Ticari Gayrimenkulün Geleceğini Daha İyi Sorular Değil, Daha İyi Tahminler Şekillendirecek

Başarılı bir alışveriş merkezinde boşalan mağazalardan biri için kiralama ekibinin toplantı yaptığını düşünün.

Mağazanın metrekaresi uygun, AVM içindeki konumu güçlü, bulunduğu bölgedeki ziyaretçi trafiği yüksek ve tanınmış birkaç marka şimdiden yerle ilgilendiğini belirtmiş. Geleneksel kiralama bakış açısıyla değerlendirildiğinde bu, hemen her alışveriş merkezinin karşılaşmak isteyeceği türden bir boşluk. Talep var, alternatifler güçlü ve iyi ticari koşullar üzerinde pazarlık yapabilmek için yeterli seçenek bulunuyor.

Toplantı bir süre sonra oldukça basit görünen bir soruya geliyor: Bu mağazaya hangi marka yerleşmeli?

Ticari gayrimenkul profesyonelleri yıllardır bu tür soruları pazar bilgisi, geçmiş performans, kiralama stratejisi ve kendi deneyimlerini bir araya getirerek cevaplıyor. Teklif edilen kira bedelleri karşılaştırılıyor, markaların gücü değerlendiriliyor, mevcut marka karmasına ne kadar uyum sağlayacaklarına bakılıyor ve mümkün olan en doğru ticari anlaşmaya ulaşılmaya çalışılıyor.

Ancak verilmesi gereken gerçek karar, en yüksek kirayı ödemeye hazır markayı seçmekten çok daha karmaşık.

Yeni bir marka yalnızca bulunduğu mağazanın performansını değiştirmiyor. AVM içindeki ziyaretçi hareketlerini etkileyebiliyor, komşu mağazaların cirolarına olumlu ya da olumsuz katkıda bulunabiliyor, belirli bir kategoriyi güçlendirebiliyor veya mevcut marka karmasının dengesini bozabiliyor. Markanın yaratacağı ciro, ciro kirasının ekonomik sonucunu belirlerken mağazanın AVM içindeki konumu da markanın gayrimenkulün bütününe ne kadar katkı sağlayacağını etkiliyor.

Dolayısıyla ilk bakışta birbirine oldukça yakın görünen iki kiralama alternatifi, sözleşme süresi boyunca birbirinden çok farklı sonuçlar yaratabilir.

Bu yalnızca bir kiralama kararı değil.

Gayrimenkulün gelecekteki performansına ilişkin ekonomik bir karar.

Yapay zekâ hakkında konuşmaya başladığımızda bu ayrımın önemli olduğunu düşünüyoruz.

Yapay Zekâ Artık Sorulara Oldukça İyi Cevap Veriyor

Üretken yapay zekâdaki gelişmeler, insanların teknolojiyle kurduğu ilişkiyi çok kısa sürede değiştirdi. Karmaşık menüler arasında dolaşmak ya da onlarca raporu tek tek incelemek yerine artık doğal dilde bir soru sorabiliyor ve saniyeler içinde oldukça anlamlı bir cevap alabiliyoruz.

Bu küçümsenecek bir gelişme değil.

Bir yönetici aylık raporun özetini isteyebilir. Kiralama ekibi yüzlerce sayfalık sözleşmeler içinden ihtiyaç duyduğu bilgiyi bulabilir. Teknik yönetici geçmiş bakım kayıtlarını konuşarak sorgulayabilir. Bir genel müdür, farklı tabloları tek tek karşılaştırmadan olağan dışı bir performans göstergesinin olası nedenlerini araştırabilir.

Bütün bunlar bilgiye ulaşmayı çok daha kolay hâle getiriyor.

Ancak bilgiye kolay ulaşmak ile geleceği öngörebilmek aynı şey değil.

Bugün kullandığımız konuşma tabanlı yapay zekâ sistemlerinin büyük bölümü, birisi neyi merak ettiğine karar verdikten sonra devreye giriyor. Önce insan bir değişikliği fark ediyor, ardından soruyu oluşturuyor ve sistemden açıklama istiyor. Yapay zekâ da erişebildiği bilgileri değerlendirerek bir cevap üretiyor.

Başka bir ifadeyle süreç hâlâ insanın bir şeyi fark etmesiyle başlıyor.

Amaç mevcut bilgiyi anlamak olduğunda bu model son derece güçlü. Henüz gerçekleşmemiş bir gelişmeyi önceden görebilmek istediğimizde ise aynı yaklaşımın sınırları ortaya çıkmaya başlıyor.

