AI とデータは新興国市場の住宅建設方法を変革できる

私たちは 7 日間先の天気を予測したり、携帯電話のカメラで病気を診断したり、宇宙から地球上のあらゆる道路を地図にしたりすることができます。しかし、住宅需要が急速に伸びている国々では、どこに、誰のために、そしてその費用はどれくらいかかるのかという最も基本的な質問に答えることができません。

世界的な住宅危機は主に建設問題ではありません。それは知性の失敗だ。アフリカが直面しているのは、 5600万台の赤字 1.4兆ドルの投資が必要です。東南アジアには、 2億人が非公式居住地にいる。ラテンアメリカは未処理の案件を抱えている 2,300万以上の住宅。しかし、これらの主要な数字の下に、ほとんどの新興国政府には、事前に計画を立てるための基礎データと分析能力が欠けています。完全な土地登記簿はない。詳細な需要予測はありません。誰がどこで何を必要としているのか明確に把握できません。数十億ドル規模のプログラムは、驚くほど少ない情報に基づいて設計されています。

私たちが頻繁に目にするのも不思議ではありません ハウジングの不一致、アクセスできない人々のために、間違った場所に間違った価格で何百万もの住宅が建てられています。

この情報の真空こそが拘束力となる制約です。そしてまさにそここそ、人工知能が変革をもたらすことができる場所なのです。

先進国では、住宅政策は価格指数、地籍システム、信用調査機関などの標準化されたデータに基づいています。新興市場には広大なデータ砂漠があり、その影響はさらに拡大します。貸し手に信頼できる情報が不足しているため、開発者は資金を確保できません。政府は目標を達成できない補助金を計画しています。海外の投資家はリスクをモデル化できないため、傍観している。

データが存在する場合が多いです。のケシア・ラストとして アフリカにおける手頃な価格の住宅金融センター 観察したように、すべての許可証、公共料金請求書、住宅ローンの分割払いは記録を生成しますが、それぞれはその特定の取引を記録するためにのみ存在します。課題は収集ではありません。それはキュレーションです。断片化した記録をつなぎ合わせて、住宅市場がどのように機能するかについての真の全体像を構築します。

AI は、乱雑で断片化した環境、まさに新興市場の住宅を特徴づける環境で繁栄します。 5 つの機能が最も重要です。

目に見えないものをマッピングする: 国連の ビームツール 機械学習を使用して航空画像から建物のフットプリントを検出し、数か月にわたる手動マッピングを約 72 時間に圧縮します。人口の 4 分の 1 が 580 以上の非公式居住地に住んでいる南アフリカの eThekwini では、BEAM が 150 万以上の建物の設置面積をマッピングし、計画立案者にアップグレードとサービスを目標にするための証拠を提供しました。それ以来、中米の 8 つの首都に展開され、6,300 以上の非公式地域を特定しています。多くの場合、数十年前の国勢調査データに基づいて意思決定が行われる国では、この新しいデータは、インフラストラクチャや住宅への賢明な投資に情報を提供するために重要です。

災害に対する回復力と回復: 世界銀行の レジリエントな住宅のためのグローバル プログラム ドローン画像と機械学習を使用して建物を一軒一軒スクリーニングし、屋根の材質、構造タイプ、高さを抽出して、地震やハリケーンで最も破損する可能性が高い建物にフラグを立てます。災害発生後も同じツールを使用 イベント前とイベント後の画像を比較する 数か月ではなく数時間以内に被害をマッピングします。同様のアプローチがテストされています 山火事の評価 米国では、ドローンに搭載されたアルゴリズムが近隣全体を調査し、構造物を破壊、損傷、または無傷に分類します。このデータは、保険請求、瓦礫の撤去、再建計画に直接影響します。重要なことに、これらのツールは損失をカウントするだけではありません。これらは、政府が修理の優先順位を決め、最も被害の大きかった地域にリソースを最初に振り向け、再建ではなく改修できる住宅を特定するのに役立ちます。緩和に費やす 1 ドルにつき、復興に 4 ドルを節約できると推定されています。 AI により、その資金がどこに送られるべきかを知ることが可能になります。

将来を見据えた計画: AI は、人口統計、移住データ、経済データを総合することで、5 年後または 10 年後に住宅圧力が高まる地域を予測できるため、リソース不足の計画部門は需要に圧倒されるのではなく、需要に備えることができます。

金融包摂: モバイルマネー取引や公共料金の支払いを分析する AI モデルは、銀行口座を持ったことのない人々の信用度プロファイルを構築できます。これにより、従来の信用スコアリングでは除外されていた人々の住宅金融が可能になります。フィンテック金融業者 東アフリカと南アジア すでにこれを大規模に行っています。

おそらく最も効果的な応用は、政府に永続的に対応するのではなく、積極的に計画を立てる能力を与えることです。あまりにも多くの補助金プログラムが、地域の現実ではなく全国平均に合わせて調整されています。 AI は、プランナーを置き換えることによってではなく、小規模チームができることを増やすことによって、その方程式を変えることができます。住宅費、収入、インフラへのアクセスに関するリアルタイムのデータにより、政府は場所や世帯の種類に応じて補助金を調整できるようになります。機械学習は、非公式化に陥る前に住宅ストレスのリスクにさらされているコミュニティを特定し、どのプログラムが本当にアクセスを改善するのか、単に戸数を増やすだけのプログラムなのかを評価することができます。

これを実際に大規模に実装するには、3 つのシフトが不可欠です。まず、政府は、土地登記簿のデジタル化、不動産データの標準化、住宅データの公共財化など、オープン データ インフラストラクチャに投資する必要があります。のような取り組み 世界の住宅データベースは、75 か国の赤字、手頃な価格、財務、および回復力の指標をまとめたもので、断片化されたデータが単一の比較可能なプラットフォームにまとめられた場合に何が可能になるかを示しています。第二に、AI ガバナンスを最初から組み込む必要があります。それは、モデル、公平性監査、コミュニティの声における透明性を意味します。第三に、官民パートナーシップは、投資のリスクを軽減するために AI が生成する分析を活用する必要があります。 IFC は世界の 手頃な価格の住宅金融ギャップは16兆ドル;どの政府も単独でそれを終わらせることはできません。

新興市場は、史上最大の都市化の波と、これまでに存在した最も強力な分析ツールが合流する場所にあります。その合流点がより良い都市を生み出すのか、それとも単なるより大きな都市を生み出すのかは、一見単純な事にかかっています。それは、住宅について決定を下す人々が、自分たちが形成しようとしている市場を実際に理解できるかどうかです。