AI в сфере недвижимости: андеррайтинг, оценка и управление активами

Введение

Решения об инвестициях в недвижимость объединяют физические активы, юридические права, местные рынки, договоры, структуры капитала и операционное исполнение. Подтверждающие данные распределены по правоустанавливающим документам, договорам аренды, реестрам арендных платежей, базам данных сделок, отчётам об оценке, инженерным системам зданий, бюджетам, счетам, рыночным исследованиям, картам и наблюдениям на объекте. Надёжное решение зависит от происхождения и своевременности этих входных данных в той же мере, как и от аналитического метода.

Искусственный интеллект может поддерживать три взаимосвязанных рабочих процесса. В андеррайтинге приобретений он может структурировать документы, сверять доказательства, формировать наборы сопоставимых объектов, проверять допущения и готовить пакеты для проверки. В оценке он может поддерживать сегментацию рынка, выбор сопоставимых объектов, автоматизированные модели оценки, анализ чувствительности и выявление отклонений. В управлении активами он может классифицировать договоры аренды и заявки на работы, прогнозировать операционные показатели, выявлять аномалии и расставлять приоритеты для проверки человеком. Эти варианты использования совместно используют данные и модели. Они имеют разные цели, стандарты и полномочия.

Международные стандарты оценки, вступившие в силу 31 января 2025 года, ввели отдельные главы о данных и входных данных, моделях оценки, а также документации и отчетности [1]. RICS Valuation — Global Standards, действующие с той же даты, устанавливают обязательные практики для членов RICS, оказывающих услуги по оценке [2]. Стандарт RICS об ответственном использовании искусственного интеллекта в оценочной практике вступил в силу 9 марта 2026 года для членов RICS и регулируемых фирм по всему миру [3]. Стандарт RICS требует управления, профессионального суждения, обеспечения качества результатов и коммуникации, отражающих существенное влияние системы AI. Эти требования проводят важное различие: результат модели может информировать профессиональную работу; ответственный профессионал сохраняет обязанность оценивать его и сообщать о нем.

Местные правовые условия и условия в отношении данных также определяют внедрение. Административное решение Дубая № 67 от 2020 года требует, чтобы оценочные компании фиксировали определенные сведения об объекте и задании, хранили отсканированные записи об оценке не менее пяти лет и регистрировали завершенные оценки в электронной системе [4]. Официальная услуга оценки Земельного департамента Дубая описывает категории объектов, требования к документам, сборы и маршруты обработки, при этом для жилых единиц и пристроенных вилл указан мгновенный маршрут, а для других потоков заявок — проверка сотрудником [5]. Генеральное управление недвижимости Саудовской Аравии публикует индикаторы сделок и аренды с указанием источников, охвата и периодичности обновления; в его FAQ объясняется, что показатели агрегируются, а экстремальные значения исключаются [6]. Эти официальные услуги улучшают доступную доказательную базу. Их результаты сохраняют заявленный охват и не заменяют проверку, специфичную для конкретного задания.

Технические доказательства поддерживают столь же ограниченный вывод. Стандарт IAAO по автоматизированным моделям оценки рекомендует тестирование на отложенной выборке, коэффициентные исследования, показатели уровня и вариативности, а также регулярный анализ эффективности [7]. Рецензируемые исследования показывают, что выбор подходов к пространственному обучению и географическая информация могут существенно влиять на результаты в изученных наборах данных по жилой недвижимости [8,9]. В работе с использованием уличных и спутниковых изображений сообщалось об улучшении оценки для изученных лондонских данных, включая тесты на ранее не встречавшихся районах [10]. Эти исследования демонстрируют полезные паттерны проектирования. Они не устанавливают точность для другой страны, типа недвижимости, рыночного режима или цели оценки.

В этой статье разрабатывается управляемая операционная модель для AI в андеррайтинге, оценке и управлении активами. Её центральная единица — это пакет принятого решения по активу: версионируемый набор утвержденных доказательств, детерминированных расчетов, выходных данных модели, допущений, исключений, профессиональной проверки и полномочий по принятию решений. Пакет связывает решение о приобретении с последующим операционным планом и дальнейшими проверками оценки.

Предлагаемая система имеет шесть целей:

1. создавать стабильную идентификацию и историю доказательств для каждого актива, земельного участка, единицы, договора аренды и решения;
2. разделять факты из источников, расчеты, модельные оценки, допущения и профессиональные выводы;
3. сохранять базу оценки, дату, цель, рыночный сегмент и происхождение сопоставимых объектов;
4. тестировать модели с учетом времени, географии, типа недвижимости и существенности для решения;
5. направлять каждый существенный вывод и операционную инструкцию конкретному человеку, наделенному полномочиями; и
6. измерять производительность и ценность в расчете на пакет принятого решения по активу на основе наблюдаемых доказательств.

Архитектура намеренно не зависит от модели. Статистическая AVM, модель с градиентным бустингом, модель компьютерного зрения или языковая модель могут быть заменены, при этом реестр источников, средства контроля, записи и полномочия остаются неизменными. Такая архитектура поддерживает институциональное внедрение, когда качество данных, профессиональная ответственность и воспроизводимость решений важнее, чем демонстрация одной модели.

