Inteligencia Artificial en Valoraciones

Visión computacional en las tasaciones e inspecciones de activos

La visión computacional en las tasaciones e inspecciones está emergiendo como una herramienta poderosa con el potencial de transformar procesos en aspectos como precisión, eficiencia y objetividad. A continuación, se detallan los aspectos clave y las mejoras técnicas relacionadas con este campo que aporta esta rama de inteligencia artificial:

• Precisión y consistencia en las evaluaciones: Computer vision permite a los tasadores proporcionar determinaciones más precisas y consistentes sobre la condición, calidad y daños de una propiedad. Esto se logra mediante el análisis de grandes cantidades de datos visuales, lo que permite identificar y medir diversas características de una propiedad, como habitaciones, características y daños, así como evaluar su estado y calidad. Al eliminar los errores y sesgos humanos, la visión computacional ofrece insights visuales consistentes y objetivos, asegurando un proceso de tasación más confiable.
• Inspecciones remotas y modelos 3D: Tradicionalmente, las inspecciones de propiedades requerían visitas físicas. Hoy en día, las imágenes y videos de alta resolución capturados por profesionales inmobiliarios pueden ser analizados mediante visión computacional, lo que permite a los tasadores observar la inspección física de manera remota. Esto ahorra tiempo, dinero y permite enfocarse en el análisis de datos y el soporte narrativo para el análisis. Además, los sistemas de visión computacional pueden proporcionar modelos 3D y recorridos virtuales para ayudar con las mediciones de propiedades y proporcionar planos de piso consistentes y precisos.
• Mejora de modelos de valoración: Los portales inmobiliarios, como Zillow, Trulia y Redfin, utilizan ya esta tecnología para analizar fotografías aéreas de alta resolución y entregar datos acerca de la condición de propiedad y su entorno. Datos que posteriormente se integran en sus modelos de aprendizaje automático para generar estimaciones de precios de viviendas teniendo en cuenta variables que hasta la fecha eran inalcanzable o muy costosos de obtener.
• Búsqueda visual de propiedades: La visión computacional permite identificar y clasificar imágenes interiores y exteriores en listados procedentes de agregadores, MLS y otras fuentes, mejorando los modelos de valoración y la búsqueda visual para establecer comparables entre propiedades. Además, esta tecnología se ha vuelto clave para la detección de fraudes en varias industrias relacionadas con Real Estate, incluyendo seguros o la eliminación de listados duplicados en portales inmobiliarios.
• Estimación de costes de renovación: Los metadatos o etiquetas de elementos/objetos capturados por medio de visión computacional también pueden utilizarse para estimar los costes futuros de renovación de viviendas. Empiezan a aparecer cada vez más aplicaciones que usan visión computacional y análisis de imágenes para generar mediciones, crear elevaciones y detallar los materiales requeridos a partir de fotos cargadas desde un teléfono móvil. Esto es crucial para los modelos de scoring de préstamos hipotecarios en banca, inversores institucionales y aseguradoras que evalúan reclamaciones por daños.
  
  

En conclusión, a medida que la visión computacional continúa revolucionando las tasaciones y las inspecciones, enfrenta desafíos y consideraciones futuras significativas.

Primero, la estandarización de los datos, incluyendo formatos y taxonomías consistentes en los sistemas de listado múltiple (MLS) y en los formularios de inspección y tasación, es esencial para garantizar la eficacia y coherencia. Segundo, el uso apropiado de la tecnología, manteniendo la transparencia en el proceso de valoración, aspecto crítico que se debe de ajustar a la regulaciones estatales. Por último, la integración con otras tecnologías emergentes, como el aprendizaje automático y procesamiento de lenguaje natural, augura futuras mejoraras en precisión y la funcionalidad de estos modelos.

Datos, AVMs e innovación en las valoraciones inmobiliarias

En el ámbito de la valoraciones, no es novedad la importancia que han tomado los datos para tener unas estimaciones de precios lo más ajustadas posibles a la realidad. Tampoco es novedad, concretamente en este área, la utilización de modelos de machine learning (aprendizaje supervisado, precios hedónicos, indexación, mixtos...)  para el desarrollo de valoradores automáticos (AVMs). No obstante, los últimos avances en inteligencia artificial van a aportar a estos modelos más capacidades que aportarán beneficios al flujo de trabajo en materia de calidad de datos mediante un enfoque multifacético y técnico:

• Mayor disponibilidad y diversidad de datos. Tradicionalmente, los conjuntos de datos disponibles para la valoración inmobiliaria han sido limitados y homogéneos, lo que en ocasiones puede ocasionar respuestas tardías a cambios del mercado. La IA aborda este desafío mediante el análisis de grandes volúmenes de datos, añadiendo nuevas variables como imágenes, fotos satelitales de propiedades o datos en tiempo real para generar nuevos puntos de datos valiosos, mejorando los comparables y refinando las valoraciones.
• Evaluación técnica de la calidad de datos. En esta fase, los algoritmos de aprendizaje automático realizan una evaluación técnica inicial de los datos, identificando anomalías y evaluando la severidad de los problemas. Posteriormente, los modelos de lenguaje generativos, como ChatGPT, intervienen sugiriendo reglas de calidad de datos y transformaciones. Estas sugerencias se presentan en un formato de texto natural, lo que facilita enormemente su comprensión y adopción por parte de los stakeholders del negocio.
• Creación de reglas de negocio adicionales. La creación de reglas de negocio adicionales se simplifica notablemente gracias a la interfaz de lenguaje natural proporcionada por la IA. Los usuarios de negocio pueden formular sus requisitos en lenguaje natural, sin la necesidad de interfaces de usuario complejas o procesos de desarrollo técnico. Estas reglas, una vez formuladas y aceptadas, se convierten en código ejecutable de manera casi automática.
• Revisión y validación de reglas propuestas. Una vez que se han generado propuestas de reglas de calidad de datos, estas pasan a una fase de revisión y validación donde intervienen expertos en calidad de datos y equipos de negocio. En esta etapa, pueden aceptar, rechazar o sugerir modificaciones a las reglas para alinearlas mejor con los requisitos y objetivos empresariales.
• Pruebas y validación antes de la producción. Antes de que las reglas se implementen en el entorno de producción, se lleva a cabo una fase de pruebas y validación utilizando muestras de datos. Este proceso asegura que las reglas funcionen según lo previsto y que se cumplan las métricas de calidad de datos establecidas, garantizando la fiabilidad y precisión de los datos que serán utilizados en los AVMs.
• Observabilidad activa de datos. Potenciada por la IA, permite un monitoreo, gestión y seguimiento automatizados de los datos a lo largo de sus pipelines. Esta automatización reduce significativamente el riesgo de errores humanos y mejora la eficiencia general del proceso. La IA no solo observa sino que también interviene para auto-corregir los datos.
  
  

Con el tiempo, estas rutinas de validación de datos basadas en IA mejoran, gracias a la capacidad de estos sistemas para interpretar patrones y prevenir errores futuros, lo que contribuye a una mejora continua en la calidad de los datos.

La integración de la IA en la valoración inmobiliaria es más que una mera mejora técnica; representa un cambio fundamental en la importancia y el uso de los datos. Con el acceso a datos más ricos y variados, y la capacidad para analizarlos de manera eficiente, los profesionales del sector pueden ahora realizar valoraciones más precisas y oportunas, ayudando a los clientes en la optimización de portafolios, evaluación de riesgos, control de calidad y detección de fraude.