Basit bir örnek üzerinden düşünelim. Bir AVM yöneticisi geçen ay ziyaretçi sayısının neden düştüğünü sorduğunda, yapay zekâ geçmiş verileri inceleyerek oldukça başarılı bir açıklama üretebilir. Hava koşullarını, takvim etkisini, rakip etkinlikleri, pazarlama faaliyetlerini veya ziyaretçi davranışındaki değişimleri tespit edebilir.

Üstelik verdiği cevap tamamen doğru olabilir.

Ancak o ay artık geride kalmıştır. Ziyaretçiler nereye gideceklerine karar vermiş, mağazalar cirolarını gerçekleştirmiş, ciro kiraları etkilenmiş ve pazarlama bütçeleri harcanmıştır.

Ne olduğunu doğru anlamak değerlidir.

Ne olacağını, henüz gerçekleşmeden görebilmek ise bambaşka bir değer yaratır.

Ticari gayrimenkul açısından önümüzdeki dönemin asıl farkının burada oluşacağını düşünüyoruz.

En Değerli Sorular Geçmişle Değil, Gelecekle İlgili

Ticari gayrimenkul sektörü yıllar boyunca geçmişini kayıt altına alma konusunda olağanüstü bir yetkinlik geliştirdi.

Dün bir alışveriş merkezine kaç kişinin girdiğini biliyoruz. Kiracıların geçen ay ne kadar ciro yaptığını, ne kadar kira geliri oluştuğunu, ne kadar enerji tüketildiğini, hangi iş emirlerinin tamamlandığını ve pazarlama kampanyalarının nasıl performans gösterdiğini oldukça yüksek bir doğrulukla takip edebiliyoruz.

Modern sistemler bütün bunları geçmişte mümkün olmayan bir ayrıntı seviyesinde kayıt altına alabiliyor.

Fakat bir gayrimenkulün gelecekteki değerini belirleyen kararların çok azı aslında dün ne olduğuyla ilgilidir.

İki marka arasında seçim yapan bir kiralama yöneticisi, hangisinin mevcut marka karmasını gelecekte daha güçlü hâle getireceğini bilmek ister. Önümüzdeki çeyreği planlayan bir AVM yönetimi, pazarlama ve operasyon kaynaklarını dağıtmadan önce ziyaretçi trafiğinin nasıl gelişeceğini öngörmeye çalışır. Asset manager, kiracı cirolarındaki olası değişimi kira gelirlerini etkilemeden önce görmek ister. Yatırımcı açısından ise bütün bu değişkenlerin sonunda gayrimenkulün gelecekteki finansal performansına nasıl yansıyacağı önemlidir.

Bunlar geçmiş verinin içinden doğru bilgiyi bulmakla cevaplanabilecek sorular değildir.

Tahmin gerektirirler.

Üstelik ticari gayrimenkulde iyi bir tahmin neredeyse hiçbir zaman tek bir rakamdan ibaret değildir.

Her Tahmin Daha Büyük Bir Sistemin Parçasıdır

Ziyaretçi sayısını ele alalım.

Bir alışveriş merkezine önümüzdeki hafta ya da ay kaç kişinin geleceğini tahmin etmek, ilk bakışta kendi başına ele alınabilecek bir problem gibi görünebilir. Mühendislik açısından baktığımızda ise ziyaretçi trafiğinin geçmiş dönem davranışlarından mevsimselliğe, hafta içi ve hafta sonu farklılıklarından resmi tatillere, hava koşullarından kampanya ve etkinliklere, şehrin özelliklerinden alışveriş merkezinin pazardaki konumuna kadar birçok değişkenin birlikte oluşturduğu bir sonuç olduğunu görüyoruz.

Ancak ziyaretçi sayısını yüksek doğrulukla tahmin edebilmek bile tek başına yeterli değil.

Çünkü ziyaretçiler yalnızca AVM'nin kapısından içeri girdikleri için finansal değer yaratmıyor.

AVM'nin içinde hareket ediyorlar, farklı markalarla karşılaşıyorlar, mevcut marka karmasına tepki veriyorlar ve kategoriye, mağazanın konumuna ya da ziyaret amaçlarına göre farklı harcama davranışları gösteriyorlar.

Bir mağaza, birbirini tamamlayan güçlü markaların yanında konumlandığında aynı AVM'nin başka bir noktasındaki aynı mağazadan farklı performans gösterebilir. Aynı kategoride faaliyet gösteren iki marka, aynı ziyaretçi sayısından tamamen farklı ticari sonuçlar üretebilir. Bir markanın performansı yalnızca kendi gücünden değil; komşularından, bulunduğu kattan, görünürlüğünden, faaliyet gösterdiği şehirden ve alışveriş merkezinin genel konumlandırmasından da etkilenebilir.

