هوش مصنوعی آینده بازار مسکن را تغییر می‌دهد

گروه سرمایه‌گذاری لوتوس در چندین حوزه اقتصادی فعال است و به‌ عنوان یک توسعه‌دهنده (Developer) در صنعت ساختمان با بیش از 15 سال تجربه آثار ماندگاری را طراحی و اجرا کرده است. داناملک  (danamelk.ir) یکی از شرکت‌های زیرمجموعه گروه سرمایه‌گذاری لوتوس است که خدمات مبتنی‌بر هوش مصنوعی در تحلیل و شناخت بازار مسکن ارائه می‌دهد. براساس خدمات قابل ارائه از سوی داناملک، علاوه‌بر بررسی، شناخت و تحلیل بازار، امکان ارزیابی آپارتمان‌های مسکونی و اداری سطح شهر تهران با کمک هوش مصنوعی فراهم شده است. این خدمت مشابه خدمت ارائه‌شده از طرف «کارنامه» یا  «خودرو 45» برای اتومبیل است، با این تفاوت که ارزیابی برای املاک انجام می‌شود. یکی دیگر از خدمات ارائه‌شده از طرف داناملک شناسایی موارد با قیمت مناسب یا زیر قیمت در بازار مسکن است. به‌این‌ترتیب خریداران به صورت رایگان امکان بهره‌مندی از این سرویس و آشنایی با موارد با قیمت مناسب‌تر را دارند. این خدمت در راستای رفاه عموم مردم و کاهش قیمت مسکن عرضه شده است. با مهندس محمدرضا علوی، عضو هیئت‌مدیره و هم‌بنیان‌گذار داناملک، به گفت‌وگو نشسته‌ایم. علوی کارشناس عمران و کارشناس ارشد مدیریت اجرائی (MBA) است و در صنعت ساختمان و با تمرکز بر اقتصاد بازار مسکن و ساختمان فعالیت می‌کند. او معتقد است هوش مصنوعی کمک شایانی به منطقی‌شدن قیمت مسکن می‌کند. 

شرح این گفت‌وگو در ادامه می‌آید.

 اگر موافق باشید در همین آغاز بحث درباره مفهوم هوش مصنوعی توضیحاتی بدهید تا سؤالات جزئی‌تر هم مطرح شود... .

از نگاه من هوش مصنوعی ابزاری قدرتمند برای کمک به تصمیم‌گیری‌های پیچیده و با استفاده از محاسبات دقیق است. با این ابزار می‌توان میزان درخور ‌توجهی محاسبات را در حوزه‌های مختلف به صورت ترکیبی انجام داد.

امروزه از این ابزار در بخش‌های مختلف زنجیره خلق ارزش در صنعت ساختمان استفاده می‌شود. از جمله این موارد می‌توان به طراحی کانسپت، طراحی داخلی، قیمت‌گذاری، تحلیل بازار و شناخت ذائقه مشتری تا بهینه‌سازی سازه و طراحی‌های مهندسی اشاره کرد.

درواقع می‌توان گفت‌ هوش مصنوعی ابزاری است که به انسان کمک می‌کند بهتر فکر کند. این کمک از طریق دیدن جزئیات بیشتر، بدون محدودیت حافظه، بدون محدودیت محاسبه و تقریبا بدون خطا انجام می‌شود.