Определения, сфера применения и метод доказательств

Определения

Андеррайтинг означает инвестиционный процесс, который проверяет цену, структуру, рынок, физическое состояние, договоры аренды, операционные допущения, потребности в капитале, финансирование, риски и сценарии выхода до приобретения или принятия обязательств. Его результатом является рекомендация для принятия решения в рамках заявленных допущений и полномочий.

Оценка означает оценку стоимости для определённого интереса, цели, базы и даты оценки в соответствии с применимыми профессиональными, правовыми и отчётными требованиями. МСФО (IFRS) 13 определяет справедливую стоимость и устанавливает основу, когда другой стандарт МСФО (IFRS) требует или допускает измерение справедливой стоимости [11]. МСФО (IAS) 40 регулирует инвестиционную недвижимость и требует, чтобы справедливая стоимость отражала, среди прочего, текущий арендный доход и допущения, которые участники рынка использовали бы в текущих рыночных условиях при применении модели справедливой стоимости [12]. Указанные ссылки на стандарты бухгалтерского учёта применяются в пределах их контекста отчётности.

Управление активами означает контролируемое планирование и выполнение деятельности по аренде, работе с арендаторами, доходам, расходам, капиталу, техническому обслуживанию, энергопотреблению, рискам и отчётности в течение периода владения. ISO 55001:2024 устанавливает требования к созданию, внедрению, поддержанию и улучшению системы управления активами [13]. В настоящей статье стандарт используется как управленческий ориентир на уровне организации; она не заявляет о сертификации по ISO и не предписывает полную реализацию ISO.

Автоматизированная модель оценки, или AVM, означает математическую или статистическую модель, которая оценивает стоимость недвижимости на основе данных. Модели AVM варьируются от систем на основе правил и регрессионных моделей до систем машинного обучения. Оценка модели, показатель уверенности и набор сопоставимых объектов являются отдельными результатами. Оценка AVM сама по себе не формирует профессиональное заключение об оценке.

Реестр доказательств по активу означает версионную запись, связывающую утверждённые исходные элементы, извлечённые факты, расчёты, допущения, запуски моделей, проверки, исключения и решения с идентифицированным активом и датой вступления в силу.

Принятый пакет решений по активу означает рабочий продукт, формируемый в рамках управляемого процесса и утверждённый для заявленной цели. Пакет содержит вопрос, идентификацию актива, перечень источников, дату отсечения данных, расчёты, выходные данные модели, анализ чувствительности, нерешённые исключения, запись о проверке и полномочия на выпуск.

Сфера применения и целевые аудитории

Основная аудитория — инвестор в недвижимость, собственник или операционная платформа. Дополнительная аудитория — инвестиционный менеджер или управляющий активами, связанный с недвижимостью. Этот подход также применим к кредиторам, оценщикам и консультантам, если их полномочия и применимые требования определены отдельно.

В статье рассматривается недвижимость, приносящая доход, и связанные с ней примеры жилой и девелоперской недвижимости, по которым источники содержат доказательства. Она не утверждает, что одна модель подходит для каждого класса недвижимости. Отели, дата-центры, логистика, офисы, розничная недвижимость, многоквартирные дома, виллы, земля и девелоперские активы имеют разные драйверы денежных потоков, физические подтверждающие данные и глубину сопоставимых данных.

Нормативные и профессиональные ссылки сохраняют свою юрисдикцию и сферу применения по членству. Межведомственное правило США по AVM применяется к AVM, используемым ипотечными оригинаторами и эмитентами вторичного рынка при определённых кредитных решениях, обеспеченных основным жильём потребителя; оно не регулирует общий андеррайтинг коммерческой недвижимости в странах Персидского залива [14]. Стандарты RICS применяются к членам RICS и фирмам, регулируемым RICS, как указано RICS [2,3]. Источники по Дубаю и Саудовской Аравии используются для указанных в них местных услуг, правил и наборов данных [4-6]. Организации необходим собственный юридический и профессиональный анализ для каждого внедрения.

Метод сбора доказательств

В анализе используются первичные стандарты, официальные правила и услуги, государственные наборы данных, официальные обследования и рецензируемые исследования, доступные по состоянию на 1 августа 2026 года. Каждое утверждение сохраняет границу своего источника.

Маркетинговые бенчмарки поставщиков исключены как доказательство институциональной производительности. Не утверждается, что AI повышает выручку, стоимость, точность или скорость для целевой организации, пока контролируемый пилот не даст утверждённых наблюдений.

Этапы принятия решений и различные результаты работы

Три этапа опираются на общие данные, но создают разные рабочие продукты.

Модель может служить более чем одному этапу. Для новой цели необходимо заново сформировать дату отсечения источников, допущения и полномочия. Повторное использование модели приобретения в качестве оценки для целей отчётности без сверки базы, даты и рыночных доказательств создаёт необоснованную связь между решениями.

Где AI может помочь

Андеррайтинг приобретения

Андеррайтинг начинается с идентификации актива и инвестиционного вопроса. Идентификация должна определять участок, здание, помещение, долю владения, адрес, координаты, девелоперский проект, юридическое лицо и продавца. Каждый поступивший документ регистрируется с привязкой к этой идентификации. Дублирующиеся файлы, устаревшие реестры арендной платы и противоречивые площади становятся видимыми исключениями.