Bu nedenle kiracı cirosunu tahmin etmek için yalnızca kaç ziyaretçinin geleceğini bilmek yeterli değildir.

O ziyaretçilerin içine gireceği ticari ekosistemi de anlamak gerekir.

Ciroyu tahmin etmeye başladığımızda ise karşımıza başka bir ilişki çıkar.

Alışveriş merkezi kira sözleşmelerinin önemli bir bölümü sabit kira, ciro kirası, eşik değerler, endeksleme mekanizmaları, döviz parametreleri, tarihler ve farklı ticari koşulların bir araya gelmesiyle oluşur. Bu parametreler kiracının beklenen ticari performansıyla birlikte değerlendirilebildiğinde, tahmin artık yalnızca mağazanın ne kadar satış yapacağıyla sınırlı kalmaz; gayrimenkulün ekonomisine doğru ilerlemeye başlar.

Sıralama bu nedenle önemlidir.

Ziyaretçi sayısı ticari potansiyeli etkiler. Marka karması ve mağazanın konumu, bu potansiyelin nasıl dağıldığını belirler. Bu ilişkiler kiracı cirosuna yansır. Ciro, sözleşme koşullarıyla etkileşime girer ve bütün bu zincir sonunda kira gelirini etkiler.

Bir tahmin, bir sonraki tahmin için yeni bir bağlam yaratır.

Mühendislik açısından bizi asıl heyecanlandıran da tam olarak bu ilişki. Tahmine dayalı zekâyı birbirinden bağımsız çalışan tahmin modellerinin toplamı olarak görmüyoruz. Daha önemli olan, bu tahminlerin birbirleriyle nasıl bağlantı kurduğunu ve bu bağlantıların gerçek bir ticari kararı nasıl destekleyebileceğini anlayabilmek.

Boş Bir Mağaza Sadece Boş Bir Metrekare Değildir

Başlangıçta sözünü ettiğimiz boş mağazaya geri dönelim.

Geleneksel analiz yöntemleri bize bu alan hakkında zaten oldukça fazla bilgi sağlayabilir. Metrekaresini, geçmiş kiracılarını, önceki kira gelirlerini, AVM içindeki konumunu, komşu mağazaları ve geçmiş performansını inceleyebiliriz. Aday markaların tekliflerini karşılaştırabilir ve her alternatifin sözleşmeye göre yaratacağı tahmini geliri hesaplayabiliriz.

Peki sözleşmeyi imzalamadan önce farklı soruların cevaplarını da görebilseydik?

Mevcut marka karmasını hangi sektör daha iyi tamamlar?

Aday markaların her biri AVM genelinde değil, özellikle bu mağazada nasıl bir performans gösterebilir?

Komşu mağazaların geçmiş performansı belirli kategorilerin birbirini güçlendirdiğine dair bir ilişki gösteriyor mu?

Bölgeye yeni bir moda markası eklemek mevcut kümeyi güçlendirir mi, yoksa aynı ziyaretçinin harcamasını daha fazla mağaza arasında bölmekten başka bir sonuç yaratmaz mı?

Farklı bir sektör yerleştirmek marka karmasını daha dengeli hâle getirerek çevredeki mağazaların performansına da katkı sağlayabilir mi?

Ve bütün bu alternatifler zaman içinde kira gelirine nasıl yansıyabilir?

Bu noktada amaç artık yalnızca boş bir mağazayı kiralamak değildir.

Amaç, o mağazayı farklı şekillerde kiralamanın muhtemel sonuçlarını henüz karar verilmeden anlayabilmektir.

Bu, mühendislik açısından tamamen farklı bir problem tanımlar.

Geçmiş veriye ihtiyaç vardır, ancak geçmişi raporlamak yeterli değildir. Sözleşme bilgisine ihtiyaç vardır, ancak sözleşmeyi okuyabilmek tek başına anlamlı bir tahmin üretmez. Markaları tanımak gerekir, fakat yalnızca markanın geçmiş performansı içinde bulunduğu ekosistemi açıklamaz. Lokasyon önemlidir, ancak ziyaretçi davranışı ve çevredeki kiracıların performansıyla birlikte değerlendirilmediğinde lokasyon da yalnızca bir koordinattan ibaret kalır.

Değer, tek tek verilerde değil, aralarındaki ilişkidedir.

Bu nedenle ticari gayrimenkulde yapay zekânın bir sonraki anlamlı adımının, mevcut bilgiler hakkında daha kolay soru sorabilmekten geleceğini düşünmüyoruz.

