Hacia un Real Estate más inteligente


El uso de la Inteligencia Artificial junto al desarrollo del Machine Learning está redefiniendo la forma de trabajar en el ámbito inmobiliario. Cada vez más, la experiencia del usuario (UX) define la forma en la que se comunican o crean los productos para vender o entregar información.

Los cambios comenzaron hace más de 15 años con algunos portales como Zillow (USA) o Zoopla (UK), donde se agregaba la información de relevancia (colegio, supermercados, etc.) cercanos a los inmuebles de interés del usuario. No eran más que una forma de agregar datos para validar una decisión de compra. Luego, en los últimos tiempos, pasamos a las preferencias del usuario: ¿qué quiere encontrar cerca de los inmuebles que busca?

En estos tiempos de PROPTECH, esta condición ha llegado a situaciones en las que mediante el uso de la Inteligencia Artificial e implementación del Machine Learning (con IBM o Google a la cabeza), los portales pueden predecir qué tipo de propiedad sugerirle a un usuario. ¿Cómo es posible? ¿Cuál es la diferencia entre Inteligencia Artificial y Machine Learning? ¿La industria inmobiliaria en Latinoamérica está desarrollando y aplica estas herramientas?

En palabras de Steve Waikal, director del Center from real estate del MIT (Universidad de Massachusetts)– quien además fue speaker principal del evento PROPTECH LATAM SUMMIT y hoy se encuentra siguiendo de cerca el desarrollo del PROPTECH en la región– dijo: “El Real Estate está evolucionando a ser ‘más inteligente’ desde distintos aspectos. En el campo residencial, en Latinoamérica, hay buenas soluciones como Properati (comprado recientemente por OLX) o Portalinmobiliario.com (comprado por Mercado Libre), que generan una tremenda cantidad de información, la cual facilita luego los procesos de tomas de decisión”.

Además, Waikal señaló que “en el segmento comercial existen varios portales de noticias e investigaciones como PrensaRealEstate.com o Solili. Todos ellos generan una gran data para el mercado junto a nuevos desarrollos como Breal.cl, que agregan información para la gestión de activos comerciales en renta o administración. Esta visión ha aumentado en portales y plataformas que hoy se integran cada día a la industria de la región”.

Cabe mencionar el caso de Urbania (www.urbania.pe), portal local que en base a toda la información recogida de los clientes en los últimos años ya empezó a emitir informes en base a preferencias de búsqueda.

Diferencias entre la Inteligencia artificial (AI) y el Machine Learning

La Inteligencia Artificial (AI) se trata de inteligencia generada por las máquinas, con algoritmos generalmente estáticos; no es algo especialmente nuevo. Mientras que el Machine Learning es inteligencia artificial basada en patrones de datos de aprendizaje dictados por las opiniones de usuarios en lugar de algoritmos específicos de tareas. Es decir “aprende y ajusta”. Aquí radica la esencia de poder ir por un Real Estate más inteligente, a través de la búsqueda de datos que dejan los clientes en sus consultas. Este es un patrón para predecir de qué forma piensan los compradores, cuál es su ciclo de cambios o por qué los inversores van detrás de un negocio y dejan otro entre sus preferencias. La industria debe aprender aún mas.

El desarrollo y uso del Machine Learning

Hay algunas startups y empresas que ya utilizan Machine Learning. Amazon, Waze y Siri están en esta lista. Por otro lado, también hay aplicaciones que se usan en el retail y que, por ejemplo, se anticipan a los intereses de compra de un usuario. Años atrás, Google definía esto como ZMOT (Zero Moment Opportunity Transaction). Repasemos algunos ejemplos a tener en cuenta en el Real Estate.

En brokerage y ventas, tenemos a Digsy (www.getdigsy.com), un asistente inteligente que busca a través de cientos de listings el espacio corporativo que tu empresa necesita; funciona en EEUU. Otro ejemplo es Truss (www.truss.co), que tiene un motor de búsqueda inteligente que, en base a una serie de preguntas sobre las necesidades del cliente, selecciona de todo el mercado la propiedad que se ajusta a lo solicitado. Una vez que el cliente elige sus opciones preferidas, un grupo de expertos realiza tours virtuales personalizados y comparaciones para que la elección sea la más acertada.