Языковые модели могут извлекать из документов кандидатные поля договора аренды, ковенанты, условия о досрочном расторжении, пересмотры арендной платы, опционы, плату за услуги и гарантии. Оптическое распознавание символов может преобразовывать сканы. Геопространственные сервисы могут связывать местоположение, доступность, объекты инфраструктуры и слои градостроительного планирования. Статистические модели могут сегментировать рынки и ранжировать сопоставимые сделки. Детерминированные сервисы должны рассчитывать арендные мосты, чистый операционный доход, обслуживание долга, стоимость девелопмента, доходности, дисконтированный денежный поток и показатели чувствительности.

Слово «кандидат» имеет ключевое значение для извлечения. Поле становится утверждённым фактом после фиксации местоположения источника, единицы, периода и статуса проверяющего. Сгенерированное резюме должно связывать каждое существенное утверждение со страницей договора аренды, записью о сделке, отчётом об осмотре или расчётом, которые его подтверждают.

Практический процесс андеррайтинга выглядит так:

1. определить актив, стороны, права и предлагаемую сделку;
2. регистрировать документы и выявлять отсутствующие ожидаемые подтверждения;
3. извлекать факты-кандидаты с указанием страницы и поля источника;
4. сверять арендную ведомость, договоры аренды, площади, депозиты и операционные отчёты;
5. формировать рыночные и сравнительные доказательства при явно заданных фильтрах;
6. детерминированно рассчитывать базовый сценарий, неблагоприятные сценарии и сценарии финансирования;
7. выявлять исключения, конфликты и неподтверждённые допущения;
8. подготавливать проект инвестиционного меморандума с доказательствами по каждому утверждению; и
9. выпускать пакет после рассмотрения указанным специалистом и комитетом.

AI особенно полезен там, где объём высок, а цель проверки чётко определена. Пакет договоров аренды на 300 страниц можно преобразовать в структурированный список исключений. Результат по-прежнему требует проверки на соответствие исходным материалам и инструкции. Существенное юридическое толкование остаётся за квалифицированным юристом или другим уполномоченным специалистом.

Оценка и автоматизированные модели оценки (AVM)

AVM оценивает стоимость на основе доступных взаимосвязей в данных. Традиционные гедонические модели используют характеристики недвижимости и местоположения. Модели машинного обучения могут улавливать нелинейные взаимодействия, пространственные закономерности и визуальные признаки. Подходящий выбор зависит от цели, данных, структуры выборки, объяснимости и последствий ошибки.

Исследование Кремера и соавторов использовало примерно 1,2 млн немецких жилых объектов и сравнило четыре метода на разных уровнях пространственного охвата обучающих данных; целью исследования было проверить, как пространственный охват влияет на точность оценки [8]. Ли и соавторы объединили географические представления с числовыми и категориальными переменными для оценки жилой недвижимости в исследованном наборе данных [9]. Ло, Пейдж и Расселл использовали уличные и спутниковые изображения вместе с традиционными признаками для оценки цен на жильё в Лондоне и сообщили об улучшении в рамках своих экспериментов, включая тесты обобщения на не встречавшиеся ранее округа [10]. Пурсаид, Матера и Белонги изучали фотографии недвижимости и метаданные объектов в рамках структуры оценки на основе компьютерного зрения [15].

Вывод для проектирования решения для промышленной эксплуатации носит методологический характер. Местоположение, время, физические атрибуты и изображения могут нести полезный сигнал. Заявленные показатели качества относятся к данным и эксперименту каждого исследования. Коммерческому портфелю в регионе Залива необходимы локальные сделки, договоры аренды, таксономия недвижимости, валюта, юридические интересы, рыночные режимы и валидационные наборы.

Профессиональная оценка также включает элементы, которые не отражает балл прогнозной модели. Задание определяет клиента, предполагаемое использование, актив или обязательство, интерес, базу стоимости, дату оценки, допущения, ограничения и требования к отчётности. IVS 104, 105 и 106 помещают данные, модели и документацию в рамки процесса оценки [1]. RICS указывает, что результат AVM без применения профессионального суждения не соответствует требованиям Red Book; результат, полученный с помощью AVM, при применении профессионального суждения может стать частью письменного отчёта об оценке при соблюдении установленных требований [2].

Таким образом, система должна создавать четыре отдельных артефакта:

• оценочная стоимость или диапазон, полученные на основе модели;
• пакет аналогов и доказательств, подтверждающий оценку;
• запись о валидации, описывающая применимую совокупность модели и текущие показатели её работы; и
• профессиональное заключение с суждением оценщика, корректировками и раскрытием информации.

Смешение этих артефактов скрывает неопределённость и ответственность.

Управление активами

Модель приобретения становится полезной после закрытия сделки, когда она преобразуется в операционную базовую линию. События по аренде, сбор арендных платежей, продления, вакансии, заявки на работы, капитальные проекты, коммунальные услуги и оценки обновляют реестр подтверждающих данных по активу. Каждое операционное решение можно сравнить с первоначальным планом и последним утверждённым прогнозом.

