Martin Johanson, CIO och CAIO, har varit på Catella i snart två år. Han har en lång bakgrund inom olika industrier inom teknik och IT, men det var möjligheten att få bygga ett AI-verktyg som nu ska ge Catella ett övertag i sina investeringar som var anledningen till att han valde att börja jobba för bolaget. Innan han började hade han länge sökt efter ett bolag som ville sätta investeringsprocessen i händerna på ett verktyg.
– Catella var den första kandidaten jag träffade som ville göra det. Jag hade då varit runt under flera år och snackat med varenda private equity-bolag, investmentbolag och venture capitalists med frågan om att göra en investeringsprocess som utgår från AI.
– Catella tänker lite annorlunda, eller egentligen helt tvärtom. Det är jätteroligt att få möjligheten att göra det.
Resan började för lite drygt ett och ett halvt år sedan med frågan vad är den mest värdefulla frågan de kan besvara med hjälp av data och maskininlärning – alltså den praktiska tekniken de använder i deras applikationer. Kort handlar det om att titta på historiska data och göra statistiska antaganden för att kunna förutspå vad man tror ska hända i framtiden.
– Vi vill kunna hitta trender och möjligheter innan andra gör det. Särskilt då inom den här strategin som vi kallar för European Living Development.
Produktstrategin riktar in sig på ”Sustainable Affordable Housing”, hållbara och prisvärda bostäder inom olika segment med närhet till social infrastruktur och kommunikationer. Med AI-verktyget är det meningen att Catella ska kunna analysera mer – och i slutändan hitta bättre möjligheter genom att öka kvantiteten i det material och prospekt som de nås av och kan analysera.
Martin Johanson beskriver det som en tratt, med prospekt som fylls på ovanifrån och som passerar ut till en investering.
– När vi tittar på investeringstratten så har vi många analytiker och experter anställda hos oss. Vi vill att de ska fokusera på den lilla massan av prospekt som är absolut bäst och som tagit sig närmare slutet av tratten. Verktyget ska ta hand om den övre delen av tratten, där vi kan titta på väldigt mycket genom att plöja marknader med teknikens kraft, säger han.
Man vill helt enkelt röra sig uppåt i den breda delen av tratten genom att analysera mera, och att genom att analysera mera få en högre kvalitet. Genom verktyget kan de kan förutspå framtida hyres- och prisutveckling. Analysen lyfter fram prospektens relativa styrkor och svagheter och baseras på data som ekonomiska indikatorer, sysselsättningsstatistik, sociala faktorer, populationstäthet och bostadsmarknadstrender av olika slag.
– Vi har också tillsatt lite mer exotisk och icke traditionella data. Vi tittar till exempel på satellitbilder, där vi kan zooma ner och se hur många träd det finns i en trädgård. Ibland har vi jätteroliga indikatorer, som antalet balkonger på en fastighet i Paris, vad säger det om fastigheten och dess värde?
– Ibland tittar vi på saker som godstrafik. Hur mycket flyg och frakt går in och ut från den här regionen? Det kombinerar vi med traditionella data och låter maskinen hitta samband och trender för att förutspå den relativt bästa investeringen.
Han fortsätter med att säga att Catella redan idag är väldigt duktiga på att pinpointa bra investeringar.
– Vi vet att vi kan göra ännu fler av våra absolut bästa investeringar och förstås färre av våra mindre bra investeringar. Så att använda ett sådant här verktyg blir också en möjlighet för oss att pusha oss själva att göra mer av det bästa.
Catella har också fördel genom att vara etablerade i tolv länder med 25 kontor runtom i Europa som därmed ger en bred marknad. Genom verktyget så finns potential till en hävstångseffekt med kombinationen av de individuella kontoren och expertisen på respektive marknad säger han.
– Vi kan alltså hjälpa våra individuella kontor att agera som en del av ett större Catella för att verkligen få fram den här hävstången. Det blir ett sätt för dem att växa utifrån sina traditionella geografiska domäner. Men det handlar också om att pusha oss själva ur vår geografiska komfortzon. För det är klart att man bor på ett ställe och har sin hemmamarknad där man har maximal kredibilitet. Verktyget är just till för att hjälpa oss att identifiera de bästa investeringsmöjligheterna som finns på en eller flera av våra marknader.
När ni tittar på ett prospekt genom att använda verktyget, vad är det för tidsperspektiv som ni har med i analysen?
– Ja, det går ju inte jättesnabbt att bygga ett hus, utan det är en massa ledtid. Så vi tittar på en medellång tidshorisont, lite beroende på vad vi gör. Och det finns också olika steg i utvecklingskedjan, där vi ibland kan gå in i olika tidiga faser, eller längs med hela vägen. Men då finns det också olika risker och rewards längs med den resan.
– Därav så tittar vi över ett tidsspann, så vi vet när vi går in eller ut och vad som händer då. Krasst försöker vi använda den här analysen för att bygga mer pipeline med fler prospekt in i vår pipa för våra fonder. Men inte bara vad vi ska köpa, utan också vad vi ska avstå från, behålla eller sälja och varför.
Martin Johanson förklarar att det man egentligen får är ett informationsövertag med den unika datan de får fram, som också berikar den erfarenhet som bolaget redan sitter på.
– Det är sådana saker som vi dagligen tittar på, vad som är det optimala. Det blir också den viktigaste effekten för oss, att vi bygger ett verktyg för lärande. Så vi kan utmana oss själva, inte bara i exekveringen av strategin, utan även när vi skapar nya investeringsstrategier.
