Η τελευταία έρευνα της JLL για την τεχνολογία ακινήτων (ηηηηΠαγκόσμια Πραγματικός Περιουσία Τεχνολογία Επισκόπηση 2025"h) αποκαλύπτει μια αύξηση στην εφαρμογή της τεχνητής νοημοσύνης (Όλα συμπεριλαμβάνονται) σε κτιριακά περιβάλλοντα: το 92% των ενοικιαστών εταιρικών ακινήτων έχουν ήδη ξεκινήσει δοκιμές λύσεων Όλα συμπεριλαμβάνονται, ένα σημαντικό άλμα από λιγότερο από 5% πριν από τρία χρόνια. Ωστόσο, μόνο το 5% των εταιρειών ανέφεραν ότι οι πρωτοβουλίες τους πέτυχαν τα περισσότερα ή όλα τα αναμενόμενα αποτελέσματα, υπογραμμίζοντας ένα σημαντικό χάσμα μεταξύ του ποσοστού υιοθέτησης της Όλα συμπεριλαμβάνονται στα ακίνητα και της πραγματικής μετατροπής της επιχειρηματικής αξίας.
Βασικά ευρήματα: Ανισορροπία μεταξύ υιοθέτησης εφαρμογών και αξιοποίησης αξίας
Η έρευνα της JLL, η οποία καλύπτει πάνω από 1.500 ανώτερους υπεύθυνους λήψης αποφάσεων στον τομέα των εμπορικών ακινήτων (ΚΡΙ) σε 16 παγκόσμιες αγορές, δείχνει ότι οι πιλοτικές εφαρμογές της Τεχνητής Νοημοσύνης στον έλεγχο αυτοματισμού κτιρίων, τη βελτιστοποίηση της ενεργειακής απόδοσης, τη συνεργασία στη ροή εργασίας και τη διαχείριση του χώρου εργασίας έχουν γίνει συνηθισμένες στον κλάδο. Παρόλο που σχεδόν όλες οι εταιρείες που συμμετείχαν στην έρευνα έχουν διεξάγει σχετικά πιλοτικά προγράμματα και η διοίκηση γενικά θεωρεί την Τεχνητή Νοημοσύνη ως βασικό μοχλό για την ενίσχυση της βασικής ανταγωνιστικότητας, η ωριμότητα αυτών των έργων είναι γενικά χαμηλή - τα περισσότερα παραμένουν στο πειραματικό στάδιο και είναι δύσκολο να κλιμακωθούν. Λιγότερες από τις μισές εταιρείες πέτυχαν με επιτυχία δύο έως τρεις προκαθορισμένους στόχους. Όσον αφορά την κλίμακα εφαρμογής, κάθε εταιρεία προωθεί ταυτόχρονα κατά μέσο όρο πέντε διαφορετικούς τύπους σεναρίων εφαρμογής Τεχνητής Νοημοσύνης, ενώ η JLL έχει εντοπίσει 56 διαφοροποιημένα μοντέλα εφαρμογής Τεχνητής Νοημοσύνης σε ολόκληρη την αλυσίδα αξίας των εμπορικών ακινήτων.
Στρατηγική Μετατόπιση: Αναβάθμιση από Εργαλείο Αποδοτικότητας σε Μηχανή Ανάπτυξης
Το βάρος της Τεχνητής Νοημοσύνης (ΤΝ) στους προϋπολογισμούς τεχνολογίας ακινήτων αυξάνεται συνεχώς, με το 87% των εταιρειών να αυξάνουν τις ειδικές επενδύσεις τους λόγω των αναγκών που σχετίζονται με την ΤΝ. Τα στελέχη των εταιρειών προωθούν τον μετασχηματισμό των εφαρμογών ΤΝ από παραδοσιακά εργαλεία βελτίωσης της αποδοτικότητας σε βασικούς μηχανισμούς που οδηγούν την ανάπτυξη των επιχειρήσεων και ενισχύουν τα ανταγωνιστικά πλεονεκτήματα. Οι εταιρείες δεν περιορίζονται πλέον σε δοκιμές τεχνολογίας χαμηλού κινδύνου, αλλά επικεντρώνονται σε σενάρια εφαρμογών υψηλής αξίας για την αντιμετώπιση επειγουσών επιχειρηματικών προκλήσεων.
