Gayrimenkulü dönüştürmek için verileri, yapay zekayı ve bulutu kullanma
– Sandeep: Elbette. Bir örnek kullanmak harika çünkü bu hem ticari gayrimenkul hem de AI/ML’nin ticari gayrimenkulde uygulanması açısından çok geniş bir alan. Akıllı binalar alanında müşterilerimiz için üç sonuç sağlamaya odaklanıyoruz: enerji, verimlilik ve deneyim; yani enerji kullanımlarını nasıl yönetiyorlar, bir mülkü yönetmekle ilgili yaptıkları her şeyde nasıl daha verimli oluyorlar? Peki bir binadaki çalışanların işyeri deneyimi nedir?
Verimliliğe bir örnek vereyim. Daha önce binaların belirli bir yönetim şekli vardı. Ve sahip olduğumuz AI/ML ile aşılanmış bulut yerel küresel teknoloji çözümlerinin uygulanmasıyla, artık tesisleri Smart FM dediğimiz daha akıllı bir şekilde yönetebiliyoruz. İnsanların çevreyi düzenli aralıklarla temizlemesi yerine doluluk durumuna bakabiliyor ve çevreyi dinamik olarak temizleyebiliyoruz, dinamik temizlik konusunda müşterilerimize büyük miktarda para tasarrufu sağlayabiliyoruz. Binaları ve varlıkları yönetme şeklimizdeki anormallikleri tespit edebiliyoruz, bu da yanlış alarmları ve bir binanın yönetilmesiyle ilgili olarak olması gereken kamyon yuvarlanma sayısını daha da azaltabiliyor. Yani AI/ML’yi aşılamanın pek çok farklı yolu var.
Defne: Bu gerçekten ilginç. Yani Uluslararası Enerji Ajansı’nın 2019 küresel durum raporuna göre gayrimenkul sektörü küresel karbon emisyonlarının %39’una katkıda bulundu. Şu anda bahsettiğiniz gibi akıllı teknolojilerin operasyonel verimliliği nasıl artırabileceğine ve ardından emisyonların azaltılmasına ve sürdürülebilirliğin iyileştirilmesine nasıl yardımcı olabileceğine dair bize bir örnek verebilir misiniz?
– Sandeep: Evet kesinlikle. Bu alana bakmanın iki yolu olduğunu düşünüyorum. Karbon emisyonlarının %39’unun gayrimenkulden kaynaklandığını ve bu nedenle sektörün oynayacağı rolün çok büyük olduğunu belirttiğiniz gibi. Bu emisyonların bir kısmı inşaat sırasında, geri kalanı ise varlığın yaşam döngüsü içindir. Daha inşaat aşamasında, bir bina için belirli bir enerji emisyonu hedefine göre tasarlayıp yeniden tasarlayabileceğimiz yetenekler geliştirdik. Tedarikçilerimizi bina için belirli bir enerji emisyon hedefine göre seçebiliyoruz.
Ve binayı yönetirken, anında tatmin sağlayan, sensörleri çalıştıran, bir binayı aydınlatan birçok çözüm vardır ve yapmanız gereken tek şey bir binayı aydınlatmaksa hepsi iyi çalışır. Ancak müşterilerimizin belirlediği ölçeğe ve küresel net sıfır hedeflerine ulaşmak için çözümlerimizin portföy ölçeğinde ve çok boyutlu olması gerekiyor.
Dolayısıyla yaptığımız şey, çeşitli farklı kaynaklardan, sensörlerden veri alma ve bunları uyumlu hale getirip standart bir sınıflandırmaya yerleştirme becerisine sahip olmamızdır. Ve sonra bunu birçok farklı şekilde değerlendirebiliyoruz. Enerjiye bakmanın ve doluluğa bakmanın, binadaki doluluğa göre binayı yönetmenin farklı yönlerini bir araya getirebiliyoruz. Örneğin yakın zamanda müşterilerimizden birinde yapılan bu müdahaleler, 25’ten fazla binadaki bu müdahalelere karşı koyabildiğimiz anlamına geliyordu. Bu da onlar için en yüksek enerji kullanımında azalmaya ve ayrıca reaktif bakım iş emirlerinde azalmaya, kamyon devrilmelerinin azalmasına ve enerji hedeflerinin desteklenmesine yol açtı.
Defne: Yani bundan portföy düzeyinde de bahsediyorsunuz. CBRE’nin kendi kurumsal sorumluluğu ve çevresel, sosyal ve yönetişim veya ESG hedefleri şu şekildedir: Düşük karbonlu bir geleceğe ölçeklendirin, çalışanların çeşitlilik, eşitlik, katılım girişimleri yoluyla başarılı olmaları ve dürüstlük yoluyla güven inşa etmeleri için fırsatlar yaratın. CBRE, daha verimli hale gelmek ve aynı zamanda bu ÇSY hedeflerine ulaşmak için yapay zeka ve makine öğrenimi gibi yeni gelişen teknolojileri nasıl kullanıyor?
– Sandeep: ESG sorununun çoğunun veri sorunu olduğunu düşünüyorum. Bugün, bu sorunla uğraşan ve bu sorunla boğuşan çoğu kişiyle konuşursanız, örneğin kapsam 1 ve kapsam 2, kapsam 3’ün ne olduğu konusunda net bir görüş açısına sahip olduklarını söyleyeceklerdir. emisyonlar nelerdir? Verileri güvenilir bir şekilde yakalayıp, güvenilir bir şekilde denetleyip ardından rapor sunabiliyorlar mı? Buna karşı rapor verirken aynı zamanda kullanımı da yönetebiliyorlar mı? Çünkü verilere bakabiliyorsanız, nerede düzeltici eylemlerin gerekli olduğunu bileceksiniz. Bu arada, üzerine kurduğumuz, %100 bulut yerel olan veri platformunun temelini temel alarak, daha sonra, anormallikleri tespit etmek için makine öğrenimi modellerini uygulayabileceğimiz bu teknolojileri uygulayabiliriz. Verilerimizi binalara göre haritalandırmak ve bu gayrimenkul sürecinin uçtan uca yaşam döngüsünü yönetmek için dijital ikizler perspektifini benimsiyoruz.