Et oppdrag gir mellom én og fem millioner. Hundre tusen spart på backoffice teller knapt i den regningen.

Megleren som ser noe i kundens portefølje før kunden gjør det, skaper transaksjonen selv og kommer inn uten å gå veien om en anbudskonkurranse. Det forutsetter riktig informasjon til riktig tid.

Derfor er målet med AI her å ta datainnhenting og administrasjon av bordet, slik at tiden går til kundene i stedet. Et system som holder rådgiveren oppdatert er mer verdt enn ett som sparer noen minutter.

Analyse har en agent som skriver førsteutkastet til markedsbrevet, og har tatt arbeidet fra rundt 21 dagsverk per kvartal til 1–3 dager. Det finnes et kartverktøy og en modell for markedsleie, begge bygget på egne data. Verdivurdering kjører et automatiseringsprosjekt i seks faser sammen med konsernets IT. Dette er reelle prosjekter, ikke eksperimenter.

Kompetansen bak dem sitter hos enkeltpersoner, som Christian i Analyse. Skal de interne verktøyene som kommer faktisk bli tatt i bruk, må resten av huset løftes. Og med flere prosjekter i gang blir prioritering viktigere: ressursene bør gå dit utbyttet er størst.

Akershus og Malling har kontroll på utløpsdatoer for millioner av kvadratmeter, og kan liste de tjue relevante navnene når en eiendom blir ledig. Leiekontrakter tinglyses ikke, så de dataene må samles aktivt. Newsec gjør det ikke systematisk i dag.

En leietaker er i markedet hvert fjerde til tiende år. Bommer man på det vinduet, er oppdraget tapt i årevis. Dette er det tydeligste stedet AI kan gi et forsprang, ikke bare spart tid.

Avdelingen har vært borte i to-tre år og er nå to personer, med mål om fire til seks.

Alle andre avdelinger har vaner å avlære. Her kan arbeidsflytene settes opp riktig med én gang. Det er den billigste endringen dere kan gjøre.

Datafangsten først: transaksjonsdata finnes ikke i noe offentlig register og samles inn manuelt av én person. Markedsdata hentes fra SSB, DNB-rapporter, artikler og det man hører i bransjen. Leietakerlister kommer som e-post, Excel, PDF eller rå leiekontrakter og tastes inn for hånd i 3 500 verdsettelser i året. Det er den mest repeterbare delen av arbeidet, og uten det står også gode AI-verktøy stille.

Kapasiteten er den andre halvdelen, og den er like bindende. AI-ferdighetene varierer gjennom huset. Prosjektene som er satt i gang, eies av de få som kan det, og de har ikke tid til å ta dem videre — tre personer i Analyse skal snart betjene fire avdelinger. Der arbeidet er satt ut til konsernets egne AI-team, mangler de domenekunnskapen om eiendom, og da går det sakte og blir ineffektivt. Verktøy alene løser ingen av delene.

Malene finnes, men tidligere leveranser lar seg ikke gjenfinne. I praksis skrives mye av arbeidet på nytt hver gang, også når innholdet i stor grad er det samme. Offentlige anbud krever i tillegg egne, skreddersydde svar.

Dette er den sterkeste kandidatfamilien både for kursinnhold og for et påfølgende prosjekt.

Det finnes allerede en prototype internt, men den mangler database, drift og integrasjoner. Ønsket er varsling om kundene og et grunnlag for å ta kontakt først. Bruken av både CRM-et og andre systemer er ujevn, og årsaken er kvaliteten: når innholdet er uoversiktlig og dårlig vedlikeholdt, vegrer folk seg for å gå inn — og da blir det heller ikke oppdatert. Sirkelen forsterker seg selv.

Behovet er reelt, men dette er systemvalg og drift, ikke kursinnhold. Det hører hjemme som eget prosjekt.