Asıl gelişme, önemli ilişkileri yeterince erken fark ederek bazı soruları daha sorulmadan anlamlı hâle getirebilmek olacak.

Sistem Neden Soruyu Beklesin?

Bugün kullandığımız iş zekâsı sistemlerinin büyük bölümünde farkında olmadan kabul ettiğimiz bir varsayım var:

Kullanıcı ne aradığını biliyor.

Dashboard'lar hangi KPI'ın önemli olduğunu fark edecek birini bekliyor. Raporlar hangi sayfanın incelenmesi gerektiğini bilen bir kullanıcıya ihtiyaç duyuyor. Konuşma tabanlı yapay zekâ bu deneyimi önemli ölçüde kolaylaştırıyor, ancak çoğu zaman aynı temel varsayımı koruyor: Birisinin önce sorunu fark etmesi ve doğru soruyu sorması gerekiyor.

Mühendislik açısından bizim için daha ilginç olan soru burada başlıyor.

Ya sistem, kullanıcı aramaya başlamadan önce anlamlı bir değişikliği fark edebilseydi?

Ziyaretçi trafiğinin neden değiştiğini sormak yerine, değişimin gerçekleşme ihtimalini önceden görebilseydik?

Aylık ciro bildirimleri geldikten sonra bir kiracının performans sorununu fark etmek yerine, olağan dışı gelişen eğilimi daha erken yakalayabilseydik?

Boş bir mağazada geçmişte hangi sektörün başarılı olduğunu sormak yerine, farklı kiralama senaryolarını beklenen ciro ve kira geliri üzerinden önceden değerlendirebilseydik?

İlk bakışta küçük görünen bu fark, teknolojinin operasyondaki rolünü önemli ölçüde değiştiriyor.

Sistem artık yalnızca operasyonu açıklamak için beklemiyor.

Operasyonun nereye gittiğini öngörmeye başlıyor.

Ve yapay zekâ ticari gayrimenkul içinde olgunlaştıkça, bize göre giderek daha önemli hâle gelecek soru da burada ortaya çıkıyor:

Sistem, neyi bilmemiz gerekeceğini bizden önce fark edebiliyorsa neden her seferinde doğru soruyu bizim sormamızı beklesin?

Bizim için tahmine dayalı zekâ tam olarak burada başlıyor.

Tahmine dayalı zekânın gerçek değeri, bir kararın ne zaman alınabildiğini değiştirmeye başladığında ortaya çıkıyor.

Bir gelişmenin yaşandığını öğrenmek, gerçekleşme ihtimali konusunda önceden uyarılmak ve henüz zaman varken bu konuda ne yapılabileceğini değerlendirebilmek arasında büyük bir fark var. Geleneksel raporlama ilkini son derece başarılı biçimde yapıyor. Tahminleme ikinci aşamaya geçmemizi sağlıyor. Asıl fırsat ise tahmin ile hâlâ alınabilecek kararları aynı noktada buluşturabilmekte yatıyor.

Bu noktada tahminin doğruluğu elbette önemli. Ancak tek başına yeterli değil.

Bir model son derece başarılı bir tahmin üretebilir; fakat ortaya çıkan sonuç, kararın verileceği ticari ve operasyonel bağlamdan kopuksa yönetim biçiminde hiçbir şeyi değiştirmeyebilir. Böyle bir durumda elimizde yalnızca başka bir dashboard üzerinde takip edilecek yeni bir rakam olur.

Bu nedenle mühendislik açısından problem yalnızca gelecekteki bir sonucu doğru tahmin edebilmek değil. O tahmini, gayrimenkulün genel ekonomisi içinde anlamlı hâle getirebilmek.

Tahmin Ancak Karar Vermeyi Kolaylaştırdığında Değerli

Tekrar ziyaretçi sayısı üzerinden düşünelim.

Önümüzdeki ay ziyaretçi trafiğinin artacağını bilmenin elbette bir değeri var. Ancak artışın neden beklendiğini, hangi dönemlerde yoğunlaşacağını ve gayrimenkulün farklı bölümlerini nasıl etkileyebileceğini anlamak çok daha değerli.

Aynı durum kiracı cirosu için de geçerli. Bir markanın gelecek dönem cirosunun yüzde 7 artacağını tahmin etmek olumlu bir gösterge olabilir; fakat kiralama yöneticisinin bu bilgiyle karar verebilmesi için daha fazlasına ihtiyacı vardır. Büyüme AVM genelindeki ziyaretçi artışından mı kaynaklanıyor? Marka kendi kategorisinin üzerinde mi performans gösteriyor? Komşu mağazalarda da benzer bir gelişme var mı? Mağazanın konumu performansa ne kadar katkıda bulunuyor? Aynı marka AVM'nin başka bir noktasında olsaydı benzer bir sonuç bekler miydik?

