建設と不動産 / 商業用不動産サービス
JLL：不動産業務の知識作業
- 企業
- JLL
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
建物一棟から出るデータの種類が多すぎる。JLLのNeil Murrayは、ポートフォリオのデータ、使用のデータ、エネルギーのデータ、運用と作業指示の管理データ、資本支出のデータを例に挙げた。このデータを人が集めて読み、判断するのは難しいというのが出発点である。
使った技術とデータ
JLLはJLL Falconプラットフォームの上に、不動産の問題に合わせた生成AIの戦略を立てた。その上に自社モデルであるJLL GPTを作った。同社はJLL GPTを、商業用不動産業界のために作られた最初の生成AIとして紹介している。この記事は、学習に使ったデータや基盤モデル、利用者数を明らかにしていない。
成果
JLLは、最近のFuture of Work調査で企業のリーダーの50%を超える回答者が、データの品質を商業用不動産におけるAI普及の大きな障壁に挙げたと述べた。AI製品担当のCarlin Powerは、仲介者と資産管理者、顧客担当のチームが顧客関係と戦略の企画に時間をより多く使い、データ分析、市場調査、報告書の作成、基本的な設備業務はAIが担う姿を描いた。この記述はこれからの姿を描いたもので、今の成果の数値ではない。
限界と残る課題
利用者数、処理量、業務時間の変化といった導入成果の数値は、この記事にない。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。