Kako umjetna inteligencija mijenja procjenu nekretnina i zašto ljudska stručnost ostaje ključna

Val novih mogućnosti u procjeni – i nove dileme

Zamislite prizor: ured procjeniteljske tvrtke pod naizgled mirnom površinom, razbija tišinu tek diskretno kliktanje miša. Pogledi zaposlenika prelaze s ekrana na ekranu, promatrajući kako umjetna inteligencija (AI, artificial intelligence) sama izračunava vrijednosti stanova, poslovnih prostora ili zemljišta gotovo bez ljudskog dodira.

U toj sceni neizbježno se nameće pitanje: mijenja li AI samo ritam našeg svakodnevnog rada ili preobražava samu bit stručnog odlučivanja? I može li tehnologija doista zamijeniti osjećaj, znanje i odgovornost čovjeka?

Što automatski modeli znače za procjenitelje

Najveći val promjena dolazi kroz Automated Valuation Models (AVM) – modele automatske procjene vrijednosti koji doslovno preoblikuju struku. Danas, primjerice u bankarskom sektoru, već oko 30% hipotekarnih upita u Hrvatskoj prolazi kroz potpunu automatiku, bez direktne ljudske intervencije. Računalo koristi tisuće varijabli – od lokacije, površine, starosti nekretnine do stanja okolnih tržišta – i izbaci broj u sekundi.

„AI danas za procjenitelje radi ono što Excel tablice rade za knjigovodstvo – štedi vrijeme, povećava točnost, ali ne vidi cijelu sliku.“

Kad su svi podaci jasni, a stanovi standardizirani, AVM će pogoditi vrijednost s impresivnom preciznošću. No, jednom kada naiđe na stan s pogledom na more, ručno uređen interijer ili atipične detalje koje algoritam ne zna vagati, brojke više ne blijede pouzdane. Statistička točnost ponekad ostaje samo brojka na papiru – i tu kreće prostor za ljudsku stručnost.

Gdje tehnologija puca: zamke automatizacije

Problemi nastaju kad model naiđe na rijetke, kompleksne ili atipične slučajeve. Zamislite staru obiteljsku kuću u malom mjestu, s okućnicom koju vlasnici godinama uređuju sami, ili poslovni prostor čiji se potencijal otkriva tek dolaskom nove tramvajske linije. Takav kontekst, kaže poznati statističar Leo Xong, „ne može se svesti na funkciju Y = f(X)“.

• Kvaliteta i ažurnost podataka ključni su za ispravan rezultat, no tržište se mijenja brže no što model uči.
• Efekt poznat kao „garbage in, garbage out“ i dalje je realnost: loši ulazni podaci znače nepouzdane izlazne brojke.
• Ljudska procjena nužna je tamo gdje je ulog velik – kod neobičnih objekata, posebnih zahtjeva i transakcija koje mijenjaju živote.

Etičke dvojbe: tko upravlja i koristi naše podatke?

AI nije samo alat – on produbljuje postojeće izazove, osobito kada je riječ o pravu na podatke. Kome pripadaju svi ti digitalni tragovi korišteni za treniranje modela? Smiju li kompanije koristiti naše transakcije ili slike stanova za vlastiti profit?

U Europi su rasprave oko regulacije, dijeljenja prihoda i transparentnosti modela svakodnevne.

• Stručnjaci predlažu jasne licence, prava autora i modele kompenzacije onima čiji se podaci koriste.
• Potrebni su mehanizmi provjere: model ne smije halucinirati ili „izmišljati“ reference, kao što je bio slučaj s poznatim lažnim pravnim primjerima ili deepfake-fotografijama iz političkih kampanja.

„AI samo povećava postojeće probleme – nije neutralan, a uvjerljivost često skriva ozbiljne pogreške.“ (prof. Himmelreich)

Rješenja iz prakse: sigurnija, pouzdanija AI budućnost

Kako izbjeći pogreške i zaštititi korisnike? Dio rješenja nalazi se u ulaganjima u zatvorene, privatne modele, prilagođene specifičnoj okolini i jasno nadziranim podacima. U praksi to znači:

1. Interna kontrola i revizija modela: Svaka promjena i greška mora biti vidljiva i ispravljiva.
2. Kontinuirani monitoring i „model cards“: Kartice sa svim informacijama o tome što model zna (i što ne zna), za bolje razumijevanje rizika.
3. Edukacija profesionalaca i korisnika: Svi u lancu vrednovanja moraju znati kad vjerovati algoritmu, a kad slijediti ljudski osjećaj.

Tablica: Usporedba uloga AVM i ljudi
| Kriterij | AVM modeli | Ljudski procjenitelji |
|——————–|—————————-|——————————-|
| Brzina | Izuzetno velika | Srednja |
| Preciznost (stand.)| Visoka na tipičnim slučajevima| Promjenjiva (ovisno o iskustvu)|
| Individualni pristup| Nula | Vrlo visoka |
| Osjetljivost na kontekst | Niska | Visoka |
| Etička kontrola | Ograničena | Velika |

Nova stručnost: ljudi kao kuratori povjerenja

Struka se ne gasi, nego se transformira. Najvrijedniji stručnjaci postaju čuvari podataka i kuratori povjerenja. Njihova ekspertiza prelazi iz pozicije „ručnog rada“ u kompetenciju prepoznavanja gdje model griješi, kako edukirati klijenta i kako štititi javni dobar. Udruga RICS ili velike tvrtke poput CBRE to prepoznaju – oni koji prvi spoje najbolje od oba svijeta imaju najviše šanse dugoročno uspjeti.

Pitajte se: koliku odgovornost očekujete od modela u procjeni vaše buduće nekretnine? Vjerujete li više brojci ili riječima stručnjaka koje poznajete?

Pozivam vas — podijelite svoja razmišljanja, jer AI nije prva sljedeća etapa, nego most prema zrelijoj budućnosti profesije gdje su digitalni alati i ljudska mudrost neraskidivo povezani.

Ovo je informativni tekst te ne zamjenjuje stručni savjet. Za osobne odluke uvijek se obratite kvalificiranom profesionalcu.