这篇文章是基于在事件在旧金山，一个Grupo4s“房地产的未来”，在2018年三月由最初创始人兼首席执行官丹尼尔Faggella，在Emerj（原TechEmergence）所给的介绍一组房地产高管。
在美国房地产市场目前是卖方市场，需求超过供给，而住房负担能力下降稳稳2018（来源：盖洛普,2018年5月)。在机器学习的帮助下，更高效的财产买卖手段正在成为可能，其他基于人工智能的应用程序正慢慢进入维护、能源管理等领域。
在下面的文章中，我们将探讨在房地产机器学习的应用。我们将研究购买和销售过程中，除了更深入地了解设施管理和楼宇自动化系统。我们也将研究其他行业可能成为未来房地产创新的代理，帮助高管想象未来的可能性在影响房地产本身之前。
为了帮助商业领袖找到对他们来说最重要的房地产应用程序和ML洞察力，我们将这篇文章分成以下几个小节:
- 为什么机器学习在房地产中很重要
- 人工智能在企业中的状态
- 在房地产机器学习的3个应用
- 代理应用程序:消费者应用程序、聊天机器人和基于机器学习的接口
- 代理应用:预测维修在制造业和重工业
- 应用领域1:楼宇自动化系统分析
- 应用领域2:物业管理自动化
- 应用领域3:房地产市场中的机器学习
- 决定机器学习应用的“是”或“否”
- 总结思考 - 避免炒作，向前进
我最初演讲的幻灯片可以在下面找到，完整的文章继续如下:
为什么机器学习在房地产中很重要
我们采访了成百上千的ML研究人员AI在工业播客这表明，他们在ML的宏观动态方面几乎没有达成一致。在哪些行业将首先转型方面没有共识，在哪些行业将首先转型方面也没有共识人工智能的风险在未来的20年里，没有达成共识人工智能的定义。然而，有一件事他们确实达成了共识，那就是人工智能将在未来10年或20年大幅改变商业运作方式，就像互联网在过去20年所做的那样。
跟踪人工智能技术的发展具有战略意义。然而，许多关于人工智能和机器学习的信息更多的是一厢情愿的想法(或炒作)，而不是事实。商业领袖应该知道什么值得关注，什么应该忽视。人工智能应该在未来思维的领导者的雷达上，但它应该是一个雷达光点的大小。
本文的目的是推广一个现实的情况下，企业AI一般，特别是在房地产。这将使决策者能够区分人工智能哪些方面对企业有价值，哪些方面对企业没有价值。
人工智能在企业中的状态
人工智能在60年代是令人兴奋和新奇的，在80年代又经历了一段热情的时期(在学术界和工业界)。然而，在60年代和80年代，人工智能在商业应用中并没有得到广泛的应用，在那几十年里，最大的公司并没有依靠人工智能来提供他们的服务或产品。
今天，生意大不一样了。世界上最赚钱的公司都是建立在人工智能和机器学习基础上的，比如谷歌、Facebook、亚马逊(Amazon)、Netflix和微软(Microsoft)。虽然这些公司一开始并没有使用人工智能，但这项技术已经成为这些公司的支柱。如果没有机器学习，他们不可能达到今天的成就。
在许多方面 - 学习机仍在寻找进入大多数业务应用程序。随着人工智能技术处理以某种方式大多数公司都比较新，但仍与技术试验。医疗保健非常兴奋AI，在某些情况下，工业采用AI，但绝不是已经被保健“大修”作为一个行业。也可以这样说，交通，金融等诸多行业。这可能是另一个十年，直到AI成为大多数主要行业的必要和重要组成部分。
我们的研究表明，总体而言，大约三分之一的人工智能或机器学习公司拥有必要的人工智能智能能力(即拥有来自学术界或以前工作的丰富人工智能经验的高管)。在这些公司中，只有三分之一的公司会有一定程度的吸引力，因为他们的试点项目有记录在案的商业价值。即便如此，这10%有能力的人工智能公司可能还没有盈利，因为他们仍在试图找出如何产生一致的结果并解决实际的业务问题。
今天的人工智能和ML技术需要a对资源的大量投资(超出大多数商人的预期)，并没有保证的端到端解决方案会奏效。软件可以被编程为稳定的，但机器学习的解决方案是概率，甚至有足够的训练数据，解决方案可能永远不会产生有意义的结果。考虑AI应用企业领导人应该铭记这些考虑，做他们的什么AI采用和整合确实需要功课。
(有兴趣将人工智能应用于现有业务的读者，请参阅我们的全文，标题为:企业采用人工智能——当它有意义或没有意义时。)