Εμπόδια στην Υλοποίηση: Η ανεπαρκής οργανωτική ετοιμότητα εμποδίζει την κλιμάκωση των αποτελεσμάτων
Η JLL τονίζει ότι το επίπεδο οργανωτικής ετοιμότητας – ιδίως η ποιότητα των δεδομένων, η προσαρμοστικότητα της υποδομής πληροφορικής και οι δυνατότητες διαχείρισης αλλαγών – είναι ο κύριος παράγοντας που εμποδίζει την υλοποίηση κλιμακωτής αξίας από την Τεχνητή Νοημοσύνη. Επί του παρόντος, οι εφαρμογές της Τεχνητής Νοημοσύνης στις περισσότερες εταιρείες παραμένουν επιφανειακές ή δυσκολεύονται να ενσωματώσουν αποτελεσματικά αλγοριθμικά μοντέλα με λειτουργικά δεδομένα κτιρίων σε πραγματικό χρόνο. Αυτό περιορίζει άμεσα την πρακτική αποτελεσματικότητα του συστήματος σε τομείς όπως η περιβαλλοντική βελτιστοποίηση και η μείωση της σπατάλης πόρων. Οι ειδικοί του κλάδου επισημαίνουν ότι, σε σύγκριση με την απλή εξάρτηση από την έννοια του «έξυπνου» κτιρίου, η βαθιά ενσωμάτωση της τεχνολογίας Τεχνητής Νοημοσύνης με τα υπάρχοντα συστήματα αυτοματισμού συχνά αποφέρει ισοδύναμα ή και καλύτερα αποτελέσματα. Αυτή η προσέγγιση είναι ιδιαίτερα κατάλληλη για παλαιότερα κτίρια και έργα ακινήτων με ένα μείγμα κτιρίων από διαφορετικές εποχές.
Πληροφορίες για τον κλάδο: Βασικοί παράγοντες επιτυχίας πέρα από την τεχνολογία
Αυτή η έκθεση καταρρίπτει την εσφαλμένη αντίληψη ότι η επιτυχία μπορεί να επιτευχθεί αποκλειστικά μέσω της τεχνολογίας: η αποτελεσματική ανάπτυξη της Τεχνητής Νοημοσύνης απαιτεί έναν προσαρμοσμένο οδικό χάρτη ψηφιακού μετασχηματισμού, μια ισχυρή πλατφόρμα υποστήριξης δεδομένων και την ικανότητα βαθιάς ενσωμάτωσης της Τεχνητής Νοημοσύνης στις καθημερινές λειτουργικές διαδικασίες. Οι ειδικοί του κλάδου αναλύουν ότι το χάσμα μεταξύ των εφαρμογών Τεχνητής Νοημοσύνης και των επιχειρηματικών αποτελεσμάτων δεν οφείλεται σε εγγενή ελαττώματα της ίδιας της τεχνολογίας, αλλά μάλλον πηγάζει από την ανεπαρκή ενσωμάτωση εφαρμογών, την κατακερματισμένη ανάπτυξη και την έλλειψη σαφούς στρατηγικής εστίασης και επιστημονικών προτύπων μέτρησης απόδοσης.
Μελλοντικές Προοπτικές και Συστάσεις Δράσης
Η JLL και εξωτερικοί εμπειρογνώμονες του κλάδου συμφωνούν ότι τα επόμενα τρία έως πέντε χρόνια θα είναι ένα κρίσιμο χρονικό διάστημα για να προσδιοριστεί εάν το υψηλό ποσοστό υιοθέτησης της Τεχνητής Νοημοσύνης στον κλάδο των ακινήτων μπορεί να μεταφραστεί σε σημαντικές και ποσοτικοποιήσιμες αποδόσεις. Οι εταιρείες που καθυστερούν να δράσουν ή δεν δράσουν κατά τη διάρκεια αυτής της περιόδου ενδέχεται να διακινδυνεύσουν να χάσουν το ανταγωνιστικό τους πλεονέκτημα. Ενώ εκείνες που δημιουργούν προληπτικά θεμελιώδεις δυνατότητες - όπως η δημιουργία συστημάτων δεδομένων υψηλής ποιότητας και η κατασκευή κλιμακώσιμων ψηφιακών υποδομών - είναι πιο πιθανό να ξεχωρίσουν στον μετασχηματισμό της Τεχνητής Νοημοσύνης.
Συνολικά, ο κλάδος των ακινήτων έχει υιοθετήσει γρήγορα την τεχνολογία Τεχνητής Νοημοσύνης, αλλά η τρέχουσα ωριμότητα των εφαρμογών παραμένει χαμηλή και η ανάπτυξη σε μεγάλη κλίμακα αντιμετωπίζει πολλαπλές προκλήσεις, με αποτέλεσμα μόνο λίγα έργα να αξιοποιούν την αναμενόμενη αξία τους. Η επιτυχής εφαρμογή της Τεχνητής Νοημοσύνης στον τομέα των ακινήτων εξαρτάται όχι μόνο από την πιλοτική εφαρμογή νέων τεχνολογιών, αλλά και από τον ολοκληρωμένο στρατηγικό σχεδιασμό, την επαρκή οργανωτική προετοιμασία και μια ολοκληρωμένη πορεία ψηφιακού μετασχηματισμού σε όλη τη διαδικασία λειτουργίας του κτιρίου. Τα επόμενα χρόνια θα δούμε σε ποιο βαθμό οι εταιρείες θα μειώσουν το χάσμα μεταξύ του οράματος εφαρμογής της Τεχνητής Νοημοσύνης και των πραγματικών επιχειρηματικών αποτελεσμάτων.