En Latinoamérica, la chilena TGA se enfoca en asistir a los promotores inmobiliarios a entender los pedidos de sus clientes y de esta manera mejora la calidad de atención de sus equipos de ventas y postventas. Según señala su CEO, Tomas Cartagena, “somos especialistas en el conocimiento del consumidor inmobiliario. Tal vez una de las pocas startups que están centradas en esta área. Reflejo de ello es que hoy en día TGA ya tiene operaciones fuera de Chile e integra a promotores de Perú, Colombia y Paraguay”.

Sobre la búsqueda de locaciones y alquiler de espacios disponibles para desarrollar un negocio existe LocateAI (www.locate.ai). Esta aplicación utiliza modelos predictivos de Machine Learning con un algoritmo de aprendizaje automático que conoce qué impulsa el éxito de una tienda, así como la geolocalización y el seguimiento a los consumidores de una marca para pronosticar nuevas ubicaciones.

En cuanto a la evaluación de propiedades, hay dos soluciones muy interesantes: una en Nueva York, que es Bowery, otra en Londres, Oreeva (www.oreeva.com). Y si hablamos de tasación o valuación, existe Space Maker, CityBldr y Skyline. Todas con una visón anglosajona que posee o dispone de muchos datos públicos. Todo un desafío en Latinoamérica donde, muchas veces, no hay acceso a la información.

En España, también existen algunos casos concretos y relevantes del uso de Inteligencia Artificial y Machine Learnig. En este país europeo, el PROPTECH ha crecido significativamente, pues en estos últimos años, son casi 350 startups que recibieron apoyo de la industria mediante Inversionistas Ángeles o Venture Capital.

Una es BETTERPLACE (www.betterplaceweb.com), que en palabras de su fundador Pablo López García, han desarrollado “un sistema de valorización que permite a los agentes comerciales calcular la estimación del precio de compra y alquiler, tanto de viviendas residenciales como de locales comerciales”. ¿Cómo? López García indica que el punto de partida es una base de datos pública, con el objetivo de replicar conocimiento y poder valorar inmuebles. “El primer paso fue enriquecer esos primeros datos con información sociodemográfica y entrenar una real neuronal que nos fue devolviendo estimaciones. Al incorporar cada vez más parámetros (altura del edificio, antigüedad, pagos expensas, etc.) fuimos sofisticando un sistema que hoy nos permite valorar inmuebles en cualquier lugar con unos criterios de fidelidad muy alta”, dijo.

Para procesos más sofisticados de valorizaciones de activos de Real Estate –cuyos clientes son los fondos de inversión o la banca privada– esta el caso de Urban data Analytics (uDA) www.urbandataaanalytics.com. Bajo su perspectiva, el BIG data inmobiliario ofrece una infinidad de datos que son fáciles de interpretar. Para ello, se efectúa relevamientos y valorizaciones que agregan valor en tiempo real.

Así, su CEO, Alberto Santos Esteves, dice: “En uDA utilizamos técnicas de Machine Learnig e Inteligencia Artificial para alimentar los procesos de estructuración de portafolios y valorización de carteras en renta, tema fundamental para la valorización de los fondos o SOCIMIS”.

Cada día surgen más startups o nuevas compañías en la región que están en la búsqueda de más soluciones para la industria del Real Estate. Ya no solo se trata de realidad virtual, tecnología 3D, el blockchain o la red móvil 5G, sino también de desarrollar herramientas de inteligencia artificial que razonen y puedan brindar soluciones exponenciales a la industria. Todo es muy incipiente en la región, pero ya se aplica a nivel global y falta muy poco para que estas soluciones se apliquen localmente.

Para enriquecer esta lectura, sugerimos visitar algunas de las webs que mencionamos en la nota, así como a Pirelabs (www.pirelabs.com), un ecosistema regional que busca asistir y acelerar a las startups del Real Estate para fortalecerlas.

Actualidad