AI assistance can support:

• составление выжимок по договорам аренды и календарей событий;
• сверка записей по арендаторам и контрагентам;
• классификация отклонений бюджета и подготовка комментариев;
• категоризация заявок на работы и выявление дубликатов;
• выявление аномалий в данных по энергопотреблению, водопотреблению, заполняемости и работе оборудования;
• сценарии прогнозирования заполняемости, арендной платы, расходов и сроков капитальных вложений;
• поиск документов по гарантиям, руководствам и договорам; и
• подготовка пакетов для анализа портфеля и обновления оценки.

ENERGY STAR Portfolio Manager представляет собой официальный пример структурированного бенчмаркинга зданий. Он позволяет пользователям отслеживать энергопотребление, водопотребление, отходы и выбросы, а также сравнивать определённые типы недвижимости с соответствующими базовыми уровнями или аналогами [16]. EPA также указывает, что общедоступный Data Explorer в значительной степени основан на данных, введённых владельцами учётных записей, с очисткой и агрегированием, и что EPA не проверяет большинство отдельных предоставленных данных [17]. Различие между системой оперативного управления и проверенными доказательствами следует сохранять в любой архитектуре управления активами.

Аномалия — это сигнал к проверке. Она не является утверждённым нарядом-заказом, коммуникацией с арендатором, решением в области безопасности или обязательством по капитальным вложениям. Управляющий активами определяет существенность; инженерные, юридические, финансовые подразделения или подразделения по управлению недвижимостью утверждают действия в пределах своих полномочий.

Граница сценария использования

Реестр доказательств по активам

Устойчивая идентификация актива

Первый механизм контроля — идентификация. В данных об объектах недвижимости часто встречаются несогласованные адреса, варианты транслитерации, обозначения юнитов и названия застройщиков. Юридические земельные участки могут объединяться или разделяться. Здание может включать юниты страты, общие зоны, договоры аренды и приборы учёта, которые используют разные системы нумерации.

Мастер-запись актива должна присваивать внутренний неизменяемый идентификатор и связывать его с официальными и операционными идентификаторами. Она должна отражать связи между земельным участком, зданием, этажом, юнитом, договором аренды, арендатором, прибором учёта, нарядом на работы, оценкой, кредитом и юридическим лицом. Логика сопоставления может предлагать связи; утверждённые сопоставления фиксируются с указанием степени уверенности, доказательств и проверяющего.

Классы данных и владение

У каждого поля есть владелец и состояние. Предлагаемые состояния: `candidate`, `verified`, `disputed`, `superseded`, `restricted` и `unavailable`. Сгенерированное значение не может незаметно заменить проверенное значение источника. Исправления создают новую версию и ссылку на замещённый элемент.

Граф доказательств

Реестр наиболее полезен, когда связи остаются явными:

актив -> земельный участок -> юнит -> договор аренды -> арендатор;

актив -> сделка -> объект-аналог -> корректировка;

актив -> бюджет -> счёт -> наряд на работы -> физический компонент;

актив -> оценка -> запуск модели -> входные данные -> источник;

актив -> допущение -> сценарий -> решение -> утверждение.

Граф поддерживает анализ влияния. Если версия реестра аренды меняется, система может определить каждый расчёт андеррайтинга, оценку и отчёт, в которых использовалась предыдущая версия. Если объект-аналог позже признаётся недействительным, затронутые запуски оценки могут быть поставлены в очередь на проверку. Это функция происхождения данных; она не определяет, было ли исходное решение обоснованным.

Время, единицы измерения и определения

Данные о недвижимости зависят от времени. Рыночные сделки имеют дату соглашения и дату регистрации. Договоры аренды имеют даты начала, истечения, пересмотра и досрочного расторжения. Финансовые записи имеют периоды оказания услуг и учётные периоды. Показания приборов учёта имеют интервалы и пропущенные наблюдения. Выводы об оценке имеют конкретную дату оценки.

Каждый элемент данных должен хранить время события, время вступления в силу, время публикации, время загрузки и время проверки, где это применимо. Единицы валюты, площади, энергии и ставки остаются привязанными к значениям. Таблицы пересчёта и ряды индексации версионируются. При обучении модели временная метка доступности признака должна отражать то, что было бы известно на дату прогноза. Это позволяет проводить тестирование на отложенной временной выборке и снижает утечку из-за заглядывания вперёд.

Официальные данные и местный контекст

Дубайская система оценки предоставляет полезный ориентир для ведения документации. Административное постановление № 67 определяет информацию, которую необходимо фиксировать для оценок, и минимальный пятилетний срок хранения отсканированных записей [4]. В объявлении DLD от 2020 года говорилось, что его процесс интеллектуальной оценки будет использовать AI, взаимосвязанные базы данных и целевой показатель выполнения — 15 секунд [18]. Это официальное заявление о проекте, сделанное в 2020 году; оно не является независимым доказательством текущей точности или фактически достигнутых результатов.

Платформа индикаторов недвижимости REGA Саудовской Аравии определяет официальные источники, включая Министерство юстиции, Реестр недвижимости, сеть Ejar и Центральный банк Саудовской Аравии, с ежемесячным или ежеквартальным обновлением в зависимости от показателя [6]. Платформа поясняет, что показатели отражают средние значения в пределах выбранной географии и периода, а не фактическую цену за квадратный метр конкретного объекта [6]. Модель, использующая эти показатели, должна сохранять уровень агрегации и дату обновления источника.