在房地产机器学习的3个应用
房地产是远远落后于其他行业（主要是：医疗保健，金融，交通）总AI创新和机器学习公司资金等方面。然而，房地产专业人士可以看看代理行业，看看他们如何利用人工智能解决房地产类似的问题。
房地产行业可以寻找代理行业的两个主要人工智能应用类别是面向消费者和预测技术。
代理应用程序：消费者应用程序，聊天机器人和基于机器学习的接口
对于面向消费者的应用，如聊天机器人或与性能匹配的人，电子商务和消费电子技术空间是它第一次出来。他们在房地产行业的应用将只能采用它一旦在正在加快产业得到了发展。
一般来说，当面向消费者的人工智能技术有了用武之处时，它不太可能首先出现在房地产行业。如果Facebook或亚马逊(Amazon)等公司没有开发出这种技术，那么在其它任何地方都不太可能出现。
代理应用:预测维修在制造业和重工业
对于预测技术，如设备、资产和财产的维护或保养，则为制造业和重工业空格最有可能首先执行此操作。开发技术和流程以优化这一功能的努力在这些行业比在房地产行业更有可能获得回报。研究预测分析、智能技术和事（物联网）应用互联网总的来说，它们可以从这些行业开发的技术中得到启示。
考虑到这两类主要的人工智能技术代表了未来对房地产有潜在价值的创新类型，这里有三种可能的应用来提高效率。
今天，我们将探讨mahcine学习在房地产领域的一些直接应用领域:
应用领域1:楼宇自动化系统分析
人工智能在房地产领域的第一个应用是建筑自动化系统，这是一种物联网系统。这包括在建筑的战略区域放置传感器。传感器可以安装在照明或供暖系统、电梯和安全系统中，以收集数据，帮助建筑业主提高能源效率。
如果成功，收集的数据将支持预测分析的新兴市场。问题是，机器学习模型往往难以处理具有广泛差异的时间或时间戳数据。挑战在于将这些时间数据构建到模型中，以便“感测化”或仪器化的碘注入建筑物在跟踪具有季节、每周或每日差异的多个数据流时能够做出一致的预测。这似乎是这类机器学习应用程序的一个摩擦点。
这项技术还不能完全预测一座建筑将会发生什么。然而，持续的开发确实为未来的房地产经理们打开了一扇大门，让他们知道更多关于预测在他们的设施中特定情况下会发生什么。
房地产的另一个挑战是搞清楚在哪里把传感器和什么样的活动进行跟踪，以最大限度地提高数据采集不影响建筑的居住者的隐私。
在网络世界,用户知道他们所有的活动都被跟踪,并含蓄地同意通过使用一个特定的网站(这就是为什么在机器学习中的应用和市场营销的重点是销售在线零售商比离线零售商——趋势中我们进行更深入的探索机器学习营销主管共识报告)。
这种情况在一个物理设备不同。人们期待了一定的私密性，和建筑物的所有者或者管理者有义务保护隐私。集成传感器技术融入建筑将涉及到的功能，深入了解一个微妙的平衡，并为他们的行为将现在可以跟踪和检测到的人的尊重。
安全性是“传感产品”建筑类似的关注（这是在遭到攻击的是物联网设备2016年，臭名昭著的DDoS攻击摧毁了大部分消费者网络)。随着“智能”设备和传感器安装在大楼的各种系统中，就会有更多的机会侵入系统，获取敏感信息。一个很好的例子是，2013年，塔吉特百货(Target)被入侵，据称是通过该公司的一个账户智能空调系统，在被访问的数百万客户的财务和个人信息。这是对的事情考虑楼宇自动化系统时，要记住一个。
一些公司在这方面做了一些有前途的工作，包括:
- PointGrab- 用途嵌入式分析传感器以提供可视性实时居住者的行为和空间利用率;演示视频通过保持跟踪匿名强调个人隐私
- TellMePlus- 它的预测对象的应用程序使用AI来帮助重型机械和房地产公司在关键资产中嵌入的传感器，使更快，更准确的预测提高效率和性能
- BuildingIQ- 能够在一米亚米级企业内部跟踪分析，聚集建模和报告能源数据，以优化能源效率
虽然这些公司似乎在楼宇自动化技术将实现一定的牵引力，但谨慎行事是很重要的。许多这些公司规模小，相对较新，可能会显示抱负，而不是实际的结果。例如，在这些公司的网站上公布的演示视频或使用情况下，可能暗示着越来越积极的结果很容易。这是最有可能并非如此。
在目前的开发阶段，安装和集成人工智能软件和技术需要对个别建筑物进行大量的实际操作。为了达到良好的结果，花在设置和集成、培训和测试上的时间很可能是相当多的。
