Още през април 2019 г. пуснахме материал, в който заявяваме Живеем в ерата на Robopreneur, определяйки насока как да бъдеш ултрапродуктивен предприемач със софтуер и алгоритми до себе си . Разказахме историята чрез подходящи Robopreneurs като Casey Neistat, Kylie Jenner и дори матраци Casper.

И тогава разбрахме за един невероятно проницателен, ранен Robopreneur, който все още работи с магията си повече от 3 десетилетия под колана си като Robopreneur.

Ранни алгоритмични победи

Шон Добсън е главен изпълнителен директор на Amherst, фирма за инвестиране в недвижими имоти с управление от 20 милиарда долара. Той притежава или управлява около 16 000 еднофамилни къщи, разпръснати из Средния запад и Слънчевия пояс.

През 1987 г., преди софтуерът за интелигентно моделиране на данни да е само на едно търсене в Google, Шон беше пионер в собствените си модели за ценообразуване на жилищни заеми. По-конкретно, той търсеше случаи на неправилно ценообразуване.

Семената на големия му резултат бяха засадени по време на жилищния балон, когато неговите модели предричаха катастрофа в „Alt-A ценни книжа“, пакети от заеми, отпуснати на собственици на жилища, които често са рефинансирали многократно. „Пазарът предвиждаше процент на неизпълнение от 5%, а нашите модели показаха, че ще бъде 30% [дори] ако цените на жилищата изобщо не паднаха“, спомня си Добсън. Той набра група инвеститори, които заеха къси позиции в Alt-A, като пожънаха печалба от 10 милиарда долара - 10 пъти повече от инвестицията, според Добсън - когато цените на жилищата паднаха.

Шон Тъли, Fortune

Но Шон не е взел чиповете си и не е напуснал масата. Вместо това, той прави още по-голям стак и отново залага много.

Предизвикателството за милиони домове

Main Street Renewal (подразделение на Amherst) си постави за цел през следващите 15 години да събере 1 милион еднофамилни къщи в ценови диапазон от 140 до 200 хиляди долара. Но за разлика от предаванията на TLC, Шон няма намерение да обръща тези домове.

Собствеността на жилище, която дълго време беше основа на финансовата стабилност, стана недостижима или нежелана за много работници със средни доходи – поради причини, включително по-строги стандарти за кредитиране, големи дългове от колежа и забавяне на растежа на заплатите и спестяванията.

Тези тенденции се изразяват в приблизително 5 милиона домакинства, които наемат еднофамилни домове, вместо да теглят ипотеки и да строят капитал, и това е целевият пазар на Amherst.

„Ние се грижим за цяла нова класа американци – бившите купувачи, които сега са или принудителни наематели, или наематели по избор.“ И Добсън се обзалага, че този нов клас е постоянен.

Шон Тъли, Fortune

Това противоречи на традиционните стойности на инвестиране в недвижими имоти на фондове за милиарди долари. Като цяло големи средства ще събират жилищни комплекси поради гъстотата на блоковете и централизацията на поддръжката им.

Неговият нетрадиционен възглед е наистина залог върху тази масивна промяна в потребителското поведение.

Това, което е особено очарователно, е процесът, който имат за намиране на домове - по-специално взаимодействието между хората и алгоритмите:

[Те] търсят квартали на „сладко място“, които съчетават достъпни наеми със силна заетост със средни доходи. Около 70% от 16 000-те домове на Amherst са в градовете на Sunbelt.

Amherst разчита на хората, за да намери градове, малки градове и квартали, където фиксаторите могат да станат печеливши, след което разчита на автоматизацията, за да избере отделни домове.

Amherst вече е насочен към около 1000 пощенски кода в 30 метрополии. Изборът на жилища там е работа на силно автоматизираната система за покупки на Amherst. В офиса на 19-ия етаж на Madison Avenue в Ню Йорк, дузина специалисти по закупуване преглеждат потенциални клиенти на техните работни станции, доставени от собствена програма, наречена Explorer, разклонение на софтуера, разработен от Dobson за ценообразуване на ипотеки. Всяка сутрин екипът получава сигнали за новоизброени домове, които отговарят на неговия ценови диапазон и географски критерии – около 1400 обяви на ден.

Шон Тъли, Fortune

Със списъци в ръка те използват повече модели за машинно обучение, за да предскажат спомагателните разходи и риска на тези къщи.

За всяка обява „първо изрязване“ Explorer оценява разходите за обновяване. Това е машинно обучение на работа: Оценката се основава на опита на Amherst с домове на подобна възраст и размер в същия или близки квартали. В по-стар дом това може да включва подмяна на HVAC системата; за човек, чиито снимки в списъка предполагат износване, може да включва нов покрив. (Членовете на екипа помагат на софтуера да направи това обаждане.) Explorer е станал толкова прецизен, казва Негри, че действителните разходи за обновяване са средно в рамките на 5% от прогнозите.

Шон Тъли, Fortune

Искам да изясня, че те няма да са толкова успешни и точни без своите много богати собствени набори от данни, които са събирали през годините. Това наистина е ключовият двигател за техния подход, ръководен от алгоритъм. (Всички компании „трябва да си помислят“ „Какви частни данни притежаваме?“)

Explorer също така извършва отделно изчисление, намирайки три жилища, отдадени под наем в радиус от две мили, които са близки по възраст, размер и спецификации на леглото и банята до новоизброения дом. Машинното обучение помага на софтуера да прецени за какво би наела всяка къща въз основа на тези „компенсации“. След това Explorer извежда приблизителна „доходност от наем“ — нетният наем след такива разходи като данъци и поддръжка, разделен на пълните разходи.

Шон Тъли, Fortune

В момента техният процес включва около 3 покупки на жилище на ден (повече отколкото повечето хора притежават през живота си). Ако искат да достигнат своите 1 милион домове за 15 години, ще трябва да увеличат повече от 60 пъти.

От това, което съм чел за Шон Добсън досега, бих заложил парите си зад него. Не защото той предсказа жилищния балон 08, а защото той е върхът на това какво означава да си робопреньор.

Възхищавам се на неговата изобретателност и далновидност, над 30 години в процес на създаване. Мисля, че това ще даде тласък на много други робопренери в областта на недвижимите имоти. Особено с появата на друг софтуер с ИИ, фокусиран върху недвижимите имоти, като „Naborly“, „Skyline“, „Enodo“ и дори „Zillow“.

Това беше първоначално публикувано в „Inevitable/Human“ на 26 юни 2019 г