همانطور که فناوری محرک هوش مصنوعی با سرعت نور پیشرفت می‌کند، نیاز شرکت‌های املاک تجاری به یادگیری، تطبیق و ادغام این فناوری برای اطمینان از بهینه‌سازی گردش کار و همگام شدن با رقبا افزایش می‌یابد.
راج سینگ، مدیرعامل ارائه‌دهنده فناوری Altrio، در یک وبینار اخیر Commercial Observer تأکید کرد که این موضوع برای همه افراد در CRE اهمیت دارد.
سینگ گفت: “املاک و مستغلات یک صنعت خدماتی است و بیشتر ارزشی که کسب و کارها می افزایند از افرادی است که جلوی کامپیوترها می نشینند، اطلاعات را پردازش می کنند و تصمیم می گیرند. هوش مصنوعی دقیقاً در قلب چگونگی ایجاد ارزش این مشاغل است.” “هوش و پهنای باند ذهنی همیشه یک محدودیت اصلی بوده است. اکنون می توان آنها را به سرعت و نسبتا ارزان و تقریباً بدون محدودیت اضافه کرد. با کاهش این محدودیت، کار حرفه ای CRE از انجام کار به کارگردانی تغییر می کند – از نواختن ساز به رهبری ارکستر.”
وبینار 10 نوامبر توسط Altrio ارائه شد و توسط ادوارد کوهن، مدیر فناوری و مشارکت هوش مصنوعی و میزبان پادکست Tangent در Commercial Observer، از طرف Commercial Observer Partner Insights برگزار شد. این یک گفتگوی عمیق در مورد اینکه چگونه صنعت املاک و مستغلات در حال بهینه‌سازی عوامل هوش مصنوعی برای نتایج مقیاس‌پذیر و قابل تکرار بین سینگ و L.D است، ارائه شد. سلمانسون، معاون پلتفرم اطلاعات املاک و مستغلات Cherre در RealPage.
(Cherre که سلمانسون یکی از بنیانگذاران آن بود، توسط RealPage در جولای 2026 خریداری شد.)
یکی از ملاحظات عمده برای شرکت‌های CRE هنگام ادغام فرآیندهای هوش مصنوعی در گردش‌های کاری، لایه معنایی است که سینگ آن را صرفاً به‌عنوان نیاز شرکت‌ها به نوشتن تعاریف تعریف کرد تا اطمینان حاصل شود که تیم‌ها منابع یکسانی در مقیاس خود دارند.
سینگ گفت: «مردم ممکن است با اصطلاحات گیج شوند. “اگر شما یک تیم دو یا سه نفره را اداره می کنید و برنامه هایی برای افزایش آن تیم به 15 یا 20 نفر دارید، باید شروع به نوشتن چیزها کنید. درک مشترکی که ممکن است حفظ آن آسان باشد وقتی سه نفر روی چیزی کار می کنند، زمانی که 20 یا 30 نفر دارید بسیار سخت تر می شود. بنابراین باید شروع به توافق در مورد معنای اصطلاحات و نحوه انجام فرآیندهای خود کنید.”
سینگ همچنین به شرکت‌ها توصیه کرد که متوجه شوند که وارد کردن هوش مصنوعی در فرآیندهای کاری روزمره خود باید به عنوان نوعی مقیاس‌بندی تلقی شود.
«در رفتن از چند نفر به داشتن چند نفر و همه آنها [AI] نمایندگان، حتی گروه‌های کوچک درون یک شرکت بزرگ، باید خودشان را به عنوان گروه‌های بزرگ‌تر در آن شرکت تصور کنند. این منجر به چالش‌های پیچیده می‌شود.»
سلمانسون برای کسانی که کمتر با لایه‌های معنایی آشنا هستند، همچنین به عنوان هستی‌شناسی شناخته می‌شوند، خاطرنشان کرد که اغلب می‌توانیم تعاریف مختلفی از اصطلاحات رایج داشته باشیم.
سلمانسون گفت: «ما اغلب معانی مختلفی برای چیزهای یک سازمان به دلایل خوب داریم. “به عنوان مثال، ما در شیکاگو متراژ موثر خالص را متفاوت از نیویورک محاسبه می کنیم. نمی دانم چرا. اما اگر از همان تعریف متراژ مربع موثر خالص استفاده کنیم اما معنای دیگری داشته باشیم، محاسبات ما منحرف خواهد شد حتی اگر داده های اساسی تغییر نکرده باشند. بنابراین ما باید این را بدانیم.”