应用领域2:物业管理自动化
第二个应用领域是在物业管理工作职能的自动化。节约的机会是，管理者将实现可视化的销售和代理的性能数据来驱动前景的转化率和改善预后的业务开发团队。
房地产聊天机器人的市场机会可能会通过亚马逊回声或其它智能设备的申请，以帮助分布式礼宾服务交互的喜悦和奖励商户。今后，对于这种类型的自动化的一个可能的应用是简化销售过程的初始部分。它可以是，以适应潜在的租户或设置通过交谈接口站点的观看预约的应用，如一个聊天机器人。
这一领域的一些有前途的公司包括:
- 管理系统- 市场营销的应用程序，集中关键数据和流程，以吸引，转换和保留商业物业租户
- Appfolio- 软件，专注于市场营销，以吸引和保留商业物业租户
- Buildium-运用自动化技术改善住宅物业的租住关系
- Zenplace- 通过使用亚马逊的Alexa一个聊天机器人回答从现租户的基本问题，以及使他们能够轻松地支付他们的房租，管理能源使用和计费，甚至报告问题与物业
像公寓海洋和Automabots它们也大量利用聊天机器人，但通过网站向房地产经纪人销售，而不是利用它们直接追踪买家。然而，一些经纪人辩称，这项技术仍然太新，可能会让那些可能认为机器人粗鲁或没有帮助的客户失望。这是一场仍在进行的辩论，尚未达成解决方案。
应用领域3:房地产市场中的机器学习
正如前面提到的，目前的房地产市场是一个卖方市场，所以匹配合适的人与完美的价格点正确的地方是利润驱动的价值主张。许多房地产平台，如制作的Airbnb和Zillow的使用这种类型的推荐应用，效果良好。它的主要功能是租客与房东匹配，有可能增强券商的工作。
业主和管理者也可以通过了解这些平台的工作方式，并学会与它们共存，从而从这些平台中受益。例如，了解推荐引擎如何为通过Zillow或Airbnb进行搜索的人提供有用的见解，从而使这些平台上的列表尽可能吸引潜在的租户或买家。
房屋评估也是AI可以增加的房地产经纪人工作的一个重要部分。与Zillow的首席分析官进行的一次Techemergence访谈Stan Humphries在房地产用例中阐明了人工智能。他谈到了如何使用人工智能模型，利用视觉数据和其他类型的信息，更准确地评估一个家庭。
这些在线科技公司往往是AI首先，这意味着数据科学是这些公司从成立之初的主要元素。这可能不是对拥有一个或两个酒店的人真实的，甚至可能不是在所有的雷达，最有可能，因为它并不需要的人。然而，AI肯定是必要的未来，以及一些更有趣的市场机会是房地产具体的AI应用，如虚拟和增强现实。
高盛(Goldman Sachs)的研究据估计，到2025年，仅房地产领域的虚拟现实(VR)市场就能创造高达26亿美元的收入。考虑到人工智能的发展，如今在计算机视觉领域，很可能会看到3D物业可视化技术为经纪人和物业经理创造新的工具。对于那些想要查看待售房屋、出租物业或酒店设施的人来说，无论他们身在何处，都有一定的潜力，就好像他们真的在那里一样。
这听起来像是刚刚虚拟现实，但AI一般会被要求实事求是地复制现有环境（参考我们的播客采访上的话题机器学习的VR和机器视觉)。只有通过适当的机器学习训练，人工智能才能获取一系列的图像和传感器数据，并将它们整合到一个虚拟世界中，让人感觉像是真实的东西。
决定机器学习应用的“是”或“否”
确定人工智能是否会为企业提供真正的价值，需要大量的研究和一些冒险。对于没有任何资源的中小型企业来说，通过关注大公司利用人工智能所做的事情，他们仍然可以站在行业的前沿。
看看一个行业中最大的公司在相关性和营收方面获得了哪些动力，就能很好地反映出哪些投资可能会有某种回报。假设90%的新闻稿都没有价值，只关注剩下的10%。
注意这一点也很重要主要挑战固有的在现有的公司整合AI。其中之一是缺乏机器学习天赋。最有能力的人在这个空间是很难找到，主要是因为他们去大公司，如谷歌和Facebook，付给他们比大多数企业能够承受谁。有内部人才担任顾问不能做到这一切是非常重要的。
完全依赖外部机器学习顾问是一种危险的处境。
在王子，马基雅维里写道：在长约依托于打赢或征服据点雇佣军和辅助部队的危险：
