Se for deg en rådgiver som skal undersøke et prosjektområde. Kartet viser hvilke eiendommer som ligger innenfor. Registrene viser eiere og registrerte rettigheter. Dokumentene gir innholdet som må vurderes. Samtidig kan rettighetskoblinger føre til eiendommer og parter utenfor området.

For å komme videre må rådgiveren følge forbindelsene mellom dem. Det samme gjelder når vi vil bruke AI i arbeidet: Svaret trenger et grunnlag som henger sammen.

Et velformulert svar trenger et etterprøvbart grunnlag

En språkmodell kan formulere et overbevisende svar som inneholder feil. NIST beskriver dette som en kjent risiko ved generativ AI, særlig i oppgaver som krever kontekst og fagkunnskap. Derfor må vi kunne undersøke hvilke opplysninger et svar bygger på. NISTs profil for generativ AI.

I eiendomsarbeid er konteksten konkret. Hvilken eiendom gjelder opplysningen? Hvem har hvilken rolle? Er arealet knyttet til tomten, bygningen eller en bruksenhet? Når ble opplysningen registrert?

Slike forskjeller avgjør om dataene er relevante for vurderingen. De må følge med hele veien fra kilde til analyse.

Hva vi mener med AI-klare data

Vi bruker begrepet AI-klare data om et grunnlag som er strukturert og satt i kontekst for en bestemt oppgave. For norsk eiendom betyr det særlig fire ting:

  • Tydelige objekter. Eiendommer, bygninger, personer og selskaper må kunne identifiseres og skilles fra hverandre.
  • Kjente forbindelser. Eierskap, rettigheter og geografiske relasjoner må beskrives med riktig rolle og retning.
  • Faglig kontekst. Begreper, enheter, tidspunkt og begrensninger må være forståelige.
  • Et grunnlag som kan kontrolleres. Kilden og den relevante dokumentasjonen må kunne følges opp.

Dette er egenskaper som må vurderes for den konkrete bruken. Et datasett kan være godt egnet til å finne relevante dokumenter og samtidig utilstrekkelig for å trekke en konklusjon om innholdet.

Fra enkeltopplysninger til et felles kunnskapsgrunnlag

I Easy Eiendom kobler vi data om norske eiendommer, bygninger, eiere og registrerte rettigheter på felles nøkler. Geografi og faglogikk gjør det mulig å følge forbindelsene videre. Grunnlaget berikes med blant annet kartlag, selskapsinformasjon, byggesaker og markedsdata, med dekning som varierer mellom kildene.

I Easy ARK brukes koblingene til å samle eiendommer og registrerte rettigheter for et prosjektområde. Brukeren kan undersøke forbindelser inn og ut av området, filtrere grunnlaget og arbeide videre i kart, dokumenter og Excel.

Det viser verdien av å modellere sammenhengene: Fra et avgrenset område kan fagpersonen finne opplysninger som må ses i lys av hverandre. Vurderingen blir fortsatt gjort av den som kjenner saken.

Et bedre utgangspunkt for AI i egne systemer

En AI-løsning kan bygges slik at den henter relevante opplysninger fra et eksternt kunnskapsgrunnlag før den svarer. Dette omtales ofte som RAG. Det gir modellen tilgang til informasjon utenfor treningsdataene og kan gjøre det mulig å vise kilder. Databricks forklarer prinsippet.

For en eiendomsaktør kan et aktuelt bruksområde være å hente fram relevante eiendommer, sammenstille registrerte forhold eller finne dokumentene fagpersonen bør lese. Løsningen må prøves på de faktiske oppgavene, med kontroll av både treffene og svarene.

Easy Eiendom tilbyr data og API-tilgang for integrasjon i egne systemer etter avtale. Vi tar utgangspunkt i hva dere skal undersøke, hvilke data dere trenger og hvordan resultatet skal brukes. Bruk av grunnlaget i en AI-løsning må tilpasses oppgaven, tilgangene og datavilkårene.

Mer å bygge beslutningene på

Når dataene henger sammen, får både mennesker og programvare et bedre utgangspunkt for å stille presise spørsmål. Fagkunnskapen avgjør hva svarene betyr, og hva som bør skje videre.

Ta med en beslutning dere vil gi et bedre grunnlag. Sammen ser vi hvilke data, forbindelser og leveranser som kan hjelpe dere dit.