AI har återigen blivit ett hett ämne de senaste tio åren. Tekniken som används idag är, om man ska förenkla det, matrismultiplikation – men det är egentligen de senaste 2–3 åren som det börjat användas av allmänheten och företag. Generativ AI kan sammanfattas till en jättestor sannolikhetsfunktion, där en stor språkmodell försöker lista ut vad nästa ord är, givet ordet innan.
– Det otroligt många som är involverade i ärendehantering, felavhjälpning och datainsamling. Generativ AI borde gå att använda till att styra upp allt det här.
Björn Andrén hade redan, sedan en tidigare resa med ett startup-bolag, gjort sig påläst kring ärendehantering inom fastighetsbolag; han intervjuade över 50 fastighetsbolag för att höra hur deras hantering av felanmälningar fungerade.
I våras pratade Björn Andrén med Oliver Larsson på AGV och denne kopplade ihop Björn med Henrik Litsander på Olov Lindgren. Seden Mars har de haft ett tätt samarbete för att genomföra masterarbetet. Runt nationaldagen lämnades det in och kommer att publiceras strax innan midsommar.
– Jag har djupdykt i fastighetsdata och ärenden från hyresgäster. För att förstå dataunderlaget, hur systemen fungerar och samt hur Olov Lindgren jobbar med systemen.
Björn Andrén har alltså analyserat hyresgästärenden med generativ AI för att identifiera och kvantifiera hyresgästers problem och hur fastigheterna mår. Det här har lett till att han nu publicerar vad som är den första forskningsstudien i Europa som applicerar generativ AI på fastighetsdata.
– Hela syftet är att ta fram underlag som möjliggör för fastighetsägare att bättre förstå hyresgästernas & fastigheternas behov. Analysen vi genomfört möjliggör för bolaget ta datadrivna beslut om hur de kan leverera en bättre produkt till sina kunder. Långsiktighet, social, ekonomisk och ekologisk hållbarhet är grundpelare i underlaget.
– Forskningsfrågorna vi ställde oss var: ”hur kan man använda stora språkmodeller för att analysera hyresgästärenden och förbättra tjänsterna som fastighetsbolagen levererar gentemot hyresgästerna” och ”vilka actionable insights, utförbara insikter, kan man komma fram till utifrån den här datan”, alltså: vad gör vi när vi har den här datan?
När hyresgäster gör en felanmälan så behöver information samlas in, till exempel på problemet och platsen för felet, rätt basala saker. Men den mänskliga faktorn gör att hyresgäster glömmer viktig information som plats eller beskriver problemen på olika sätt. Vilket i sin tur gör det svårt att föra statistik på vad de faktiska problemen är. Med generativ AI går det att vi exempelvis extrahera platserna och typen av problem hyresgäster upplever.
– Fastighetsbolag mäter ofta arbetsbörda med antal serviceordrar, men antal serviceordrar speglar ofta inte antalet problem som hyresgäster upplever. Fastigheten som vi analyserade hade 685 slutförda serviceordrar, men dessa innebar att organisationen hade löst mer än 800 problem för hyresgästerna, vilket ju egentligen är det som är viktigt.
Det som också gick att se var vilka typer av fel det handlade om. I lägenheterna för den specifika fastigheten hade 16 procent av felen med vatten att göra och av dem var ca 50 procent svårt vattenläckage. Det vill säga vattenläckage på platser där det definitivt inte ska vara vatten.
– Det här vet ju fastighetsteknikerna som jobbar i fastigheten om, samtidigt som det oftast inte finns något stöd i datan för det – men det kunde vi ta fram nu. Det svåra är att samla in data som enkelt går att analysera och tolka.
– När det gäller fastighetsbranschen så upplever jag att alla är väldigt duktiga intuitivt, eftersom man jobbar i den verkliga världen. Men den verkliga världen speglas inte alltid i dataunderlaget. Detta är något jag verkligen försökt adressera i det examensarbetet.
Tanken med Björn Andréns mastersarbete är att visa att generativ kan appliceras och användas i branschen. Om man som fastighetsbolag har utdaterad mjukvara kommer det dock att bli svårt att få detta att fungera.
– Olov Lindgren var helt rätt bolag att skriva arbetet med. 2022 gjorde bolaget ett större systembyte, vilket är en av de faktorer som möjliggjort vårens arbete. Samtidigt som deras interna processer och personer i organisationen värnar om dokumentera hyresgästernas ärenden.
– Bolag som sitter på mjukvara från tidigt 2000-tal, eller ännu äldre, kommer att få det jättesvårt att arbeta med AI-produkter idag och framöver.
Slutsatsen i Björn Andréns mastersarbete är att AI-analys av hyresgästärenden gör det möjligt att identifiera och kvantifiera hur ett fastighetsbolag som helhet fungerar, presterar och möter hyresgästernas behov – inte bara ur ett fastighetsförvaltningperspektiv.
