bato-adv
bato-adv
کد خبر: ۴۱۲۰۶۱
اطلاع رسانی تبلیغاتی

هوش مصنوعی به کمک طرح ملی مسکن می‌آید

تاریخ انتشار: ۱۶:۲۹ - ۲۷ شهريور ۱۳۹۸

هوش مصنوعی به کمک طرح ملی مسکن می‌آید

طرح ملی مسکن که وزیر راه و شهرسازی آن را به عنوان راهکار بازگرداندن رونق به صنعت ساختمان و تامین نیازمسکن اقشار کم‌درآمد می‌داند، در مرحله‌ای است که نزدیک به نیمی از واحدهای وعده داده شده در حال ساخت، یا انعقاد قرارداد است. در این مقاله نقش استارت‌آپ‌ها، در طرح ملی مسکن بررسی می‌شود.

معاون مسکن و شهرسازی وزارت راه نیز در مجمع عمومی فوق‌العاده بانک مسکن این طرح را نقطه قوت اقدامات وزارتخانه دانست و اتصال صندوق یکم به این طرح را یکی از راهکارهای تامین مالی طرح ملی مسکن که یکی از بزرگترین پروژه‌های ساخت مسکن در سال‌های اخیر به شمار می‌رود، عنوان کرد. این مقام مسئول در وزارت راه و شهرسازی معتقد است این راهی است که صندوق‌های زمین و ساختمان نیز رونق می‌گیرد و در نهایت تامین مالی در بخش مسکن تقویت شود.

از این‌ رو می‌توان امیدوار بود بانک مسکن نقش پررنگ‌تری درتامین مالی و توسعه بخش مسکن در طرح ملی ایجاد کند. اما این مبحثی است که نیاز به سازوکار مشخصی دارد که شفاف باشد و بتواند به بخش خصوصی کمک کند. به خصوص در این بازه زمانی که هزینه ساخت نزدیک به مبلغ خرید مسکن شده، ایجاد مشوق‌هایی برای بخش خصوصی واجب است تا تولید کاهش نیابد و این رکود چند ساله عمیق‌تر نشود.

حمایتی که به گفته رئیس انجمن سراسری انبوه‌سازان در طرح ملی دیده نشده و به هیچ عنوان انبوه‌سازان را ترغیب به ورود به این طرح نمی‌کند و باز هم پیمانکاران دولتی باید این پروسه و ماموریت را به عهده بگیرند تا این طرح به سرانجام برسد. این در حالی است که مسئولین متولی این بخش بارها گفته‌اند طرح ملی فرصتی برای رونق بخش خصوصی است.

اما تنها حمایت از تولید برای ساخت لازمه این اتفاق نیست و باید ابزارهای دیگری که به عرضه نیز کمک کند دیده شود و حتی در مباحثی همچون پیش‌فروش، قدرت در تقاضا به وجود آید. پیش فروشی که با توجه به نوسانات موجود در بازارمصالح و سایر مولفه‌های تولید بسیار سخت شده و پیش‌بینی قیمتی که در آینده نزدیک امکان دارد افزایشی یا کاهشی باشد، ورود تولیدکنندگان را به این بخش سخت می‌کند.

اما برای این امر باید راهکاری دیده شود و این ابزارقدرتمند نه تنها در طرح ملی، بلکه در سایر طرح‌های تولیدی دیده شود. ابزاری که بتواند تخمینی از قیمت امروزداشته باشد و قدرت تحلیل را به متقاضیان و تولیدکنندگان برای آینده سرمایه خود بدهد و ریسک سرمایه‌گذاری را برای آنها کاهش دهد.

طبیعی است دانستن قیمت یک ملک برای کارشناسانی که در این حوزه فعالیت می‌کنند کار چندان سختی نیست و می‌توان با در نظر گرفتن مولفه‌هایی قیمت ملک ساخته شده را محاسبه و تخمینی از آن ارائه بدهند. به عنوان مثال برای اینکه بتوان قیمت خرید آپارتمان در زعفرانیه یا خرید آپارتمان در گیشا را محاسبه کرد کافی است سال ساخت، نوع ساخت و مولفه‌های دیگر را به همراه مقایسه با املاکی که در همسایگی آن به تازگی معامله شده را در نظر گرفته و تخمینی از حدود قیمت آن به دست آورد و با بررسی جزییات ملک به قیمت اصلی آن نزدیک شد.

اما آیا به تعداد واحدهای در حال ساخت و خانه‌های آماده، کارشناس وجود دارد و از نظر زمان وانرژی توان این وجود دارد که بتوان تمام مسکن‌های موجود، کارشناسی شود؟ طبیعی است که نمی‌توان بدین صورت عمل کرد و حتی ضریب خطا و امکان اشتباه در قیمت‌گذاری وجود دارد.

اما تکنولوژی توانسته این امر را ممکن کنند تا با بهره‌گیری از هوش‌مصنوعی در فضایی دیتامحور تخمینی از قیمت ملک ارائه دهد. بدین صورت که با تعریف مولفه‌هایی که نیروی انسانی برای تخمین قیمت در نظر می‌گیرد، هوش مصنوعی محاسبات آنها را انجام داده و تخمینی از قیمت ملک را ارائه می‌دهد.

هم اکنون سامانه کیلید در کشور این امر را ممکن کرده و ابزاری کامل در فضاهای مختلف ارائه می‌دهد که کاربران می‌توانند به راحت‌ترین شکل که وارد کردن کدپستی است قیمت ملک مورد نظر را مشاهده کنند.

این تنها ابزار کیلید نیست و این سامانه ماموریت‌های بیشتری در بازار مسکن دارد و نقش مهمی در این بازار مسکن ایفا می‌کند. بدین صورت که روند معاملات را تسریع و در کیفیت معاملات تاثیر شگفتی می‌گذارد. مشاورین املاک را برای فعالیت بهتر کمک و حتی کاربران عادی را برای اینکه بتوانند فایل‌های خود را برای فروش یا اجاره بارگذاری کنند یاری می‌رساند. به عنوان مثال کاربران با واردکردن اجاره آپارتمان در ظفر می‌توانند تمام فایل‌های بارگذاری شده توسط مشاورین املاک یا مالکان، در این منطقه را مشاهده کنند.

همچنین کیلید دربخش فرصت‌های سرمایه‌گذاری، تحلیلی از روند معاملات گذشته بازار مسکن در بازه‌های زمانی مختلف، به تفکیک مناطق، در قالب نمودار ارائه می‌دهد که این بخش نیز به بحث پیش فروش و تحلیل آینده بازار کمک می‌کنند و می‌تواند در این راه مورد استفاده قرار گیرد.