Інтелектуалізація процесів управління нерухомістю на основі штучного інтелекту: стратегічні можливості та виклики для бізнесу

Автор(и)

  • Василь Павлович Горьовий д.е.н., професор кафедри архітектури, землеустрою та гео інформаційних систем, Державний університет, Київський авіаційний інститут https://orcid.org/0000-0002-5246-5331
  • Наталія Миколаївна Котвицька д.е.н., доцент кафедри економіки, фінансів та обліку, ПВНЗ «Європейський університет» https://orcid.org/0000-0003-0864-1470
  • Сергій Миколайович Заславець аспірант кафедри менеджменту та логістики, ПВНЗ «Європейський університет» https://orcid.org/0009-0008-0948-9486

DOI:

https://doi.org/10.66556/2786-586X.53.gorovij-v

Ключові слова:

штучний інтелект, управління нерухомістю, PropTech, автоматизована оцінка вартості (AVM), предиктивна аналітика, цифрова трансформація, девелопмент, машинне навчання, інтелектуалізація бізнесу, стратегічне управління

Анотація

У статті досліджено теоретичні та прикладні аспекти інтелектуалізації процесів управління нерухомістю на основі технологій штучного інтелекту (ШІ) в умовах цифрової трансформації ринку нерухомості. Актуальність теми зумовлена стрімким поширенням PropTech-інновацій, зростанням обсягів даних про об'єкти нерухомості та необхідністю підвищення ефективності управлінських рішень в умовах підвищеної ринкової волатильності. Метою дослідження є розробка концептуальної трирівневої моделі інтелектуалізації управління нерухомістю та виявлення стратегічних можливостей і викликів для бізнесу. Методологічну основу становлять системний аналіз, порівняльний метод, контент-аналіз міжнародних галузевих звітів, а також анкетне опитування менеджерів і власників компаній з управління нерухомістю. Систематизовано шість ключових сфер застосування ШІ: автоматизована оцінка вартості (AVM), предиктивне технічне обслуговування, NLP-аналіз документів, генеративний ШІ у клієнтських комунікаціях, оптимізація енергоспоживання та управління орендним портфелем. Результати дослідження підтверджують суттєву диференціацію показників ефективності між компаніями з інтегрованим ШІ-стеком та без нього: точність оцінки об'єктів у три рази вища, час закриття угоди у 1,9 раза коротший, рентабельність активів вища на 3,5 в.п. Крім того, встановлено позитивний вплив використання ШІ на рівень клієнтської задоволеності, швидкість обробки запитів та якість управління ризиками, що сприяє зміцненню конкурентних позицій компаній на ринку. Запропоновано трирівневу концептуальну модель (операційний–портфельний–ринковий рівні), що систематизує механізми впровадження ШІ та їхній вплив на показники ефективності управління нерухомістю. Наукова новизна дослідження полягає у розробці цілісної концепції інтелектуалізації галузі з урахуванням специфіки українського ринку нерухомості в умовах відновлення. Практична цінність одержаних результатів полягає у можливості їх використання компаніями для формування цифрових стратегій розвитку, підвищення ефективності управління активами та забезпечення довгострокової стійкості бізнесу.

Посилання

Bortnik, A. M. (2020). Digital transformation of the enterprise business model. Strategy of Economic Development of Ukraine, 47, 16–31. https://doi.org/10.33111/sedu.2020.47.016.031

Kotvytska, N. M. (2026). Digitalization and strategic development of the rental real estate market in Ukraine. Academic Visions, 51. https://doi.org/10.5281/zenodo.19392329

Baum, A. (2017). PropTech 3.0: The Future of Real Estate. Oxford: Saïd Business School, University of Oxford. https://www.sbs.ox.ac.uk/sites/default/files/2018-07/PropTech3.0.pdf

Ferrer, X., van Nuenen, T., Such, J. M., Coté, M., & Criado, N. (2021). Bias and discrimination in AI: A cross-disciplinary perspective. IEEE Technology and Society Magazine, 40(2), 72–80. https://doi.org/10.1109/MTS.2021.3056293

CBRE. (2024). How AI Is Advancing Decision-Making in Corporate Real Estate. CBRE Insights. https://www.cbre.com/insights/viewpoints/how-ai-is-advancing-decision-making-in-corporate-real-estate

Cheung, K. S., & Hardin, W. G. (2021). Anchoring and asymmetric information in the real estate market. Journal of Risk and Financial Management, 14(9), 423. https://doi.org/10.3390/jrfm14090423

