I det här kapitlet sammanknyts det utformade teoretiska ramverket med det material som framkommit i empirin. Kapitlet är utformat med samma rubriker som i empirin för att få en logisk följd samt underlätta för läsaren.
5.1 Traditionella värderingsprocessen
För att kunna göra en värdering av en kommersiell fastighet krävs det stora mängder indata och jämförelseobjekt. Eftersom det sker relativt få transaktioner av kommersiella fastigheter försvårar det för marknaden att fastställa ett korrekt värde på dessa fastigheter. Därför krävs det tillförlitliga värderingssystem samt en systematisk hantering av data, vilket alla respondenterna poängterar. Fastighetsvärdering av kommersiella fastigheter sker vanligtvis genom bedömning av marknadsvärdet vilket kräver att det finns lämpliga jämförelseobjekt och att fastighetsvärderaren har den tillräckligt med information som kan hanteras på ett effektivt och organiserat vis. Ett värdeutlåtande baserat på marknadsvärdet är ”det pris som sannolikt skulle betalas/erhållas om fastigheten bjöds ut på en fri och öppen marknad med tillräcklig marknadsföringstid, utan partsrelation och utan tvång” (Persson, 2015). Det som främst påverkar värdet är utbudet och efterfrågan på marknaden samt vilket individuellt värde en potentiell köpare upplever.
Persson (2015) och respondenterna belyser hur viktig informationen som vanligtvis kommer från beställaren är. För att kunna göra en fullständig värdering är en förutsättning av beställaren ger information om fastigheten, såväl direkt och indirekt information. I detta stadie kan det uppstå fel då risken finns att beställaren lämnar felaktig information angående fastigheten eller att fastighetsvärderaren tolkar informationen som ges fel. Denna information kan tolkas olika beroende på kompetens och känsla, vilket en av respondenterna poängterar är den viktigaste förmågan den mänskliga värderaren besitter. De vet även vilka som är potentiella köpare och hur dessa intressenter tänker. Både kompetens och den känsla om marknaden och olika objekt fastighetsvärderaren besitter kan grunda sig i utbildning där deras tankemönster konstrueras. Vilket resulterar i att vissa fastighetsvärderare har färre dimensioner i sitt tankemönster och andra har en djupare förståelse för hur komplex en värdering är. Fastighetsvärderare oberoende av utbildning och erfarenhet kan dock påverkas av klientinflytande vilket gör att värderingar kan svänga beroende på beställarens åsikter vilket i sin tur resulterar i mindre objektiva värderingar.
Respondenterna är överens om att den mänskliga värderaren endast kan beakta ett begränsat antal parametrar vid en fastighetsvärdering. Det kan vara en av anledningarna till att ”förankring” är ett vanligt beteendemässigt problem i den traditionella fastighetsvärderingen. Fastighetsvärderaren lägger en stor vikt i den första informationen om fastigheten som finns tillgänglig och grundar därmed sitt värderingsutlåtande utifrån den informationen (Persson, 2015). En av respondenterna poängterar att en människa kan tänka fel eller glömma en viktig parameter som i sin tur påverkar värderingsutlåtandet i negativ märkning. Fastighetsvärderares tankemönster skiljer sig åt beroende på lärosäte och utbildning poängterar Bellman och Öhman (2017). En utbildning med mer kvantitativ tradition kan leda till att fastighetsvärderare får färre dimensioner i deras tankemönster vilket kan resultera i att de endast beaktar de parametrar de lärt sig beakta. Det skiljer sig från en samhällsvetenskaplig utbildning menar Bellman och Öhman (2017), då dessa fastighetsvärderare kan ha en djupare förståelse för vilka parametrar som bör beaktas. Detta skapar skillnader mellan fastighetsvärderare vilket påverkar tillförlitligheten av traditionella värderingar.
