Новости

IT и энтузиазм в оценочной деятельности

В гостях у «Экспертного совета» — энтузиасты и творцы, люди-идеи, оценщики-айтишники, решившие сделать мир лучше, работу проще, а результаты ее — точнее и достовернее. Таких специалистов сегодня уже немало, и хоть дорога в IT в оценке у каждого своя, можно сказать, что они делают общее дело: внедряют автоматизацию оценочной деятельности, в том или ином ее виде. Разработчик искусственного интеллекта для оценки стоимости Кирилл Мурашев, программист Максим Бобков и создатель Робастика Денис Мамаев рассказали, как и почему решили углубиться в сферу IT, над чем сейчас работают и каким видят ближайшее будущее автоматизации в оценке.

Кирилл Мурашев, оценщик, разработчик искусственного интеллекта в оценке стоимости

Пришёл в оценку я в 2008 в общем случайно: знакомые искали срочно человека, предложили попробовать себя в новой отрасли, остался. Работал в ней с перерывами. С 2013 года полностью ушёл от работы по найму. Специализируюсь, как и все, больше на недвижимости, но выполняю всё, включая бизнес и НМА.

Автоматизацией начал заниматься с 2015, самостоятельно освоил ряд инструментов, вскоре понял, что денег там больше, чем в оценке. Занимаюсь анализом данных, это широкая сфера: от достаточно понятной всем матстатистики до малопонятного глубокого обучения. Плюс различные чисто инженерные моменты: вроде хранения данных, парсинга и т. д.

Проект

Работаю, в основном, в области ритейла и строительства: оптимизация запасов, классификация, транспортные задачи и т. д. В Data Science не так часто бывают «продукты». Есть задача, есть её решение. Создание компилируемых приложений для пользователей — относительная редкость. Команды DS/ML работают непосредственно из среды разработки. Сбор данных для обработки и передача результата в основную корпоративную систему — работа Data Engineer. Сложно сказать, как далеко продвинулся. Технически умею от чистого матстата до нейронных сетей, знаю некоторые аспекты работы Data Engineer. Это не так сложно. Сложно применить в конкретной задаче, создав хорошее решение. А написать какой-то код — относительно просто: всё на скриптах.

Считаю, что оценка как консалтинг уйдёт в цифру на 95 % в течение 5 лет. Оценка как приложение к юриспруденции, наверное, позже. Прежде всего, надо убрать рутину, вроде ручного  копирования данных с сайтов, затем надо отказаться от экспертных корректировок в пользу рассчитываемых средствами матстатистики на основе данных рынка, далее перейти на системы оценки, основанные на машинном обучении. На последнем этапе сам отчёт может формироваться программой. Последняя задача на самом деле самая простая и лично мне не особо интересная. Машина объективна, машина не устаёт и не ошибается. Машина может делать сотни оценок в час.

А для подтверждения стоимости достаточно подробно описать этапы оценки, применённые алгоритмы, привести код и исходные данные рынка. Это не противоречит стандартам. Проверяемость логики обеспечена. Сейчас как раз работаю над документацией к своим программным решениям. Создал группу, куда выкладываю части. Кроме того, ЕСО и стандарты RICS уже прямо признают результаты, полученные алгоритмами, при условии, что оценщик признаёт их в качестве своего суждения и готов отвечать за них.

Планы

В ближайший год выведу 60–80% решений на рынок. Не уверен, что сообщество оценщиков примет благосклонно. Пока что вижу больше негативных и скептических отзывов, хотя группа растёт, т. е. интерес есть, может, кто согласен, просто молчат. Но есть другие рынки: банки,  страхование, лизинг, антифрод. Цифровизация и независимой оценки — дело ближайшего будущего. Вопрос в том, будет ли она чисто формальной или действительно будут созданы новые смыслы и ценности.

Важной задачей считаю также и разработку системы документации, описывающей все применяемые методы. Оценка в некотором смысле приложение в юриспруденции. Если для внутренней системы страховой компании достаточно уверенности в компетенции своей ML-команды, то для общего рынка важна доказательность. Таким образом, описание процесса оценки в виде «нажал кнопку 1, затем кнопку 2, получил цифру» — выглядит бледно. Необходимо хотя бы общее, но достаточно подробное и содержащее ссылки на детальные исследования, описание. Следующим важным аспектом является открытость кода, в противном случае оценка превращается в чёрный ящик, что допустимо для систем банков или тех же страховых, но вряд ли уместно при судебной либо иной независимой оценке.

В самое ближайшее время (вопрос двух недель) выйдет раздел, посвящённый тому, как можно оспорить, наверное, 99 % «экспертных» либо «справочных» корректировок и как можно считать их на основе данных рынка. Сделаю запись об этом в своей группе.

О технической составляющей

Использую R, Python, SQL. С учётом того, что я умею писать парсеры, объём выборки равен всему предложению, которое есть. Для каких-то других случаев есть формула, позволяющая определить необходимый объём наблюдений для заданной точности измерения стоимости — Minimal detectable effect.

О перспективах в автоматизации

РФ в части цифровизации идёт впереди планеты. При наличии воли и заказа на это (а недавняя конференция показала, что для одних из основных акторов и интересантов оценки — банков — вопрос цифровизации оценки является не вопросом, а задачей на ближайшие 1-2 года), практика будет идти именно в цифру, под неё подведут и стандарты. 

