В январе издание Boss Magazine выпустило материал о том, что разработчики решений для управления коммерческой недвижимостью стремятся спешат принять и внедрить инструменты искусственного интеллекта, чтобы можно было автоматизировать и улучшить все виды процессов. В тексте приводится несколько примеров задач, которые можно успешно решить с помощью ИИ. Но неужели современным service desk приложениям это сейчас не под силу? Давайте разбираться вместе с экспертами.
Андрей Никифоров, руководитель отдела продаж Wave Service:
Контролировать расходы и уменьшать задержки можно, используя существующие сервисы. Одно из направлений применения ИИ действительно имеет смысл – это аналитика. Например, если в каком-то помещении чаще, чем в других, выходят из строя электроприборы. Это может сигнализировать, что есть проблемы с проводкой. Такие выводы могут быть не заметны при ручном анализе данных, но ИИ быстро это вычислит, следовательно – поможет предотвратить дальнейшие потери.
В сегменте коммерческой недвижимости ИИ может быть полезен с решением любых задач, связанных с процессом "перелопачивания" больших объёмов накопленных данных и формированием рекомендаций на их основе.
Мы пока только поглядываем в эту сторону, иногда бурно обсуждаем, как сильно это могло бы улучшить аналитику в нашем сервис деске. Но пока нет ресурсов на это направление. Да и честно говоря, клиенты практически не интересуются этим. Большая часть рынка CRE пока ещё даже сервис десками не пользуется, продолжают вести дела в excel'е, а задачи ведутся в WhatsApp. Но самое главное, что наша система копит данные всё это время, и когда-нибудь, если мы решим задействовать алгоритмы ИИ, это будет сделать проще.
Алексей Курсин, директор по технологиям и инновациям, партнер Multispace:
На данный момент большинство задач, стоящих перед службами эксплуатации объектов коммерческой недвижимости и администраторами, модерирующими рассадку в гибких офисах, может быть эффективно решено с помощью алгоритмов прогнозирования, построенных на анализе накопленных данных: об утилизации офисных пространств, специфике заявок и прочих активностях пользователей.
Финальным продуктом подобных алгоритмов являются рекомендации, которые система дает ответственному за принятие решений персоналу. При этом практическое применение таких рекомендаций требует учета многих факторов, зачастую напрямую не связанных с эксплуатацией здания или офиса, что значительно затрудняет или делает невозможным обучение ИИ.
Учитывая, что в сегменте офисной недвижимости оцифровка бизнес-процессов находится на начальных этапах развития, а решения, связанные с рассадкой сотрудников, требуют личного участия, активное применение ИИ в этой сфере скорее всего будет актуальным в отдаленной перспективе – в отличие, например, от сегментов складской или торговой недвижимости.