5.2 Användning av AVM och AI vid fastighetsvärdering
Automatiska värderingssystem har börjat etablera sig på marknaden och kan presentera ett marknadsvärde med hjälp av regressionstekniker som uppskattar fördelningen av varje egenskap och hur dessa egenskaper påverkar värdet i en kommersiell fastighet. Likt den traditionella värderingsprocessen bygger tekniken på jämförelser av tidigare transaktioner. Det som skiljer sig från den traditionella värderingsprocessen är att AVM kan hantera en större mängd komplex data i förhållande till en mänsklig värderare (Mooya, 2016). Respondenternas uttalande om att den data som finns måste börja hanteras på ett strukturerat sätt är därför viktigt i även denna process. För att möjliggöra användningen av AVM måste det därför finnas tillräckligt med information om både fastighetens specifika egenskaper och jämförbara värden på tidigare transaktioner. På en marknad där det finns konkurrenskraft och tillräckligt med information är automatiska värderingssystem att föredra då de enligt teorin både är noggrannare och effektivare. Respondenterna och Kok, Koponen och Martinez Barbosa (2017) menar på att kostnader och tidsfördröjning kan minskas genom ett automatiserat värderingsverktyg, baserat på AI. Den minskade tidsfördröjningen kan ge banker och kreditinstitut mer effektiva värden som återspeglar den rådande marknadssituationen. Med automatiska värderingsverktyg blir det en enklare process att utföra interna marknadsvärden för kommersiella fastighetsägare som leder till mer korrekta balansräkningar.
På grund av den snabba tekniska utvecklingen i samhället och kopplat till automatiska värderingsverktyg och artificiell intelligens har dessa värderingsverktyg börjat ta större plats på marknaden. AVM är en algoritm som matas med information och det skiljer sig från AI som är en lärande algoritm. AI kan därför anses mer effektiv då den automatiskt kan upptäcka och känna igen mönster. Eftersom den är självlärande och självanpassade anses den vara effektiv vid fastighetsvärdering (Chaphalkar och Sandbhor 2013). Majoriteten av respondenterna tror att en värdering baserat på ett AI system kommer kunna generera en mer konsekvent och rationell värdering som kan utföras mer effektivt än vad den görs idag. De hoppas på att det blir en mer tillförlitlig process med förutsättningen att det finns bra information om fastigheten, marknaden och dess jämförelseobjekt.
Tidigare forskning från Chaphalkar och Sandbhor (2013) och två av respondenterna beskriver AI som en ”svart låda”. Systemet matar ut ett värde men beskriver inte vad värdet grundar sig i, och i vilken utsträckning olika parametrar har påverkat. I dagsläget tror en av respondenterna att detta skulle kunna innebära vissa problem då både leverantörer och användare måste uppnå en viss mognadsgrad och tillförlitlighet till AI. Leverantörer av AI-system kopplat till fastighetsvärdering behöver därför bygga upp en trovärdighet om tillförlitligheten till systemet. Risken finns att man har en övertro till den som levererar värdet. Respondenten menar på att människor är lata och vill ofta ta ”innerkurvan” och det kan innebära att man litar på att en värdering är korrekt om den utförts med AI, därför kontrolleras inte in-datan. Respondenten tror därmed att en mänsklig fastighetsvärderare kommer behöva granska det värde som presenteras för att beställaren ska känna en tillförlitlighet till att det värde som presenteras är korrekt. Risken att fastighetsvärderare får en för stor tillförlitlighet till systemet kan först uppstå när det finns en teknisk acceptans till systemet (TAM). Det är först när fastighetsvärderare upplever en nytta och en användbarhet till systemet de kommer börja använda sig av det i sitt arbete. Det kan i sin tur resultera i en övertro och för hög tillförlitlighet till det AI-baserade systemet.
