Алексей Широков о том, как искусственный интеллект меняет поиск и покупку жилья

Генеративные нейросети уже используются для повышения эффективности медицины и улучшения прогнозирования в финансовом секторе, теперь же эти технологии активно проникают и в сферу недвижимости. ИИ уже многое умеет в оформлении документов и прогнозировании рисков, а вскоре его развитие позволит заметно поменять правила игры на рынке.

Технологии искусственного интеллекта, такие как генеративные нейросети, предиктивные системы аналитики, VR и AR, предлагают множество преимуществ, которые привлекают потребителей и бизнес. Искусственный интеллект увеличивает точность аналитики и обработки данных, а также предоставляет инсайты, которые могли быть недоступными ввиду ограниченности ресурсов и человеческого фактора. Многие из подобных решений уже доказали свою эффективность в мире, а в России сейчас активно развиваются нейросети, значительно сокращающие пользовательский путь от поиска жилья до его приобретения.

Ипотека за секунду

Во всем мире банки и финтех-компании, занимающиеся ипотечным бизнесом, давно используют ИИ для анализа данных и принятия решений о выдаче кредитов. Такой подход позволяет более быстро и объективно определить платежеспособность заемщика, а также снизить роль человеческого фактора, чтобы решение о выдаче кредита не зависело от ошибок или даже настроения сотрудника банка.

Многие системы умеют оценивать активы заемщика, предлагать индивидуальные условия кредитования в зависимости от финансовой устойчивости клиента, выявлять недостоверные данные и признаки мошенничества. Уже сейчас искусственный интеллект помогает принять решение о выдаче ипотеки за день, а в будущем срок планируют сократить до секунды.

Найди мне квартиру с видом на МГУ

Новый же тренд на рынке недвижимости — подбор квартиры с помощью GPT, который позволяет с максимальной точностью ответить на запрос пользователя. Пока что системы поиска в классифайдах основаны на подробных фильтрах, которые позволяют выдать достаточно точный результат, но их детальная настройка занимает время. К тому же даже самый широкий фильтр не способен предусмотреть все критерии и пожелания человека.

Искусственный же интеллект упрощает процесс поиска. Человек может в одном предложении сформулировать пожелания к будущей квартире, а нейросеть разберет его запрос на параметры, проанализирует базу и подберет максимально подходящие варианты.

По опыту «Яндекс Недвижимости», такой функцией для поиска жилья с декабря 2023 года воспользовались более 130 тыс. человек. В основном пользователи ограничивают поиск стандартными параметрами: около 40% указывают район, 34% — количество комнат, каждый четвертый называет потолок цены.

Однако некоторые задают критерии в более точных деталях — от панорамных окон до вида на МГУ. На таких запросах, не описанных стандартными фильтрами, нейросеть учится более тонко подбирать нужные объекты. Обучение с применением больших данных позволяет со временем увеличить точность поиска, а модель начнет учитывать предпочтения конкретных пользователей.

В результате ИИ сможет подобрать квартиру, допустим, чтобы она условно окупилась с аренды за десять лет, а ипотечный платеж не превышал 100 тыс. руб. в месяц. Такая нейросеть станет в большей степени не поисковиком, а аналогом живого брокера по подбору квартиры, причем с более высокой скоростью анализа предложений.

Инвестиционный помощник

Искусственный интеллект также становится помощником в инвестициях в квадратные метры, поскольку может обработать такой объем данных об объектах недвижимости, рыночных, экономических и законодательных факторах, влияющих на цену конкретного объекта или целых категорий, который не сравнится с возможностями человека.

Раньше анализ таблиц Excel и коэффициентов рисков, а также комплексная проверка были чуть ли не единственным путем к созданию надежного инвестиционного портфеля со сниженными рисками. Сейчас на мировых рынках предлагаются цифровые решения, которые анализируют сделки, оценивают рентабельность инвестиций и риски за человека. По данным аналитиков, автоматизированные модели оценки (AVM) на основе машинного обучения могут оценить стоимость актива с абсолютной ошибкой менее 4% для жилья и менее 6% для коммерческой недвижимости, предлагая точную информацию для принятия эффективных инвестиционных решений.

Допустим, инвестор хочет создать портфель из нескольких квартир — и тогда алгоритмы машинного обучения могут идентифицировать районы с необходимым потенциалом на основе макроданных и гиперлокальных прогнозов. Это позволяет выявить и недооцененные объекты недвижимости — скрытые сокровища.

В России тоже появляются сервисы, подбирающие оптимальные объекты для инвестиций в соответствии со стратегией пользователя и приемлемым для него соотношением доходности и рисков или составляющие предиктивный анализ инвестиционной привлекательности конкретной квартиры. Также на рынок выходят ЗПИФы, сформированные на основе ИИ-анализа Big Data.

Нейромаркетолог и нейропрораб

Искусственный интеллект обладает высоким потенциалом и для бизнеса, хотя строительная отрасль и считается консервативной. С точки зрения внедрения цифровых технологий девелопмент заметно отстает, например, от банковской сферы или телекома и занимает предпоследнее место в индексе цифровизации отраслей экономики и социальной сферы от НИУ ВШЭ. Однако интерес к новым технологиям постепенно растет: по данным опроса российских девелоперов, проведенного Единым ресурсом застройщиков в конце 2023 года, половина респондентов выразила заинтересованность во внедрении ИИ-технологий.

Согласно отчету, основная область, где застройщики видят потенциал для внедрения ИИ,— это прогнозирование спроса и предложения (22,1%). На втором месте идут услуги, связанные с отделкой, меблировкой и дизайном (18,6%), а на третьем — аспекты квартирографии и взаимодействие с жильцами (17,4%). Те, кто уже использует искусственный интеллект, чаще всего применяют его в маркетинге и рекламе (11,6%), а также для взаимодействия с покупателями (10,5%) и управления ценами и условиями продаж недвижимости (7%).

Многие из этих процессов касаются непосредственно покупателей: например, у «Самолета» работает система динамического ценообразования, которая анализирует спрос на конкретный объект и автоматически выставляет цену, позволяющую обеспечить нужный девелоперу темп продаж. ИИ также следит за стройкой, контролирует поставки и ход работ строительства — такие технологии помимо «Самолета» применяет Setl Group. ГК ПИК внедряет ИИ-системы мониторинга труда для повышения производительности, а «Эталон» автоматизирует разработку квартирографии и проектирование жилых комплексов.

Алексей Широков, руководитель продукта «Яндекс Недвижимость»