Intelligenza artificiale, dall’edilizia alle gestioni 500 miliardi in 10 anni

Dalla vendita alla gestione degli immobili, dalle analisi di mercato (che incrociano flussi di dati su prezzi, affitti, compravendite e identikit di chi vi abita) alla manutenzione predittiva, l’intelligenza artificiale (Ia) sta trasformando da tempo un settore, sino a pochi anni fa analogico, come quello immobiliare.

Le stime, i pro e i contro

Secondo le stime di Scenari Immobiliari – presentate all’ultimo Innovation Forum, in collaborazione con Dils – grazie al fattore innovazione, nel 2035 l’insieme di attività di costruzione, sviluppo, gestione e valorizzazione degli asset immobiliari potrà generare circa 535 miliardi di euro di ricchezza del Paese, di cui oltre il 5% per il comparto delle costruzioni, quasi il 2,5% per quello dello sviluppo e più del 14% per le attività immobiliari. Valori che possono raggiungere gli 800 miliardi di euro al 2050, con una forbice tra l’8 e il 10% dalle costruzioni, tra il 3 e il 3,5% dallo sviluppo e tra il 17 e il 19% dalle attività immobiliari.
Come emerge anche dall’ultima indagine globale di Jll “Future of Work” – che esplora le priorità, le sfide e le strategie adottate dalle aziende – per il 93% dei manager italiani l’applicazione di soluzioni di intelligenza artificiale rappresenterà un driver importante per affrontare le sfide del settore immobiliare, un risultato ancora più elevato della media globale rilevata dalla survey (87 per cento).

Non solo. «Nell’ultima indagine sul tema – ha spiegato Alberico Radice Fossati, Country leader Italia per Jll – se il 90% di chi si occupa di Real estate si avvale dell’Ia, il 60% risponde di aver già avviato progetti e soluzioni. La stessa percentuale asserisce di aver già iniziato programmi di formazione. Del resto, l’intelligenza artificiale non è solo un insieme di soluzioni ma un’architettura che permea tutto il processo dell’impresa e della filiera e che porta vantaggi plurimi. Si va dalle planimetrie e i render che agevolano la creazione o razionalizzazione di spazi e arredi all’interno di un building, all’analisi predittiva del mercato, derivante da soluzioni che permettono una veloce e completa lettura di flussi di dati. Si può mappare sino a strada per strada il mercato immobiliare. Una gestione pienamente automatizzata consente poi di rispondere con rapidità alle necessità di un tenant, di minimizzare la vacancy, così come di ottimizzare i risparmi di un edificio conforme ai criteri Esg sino al 50-60% rispetto ad uno che non lo è». Ma non è tutto oro.
«L’Ia– prosegue Radice Fossati – funziona se il tool che deve fare le analisi riceve flussi di dati veritieri e affidabili. Senza buoni dati non si elaborano buoni feedback. Investimenti e costi di implementazione, poi, sono, soprattutto all’inizio, importanti. Infine, mancano i talenti. Le professionalità con le giuste competenze sono ancora insufficienti rispetto alle richieste del mercato».

Il team di Generali Real Estate (36,7 miliardi di asset in gestione e oltre 2mila buildings), guidato da Costanza Balboni Cestelli, head of innovation & data, è invece nato nel 2019. «La funzione “Tecnologia” – ha spiegato Balboni Cestelli – è stata concepita per scorrere parallela al business, con l’obiettivo di ripensarlo. Siamo così diventati il secondo gestore di patrimonio immobiliare europeo ad avere un’unità dedicata allo sviluppo e alla gestione di applicazioni proprietarie di machine learning, sviluppando oltre quattro prodotti proprietari di data science lungo l’intera catena del valore della gestione patrimoniale immobiliare, reinventando la ricerca di mercato e riprogettando il data engineering». Con un approccio greenfield, ha aggiunto ancora Balboni Cestelli, «abbiamo iniziato a sperimentare il machine learning per dimostrarne il valore portando l’organizzazione a familiarizzare con un diverso approccio alla lettura dei dati, in particolare nei processi chiave come la gestione degli investimenti. Abbiamo reso i dati più accessibili, ottimizzando al contempo i costi. Abbiamo avviato la produzione di insight di mercato a supporto delle funzioni aziendali quotidiane, migliorando le capacità decisionali». E per il futuro? «Per il 2027 – conclude – puntiamo ad utilizzare la tecnologia per semplificare e aumentare efficienza e qualità dei dati, supportando i nostri processi di generazione di valore per i nostri tenant e investitori».