gli esseri umani è all’ordine del giorno: imparare dall’esperienza. Attraverso degli algoritmi, è possibile far apprendere ai computer determinate informazioni, facendo sì che essi siano in grado di ragionare autonomamente e fornire degli output sulla base di quanto appreso.

In un contesto come quello dei portali immobiliari, dove già oggi dati e informazioni sono tra le chiavi principali del successo nel settore, avere la possibilità di processare un’elevata quantità di informazioni automaticamente è sempre più fondamentale per poter proporre un servizio di qualità.”

In quale contesto del Real Estate è possibile applicare algoritmi e modelli di Machine Learning?

I computer possono apprendere informazioni nei modi più disparati. La grande mole di dati presente sul nostro portale – prezzi degli immobili, metri quadri, numero di locali, fotografie e planimetrie – può essere processata mediante delle tecniche di “classificazione”. In parole povere, partendo da un set di dati, possiamo insegnare a un computer a riconoscere e catalogare questi dati in automatico: in questo caso si parla di “Supervised Machine Learning”.

La più classica delle potenziali applicazioni è quella relativa alla classificazione delle tipologie di immobili. Sfruttando le immagini dei nostri immobili raccolte sul portale, è così possibile istruire il computer a distinguere appartamenti da ville, uffici da negozi e tanto altro.

In una fase preliminare, forniamo al computer centinaia di migliaia di fotografie di ville e appartamenti. Il computer, grazie ai nostri algoritmi, inizia a definire tutte le caratteristiche che distinguono una villa da un appartamento, come ad esempio la presenza di un giardino. Dopo questa fase di training, nel momento in cui verrà passata al computer una foto di un immobile residenziale con un giardino, questo sarà catalogato automaticamente come villa.

Secondo lo stesso principio, sulla base di un set di fotografie di immobili, è possibile insegnare al computer come distinguere una stanza dall’altra, o quali oggetti ed elettrodomestici ci sono in una delle suddette stanze; questa tecnica è definita “tagging”.

Come può il Machine Learning aiutare la figura dell’agente immobiliare nel suo lavoro?

Avere l’opportunità di poter definire automaticamente tutte le caratteristiche di un immobile partendo da un semplicissimo set di immagini, consente di aumentare la completezza e la qualità dell’annuncio presente sul portale, senza dubbio. Questo però non vuol dire sostituire il ruolo dell’agente immobiliare: la tecnologia, per quanto veloce, non è infallibile.

Ad esempio, partendo dalle fotografie, il computer potrebbe essere in grado di scrivere una descrizione dell’immobile in vendita o in affitto. Tuttavia, si tratterebbe solo di una bozza preliminare, e perché la descrizione sia perfetta, sono necessarie esperienza e conoscenza del professionista.

È sempre bene ricordare come l’intelligenza artificiale possa aiutare e potenziare il lavoro umano, ma non sostituirlo del tutto. Questa tesi è confermata da numerosi studi sul tema, su tutti uno eseguito tra il 2013 e il 2016 in alcuni ospedali americani da IBM, che aveva da poco lanciato Watson Health, un assistente medico virtuale. L’intelligenza artificiale sbagliava una diagnosi di un paziente in un numero di casi di gran lunga superiore rispetto a quelle effettuate da un medico esperto. La precisione massima nella diagnosi (vicina al 100%) si otteneva però grazie all’attività congiunta di intelligenza artificiale e professionista. La cooperazione consisteva nel lasciare all’AI lo screening preliminare sulla cui base il medico era in grado di effettuare una diagnosi molto più approfondita e dettagliata.”

Condividi sui social:

0 CommentiChiudere commenti

Lascia un commento

Iscrivit alla nostra newsletter’