“王子还是共和制，那么，应该采取任何其他的课程，而不是把辅助到他们的状态了防守，尤其是当他们的依赖是完全在其上。任何条约或公约的敌人，不过硬的情况下，会少很难承受比助剂的危险。”
顾问(在马基雅维利的时代，是“辅助人员”)与全职团队成员有着不同的动机，这可能会导致冗长的项目、不连贯的优先级和不必要的开支。马基雅维利(Machiavelli)对这个问题的评价可能有些过火，但他的话读起来比我的更有趣:
“雇佣军和辅助军是无用和危险的;如果一个人把他的国家建立在这些武器的基础上，他将站得既不稳固也不安全;因为他们是分裂的、有野心的、没有纪律的、不忠的、在朋友面前勇敢的、在敌人面前胆怯的;他们既不惧怕上帝，也不忠于人类，只有在受到攻击的时候，毁灭才会推迟;因为人在和平时被他们抢夺，在战争时被敌人抢夺。”
当然，机器学习顾问不是无用的——这样的专业知识是对缺乏人才的生态系统的必要补充——在以前的文章中，我们已经深入讨论过了机器学习顾问和培训活动的价值。他们当然有自己的位置——但许多顾问自己也会承认，让外部人士既担任主题专家，又担任人工智能向导主管，是一个危险的地方，对于让人工智能成为一家公司DNA的一部分而言，这不是一个可行的长期战略。
另一个挑战与管理结构有关。现有的公司将不会成立来处理人工智能应用的不确定性或研发过程的长度。将人工智能和机器学习引入到现有的业务中需要做很多工作，从上到下的人员必须充分参与到集成中。
管理层必须知道AI或ML在解决实际能力问题。他们不能用手的AI队的问题，时间机器学习的90％没有被设计来解决，并期待积极成果。然后，一旦应用程序建成后，总要有人弄清楚如何将它集成到公司的其余部分。所花费的时间，以现有的企业内部调整和调节AI或打造出来的东西长度是非常具有挑战性的。
在现有公司中，任何人工智能集成的最大问题可能是数据的可访问性。大多数在运营中采用人工智能的公司，往往没有足够的数据以适当的格式来培训机器学习应用程序。数据可能在那里，但组织起来不方便与人工智能应用程序一起使用。
多数供应商认为，由于这些困难，尤其是数据管理方面的困难，大公司不会直接采用人工智能。大多数大公司将通过收购采用人工智能，而那些没有办法管理其数据的公司将没有多少未来。
同样的情形也适用于房地产行业。人工智能并不一定要在每一个方面都进行革命。它有很大的潜力，但目前它基本上只是一堆噪音。一位眼光敏锐的高管应该能够训练自己的大脑，让它分辨出哪些内容是相关的，哪些是不相关的，以及什么时候、在什么地方投入时间和金钱。
总结思考 - 避免炒作，向前进
如今，使用人工智能的房地产应用有着许多令人兴奋的前景。然而，这是一项正在进行的工作，许多房地产高管落入了“玩具”应用程序的陷阱。“玩具”是与人工智能相关的项目，只是因为它们使用了人工智能，而不是因为它们解决了实际的业务问题。这是炒作陷阱的一部分，是一种被市场热情扭曲的思维方式。
避免“玩具应用陷阱”的最佳方法是忽略供应商公司使用的劝诱式营销策略，并像考虑其他任何技术一样考虑人工智能的采用(例如，假装机器学习并不“酷”，并为公司的目标和战略做出最佳决策)。考虑公司的问题、方向和目标，然后考虑可以提供帮助的技术。如果它碰巧是基于ai的，那么它就不是一个玩具应用程序。
当然，商业领袖应该考虑人工智能对其行业不可避免的影响。这可能足以让人工智能“在雷达上”进行战略规划。然而，它不应该转化为冲动和脱节的“项目”，这些“项目”为了人工智能本身而涉及人工智能。作为一个人工智能应用的新兴行业，房地产行业的领导者和其他行业的商业领袖一样，都有可能落入这个陷阱——这是应该避免的。
我们完全可以接受这样一个事实，即房地产行业中大多数新的It集成都不涉及机器学习。大多数公司将不会有资源来使用人工智能，也不会期望合理的投资回报，而且实际上可能会产生比人工智能解决的问题更多的问题。
房地产行业是不是一个例外。上面显示了如何AI应用程序可能会潜在地问题提供一些真实世界的解决方案中所描述的三个应用程序。然而，他们可能会以过高的价格，许多房地产公司。AI应用和解决方案将在未来变得更为企业更方便，但不是现在。机器学习收养不应该掉以轻心。
特别感谢Emerj贡献者埃德Zagorin为进行初始研究我们以前AI在商业地产方面的文章从去年年底，并帮助产生许多想法的这篇文章。
图片来源:Dan Faggella