Det finns också utmaningar. Ibland blir glappet mellan människans bedömningar och vad verktyget rekommenderar stort.
– Data är objektivt och har ingen känsla, på gott och ont. Verktyget ser mönster som vi människor har svårt att se eftersom det är stora informationsmängder som bearbetas.
– Och om det finns ett gap mellan människa och maskin, så är frågan om det finns ett gap av information som man kan stänga eller om det är känslan som är skillnaden. Det är lite filosofiskt på det sättet om vad som är skillnad mellan människa och maskin, men som kan göras väldigt konkret om man lär sig av verktyget.
Han tar ett exempel där någon bedömer ett område som attraktivt att investera i. Detta kanske är baserat på att personen själv brukar vara och fika i stadsdelen och slås av hur underbart det känns att vara där. Tittar man däremot djupare på området med hjälp av maskinens ögon kan en helt annan bild träda fram.
– Visst, turismen är hög i området, men medelinkomsten går neråt, det är omöjligt att hitta parkering och hyrorna har en svag utveckling. Med datan framkommer en annan bild om demografi och hur området utvecklas som inte syns under den där mysiga känslan som människan uppfattar.
Han har jobbat med automatisering och AI i snart ett decennium, alltså långt innan AI med ChatGPT:s hjälp var på alls läppar. Slutsatsen han drar är att den största risken man som bolag kan ta nu är att avvakta.
– Det är en jättestor risk att vara den som är sist ut. Bara det är en anledning till att börja investera.
Men det behöver inte vara på full gas heller. Inställningen han haft är att verktyget skulle utvecklas med en vad han kallar småländsk budget.
– Jag har jobbat på stora bolag där man har plöjt ner så mycket pengar och mantimmar man kunnat. Många gånger får de projekten bra avkastning när det är bolag med rätt skala. Då blir det en pengamaskin att investera i.
– Men Catella är förstås mindre. Vi har gjort detta med tanken ”hur enkelt kan vi göra det”. Det har varit min måttstock för att också kunna visa att man kan göra coola saker som är skräddarsydda och byggt för en viktig funktion i bolaget med en mindre budget. Man måste inte betala en dyr prenumeration för ett verktyg som är gjort för att passa flera och som kanske inte fyller precis de behov som man själv har eller bidrar med rätt värde.
Han upplever fastighetsbranschen som konservativ och sen på att anamma ny teknik. Risken han ser med en bransch som inte är framåtlutad i utvecklingen är givetvis att man hamnar på efterkälken.
– Det är det vi på Catella vill utmana. Det går förstås bra att göra alla sina affärer över en lunch. Men risken är att man gör det alldeles för bekvämt för sig och inte följer med i utvecklingen.
Han tror att det nuvarande sättet att investera kommer att bli kraftigt utmanat från de som sitter på ett informationsövertag.
– Det kommer nog smälla ganska hårt när den välstrukna skjortan möter den som har informationsövertaget.
När rullade ni ut verktyget skarpt?
– Vi är redan igång med en version som kan användas på en ganska ”nördig” nivå. Vi bygger nu ett helt automatiserat flöde. Vi får dagligen mängder av prospekt av olika slag och format, med skriftlig information om kvadratmeter, antal lägenheter och adresser och så vidare. Verktyget omvandlar detta till en automatiserad rapport eller feedback på den möjliga investeringen. Det kan vara möjligheter som annars kanske inte skulle passera det medvetna eller omedvetna filter som människor har utifrån förutfattade tankar och bias.
Har ni märkt någon sådan effekt redan nu att ni tar in prospekt som inte skulle passerat annars?
– Den som ger sig ut på en sådan här resa kommer ganska omedelbart börja få insikter. En lokal expert har kanske 600 datapunkter som den kan förhålla sig till i en möjlig investering, men begriper och använder endast 20 av dem. Övriga 580 parametrarna kanske kan tala om andra aspekter som skulle kunna visa på att ett objekt är intressant även om det på de där 20 första inte tycks vara det – men som är jätterelevant för just det här fallet.
– Verksamheten får möjligheten att öppna ögonen för saker som annars varit omöjligt att notera med tanke på hur mycket mer data en maskin kan analysera jämfört med en människa. Resultatet är alltid föremål för en tolkning av våra experter, men på det här sättet kan de de fokusera på de riktigt bra prospekten och verktyget på den stora massan.
– För verktyget kan ju inte förklara varför det till exempel inte har byggts så mycket på en plats. Den kan bara konstatera det. Så då måste det tolkas om det är för att det finns något problem där eller om det faktiskt är en plats som är bra att bygga på och om det finns en stor potential där.
I dagsläget finns dataset för England, Tyskland och Frankrike. Just nu adderas också data för Danmark och Spanien.
– Men det tar ett tag att bygga upp kvalificerade dataset och säkerställa kvaliteten i dem innan man ens kan börja bygga någon typ av analys på dem.
– Nu börjar vi närma oss slutfasen och i produktstrategin ’European Living Development’ är den här tekniken en integrerad del i arbetet med att bygga pipelinen och driva projekten.
Hittills har AI-verktyget hjälpt till att identifiera investeringar som genomförts på deras största marknad Tyskland. I pipelinen för kommande investeringar ligger nu Danmark, Frankrike, England och Spanien. Det är också konkurrensen om marknaderna som gjort att verktyget har blivit verklighet. Catella är långt ifrån ensamma om att vilja investera i hållbara och prisvärda bostäder. Martin Johanson menar dock att resultatet av verktyget ger ett försprång i konkurrensen.
– Vi är övertygade om att den här sortens verktyg adderar värde och bidrar till vår framgång.
