将人工智能(AI)整合到房地产企业中的竞赛，其推进速度往往超出了大多数企业的准备程度。整个行业都在部署AI工具，应用范围涵盖从租赁摘要提取、财务预测到维护调度和租户沟通的方方面面;然而，这种部署往往更多是出于对竞争落后的焦虑，而非基于对AI究竟能在何处创造持久价值的清晰认知。相关工具的涌现速度快于有效利用它们的战略框架的构建速度，而“拥有AI”与“从中获得实质性成效”之间的差距，也比大多数企业愿意承认的要大得多。那些正在缩小这一差距的企业，并非仅仅通过增加技术投入来实现目标，而是通过深入思考一个大多数企业尚未为其命名的概念。
这个概念借用了行为经济学和组织理论中的术语，即“决策架构”(decision architecture)。该术语最初是在人类决策的语境下提出的，指的是在不限制自由的前提下，通过构建和呈现选项来影响决策结果的方式。在商业语境中，它具有了更具操作性的含义：即有意识地设计组织内部的决策方式，包括决策所需的信息输入、决策主体(人或系统)以及指导决策执行的规则。无论是否意识到，大多数房地产企业都在不知不觉中涉足了这一领域;因为一旦你要求AI智能体代你做出决策，你就已经隐性地构建了一种决策架构——即便你并未仔细考量这一架构是否合理。“决策架构让你能够专注于自己想要解决的决策问题，”战略顾问兼Sunnio联合创始人文森特·多梅迪(Vincent Dormedy)说道。
这种构架方式所带来的深远影响，远超大多数房地产机构目前的认知。决策架构并非技术问题，而是战略问题。它要求企业审视自身的实际决策方式：决策在组织架构中的位置、所依赖的信息以及遵循的规则。这种审视往往会揭示出以往未曾关注的问题——这并非因为这些问题不重要，而是因为人类擅长在信息不全、流程模糊的情况下凭直觉做出决策，而人工智能则不然。“企业的业务战略本身就是架构的一部分，”Dormedy 说道，“这迫使许多房地产公司不仅要重新思考数据架构，还要重新审视业务战略。”对于一个历来主要依靠人际关系、直觉和市场感知来做出重大决策的行业而言，这种重新思考绝非小幅调整。
这一过程始于一个听起来简单明了的问题，但很快就会显露出其复杂性。“你如何定义‘决策’?”Dormedy 问道，“决策有哪些特征?做出决策需要什么信息?如何将这些数据传达给决策者?”在房地产企业中，即使是一个看似简单的运营决策——比如是否批准超过特定金额的维修请求、如何确定投资组合中租赁推广工作的优先级、何时针对拖欠租金的情况启动升级处理流程——也涉及一系列输入信息、规则、例外情况以及相关利益相关者(他们需要在特定条件下进行判断)。当由人类做出决策时，企业很少会明确梳理这些细节，因为人类往往能凭经验自行处理;但当由“智能体 AI”(agentic AI)做出决策时，这种梳理工作就成了必不可少的环节。隐性的逻辑必须转化为显性的规则，而这一显性化过程往往会揭示出那些一直存在却未被察觉的模糊之处、不一致性以及流程缺口。
事实证明，这种梳理工作是企业为迎接“智能体 AI”时代所能做的最重要准备——而这一时代到来的速度，往往超出了大多数房地产公司的预期规划。“智能体 AI”系统不仅能回答问题，还能自主执行一系列行动，因此它们恰恰需要“决策架构”所构建的那种规则体系。在智能体能够可靠运行之前，必须先建立起相应的护栏机制、流程升级路径，并明确界定哪些事项需要人工审核、哪些可以自动执行。“一旦建立了决策架构，企业也就为进入智能体主导的世界做好了准备，”Dormedy 说道，“你已经明确了决策的制定方式、护栏的设定位置，以及哪些决策需要进行双重或三重核查。”那些已经完成这项工作的企业发现，部署智能体 AI 变得简单多了，因为智能体所需的治理结构早已就绪;而未做这项工作的企业则发现，每部署一个新的 AI 应用，都需要投入额外的专门精力，去厘清该智能体究竟被允许执行哪些操作。
如今，各大房地产公司都在投资人工智能，且投入的资金规模巨大。然而，仅仅依靠投资并不能决定哪些企业能在此期间建立起真正的竞争优势。最终胜出的企业，未必是投入资金最多或行动最迅速的，而是那些将人工智能深度融入自身运作核心的企业——即将AI融入驱动运营、资本配置、租户关系及投资组合策略的各项决策之中。这种深度的融合并非仅仅通过采购顶尖工具就能实现，它需要企业付出艰苦的组织努力：深入理解决策制定过程，构建能让AI可靠参与其中的技术架构，并敢于让这一架构去挑战企业既有的经营理念与惯例。那些仅将AI视为现有流程之“附加功能”的企业，只能获得微小的边际收益;而那些将AI视为重塑流程(从决策层面重构)契机的企业，则将获得更为持久稳固的竞争优势。
参与评论 (0)