Eom, Y. S., Kang, D. H., & Choi, D. H. (2023). Feasibility of applying an electrostatic precipitator integrated with a naturally ventilated double-skin façade in residential buildings. Journal of Building Engineering, 68, 106065. https://doi.org/10.1016/j.jobe.2023.106065

International Association of Assessing Officers. (2021). Standard on Data Quality. Kansas City, MO: IAAO. https://www.iaao.org/wp-content/uploads/Standard_on_Data_Quality.pdf

Deloitte. (2023). Generative AI in Real Estate: The Benefits and Use Cases. Deloitte Insights. https://www.deloitte.com/us/en/insights/industry/financial-services/generative-ai-in-real-estate-benefits.html

JLL. (2024). Global Real Estate Outlook. JLL Research. https://www.jll.com/en-us/insights/market-outlook

McKinsey & Company. (2024). The State of AI in Early 2024: Gen AI Adoption Spikes and Starts to Generate Value. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

KPMG. (2024). Pulse of Fintech H2 2023. KPMG International. https://assets.kpmg.com/content/dam/kpmg/xx/pdf/2024/02/pulse-of-fintech-h2-2023.pdf

Kok, N., Koponen, E., & Martínez-Barbosa, C. (2017). Big data in real estate? From manual appraisal to automated valuation. The Journal of Portfolio Management, 43(6), 202–211. https://doi.org/10.3905/jpm.2017.43.6.202

Harth, C., Maqbool, R., & Gledson, B. (2026). Augmenting digital transformation toward Real Estate 4.0. Journal of European Real Estate Research, 19(1), 46–71. https://doi.org/10.1108/JERER-05-2024-0034

Bortolini, R., Rodrigues, R., Alavi, H., Della Vecchia, L. F., & Forcada, N. (2022). Digital twins’ applications for building energy efficiency: A review. Energies, 15(19), 7002. https://doi.org/10.3390/en15197002

State Property Fund of Ukraine. (2023). Clarifications on Property Valuation under Martial Law Conditions. https://www.spfu.gov.ua/ua/news/9919.html

Krasnevych, O. A., Pavlov, K. V., & Yushchak, A. V. (2023). Theoretical aspects of studying the residential real estate market of Ukraine during the wartime economy. Economy and Society, 48. https://doi.org/10.32782/2524-0072/2023-48-34

Shmygel, A., & Shulha, N. (2023). Factor analysis of the housing market in Ukraine (2003–2023). Scientia Fructuosa, 151(5), 123–138. https://doi.org/10.31617/1.2023(151)08

Mullainathan, S., & Spiess, J. (2017). Machine learning: An applied econometric approach. Journal of Economic Perspectives, 31(2), 87–106. https://doi.org/10.1257/jep.31.2.87

World Bank Group, Government of Ukraine, European Commission, & United Nations. (2025). Ukraine Fourth Rapid Damage and Needs Assessment (RDNA4): February 2022 – December 2024. Washington, DC: World Bank Group. https://openknowledge.worldbank.org/entities/publication/0f04dfe0-41ea-410f-bdd9-4d2bc9d40569

Yoo, S., Im, J., & Wagner, J. E. (2012). Variable selection for hedonic model using machine learning approaches: A case study in Onondaga County, NY. Landscape and Urban Planning, 107(3), 293–306. https://doi.org/10.1016/j.landurbplan.2012.06.009

Segura, de la Cal A., Martínez, Raya A., Morales-Alonso, G. (2025). Mapping the Role of Artificial Intelligence in Real Estate: A Bibliometric and Case Study Analysis. Journal of Entrepreneurship, Management and Innovation. Vol. 21(3). P. 5–23. DOI: https://doi.org/10.7341/20252131

Lee, S. U., Perera, H., Liu, Y., Xia, B., Lu, Q., Zhu, L., Cairns, J., & Nottage, M. (2025). Integrating ESG and AI: A comprehensive responsible AI assessment framework. AI and Ethics, 5, 5121–5148. https://doi.org/10.1007/s43681-025-00741-5

##submission.downloads##

Опубліковано

2026-03-30

Як цитувати

Горьовий, В. П., Котвицька, Н. М., & Заславець, С. М. (2026). Інтелектуалізація процесів управління нерухомістю на основі штучного інтелекту: стратегічні можливості та виклики для бізнесу. Академічні візії, (53). https://doi.org/10.66556/2786-586X.53.gorovij-v

Номер

Розділ

Соціальні та поведінкові науки