Управляемая техническая архитектура

Слои архитектуры

Предлагаемая архитектура состоит из семи слоёв.

Архитектура отделяет системы учёта от аналитических копий. Система управления арендой может выступать источником подписанных условий аренды; слой AI получает утверждённые версии и направляет предлагаемые исправления на согласование. Модель не вносит данные напрямую в юридический, финансовый или строительно-надзорный реестр.

Приём данных и интеллектуальный анализ документов

При приёме данных сохраняются исходные байты, источник, права доступа, хеш и версия. Обработка документов определяет макет, заголовки, абзацы, таблицы, подписи, штампы, рукописные пометки и расположение на странице. Оптическое распознавание символов фиксирует показатель уверенности по странице или области.

Документы по аренде и оценке требуют извлечения с учётом схемы. Схема различает указанную арендную плату и рассчитанную эффективную арендную плату, договорную площадь и измеренную площадь, даты опционов и даты истечения срока, а также допущения и наблюдения. Проверяющий на уровне поля видит извлечённое значение рядом с точным изображением страницы.

Позиции с низкой уверенностью и существенные поля попадают в очередь на проверку. Существенность зависит от конкретного задания. Опечатка в торговом названии арендатора может иметь низкое влияние; неверная дата опциона на досрочное расторжение или площадь может изменить результат андеррайтинга.

Геопространственные и визуальные признаки

Местоположение носит реляционный характер. Полезные признаки могут включать доступ, геометрию участка, фронтаж, близлежащие виды использования земли, расстояние до объектов инфраструктуры, транспорт, градостроительное назначение, опасности и портфель проектов в разработке. Дата источника и метод измерения остаются привязанными.

Модели компьютерного зрения могут извлекать из изображений предполагаемые атрибуты зданий или представления районов. Law и соавторы демонстрируют схему исследования, в которой визуальные и традиционные переменные сочетались в Лондоне [10]. Poursaeed и соавторы использовали изображения объектов недвижимости с метаданными в исследуемой ими системе оценки [15]. Для внедрения необходимы права на изображения, дата съёмки, географическая репрезентативность, меры защиты конфиденциальности и локальная валидация.

Изображения могут устаревать. Изображение фасада, сделанное до реконструкции, появления препятствия или соседнего строительства, может давать неверное представление об активе. Система должна сохранять дату съёмки и происхождение, выявлять дубликаты и направлять существенные визуальные интерпретации проверяющему.

Сервисы моделей и расчётов

Аналитический слой содержит несколько типов сервисов:

• детерминированные расчёты денежных потоков, долга, налоговых допущений, доходности, приведённой стоимости и чувствительности;
• статистические AVM для оценки стоимости или арендной платы;
• классификационные модели для документов, пунктов, рабочих заявок и исключений;
• прогнозные модели для заполняемости, расходов, энергопотребления и сроков капитальных затрат;
• модели выявления аномалий для операционных показателей и качества данных; и
• генеративные модели для поиска доказательств и подготовки черновиков описаний.

Каждый сервис имеет карточку модели или спецификацию расчёта, содержащую владельца, предполагаемое использование, исключённые варианты использования, схему входных данных, период обучения или калибровки, доказательства валидации, ограничения, версию, пороги утверждения и мониторинга. Запуск модели сохраняет эти идентификаторы вместе с входными данными и выходными данными.

Расчёты должны быть детерминированными, когда формула задана. Запись включает формулу, операнды, единицы измерения, ссылки на источники, версию кода и сверку. Языковая модель может объяснить расчёт после появления утверждённого результата. Модель не является расчётным движком.

Рабочий процесс и полномочия

Конечный автомат рабочего процесса может использовать следующие этапы:

загружено -> извлечено -> сверено -> смоделировано -> проверено на возражения -> утверждено -> выпущено -> отслеживается -> заменено.

Остановки применяются, когда отсутствует обязательный источник, идентичность остаётся неоднозначной, расчёт не проходит сверку, модель выходит за пределы валидированной совокупности, существенное противоречие не разрешено или отсутствует утверждение. Переопределения требуют указания полномочного органа, причины, области действия и срока действия.

Инвестиционный комитет выпускает решение о приобретении. Квалифицированный оценщик выпускает заключение об оценке в соответствии с применимыми требованиями. Управляющий активами выпускает операционные инструкции в пределах делегированных полномочий. Системные администраторы эксплуатируют инфраструктуру и не имеют подразумеваемых полномочий в сфере инвестиций, оценки или операционной деятельности.

Безопасность и третьи стороны

Пакеты данных по недвижимости могут содержать персональные данные, информацию об арендаторах, банковские реквизиты, конфиденциальные договоры и коммерчески чувствительные оценки. Фильтры извлечения должны применяться до сборки контекста для модели. Местоположение данных, хранение, журналирование, использование для обучения и субподрядчики требуют утверждения.