Bağlamdan kopuk bir tahmin yalnızca bir rakam üretir. Bağlamıyla birlikte değerlendirilen tahmin ise karar verene güven kazandırmaya başlar.

Bu ayrım ticari gayrimenkulde özellikle önemli. Çünkü verilen kararların önemli bir bölümü maliyetsiz biçimde geri alınamaz. Bir kira sözleşmesi yıllarca sürecek bir ilişkiyi tanımlar. Renovasyon yatırımları sermaye gerektirir. Marka karmasında yapılan bir değişiklik, kararın verildiği tarihten çok sonra bile gayrimenkulün konumlandırmasını etkileyebilir. Günlük operasyonda küçük görünen bazı kararların sonuçları ise ancak aylar sonra finansal tablolarda görünür hâle gelebilir.

Bu nedenle karar vericilerin yapay zekânın kendinden emin konuşmasına ihtiyacı yok.

Belirsizliği daha iyi anlayabilmeye ihtiyaçları var.

Bizce iyi bir tahmin sisteminin görevi yalnızca mümkün olan en yüksek doğruluk oranını üretmek olmamalı. Kullanıcı, beklenen sonucun hangi değişkenlerden etkilendiğini, tahminin hangi koşullarda güçlendiğini veya zayıfladığını ve farklı senaryoların ne tür sonuçlar doğurabileceğini de anlayabilmeli.

Amaç, insan muhakemesini karar sürecinden çıkarmak değil.

Karar verecek kişiye geleceğe daha geniş bir açıdan bakabilme imkânı sağlamak.

Bir AVM Mağazalar Toplamı Değil, Ticari Bir Ekosistemdir

Marka karmasını değerlendirmeye başladığımızda bu yaklaşım daha da önemli hâle geliyor.

Bir alışveriş merkezini veri tabanında mağazalar, kiracılar, kategoriler, sözleşmeler ve finansal kayıtlardan oluşan bir yapı olarak tanımlayabiliriz. Operasyonu yönetebilmek için buna ihtiyacımız var. Fakat bu yapı, alışveriş merkezinin gerçekte nasıl davrandığını tek başına açıklamıyor.

Çünkü mağazalar birbirlerini etkiliyor.

Güçlü bir anchor mağaza bulunduğu bölgeye ziyaretçi çekerek çevresindeki kiracıların performansına katkıda bulunabilir. Doğru oluşturulmuş bir yeme-içme alanı ziyaretçilerin AVM'de geçirdiği süreyi uzatabilir ve dolaşım alışkanlıklarını değiştirebilir. Birbirini tamamladığını düşündüğümüz iki marka gerçekten birbirini güçlendirebilir; başka iki marka ise aynı ziyaretçi bütçesi için rekabet ederek gayrimenkule ek değer yaratmadan mevcut harcamayı kendi aralarında paylaşabilir.

Fiziksel mesafenin bile ticari bir anlamı vardır.

Zemin katta güçlü bir moda kümesinin yanında bulunan bir marka ile üst katta daha düşük trafik alan bir koridorda bulunan aynı marka, kâğıt üzerinde aynı kiracıdır. Fakat içinde bulunduğu ticari ortam aynı değildir ve beklenen performansın da aynı olmasını beklemek doğru olmaz.

Şehir de bu denklemin parçasıdır.

İstanbul'da çok güçlü performans gösteren bir marka Antalya'da, Üsküp'te ya da başka bir pazarda aynı sonucu üretmeyebilir. Yerel satın alma gücü, turizm, iklim, demografik yapı, rekabet, ulaşım alışkanlıkları ve tüketici davranışı performansı değiştirir. Aynı şekilde alışveriş merkezinin şehir içindeki konumu, erişilebilirliği, çekim alanı ve mevcut marka karması da markanın kimliğinden bağımsız düşünülemez.

Bu nedenle ticari gayrimenkulde yapay zekâyı yalnızca “daha fazla veriden öğrenen” bir teknoloji olarak tarif etmek bize eksik geliyor.

Daha fazla veri, kendiliğinden daha fazla zekâ yaratmaz.

Asıl değer, veriler arasındaki ilişkileri anlayabilmekte ortaya çıkar.