و در این مورد، منظور او از «ما» نه تنها افراد درگیر، بلکه هر مدل زبان بزرگ (LLM) است که ممکن است شرکت‌ها برای پردازش و تکیه بر آن اطلاعات استفاده کنند.
سینگ سپس به موضوع اولویت بندی در بازنگری اساسی پشته فناوری و اهمیت تمرکز بر اهداف شرکت پرداخت.
سینگ گفت: «هرکسی که در صنعت با آنها صحبت می‌کنم در حال بازنگری در پشته فناوری خود و نحوه استفاده از فناوری برای حداکثر تأثیرگذاری هستند. “از آنجایی که خلق چیزها بسیار آسان تر است، شما را مجبور می کند برای تمرکز بیشتر تلاش کنید.”
او به شرکت‌ها هشدار داد که در برابر «اثر دوپامینی» که ایجاد هوش مصنوعی می‌تواند به ارمغان بیاورد، با یادآوری یک پست لینکدین توسط مدیر عاملی که گفته بود چندین تعطیلات آخر هفته را صرف برنامه‌نویسی ارتعاشات کرده است و آنقدر از نتایج هیجان‌زده شده است که به زودی متوجه شد که از کار روزانه خود غافل شده است.
سینگ گفت: «این چیزها زمانی که بتوانید مشکلات را حل کنید و چیزهایی بسازید بسیار ارزشمند هستند. “اما این شما را مجبور می کند تا روی آنچه باید بسازید تمرکز کنید. فقط به این دلیل که ساختن چیزی آسان تر و ارزان تر است، به این معنی نیست که هزینه آن صفر است. اولویت بندی هنوز مهم است.”
بخشی از آن تعیین آنچه برای ساختن آیات نیاز دارید است.
سلمانسون گفت: «نوار ایجاد نرم افزار هرگز پایین تر از این نبوده است. “نوار ایجاد نرم افزار خوب که متمایز و ارزشمند باشد هرگز بالاتر نبوده است.”
برای این منظور، سلمانسون گفت که او شرکت‌ها را تشویق می‌کند تا «همه وظایف و جریان‌های اطلاعاتی را در یک سازمان ترسیم کنند» و سپس نرم‌افزاری را از یک فروشنده خبره که می‌تواند سناریو را از همه زوایا مدیریت کند، به‌طور بهینه شناسایی کند.
سلمانسون گفت: “اگر فکر می کنید این مشکلی است که در حال حاضر کسی آن را حل نمی کند و شما به آن نیاز دارید، خوب، آن را بسازید.” اما لحظه‌ای که کسی آن را پیشنهاد می‌کند، شما باید آن راه‌حل را از بین ببرید – به این معنی که می‌دانید این یک راه‌حل موقت است تا زمانی که چیز بهتری بیاید، زیرا شما یک شرکت نرم‌افزاری نیستید.»
تنها عنصری که سلمانسون مشتریان را تشویق می‌کند تا در داخل خانه بسازند، زیرساخت داده است، اما حتی در آن زمان نیز توصیه می‌کند این کار را با شرکای با تجربه انجام دهید.
سلمانسون گفت: «شرکت‌هایی که فکر می‌کنند با ساخت‌وساز داخلی در هزینه‌شان صرفه‌جویی می‌کنند، با دستیابی به زیرساخت‌هایی که برای برنده شدن در آینده نیاز دارند، ضرر می‌کنند.
سینگ اضافه کرد که وقتی نوبت به منحنی‌های یادگیری فناوری می‌رسد، منحنی هوش مصنوعی ممکن است شیب‌دارترین منحنی باشد که تا به حال دیده است، و دلیل دیگری برای شرکت‌ها برای واگذاری ساختن هوش مصنوعی به کسانی که تجملات 24/7 روی آن کار می‌کنند باقی می‌گذارد.
«سرعت از [AI progress] سینگ گفت. “تقریبا خیلی سریع پیش می رود که مردم اشتباهاتی مرتکب شوند که بتوانند از آنها درس بگیرند.”