В опросе Банка Англии и FCA 2024 года получены ответы от 118 регулируемых фирм. Респонденты сообщили, что 75% использовали AI, 33% сценариев использования AI представляли собой сторонние внедрения, 55% включали частично автоматизированное принятие решений, а 2% были полностью автономными [19]. Это результаты, основанные на ответах респондентов, по финансовым услугам Великобритании. Они дают контекст для контроля сторонних организаций и подотчётности; они не измеряют показатели эффективности недвижимости.

NIST AI RMF 1.0 организует добровольные результаты управления рисками AI вокруг функций руководства, картирования, измерения и управления [20]. Профиль NIST для генеративного AI добавляет межотраслевой ресурс для рисков, характерных для генеративного AI [21]. Организация может сопоставить эти функции со своим реестром моделей, классификацией рисков, тестами, процессом обработки инцидентов и управленческой отчётностью.

Оценка и валидация модели

Применимая совокупность

Каждая модель должна иметь явно заданную применимую совокупность. Её измерения включают юрисдикцию, город, район, тип недвижимости, форму владения, юридическое право, возраст, размер, ценовой диапазон, заполняемость, статус девелопмента и цель оценки. Оценка уверенности не расширяет эту совокупность.

Разреженные рынки требуют осторожности. Элитные виллы, земельные участки под застройку, специализированные активы и активы с необычными условиями аренды могут иметь мало по-настоящему сопоставимых объектов. Модель может выдать точное число на основе слабых данных. Рабочий процесс должен выявлять низкое число сопоставимых объектов, удалённость от обучающего распределения и широкий разброс результатов, а затем направлять кейс на ручной анализ.

Дизайн валидации

Случайное разделение на обучающую и тестовую выборки может завышать качество модели, когда соседние объекты или более поздние сделки содержат информацию, общую с обучающей выборкой. Валидация должна включать тесты по времени и по географии, соответствующие предполагаемому использованию. Исследование Кремера и соавторов напрямую показывает, что пространственный уровень обучения является существенным проектным решением в их данных по жилой недвижимости Германии [8]. Ло и соавторы проверили обобщение на ранее не встречавшиеся районы Лондона в своём исследовании визуальных признаков [10].

Стандарт IAAO для AVM рекомендует проводить ratio studies (исследования соотношений) на регулярной, периодической основе и использовать отложенные выборки. Он различает общие статистические показатели качества и точность оценки отдельного объекта [7]. Это различие важно для инвестиционной работы. Сильные статистические показатели ошибки на уровне портфеля могут сочетаться с существенной ошибкой по одному приобретаемому активу.

Межведомственное окончательное правило США о стандартах контроля качества AVM определяет политики и средства контроля, предназначенные для обеспечения доверия к оценкам, защиты от манипулирования данными, учёта конфликтов интересов, тестирования и проверок случайной выборки, а также соблюдения применимых законов о недискриминации [14]. Сфера действия правила — определённые потребительские ипотечные решения. Его категории контроля могут быть полезны для более широкого подхода к управлению моделями, но не должны представляться как применимое правило для любого использования в сфере недвижимости.

Показатели ошибок и интервалы

При оценке модели следует указывать более одного показателя средней ошибки. К полезным показателям относятся медианная абсолютная ошибка, медианная абсолютная процентная ошибка, среднеквадратическая ошибка, смещение, хвостовые ошибки, покрытие интервалов прогнозирования и ошибка по сегментам. Исследования соотношений добавляют показатели центральной тенденции, вариабельности и смещения, связанного со стоимостью [7].

Интервалы прогнозирования должны быть эмпирически откалиброваны для соответствующего сегмента и периода времени. Интервал не является гарантией. Он отражает модель и доказательства калибровки при заданных условиях. В профессиональном рабочем файле фиксируется, как интервал, доказательства по сопоставимым объектам и факты, специфичные для актива, повлияли на суждение.

Сопоставимые объекты и корректировки

Отбор сопоставимых объектов должен быть воспроизводимым. Запись включает источник, права, дату сделки, тип недвижимости, местоположение, площадь, состояние, занятость, условия аренды, цену, валюту и исключения. Сходство по модели может ранжировать кандидатов. Оценщик или аналитик подтверждает релевантность и корректировки.

Система должна показывать как выбранные, так и исключённые сопоставимые объекты. Причины исключения, такие как сделка со связанной стороной, неполная регистрация, необычные права, стрессовая ситуация или устаревшая дата, позволяют оспаривать результат. Агрегированные рыночные индикаторы обеспечивают контекст; они не доказывают стоимость конкретного актива.

Профессиональное суждение и раскрытие информации

Стандарт RICS AI требует от членов и регулируемых фирм оценивать существенное влияние, обеспечивать надлежащее управление и применять профессиональное суждение [3]. IVS 105 рассматривает модели оценки и профессиональное суждение в рамках соблюдения IVS [1]. Рабочий файл должен содержать:

• использованная модель и её версия;
• применимая совокупность и дата валидации;
• данные и аналоги, включённые и исключённые;
• оценка по модели, диапазон и диагностика;
• профессиональные корректировки и их обоснование;
• неустранённые ограничения; и
• указанный подписант и статус выпуска.

В отчёте для клиента приводится раскрытие информации, требуемое заданием и применимой нормативной базой. Технические подробности могут содержаться в рабочем файле, при этом существенная опора на информацию и ограничения должны оставаться видимыми в отчёте.