Amaç ciro tahmin etmekse yalnızca geçmiş ciroları bilmek yeterli değildir. Amaç boş bir mağaza için sektör önermekse geçmişte en başarılı olmuş kiracıların listesini çıkarmak yeterli değildir. Amaç zaman içinde kira gelirini tahmin etmekse, beklenen ticari performansın gerçek sözleşme yapılarıyla nasıl etkileşime girdiğini de anlamak gerekir.

Her katman, bir önceki verinin anlamını değiştirir.

Problemi zorlaştıran da budur.

Değerli hâle getiren de.

Performansı Tahmin Etmekten Gayrimenkulün Ekonomisini Anlamaya

Yatırımcı ve varlık yöneticisi açısından bu tahmin zinciri eninde sonunda finansal bir soruya ulaşır:

Bu gayrimenkul gelecekte ne kadar gelir üretecek?

Bir alışveriş merkezinin kira geliri tek bir değişkenin sonucu değildir. Farklı ticari yapılara sahip yüzlerce sözleşmenin birlikte oluşturduğu ekonomik bir sonuçtur. Sabit kiralar, ciro kiraları, eşik değerler, endeksleme mekanizmaları, para birimleri, tarihler ve sözleşmeye özgü diğer koşullar, kiracı performansıyla zaman içinde sürekli etkileşim hâlindedir.

Bu sözleşme parametreleri ayrı dokümanların içinde beklemek yerine yapılandırılmış veri olarak kullanılabildiğinde yeni bir imkân ortaya çıkar.

Beklenen kiracı performansı ile sözleşmenin ekonomik koşulları birlikte değerlendirilebilir.

Bu durumda ciro tahmini artık yalnızca kiralama ekibini ilgilendiren bir performans göstergesi olmaktan çıkar. Gelecekteki kira gelirinin hesaplanmasında kullanılabilecek bir girdiye dönüşür. Ziyaretçi davranışındaki olası değişiklikler finansal planlama açısından anlam kazanmaya başlar. Marka karmasında yapılacak bir değişiklik yalnızca doluluk açısından değil, gayrimenkulün gelecekteki gelir yapısına olası katkısı üzerinden de değerlendirilebilir.

Tahminin operasyonel optimizasyondan finansal zekâya doğru ilerlediği nokta burasıdır.

Geleneksel finansal rapor bir yatırımcıya gayrimenkulün geçen çeyrekte ne kadar kira geliri ürettiğini son derece doğru biçimde söyleyebilir.

Tahmine dayalı bir sistem ise zaman içinde daha zor bir soruya yaklaşmalıdır:

Bugün bildiklerimizle, bu gayrimenkulün önümüzdeki dönemde ne kadar gelir üretmesini bekliyoruz?

Bu sorunun tek bir model veya tek bir veri setiyle cevaplanabileceğini düşünmüyoruz.

Ortada birbirine bağlı bir zincir var.

Beklenen ziyaretçi sayısı ticari potansiyel hakkında bilgi sağlar. İçinde bulunulan ticari ekosistem, bu potansiyelin kiracılar arasında nasıl dağılacağını etkiler. Kiracı performansı sözleşme koşullarıyla etkileşime girer. Sözleşme ekonomisi kira gelirini şekillendirir ve ortaya çıkan finansal sonuçlar gayrimenkul hakkında verilecek kararlara katkıda bulunur.

Her aşamada belirsizlik vardır.

Ama her aşama bir sonraki karar için yeni bilgi de üretir.

Tahmine dayalı zekâyı tek başına bir ziyaretçi, ciro ya da kira tahmini olmaktan çıkaran şey, bu bağlantıları kurabilmektir.

Daha İyi Kararlar İçin Kusursuz Tahminlere İhtiyacımız Yok

Geleceği tahmin etmekle ilgili yapay zekâ tartışmalarında zaman zaman gözden kaçan rahatsız edici bir gerçek var:

Geleceği kusursuz biçimde bilmek mümkün değil.

Yeni bir rakip pazara girebilir. Hava beklenmedik şekilde değişebilir. Tüketici güveni kısa sürede farklılaşabilir. Bir marka çok başarılı bir kampanya yapabilir veya kötü bir ticari karar alabilir. Ekonomik koşullar, geçmiş verinin öngördüğünden daha hızlı değişebilir.

Böyle bir ortamda kesinlik vaat eden bir sisteme zaten temkinli yaklaşmak gerekir.

Fakat ticari gayrimenkul profesyonelleri karar verebilmek için hiçbir zaman mutlak kesinliğe ihtiyaç duymadı.