 با اینها که گفتید، مشخص است که کاربردهای زیادی برای هوش مصنوعی‌ متصور است. سؤال مشخص این است که هوش مصنوعی در حوزه ساختمان و در طول زنجیره ارزش آن چه کاربردهایی دارد؟

به نظرم هر‌جایی که نیاز به تحلیل بیشتر، دقیق‌تر، جامع‌نگری به همراه توجه به جزئیات باشد، هوش مصنوعی می‌تواند مفید واقع شود. برای مثال این ابزار می‌تواند به کمک معمار پروژه بیاید و براساس فرهنگ، نیازها و تمایلات مشتریان در طراحی کانسپت، پلان‌های معماری و معماری داخلی و حتی چیدمان مبلمان یاری‌رسان باشد. می‌تواند به کمک مهندس سازه بیاید و در بهینه‌سازی سازه نقش مؤثری ایفا کند. می‌تواند در حوزه مطالعات اقتصادی مؤثر واقع شود؛ کاری که سال‌ها به صورت سنتی تحت عنوان مطالعات امکان‌سنجی انجام ‌شده است. اتفاقا ما در گروه سرمایه‌گذاری لوتوس شرکت دیگری به نام «آشیانه سپهر خرد» داریم که بیش از 14 سال این خدمات (مطالعات بازار و اقتصادی صنعت ساختمان) را ارائه می‌دهد. امروز به کمک هوش مصنوعی این خدمات با کیفیت مناسب‌تری عرضه می‌شود.

هوش مصنوعی در تحلیل بازار، ارزیابی املاک، مکانیسم‌های فروش، شناخت روند (ترند) بازار نیز بسیار یاری‌رسان است. این موضوع، همان موضوع فعالیت شرکت داناملک است.

 به نظر می‌رسد موضوع جذابی باشد. اگر موافق باشید، کمی درباره این موضوع بیشتر توضیح دهید.

بگذارید مثالی ملموس بزنم. اگر شما سال ۹۷ آمار ساخت‌وساز یا آمار فروش را نگاه می‌کردید، آپارتمان‌ها با مساحت کمتر از ۷۰ یا ۸۰ متر مربع، حداکثر سهم 15‌درصدی در بازار معاملات مسکن داشتند، اما امروز می‌بینیم بیش از ۵۰ درصد سهم معاملات بازار آپارتمان‌ها برای این متراژ است. آن سال‌ها اگر به کسی می‌گفتید که من یک آپارتمان به مساحت ۳۵ مترمربع نیاز دارم یا می‌خواهم آپارتمانی بسازم که فقط یک سرویس و حمام و یک آشپزخانه داشته باشد (همان چیزی که در دنیا مرسوم است)، همه شما را شماتت می‌کردند که اساسا چنین موضوعی در فرهنگ ایرانی جایی ندارد. امروزه ما با کمک هوش‌ مصنوعی بهتر می‌توانیم تغییرات فرهنگی را از روی رفتار مردم در بازار و در فضای مجازی پیش‌بینی کنیم.

ما امروز می‌توانیم با جست‌وجو و استفاده از دیتابیس‌های متنوع، ترندهای بازار را تشخیص دهیم. حتی می‌توانیم حدس بزنیم کدام قسمت شهر، در‌حال توسعه است. البته این موضوع مشروط به این است که ما پایگاه‌های اطلاع داده بسیار خوبی داشته باشیم؛ چون هوش مصنوعی بر‌اساس جست‌وجو در این پایگاه‌ها کار می‌کند. رفتارهای جامعه هدف (مشروط به اینکه پایگاه اطلاعاتی داده‌اش موجود باشد)، قابل رصد و تا حدی پیش‌بینی‌پذیر است. یکی از کاربردهای هوش مصنوعی در بالادست زنجیره ارزش صنعت ساختمان، تحلیل رفتار مشتری در بازار است. به ‌عنوان یک مصداق واقعی می‌توان به اطلاعات موجود در پلتفرم دیوار اشاره کرد. همان‌طور که می‌دانید، این وب‌سایت یک پلتفرم مجازی برای خرید‌و‌فروش کالا‌ست که بخشی از آن مختص املاک است. در‌واقع دیوار محل عرضه و تقاضای املاک است و روزانه حدود هفت هزار نمونه (کیس) ملک در آن پیشنهاد می‌شود. در این پیشنهاد علاوه‌بر قیمت مد نظر، مشخصات و ویژگی‌ها نیز ارائه می‌شود. اگر قرار باشد انسان به ‌عنوان خریدار یا یک ناظر بازار، همه هفت هزار مورد را بررسی کند، کار بسیار مشکلی است و درواقع امکان‌پذیر نیست. اگر قرار باشد در یک شرکت نیروی انسانی‌ همه این موارد را بررسی کند، کار بسیار پرهزینه و زمان‌بری است. به ‌عنوان نمونه، هر‌کدام از این هفت هزار مورد معاملاتی، مشخصاتی دارند. مشخصات مکانی، ساختمانی، نوع ساخت و مهم‌تر از همه مشخصات قیمتی‌ و سؤال اساسی‌تر این است آیا قیمتی که این ملک قرار است فروش برود، قیمت مناسبی است یا نه؟ بنابراین تصمیم‌گیری درباره این موضوع به همین راحتی نیست و نیاز به تجزیه‌وتحلیل دارد.