Управление, контроль и подотчётность

Матрица полномочий

Полномочия привязаны к решению, а не к роли в программном обеспечении. Пользователь с правами администратора не может выпустить оценку или инвестиционное решение, если не имеет отдельного разрешения.

Карта рисков и контроля

Записи и аудируемость

Воспроизводимый пакет фиксирует пользователя, цель, исходный набор источников, дату отсечения, версии модели и промпта, вызовы инструментов, расчёты, доказательства, черновик, правки проверяющего, исключения и выпуск. При ведении записей необходимо соблюдать минимизацию данных, договорные права и правила хранения.

Требование Дубая хранить записи об оценке в течение пяти лет — один из локальных примеров [4]. Организации, работающей в нескольких юрисдикциях, следует настраивать хранение по классам записей и применимым обязательствам. Архитектура должна поддерживать legal hold, удаление и ограниченный доступ, не нарушая целостность записей об утверждённых решениях.

Управление изменениями и инцидентами

Обновление модели может изменить извлечение данных, ранжирование аналогов или текст заключения, даже когда вопрос и источники остаются неизменными. Существенные изменения требуют регрессионных тестов и утверждения до ввода в промышленную эксплуатацию. Запись о выпуске указывает точную развёрнутую версию.

Инциденты включают существенные ошибки в данных, нарушения доступа, неподтверждённые утверждения в выпущенных материалах, нарушения показателей модели, несанкционированные действия и недоступность критических сервисов. Процесс должен локализовать проблему, определить затронутые пакеты, уведомить владельцев, исправить записи, провести повторное тестирование и задокументировать критерии возобновления.

Производительность и экономика

Правильная единица результата

Обработанные документы, сгенерированные токены и вызовы модели — это показатели активности. Бизнес-единицей является принятый пакет решений по активу. Принятие означает, что пакет соответствует утверждённым требованиям к подтверждающим данным, расчётам, проверке и полномочиям для его цели.

Карта показателей должна разделять:

• качество: точность полей, сверка расчётов, покрытие подтверждающих данных, разрешение исключений и принятие проверяющим;
• пропускная способность: часы аналитиков, часы специалистов, часы проверяющих, время цикла и принятые пакеты;
• обслуживание: доступность, задержка, время нахождения в очереди и использование резервного механизма;
• затраты: данные, модели, программное обеспечение, контрольные процедуры, проверка и реагирование на инциденты; и
• результаты решений: отклонение прогноза, фактические операционные показатели и утверждённое отнесение к последующей стоимости или выручке.

Базовый уровень и пилот

Базовый уровень должен формировать выборку завершённых пакетов по классу недвижимости и существенности. Измеряйте календарное время и активное время по видам деятельности: подготовка документов, сверка данных, рыночные подтверждающие данные, моделирование, написание, проверка и доработка. Фиксируйте дефекты качества и поздние подтверждающие данные.

Пилот должен запускать процесс с поддержкой AI в теневом режиме на сопоставимой работе. Проверяющие оценивают результат относительно источника и утверждённого контрольного перечня. Пилоту нужно достаточно кейсов по сегментам, чтобы выявить хвостовые условия. Результаты остаются описательными, пока размер выборки и дизайн не позволят сделать более широкий вывод.

Иллюстративный сценарий

Следующий сценарий демонстрирует структуру расчёта. Каждый операционный вход — это гипотетические допущения моделированиярасчётный показатель. Это не прогноз, не наблюдаемый Matchpoint и не результат клиента.

При этих допущениях:

Базовое количество принятых пакетов = 8 x 75% = 6,0 в месяц.

Принятые пакеты при поддержке AI = 10 x 82% = 8,2 в месяц.

Базовые ежемесячные затраты на оплату труда = 8 x (45 + 15) x USD 150 = USD 72,000.

Ежемесячные затраты на оплату труда при поддержке AI = 10 x (31 + 17) x USD 150 = USD 72,000.

Общие ежемесячные затраты при поддержке AI = USD 72,000 + USD 18,000 = USD 90,000.

Базовая стоимость в расчёте на принятый пакет = USD 72,000 / 6,0 = USD 12,000.

Стоимость с поддержкой AI в расчёте на принятый пакет = USD 90,000 / 8,2 = приблизительно USD 10,976.

Иллюстративное изменение стоимости в расчёте на принятый пакет = приблизительно минус 8,5%.

Этот результат механически выведен из непроверенных допущений. Он не учитывает стоимость внедрения, исправление данных, инциденты, управление изменениями и колебания существенности пакета. Сценарий не содержит доказательств фактической производительности, точности оценки, результата инвестиций, выручки или стоимости активов.

Отнесение к выручке и стоимости активов

Технология может создавать потенциал или повышать качество информации, не создавая атрибутируемой выручки. Для отнесения требуется наблюдаемая цепочка от поддерживаемой системой работы до одобренного действия и финансового результата.

Для приобретений к соответствующим последующим показателям могут относиться пропускная способность по принятым пакетам, участие в торгах, доля исполнения, фактический денежный поток в сравнении с заложенным в андеррайтинге и результат выхода. Для управления активами показатели могут включать одобренное действие по аренде, урегулирование просроченной задолженности, операционные расходы, реализацию капитальных проектов, простои и энергоёмкость. Рыночные колебания, выбор сделок и решения людей искажают эту взаимосвязь.