Yatırımcılar senaryolar oluşturuyor. Kiralama ekipleri alternatifleri karşılaştırıyor. Asset manager'lar bütçe ve tahminlerle çalışıyor. Yönetim ekipleri her gün eksik bilgiyle karar veriyor; çünkü kesinliği beklemek çoğu zaman fırsat ortadan kalkana kadar beklemek anlamına geliyor.

Tahmine dayalı zekânın görevi bu belirsizliği yok etmek değil.

Onu daha yönetilebilir hâle getirmek.

Bir kiralama senaryosu ilgili birçok değişken açısından diğerinden anlamlı biçimde güçlü görünüyorsa, gelecek garanti edilemese bile bu bilgi değerlidir. Bir kiracının cirosu beklenen aralığın dışına çıkmaya başlıyorsa, sebebi henüz tam olarak bilinmese bile bu değişikliği erken fark etmek önemlidir. Kira geliri mevcut bütçeden farklı bir yönde ilerliyorsa, bu eğilimi önceden görmek yönetime harekete geçmek için daha fazla zaman kazandırır.

Dolayısıyla hedef kusursuz bir gelecek görüşü yaratmak değil.

Daha iyi bilgiyle, daha erken hareket edebilmek.

Bu ayrım, yapay zekâ ile deneyimli profesyoneller arasındaki ilişkiyi nasıl gördüğümüzü de belirliyor. Bir model tahmin üretti diye tahminin otomatik olarak karara dönüşmesini doğru bulmuyoruz. Ticari bağlam, müzakere, strateji ve insan muhakemesi karar sürecinin merkezinde kalmaya devam etmeli.

Yapay zekâ görüş alanını genişletebilir.

Yönü hâlâ insanlar belirler.

Bir Sonraki Arayüz Bir Sohbet Penceresi Olmayabilir

Üretken yapay zekânın hayatımıza getirdiği en görünür değişikliklerden biri sohbet arayüzü oldu.

Bunun neden bu kadar hızlı benimsendiğini anlamak zor değil. Soru soruyoruz, cevap alıyoruz; soruyu biraz daha detaylandırıyor ve daha iyi bir cevap elde ediyoruz. İnsanlar zaten konuşmayı bildiği için teknolojiyle iletişim kurmanın son derece doğal bir yolu.

Ticari gayrimenkulde de bu arayüzlerin önemli bir yeri olacağını düşünüyoruz. Kullanıcıların bir veriyi araştırmak, olağan dışı bir gelişmenin nedenini incelemek veya geçmişte ne olduğunu anlamak istediği durumlar her zaman olacak.

Ancak operasyonel yapay zekânın son arayüzünün sohbet ekranı olması gerektiğini düşünmüyoruz.

Eğer bir sistem örüntüleri tanıyabiliyor, gelecekteki sonuçları tahmin edebiliyor ve anlamlı sapmaları fark edebiliyorsa, kullanıcının bütün bunları ancak doğru soruyu sorduktan sonra öğrenmesi gereksiz bir sınır yaratıyor.

Belki de daha anlamlı arayüz, konuşmayı sistemin başlattığı arayüz olacak.

Bir AVM yöneticisi sabah sisteme girdiğinde karşısında yorumlaması gereken onlarca grafik görmek yerine, dikkat etmesi gereken birkaç gelişmeyle karşılaşabilir.

Önümüzdeki dönemin ziyaretçi trafiği beklenen aralığın dışına çıkıyor olabilir.

Bir kiracının tahmini cirosu yakın dönem performansından farklı bir yöne ilerliyor olabilir.

Boş bir mağaza, komşu performansları ve marka karması birlikte değerlendirildiğinde farklı bir sektör için daha güçlü bir potansiyel gösteriyor olabilir.

Beklenen kira geliri mevcut finansal plandan uzaklaşmaya başlamış olabilir.

Her gayrimenkulde örnekler değişecektir. Tahminlerin kalitesi de sisteme sağlanan bilginin kapsamına ve niteliğine bağlı olacaktır. Ancak temel yaklaşım değişmez.

Kullanıcının her zaman hangi soruyu sorması gerektiğini önceden bilmesi gerekmemeli.

Teknoloji, ne zaman dikkat edilmesi gereken bir gelişme olduğunu fark edebilmeli.

Tahmine Dayalı Zekâdan PredictAI'a

PredictAI'ın ortaya çıkmasına neden olan mühendislik yaklaşımı tam olarak bu.

PredictAI'ı bir gayrimenkul yönetim platformuna eklenmiş sohbet robotu olarak tasarlamıyoruz. Amacımız, birbirine bağlı ticari gayrimenkul verisinin üzerinde çalışan bir tahmine dayalı zekâ katmanı geliştirmek.

