Uso de IA en la gestión de inversiones inmobiliarias

15. Abril 2021 | Drooms Global


La inteligencia artificial (IA) es sinónimo de innovación. Ofrece oportunidades únicas como automatización de tareas y reduce el tiempo a emplear en proyectos y tareas al aprender del comportamiento del usuario beneficiando así a gestores de activos y carteras, consultores, vendedores e inversores por igual.

Antes de profundizar en una de las aplicaciones más populares de la IA en este sector, veamos que implica la propia tecnología, sus subconjuntos y limitaciones.

 

¿Qué es la IA?

 

La inteligencia artificial abarca una rama de las ciencias de la computación y se usa a menudo en referencia al desarrollo de máquinas inteligentes que se encargan de realizar tareas típicamente llevadas a cabo por personas.

En la década de 1950, IA se usaba ampliamente para referirse a ordenadores capaces de realizar tareas complejas, como jugar al ajedrez y responder a cálculos matemáticos a nivel humano o más rápido. Hoy en día, el ámbito de la IA se ha ampliado y se utiliza en una variedad de industrias, incluidos los sectores sanitarios y de comercio electrónico.

 

¿Qué subconjuntos de IA hay?

 

La IA se puede subdividir de acuerdo con diferentes criterios. Por ejemplo, los algoritmos de IA difieren según qué representación interna utilicen para crear modelos de conocimiento sobre conceptos y sus relaciones. En las representaciones simbólicas, un símbolo representa un concepto en el mundo real. Los modelos estadísticos representan conceptos como vectores numéricos, normalmente derivados de los análisis de conjuntos de datos mayores. Las redes neuronales codifican conceptos en forma de secuencias de activaciones de conjuntos neuronales en la red.

La IA también se puede clasificar según su área de aplicación:

  • El procesamiento del lenguaje natural analiza datos textuales e incluye tareas como la traducción de documentos o la extracción de información clave de un documento (p. ej., el nombre de un arrendatario de un contrato de arrendamiento).
  • El análisis de imágenes identificando p. ej., una página de un documento para tareas como la clasificación de la imagen , otras p. ej., ¿se trata de una foto o de un mapa?), la detección de objetos en la imagen (p. ej., ¿tiene una firma?) o la localización de objetos en la imagen (p. ej., ¿en qué parte de la página está la firma?).
  • La generación de predicciones y sugerencias se basa típicamente en el análisis de datos, p. ej., las interacciones de usuarios en los archivos de registro. Esta información puede ayudar a afrontar retos como la agrupación de usuarios según sus acciones (p. ej., usuarios principiantes, de nivel intermedio o expertos) o la predicción o sugerencia de cuál debería ser su siguiente acción. Es un proceso similar al de las recomendaciones de productos a partir de compras anteriores.

En Drooms utilizamos los tres enfoques (esto es, los modelos simbólico, estadístico y de redes neuronales) para analizar texto, imágenes y generar sugerencias.

 

¿Dónde empieza y termina el aprendizaje automático?

 

La IA y el aprendizaje automático se utilizan de forma prácticamente intercambiable, pero existe una clara distinción entre ambos, tal como se ilustra en el diagrama a continuación.

La IA es una rama de las ciencias de la computación a la que atañe crear tecnología que imite la conducta humana para conferir mayor inteligencia a las máquinas. El aprendizaje automático es un subconjunto de la IA que utiliza métodos de aprendizaje estadístico para producir sistemas de aprendizaje autónomo que mejoren y corrijan sus resultados a lo largo del tiempo. El aprendizaje profundo es un subconjunto del aprendizaje automático, basado típicamente en redes neurales artificiales. Dichas redes artificiales están inspiradas en las redes neurales biológicas y en cómo el cerebro humano procesa la información. Las innovaciones y mejoras recientes en las tecnologías de IA, como los coches autónomos o los grandes progresos en la tecnología de traducción automática, derivan del aprendizaje profundo.

El uso del aprendizaje profundo, ofrece un mejor rendimiento (p. ej., mayor precisión), pero requiere por lo general un volumen considerable de entrenamiento de los datos y los resultados pueden ser difíciles de explicar o corregir. 

 

¿Cuáles son las limitaciones del aprendizaje profundo?

 

Un ejemplo reciente de expectativas sobredimensionadas de esta tecnología es el de GPT-3, un enorme modelo de lenguaje entrenado con miles de millones de frases. Los ejemplos de aplicaciones incluyen rellenar automáticamente los valores faltantes en una hoja de cálculo o generar código de software basado en una descripción de lenguaje natural. Para los legos, esto puede parecer magia. Lo que no se suele mencionar es que este modelo rellenará en la hoja de cálculo los valores que formaron parte de sus datos de entrenamiento o se inventará números completamente nuevos, que podrían ser correctos o no serlo. En el caso de la generación automática de código, el resultado es con frecuencia sintácticamente incorrecto («no compila») y sigue precisando de correcciones manuales.

Con la llegada de los coches de conducción autónoma y otras soluciones autónomas, las dudas respecto a la responsabilidad han vuelto a surgir. Por ejemplo: ¿quién se hace responsable cuando un coche de conducción autónoma se ve implicado en un accidente? Cuestiones similares surgen cuando la IA asume la toma de decisiones de forma totalmente automática. En Drooms, hemos adoptado la estrategia de mantener siempre a una persona implicada para confirmar o rechazar las sugerencias realizadas por una máquina, de modo que el usuario mantenga siempre el control total.

No obstante, la IA continuará penetrando en las soluciones técnicas como los data rooms para asistir en la automatización de tareas repetitivas o que demandan mucho tiempo.

 

¿Cómo aplica Drooms la IA?

 

Drooms ha integrado la inteligencia artificial en su oferta de data rooms. Desarrollada al 100 % por la empresa, nuestra solución de IA se aplica a los procesos de trabajo diarios con el objetivo de mejorar en profundidad las tareas repetitivas pero fundamentales y en las que prima el factor tiempo.

Para revolucionar el trabajo de los profesionales inmobiliarios mediante la optimización y mejora de eficiencia en due diligence, ventas y procesos de gestión de inversiones, Drooms ha lanzado una serie de funcionalidades premiadas entre las que cabe citar, por ejemplo:

Traducción de documentos: permite a los usuarios trabajar en su idioma preferido y facilita el análisis seguro en tiempo real de todos los datos relativos a la venta de un activo internacional.

Autoasignación: automatiza la asignación de documentos a sus respectivos puntos del índice. El algoritmo tiene en cuenta todas las acciones y aprende de las conductas y patrones individuales, refinando así las futuras asignaciones de índices del documento con el tiempo.

Autonombramiento: ahorra el tiempo que se pierde revisando documentos escaneados y volviendo a nombrarlos en el entorno del data room categorizando los documentos automáticamente y generando y asignando nombres de archivos según su contenido real.

Para obtener más información sobre la IA en Drooms, haga clic en el vínculo de abajo.