Поэтому в отчёте о корпоративном управлении следует указывать атрибутируемую выручку или стоимость как USD 0 до тех пор, пока финансовая служба и руководство не утвердят доказательства связи вмешательства с результатом. Такой подход отделяет утверждение о производительности от утверждения об инвестиционной эффективности.

Скоркарта

Ежемесячная карта показателей может включать:

1. доля проверенных существенных полей источника;
2. доля сверенных расчётов;
3. число неподтверждённых существенных утверждений на пакет;
4. доля принятия проверяющим с первого прохода;
5. часы аналитика и проверяющего на принятый пакет;
6. время цикла и время ожидания в очереди;
7. ошибка модели и покрытие интервалов по сегментам;
8. случаи вне совокупности и ручные переопределения;
9. инциденты доступа, данных и модели;
10. общая стоимость в расчёте на принятый пакет; и
11. утверждённая относимая выручка или стоимость, которые остаются нулевыми при отсутствии доказательств.

Дорожная карта внедрения

Этап 0: определить полномочия и границы доказательной базы

Выберите один пакет решений, один класс недвижимости и одного ответственного. Определите цель, существенность, ожидаемые источники, права на источники, результат, проверяющего, полномочия, срок хранения и условия остановки. Установите ручную базовую линию до внедрения модели.

Этап 1: зарегистрировать активы и источники

Создайте стабильные идентификаторы активов. Зарегистрируйте документы, транзакции и операционные системы. Определите владельцев полей, временную семантику, единицы измерения, версии и права доступа. Сформируйте размеченную выборку репрезентативных и сложных случаев.

Этап 2: поддержка извлечения и поиска

Внедрите извлечение данных из потенциальных договоров аренды или оценок и поиск доказательств в теневом режиме. Сверяйте каждое существенное поле с источником. Измеряйте точность, полноту, время проверяющего, причины исправлений и производительность доступа.

Этап 3: добавить детерминированные расчёты и ограниченные модели

Перенесите определенные формулы в контролируемые расчетные сервисы. Проверяйте AVM и прогнозы с помощью временных, пространственных и сегментных контрольных выборок. Утвердите применимую совокупность, лимиты и пороги мониторинга.

Этап 4: сборка принятых пакетов

Свяжите источники, расчеты, результаты моделей, допущения и исключения в едином интерфейсе проверки. Требуйте доказательства на уровне отдельных утверждений для существенного нарратива. Запускайте параллельно ручные и ассистируемые с помощью AI пакеты и сравнивайте качество, трудозатраты, уровень сервиса и стоимость.

Этап 5: контролируемая промышленная эксплуатация

Вводите в эксплуатацию ограниченный вспомогательный рабочий процесс после одобрения в рамках управления. Сохраняйте право окончательного решения за человеком. Отслеживайте дрейф, уровень сервиса, инциденты, переопределения и показатели принятия проверяющими. Возобновляйте теневой режим при нарушении порогового значения или изменении существенного компонента.

Этап 6: распространение на весь цикл владения

Свяжите принятый пакет приобретения с базовыми показателями управления активами и последующей работой по оценке. Расширяйте классы недвижимости только после того, как локальные данные, валидация и доказательства работоспособности процесса подтвердят новое применение.

Минимальные критерии допуска

Сценарий использования переходит в контролируемую промышленную эксплуатацию только при соблюдении следующих условий:

• цель и исключенные варианты использования утверждены;
• для активов и источников доказательств назначены ответственные владельцы;
• существенные поля и расчеты соответствуют утвержденным пороговым значениям тестирования;
• применимая совокупность модели и ее ограничения задокументированы;
• права доступа проверяются до извлечения данных;
• назначенные проверяющие и орган, утверждающий выпуск, действуют;
• процедуры сервисного обслуживания, резервного переключения, мониторинга и обработки инцидентов протестированы; и
• экономические показатели раскрываются с указанием границ допущений и атрибуции.

Заключение

AI может упростить структурирование, поиск, сравнение и мониторинг доказательств по недвижимости. Институциональная ценность зависит от системы вокруг модели: идентификация актива, права на источники, семантика времени и единиц измерения, детерминированные расчёты, валидация модели, прослеживаемость доказательств, точки остановки рабочих процессов и назначенная профессиональная ответственность.

Андеррайтинг, оценка и управление активами должны оставаться отдельными решениями, связанными общим реестром доказательств. Пакет приобретения задаёт утверждённую операционную базовую линию. Операционные факты обновляют последующие прогнозы и проверки оценки. Каждая новая цель получает собственную дату отсечения доказательств, допущения, проверку и выпуск.

Принятый пакет решений по активу обеспечивает измеримую производственную единицу. Он поддерживает анализ качества и производительности, сохраняя чёткую границу вокруг инвестиционных результатов и атрибутируемой стоимости. Компании могут начать с ограниченного класса недвижимости и вспомогательного рабочего процесса, измерить ручную базовую линию, провести валидацию на локальных кейсах, запустить в теневом режиме и расширяться после утверждения доказательств.