Ziyaretçi tahminiyle başladık. Çünkü bir alışveriş merkezindeki en temel sinyallerden biri ziyaretçi trafiği. Önümüzdeki dönemde beklenen ziyaretçi sayısını anlayabilmek, gayrimenkulün içinde gerçekleşebilecek ticari performansı değerlendirmek için önemli bir başlangıç noktası oluşturuyor.

Bir sonraki katmanda kiracı cirosu var.

Burada problem doğal olarak daha karmaşık hâle geliyor. Beklenen ziyaretçi sayısı girdilerden yalnızca biri. Marka, kategori, mağazanın AVM içindeki konumu, komşu kiracılar, geçmiş performans, şehrin özellikleri ve alışveriş merkezinin konumlandırması gibi farklı değişkenler beklenen sonucu etkileyebiliyor.

Buradan sonraki hedefimiz kira gelirine uzanıyor.

Sözleşme parametreleri zaten operasyonel veri ortamının bir parçası olduğu için, zaman içinde beklenen kiracı performansını bu performansı gayrimenkul gelirine dönüştüren gerçek ticari koşullarla birlikte değerlendirebilmek mümkün hâle geliyor.

Ancak tek tek metrikleri tahmin etmenin ötesinde daha önemli bir hedefimiz var: yönetim ekiplerinin, verecekleri kararları geçmiş veriye dönüşmeden önce farklı senaryolar üzerinden değerlendirebilmesine yardımcı olmak.

Boş bir mağazada hangi sektör daha güçlü bir sonuç yaratabilir?

Marka karmasının bir bölümünü değiştirmek gayrimenkulün geri kalanını nasıl etkileyebilir?

Hangi kiracılar beklentilerin üzerinde veya altında performans göstermeye daha yakın görünüyor?

Bütün bunların kira gelirine olası etkisi ne olabilir?

PredictAI'ın yönünü belirleyen sorular bunlar.

Bir algoritmanın kiralama yöneticisi ya da yatırımcı adına karar vermesi gerektiğini düşündüğümüz için değil.

Profesyonellerin karar vermeden önce olası sonuçları daha geniş bir perspektiften görebilmesi gerektiğine inandığımız için.

Gelecek, Soru Sorulmadan Önce Gelecek

Ticari gayrimenkul sektörü geçmişte ne olduğunu kayıt altına alma konusunda olağanüstü bir yetkinlik geliştirdi.

Bu yetkinlik önemini kaybetmeyecek. Güvenilir kayıtlar, doğru raporlama ve sağlıklı operasyonel veri, bundan sonra geliştireceğimiz her şeyin temelini oluşturmaya devam edecek.

Ancak bir sonraki aşamanın başarısı farklı bir ölçütle değerlendirilecek.

Teknolojinin dünü ne kadar iyi anlattığı kadar, kurumların yarına ne kadar hazırlıklı olmasını sağladığı da önemli olacak.

Yıllardır kullandığımız sistemler insanların raporları açmasını, dashboard'ları yorumlamasını, problemi fark etmesini ve hangi soruyu soracağına karar vermesini bekledi.

Yapay zekâ bize bu ilişkiyi yeniden düşünme fırsatı veriyor.

Ticari gayrimenkulün geleceğini, verilerine yalnızca daha iyi sorular sorabilen kurumlar şekillendirmeyecek.

Doğru sinyalleri, daha iyi karar vermek için yeterince erken görebilenler şekillendirecek.

Bazen daha soruyu sormaya ihtiyaç duymadan.

EPPSO Bakış Açısı

EPPSO olarak yapay zekânın ticari gayrimenkulde yaratacağı değerin, verdiği cevapların ne kadar etkileyici olduğundan çok alınan kararlara ne kadar katkı sağladığıyla ölçüleceğine inanıyoruz.

Birbirine bağlı operasyonel veri temeli oluşturur. Deneyim bağlam kazandırır. Tahmin ise henüz gerçekleşmemiş olana dair yeni bir görüş alanı açar.

PredictAI ile hedefimiz bu üç unsuru bir araya getirerek AVM yöneticilerinin, kiralama ekiplerinin, varlık yöneticilerinin ve yatırımcıların geleceği, insan deneyiminin tek başına işleyebileceğinden çok daha fazla bilgiyle değerlendirebilmesine yardımcı olmak.

Ticari gayrimenkuldeki belirsizliği ortadan kaldırmaya çalışmıyoruz.

Geleceği, henüz gerçekleşmeden önce daha iyi görebilmeye çalışıyoruz.