AI i nieruchomości. Sztuczna inteligencjanwycenia dom w sekundę, ale potrafi też po cichu odsiać lokatora

Sztuczna inteligencja wycenia mieszkanie w kilka sekund i obiecuje rynkowi przejrzystość. Technologia ocenia najemcę i kredytobiorcę, i potrafi utrwalić dawną segregację według dochodu i adresu.

.Rynek nieruchomości od zawsze opierał się na wiedzy nierówno rozłożonej. Sprzedający wiedział mniej niż pośrednik, najemca mniej niż właściciel, a wnioskujący o kredyt mniej niż bank. Sztuczna inteligencja wchodzi w tę asymetrię z podwójną obietnicą. Z jednej strony ma ją zmniejszyć, dając każdemu natychmiastową wycenę, prognozę cen i dostęp do danych, które kiedyś były przywilejem profesjonalistów. Z drugiej ta sama technologia coraz częściej decyduje o ludziach, oceniając, czy najemca jest wiarygodny, czy kredytobiorca bezpieczny, czy dana osoba w ogóle zasługuje na dach nad głową. I tu obietnica przejrzystości zderza się z ryzykiem cyfrowej segregacji.

Wycena w sekundę zamiast wizyty rzeczoznawcy

.Zacznijmy od strony, która działa i realnie pomaga. Automatyczne modele wyceny, znane jako AVM, potrafią oszacować wartość nieruchomości w kilka sekund, bez wizyty rzeczoznawcy, analizując dane z rejestrów publicznych, historię transakcji, metraż i trendy lokalne. Najbardziej znany z nich, Zestimate od Zillow, obejmuje już ponad 116 milionów amerykańskich domów, a jego mediana błędu dla nieruchomości wystawionych na sprzedaż wynosi około 2%. Narzędzie zdemokratyzowało dostęp do informacji, bo każdy właściciel może dziś sprawdzić orientacyjną wartość swojego mieszkania, co jeszcze niedawno wymagało płatnej wyceny.

Korzyści sięgają dalej niż sama liczba. Banki i pożyczkodawcy używają modeli AI do szybszej oceny ryzyka przed udzieleniem kredytu, inwestorzy prognozują, które lokalizacje zyskają na wartości, a zarządcy budynków optymalizują zużycie energii, przewidują awarie i personalizują oferty najmu. W tej roli algorytm jest sprzymierzeńcem sprawności, skraca procesy, obniża koszty i odsłania dane, które dotąd pozostawały ukryte. Gdyby na tym się kończyło, byłaby to jednoznacznie dobra wiadomość dla rynku.

Model, który sam się myli za setki milionów

.Nie kończy się jednak, bo najpierw trzeba zauważyć, że nawet w swojej najbardziej niewinnej roli, wyceny, algorytm bywa zwodniczo pewny siebie. Zillow przekonał się o tym boleśnie, gdy oparł na własnym modelu program masowego skupowania domów i stracił na tym setki milionów dolarów, bo algorytm systematycznie przepłacał, nie widząc tego, co widzi człowiek na miejscu. Ta historia jest przestrogą: model podaje jedną, czystą liczbę, która wygląda na pewnik, choć pod spodem kryje się jedynie rozkład prawdopodobieństwa. Dla nieruchomości spoza rynku mediana błędu Zestimate rośnie do około 7%, co przy cenie mieszkania oznacza rozbieżność liczoną w dziesiątkach tysięcy. Precyzja wyświetlanej cyfry bywa więc złudzeniem.

Jeśli jednak błędna wycena kosztuje pieniądze, to błędna ocena człowieka kosztuje dach nad głową. I tu zaczyna się druga, znacznie poważniejsza strona sprawy.

Kiedy algorytm odsiewa według adresu i dochodu

.Najostrzej problem ujawnia się w automatycznej ocenie najemców. W Stanach Zjednoczonych firma SafeRent, dostarczająca algorytm punktujący kandydatów na lokatorów, zawarła w 2024 roku ugodę na około 2,3 miliona dolarów po zarzutach, że jej system zaniżał oceny osób czarnoskórych i latynoskich oraz posiadaczy publicznych dopłat do czynszu. Mechanizm był pozornie neutralny, a mimo to produkował skutki dyskryminacyjne na masową skalę, bo algorytm ważył dane w sposób, który systematycznie krzywdził określone grupy. W ramach ugody firma zobowiązała się przestać używać swoich ocen wobec osób korzystających z dopłat mieszkaniowych.

To nie był odosobniony przypadek. Badania pokazują, że wadliwe reguły automatów potrafią odrzucać około 10% posiadaczy voucherów mieszkaniowych, nawet gdy są oni w pełni zdolni pokryć swoją część czynszu, bo system wymaga, by ich własny dochód trzykrotnie przewyższał pełną kwotę najmu, ignorując dopłatę. Zjawisko to badacze nazwali cyfrowym wykluczeniem, cyfrową wersją dawnej praktyki odmawiania usług mieszkańcom określonych, zwykle uboższych dzielnic. Osobnym frontem stała się automatyczna wycena czynszów. Amerykański wymiar sprawiedliwości pozwał firmę RealPage, której oprogramowanie miało pomagać konkurującym właścicielom uzgadniać stawki najmu w oparciu o niejawne dane rynkowe, a największy wynajmujący w kraju zapłacił 50 milionów dolarów, by zakończyć zbiorowy pozew. Kilka stanów i miast wprowadziło już prawa ograniczające takie oprogramowanie.

Przejrzystość dla jednych, segregacja dla drugich

.Sedno sprawy leży w tym, że ta sama technologia daje przejrzystość jednym, a wobec innych działa jak niewidzialne sito. Kto ma dobry adres, stabilny dochód i czystą historię, zyskuje szybszą obsługę i lepsze oferty. Kto ma za sobą trudniejszą przeszłość, uboższą dzielnicę albo korzysta z dopłat, może zostać odrzucony przez system, którego decyzji nikt mu nie wyjaśni, bo twórcy algorytmów zwykle nie ujawniają, jakie dane biorą pod uwagę ani jak je ważą. Personalizacja ofert, brzmiąca jak wygoda, jest drugą stroną tego samego mechanizmu, bo dopasowanie oferty do profilu użytkownika oznacza też, że różnym ludziom pokazuje się różne rzeczy, a niektórym pewnych możliwości nie pokazuje się wcale. Przejrzystość i segregacja okazują się dwiema stronami tej samej monety.

.Najrozsądniejsza postawa wobec AI w nieruchomościach nie polega ani na wierze, że algorytm sam uczyni rynek sprawiedliwym, ani na odrzuceniu narzędzi, które realnie ułatwiają wycenę i zarządzanie. Polega na uznaniu, że o wszystkim rozstrzyga nie sam model, lecz to, na jakich danych się uczy, kto może sprawdzić jego decyzje i czy człowiek, którego one dotyczą, ma prawo je zakwestionować. Amerykańskie regulacje zaczynają tego wymagać, nakazując testowanie modeli wyceny pod kątem dyskryminacji, a kolejne pozwy pokazują, że pozorna neutralność algorytmu nie zwalnia z odpowiedzialności. Rzecz w tym, by narzędzie, które miało wyrównać dostęp do rynku, nie stało się po cichu maszyną utrwalającą dawne nierówności, tyle że w języku, który brzmi jak obiektywna matematyka. Bo dom to nie jest zwykły towar. To adres, pod którym zaczyna się albo kończy czyjaś szansa, a decyzja, kto go dostanie, jest zbyt ważna, by zapadała w czarnej skrzynce, której nikt nie potrafi otworzyć.

Szymon Ślubowski