 و جواب هم قطعا کمک‌گرفتن از ابزار هوش مصنوعی است؟

بله، درست است. به‌هر‌حال به‌سادگی نمی‌توان به پاسخ این تجزیه‌و‌تحلیل رسید. ما امروز توانسته‌ایم به کمک هوش مصنوعی تمام این املاک را به صورت برخط (آنلاین) ارزیابی کنیم. البته اینجا روی کلمه دیتا و داده‌های مناسب و قابل اتکا بسیار تأکید دارم. یعنی باید پایگاه داده مناسبی وجود داشته باشد که بتوان موارد را تک به تک ارزیابی کرد. امروز وقتی وارد سایت دیوار می‌شوید و هر‌کدام از املاک را مطالعه می‌کنید، بخشی دارد به نام ارزیابی که وقتی روی آن کلیک کنید‌ می‌توانید از سرویس شرکت «داناملک» بهره‌مند شوید. در این بخش به این سؤال شما پاسخ داده خواهد شد که آیا قیمتی که برای آن ملک ارائه شده است، قیمت مناسب یا منصفانه‌ای است؟ این سرویس در یک کانال تلگرامی (با عنوان پیشخوان دانا‌ملک) نیز فعال شده است و روزانه به معرفی املاک با قیمت منصفانه و مناسب اقدام می‌کند و به‌زودی وب‌سایت آن هم فعال خواهد شد.

 چنین خدماتی چه سودی دارد؟

ما با ارائه چنین خدماتی به ارزان‌شدن یا بهتر بگویم به منطقی‌شدن قیمت مسکن کمک می‌کنیم. خریداران پس از مراجعه به بخش ارزیابی متوجه خواهند شد که آپارتمان مد ‌نظر در مقایسه با املاک دیگر ارزان‌تر است یا گران‌تر؟ با ارائه این خدمات مردم تشویق می‌شوند به درگاه‌های موجود مراجعه کنند و املاک با قیمت مناسب خود را خریداری کنند. فروشنده نیز می‌فهمد که دیگر نمی‌تواند هر قیمتی که خواست‌ روی ملک بگذارد یا با تبانی با یک یا چند بنگاه معاملاتی، قیمت املاک یک منطقه یا یک خیابان خاص را افزایش دهد. همه به این اطلاع و آگاهی می‌رسند که از این پس مرجعی وجود دارد که بازار را رصد می‌کند. مرجعی که بر پایه هوش مصنوعی ساخته شده و امکان فساد و خطا ندارد؛ چون یک تکنولوژی است. این تکنولوژی بر‌اساس نوعی یادگیری که درون آن وجود دارد و گونه‌ای فرمول‌نویسی که برای آن شده است، هرروز قوی‌تر می‌شود. در مکانیسم طراحی مدل آن از یادگیری ماشینی (Machine learning) استفاده شده است. در این شیوه شما از آنچه امروز دارید، برای بهبود عملکرد فردا استفاده می‌کنید. داده هفت هزار پرونده‌ای که امروز به بازار ارائه می‌شود، به صدها هزار پرونده‌ای که در ذهن این هوش مصنوعی وجود دارد‌ اضافه می‌شود و هوش مصنوعی آنها را با هم مقایسه می‌کند و به یافته‌های جدیدی می‌رسد.