5.3 Risker med artificiell intelligens
Bristen på indata är det som majoriteten av respondenterna tror kommer bli den största utmaningen för AI kopplat till fastighetsvärdering. Mooya (2016) och respondenterna poängterar att kommersiella fastigheter är mycket heterogena och att det finns relativt få transaktioner årligen. Det kan innebära att det finns få jämförelseobjekt på marknaden och en
av respondenterna menar att det inte alltid finns några ”bevis” utan en mänsklig värderare har en uppfattning om marknaden. Denna uppfattning om marknaden kan vara svårt för en AI att upptäcka om den inte matas med information om marknaden som leder till att den kan skapa sig en uppfattning. Övriga respondenter tror tillräcklig mängd indata existerar men att väldigt få tar hand om sin data på ett systematiskt sätt, en av respondenterna tror att det är steg ett i den tekniska utvecklingen. Med bättre strukturerad data kan en AI lära sig och förutse trender, vilket inte en människa kan. Utan tillräckligt med indata blir det svårt att utföra en tillförlitlig värdering med AI men majoriteten av respondenterna tror att vi är på väg in i ett skifte. Aktörer börjar förstå hur viktigt det är att behålla och strukturera upp sin data. Möjligheten att nu lämna in årsredovisningar digitalt gör det möjligt och se vilka bolagstransaktioner som gjorts och därmed se all indata. Med bättre och större mängd data kommer AI-systemen kunna säkerställas och ge förbättrade resultat över tiden.
En mer heterogen och unik fastigheten försvårar möjligheten att utföra värderingen med AI enligt en av respondenterna. Om det är en fastighet som stått tom under en längre tid krävs det enligt en av respondenterna att det finns en idé och en tanke om vad köparen har för idé om fastigheten. Det kan bli svårt för en AI att utläsa om den inte känner till tidigare information som liknar den berörda fastigheten. Att värdera säkerheten åt banker och dess fastigheter tror samma respondent kan utföras utan problem eftersom köpbeteende eller potentiella köpares tankar inte behöver beaktas. Respondenterna är överens om att köpbeteendet kan vara svårt för en AI att förutspå. Köpbeteendet beror ofta på en trend och om en AI ska kunna förutse köpbeteendet krävs det att den matats med vad som utlöst tidigare trendskiften.
5.4 Framtiden
Både tidigare forskning och respondenterna tror att AI kommer få en stor påverkan på fastighetsvärderingen i framtiden. Tidigare forskning poängterar att det redan idag finns bättre indata att tillgå (Kok, Koponen och Martinez-Barbosa,2017; RICS, 2017:2) och tre av respondenterna tror att det inom tio år kommer finnas bättre samlad data vilket gör det enklare att utföra en fastighetsvärdering med AI. Respondenterna tror att dagens värderingsyrke kommer förändras om AI får ett större genomslag inom fastighetsvärdering och istället för att sitta och räkna kommer de fungera mer som expertrådgivare. För att AI ska få ett genomslag krävs det även att dagens fastighetsvärderare ser en acceptans och tillförlitlighet till systemet. Det kan utläsas och förklaras med TAM, som idag är i fasen kring den upplevda nyttan och den upplevda användbarheten. Den upplevda nyttan och användbarheten kommer påverka
fastighetsvärderarnas attityd till värdering med AI. Systemet måste ses som lätthanterligt och lättanvänt för att få någon typ av acceptans hos fastighetsvärderarna. Om fastighetsvärderaren anser att AI påverkar deras arbete positivt kommer de uppleva en större nytta och vilja att använda sig av det tekniska systemet. AI-systemen behöver därför utvecklas i den grad att den anses påverka fastighetsvärderares arbete positivt samt anses vara lätthanterligt (Davis, 1989).
Respondenterna tror att vi i framtiden kommer kunna utföra okulära besiktningar av fastigheter med hjälp av teknik såsom drönare, sensorer och kameror. En av respondenterna tror dock att fastighetsvärderare kommer behöva fortsätta genomföra dessa besiktningar under några år framöver. Möjligheten finns att fastighetsvärderare genomför besiktningar av fastigheterna och sedan matar AI-systemet med den informationen. På så sätt blir det möjligt att utföra värderingar med AI. I övrigt tror en av respondenterna att dagens fastighetsvärderare kommer ha ett större fokus på analys och trender istället för att sitta och räkna på fastigheter. För att fastighetsvärderarnas roll ska förändras krävs acceptans till AI genom en upplevd nytta samt en upplevd användbarhet enligt TAM.