Наибольшая зависимость от технологий наблюдается в тех направлениях, где задействованы объемные массивы данных и требуется оперативность в их обработке. В оценке недвижимости и залоговой практике именно алгоритмы позволяют анализировать большие объемы рыночной информации и предложений, подбирать аналоги и снижать субъективность.
"В сфере недвижимости искусственный интеллект анализирует большие массивы рыночных данных, подбирает аналоги, проводит расчеты и снижает субъективность", - объясняет руководитель направления Т1 ИИ Сергей Голицын.
Схожие выводы можно сделать и в отношении оценки движимого имущества для залогов: объем данных и требования к унификации здесь не оставляют места ручным методам. Они оказываются слишком трудозатратными в сравнении с решениями на основе ИИ.
При этом, как подчеркивает коммерческий директор GreenData Сергей Лебедев, именно в сегментах, связанных с финансовыми рисками и сделками, ошибка оценщика может стоить слишком дорого, поэтому без сквозной аналитики и автоматизации высокое качество обеспечить крайне трудно.
Похожие процессы происходят и в массовой кадастровой оценке. Здесь важны скорость и масштабируемость, что делает автоматизацию практически обязательной. Как отмечает топ-менеджер ИТ‑компании Evrone Юрий Гуржий, именно эти факторы делают технологии особенно ценными.
Важно, что на рынке есть достаточно много российских отраслевых продуктов: офисные пакеты, базы данных и системы аналитики. По словам доцента Финансового университета Александра Помулева, такие решения закрывают базовые потребности, но персональные компьютеры и высокопроизводительные вычислительные системы по-прежнему ввозятся из-за рубежа. Руководитель направления ИТ-инфраструктуры К2Тех Алексей Зотов добавляет, что отечественные аналоги облачных платформ и инструментов обработки больших данных постепенно развиваются, однако процесс замещения требует времени.
Наличие отечественных решений для таких задач не снимает проблемы зависимости от зарубежных технологий. В ряде отраслей уже появились нишевые ИИ-продукты, но критически важным остается импортное "железо" - GPU и CPU, а также зарубежные аналитические платформы и геоинформационные системы, отмечает Сергей Голицын.
Перспективные технологии
Главным вектором развития эксперты называют искусственный интеллект. Сегодня он уже автоматизирует подбор аналогов и подготовку отчетов, но в перспективе сможет решать еще более широкий круг задач. "ИИ сможет брать на себя полноценный скрининг объектов, выявление рыночных и юридических аномалий, а также давать предварительные рекомендации по стоимости", - прогнозирует Юрий Гуржий.
Ключевыми направлениями также становятся компьютерное зрение и low-code. Их сочетание ускоряет разработку инструментов и снижает затраты. По словам Сергея Лебедева, именно эта комбинация позволяет быстрее закрывать разрывы на рынке высоконагруженных систем. Алексей Зотов добавляет к списку блокчейн и цифровые двойники, которые помогут повысить прозрачность сделок и моделировать износ активов.
Внедрение технологий ведет к изменению роли самого оценщика. Ручной ввод данных, проверка документов и подготовка типовых отчетов постепенно уходят в прошлое. "Оценщики будут меньше заниматься ручным вводом данных, проверкой документов и подготовкой типовых отчетов. Их работа сместится в сторону аналитики, интерпретации результатов и применения цифровых инструментов", - отмечает Сергей Голицын.
Рутина, связанная с поиском, верификацией и оформлением больших массивов информации, ложится на алгоритмы, а у специалистов появляется больше времени для консультаций и экспертной аналитики. Александр Помулев подчеркивает, что технологии позволят сосредоточиться на творческой составляющей работы, а не на механических действиях.
Барьеры и решения
Тем не менее цифровая трансформация в оценке идет не без трудностей. На первый план выходят нехватка специалистов с ИТ-компетенциями, отсутствие единых стандартов и другие проблемы. "Среди барьеров - дефицит кадров, высокая стоимость внедрения, нехватка ПО, риски снижения качества без экспертного контроля, отсутствие стандартов", - перечисляет Сергей Голицын.
Не менее серьезным препятствием остается общий консерватизм отрасли. Юрий Гуржий подчеркивает, что именно готовность регуляторов принимать новые подходы определяет скорость внедрения технологий.
Александр Помулев указывает на нормативные пробелы: законодательство пока не учитывает все технологические реалии, а действующим специалистам часто не хватает цифровых навыков. Решить это можно через обучение и переподготовку кадров, а также создание отраслевых стандартов применения ИИ.
Проблема качества технологий и нехватки экспертизы у интеграторов также замедляет процесс. "Можно выделить два ключевых препятствия: недостаток действительно качественных технологических решений и дефицит экспертизы у компаний-интеграторов", - отмечает Сергей Лебедев. Алексей Зотов добавляет, что важным фактором остается доверие к автоматизированным системам и готовность инфраструктуры к их использованию.
Таким образом, будущее отрасли во многом зависит от баланса технологий и человеческого фактора. Подготовка кадров, поддержка отечественных разработок и создание единых правил игры позволят оценочной деятельности в полной мере воспользоваться преимуществами цифровизации.