فرض کنید شما در خیابان هنگام از منطقه ۴ شهر تهران می‌خواهید یک آپارتمان ۸۰‌مترمربعی بخرید. می‌دانید قیمت منطقه به ازای هر مترمربع حدود ۷۰ میلیون تومان است. برای این موضوع شروع به جست‌وجو در کوچه‌های مختلف می‌کنید. به تعداد زیادی مشاور املاک مراجعه و با آنها مذاکره می‌کنید و آنها هم به شما مواردی را نشان می‌دهند. بعد از چند بازدید، کم‌کم اینها را با هم مقایسه می‌کنید و می‌توانید چند معیار برای اینکه کدام ملک ارزان‌تر است یا گران‌تر‌ به دست آورید. این روش در ریاضیات به روش هدانیک معروف است که با تعدادی از ویژگی‌ها می‌توانید تشخیص دهید کدام مورد (کیس) مناسب‌تری است. ما با ماشین یا کامپیوتر هم همین اقدامات را انجام می‌دهیم. درواقع مؤلفه‌های اثرگذار بر قیمت را خود هوش مصنوعی پیدا می‌کند و در تعداد بسیار بالا با یکدیگر مقایسه می‌کند. خطا هم از بین می‌رود؛ چون از یافته‌های امروز در سرتاسر محلات، نتایجی استخراج می‌شود که حاصل مقایسه آن با یافته‌های روز قبل و روزهای قبل‌تر است و با این روش محاسبات و یافته‌ها را دقیق‌تر تنظیم می‌کند و شما به‌ عنوان کاربر پاسخ بهتری از او دریافت می‌کنید. هرروز بهتر از دیروز.

این شیوه به ‌این ‌دلیل مناسب است که می‌تواند ابعاد بسیار وسیعی از متغیرها را پوشش دهد و فراموشی یا خطا هم ندارد. ضمن اینکه ارتباط درستی بین داده‌ها برقرار می‌کند. به ‌عنوان مثال، وقتی یک ساختمان در پارامتر نور بهتر از ساختمان دیگر است، باید بگوید که این ساختمان چقدر گران‌تر از آن ساختمان است و باید ملاک درستی داشته باشد که اگر می‌گوید متری یک میلیون تومان گران‌تر است، مبنای آن چیست؟ هوش مصنوعی سنگ محک را با استفاده از مقایسه‌های زیاد می‌یابد و می‌تواند بر‌اساس یافته‌های خودش که پایه آن معاملات واقعی است، متغیرهایی را بیابد و میزان تأثیر هر‌کدام از آنها را در قیمت واقعی محاسبه کند و با گذر زمان، هر‌روز مقایسه‌هایی که انجام می‌دهد‌ روند را بهبود می‌بخشد. اگر هوش مصنوعی در این حوزه نباشد، انسان این توانمندی را ندارد که این میزان از داده را با هم مقایسه کند و پارامترهای مقایسه‌ای را استخراج کند و به هر‌کدام وزن مشخص و میزان تأثیرگذاری مشخصی در قیمت بدهد. به‌هر‌حال آینده بازار خرید‌و‌فروش ملک در دست هوش مصنوعی است و گروه سرمایه‌گذاری لوتوس و شرکت دانا‌ملک با درک واقعی از تغییرات تکنولوژیک در تمام بخش‌های صنعت ساختمان از انتخاب کانسپت تا طراحی و ساخت و فروش و مطالعات بازار، تلاش دارند پرچم‌دار استفاده از هوش مصنوعی در قیمت‌گذاری و تحلیل بازار املاک باشند.