Комментирует Алексей Зумберг, Руководитель ITподразделения Ассоциации.

Цифровизация, несомненно, в оценку придет. Пожалуй, можно сказать, что она уже пришла, и шаг за шагом последовательно поглощает различные оценочные аспекты, начиная с тех, которые легче всего «обсчитать». Видится, что оценка типовых объектов, массово распространенных на рынке, падёт первой под натиском цифровых технологий. Те же банки уже сейчас сами прекрасно знают, сколько стоят квартиры, и покупают у оценщика не оценку как таковую, а его подпись – ответственность за стоимость.

Интересней всего будет наблюдать и участвовать в процессах автоматизации, по которым мало рыночной информации. Например, тех же корректировок сравнительного подхода по малоразвитым сегментам рынка, которые часто становятся центрами кристаллизации дискуссий заинтересованных сторон по объекту оценки. Можно ли автоматизировать данный процесс? А почему нет? Можно. Законодательство и сейчас не запрещает делать это. Важно лишь обосновать. И в этом зачастую бывает камень преткновения. А если говорить про автоматизацию всего процесса оценки, то интересно будет наблюдать за первыми «битвами» отчетов или экспертиз, выстроенных на результатах различных моделей глубокого машинного обучения. И ещё один интересный аспект – кто будет являться субъектом оценочной деятельности в полностью автоматизированной оценке? В общем, без изменения законодательства и стандартов здесь точно не обойтись.

Максим Бобков, оценщик, программист

Я пришел в оценку в 2003 году, еще на пятом курсе института (экономика в строительстве), оценивал коммерческую недвижимость, оборудование. Особенно нравилось погружаться в новые отрасли, изучать заводы, внутреннее устройство предприятий. Профессия здорово расширяет кругозор и позволяет побывать там, куда сам бы не добрался. Последние 11 лет работаю в банковских залогах, здесь своя специфика — становишься ближе к сделкам, острее ощущается цена ошибки. Сопровождаешь залог несколько лет, видишь, что далеко не все упирается в стоимость актива, очень важны правовые вопросы, целостность залога как комплекса, состояние заемщика. Учишься предусматривать риски, быть немного разведчиком во время выездов на объекты. А в случае дефолта по кредиту наступает момент истины — попал ли ты вообще в рынок со своими экселями? В моем первом банке приходилось даже участвовать в реализации залогов, особенно запомнился пробный пуск нетривиального оборудования для демонстрации покупателю — пять шкафов мигают красными лампочками, а я одновременно звоню в Италию производителю, пытаясь выяснить как заставить лампочки гореть зеленым. Залоги — это интересно, рекомендую.

Проекты

После увлечения Бейсиком в школьные годы ничто не предвещало, оценка вытеснила собой интерес к программированию, я считал, что начинать уже сложно, да и некогда. Но года три назад попалась книжка Эла Свейгарта «Автоматизация рутинных задач с помощью Python», с которой и начался этот жгучий интерес. Отличная книга для новичков, причем с практическими примерами, близкими офисным работникам — как массово работать с файлами, как создать эксель-файл, как взять информацию с сайта и что-то с ней сделать. Я сразу загорелся идеей автоматизировать для своих ребят на работе типовую задачку по написанию заключения об оценке автомобилей, ставших проблемными активами. Задачек заходило в наше подразделение порядка 200-300 в месяц, на каждую уходило примерно по полчаса. Я уподобился слепому котенку и начал шаг за шагом писать программу для автоматизации этого рутинного действия. В течение трех месяцев, иногда совершенно падая духом, а потом получая огромный выброс эндорфинов от решения очередной проблемы, я написал веб-сервис, которому достаточно было ввести в формочку основные данные про автомобиль и заемщика, а также дать пять ссылок на объявления с auto.ru. Затем скрипт сам ходил на сайт, вытягивал информацию об объявлениях, делал скриншоты, расшифровывал VIN, получая данные о комплектации, создавал расчетный эксель-файл и делал заключение в ворде. Вместо 30 минут теперь задачка стала занимать всего 5-7. Забавно, что внедрение программы внутри банка заняло в три раза больше времени, чем ее написание, но этот квест я тоже прошел и коллеги с удовольствием пользовались в дальнейшем. Потом мы с коллегой научились парсить сайты с объявлениями о недвижимости и несколько упростили для себя массовую переоценку заложенных в банке типовых квартир.

Параллельно я создал и поддерживаю бота в телеграме @flattabot, которому можно прислать фотографии с осмотра, а он вставит кадры в вордовский файл и пришлет его на почту (порядка 300 использований бота в месяц). Также я в качестве упражнения автоматизировал поиск тендеров с сайта госзакупок на тему оценки, свежие закупки появляются в телеграм-канале. Еще ради тренировки написал десктопную программу для простановки на фотографии даты съемки. Начинал делать разбор xml-файла с выписками из ЕГРН, но этот проект пока в стадии глубокой заморозки.

Так как я интересуюсь машинным обучением, то тренируюсь строить предиктивные модели по оценке недвижимости, кое-что из своих опытов описал в статье.

Сразу оговорюсь, считаю, что не везде нужен искусственный интеллект (откровенно говоря, мне не нравится этот термин, потому что никакого интеллекта нет, есть алгоритмы, работающие с данными. Грубо говоря, линейная регрессия — тоже своего рода искусственный интеллект), практика показывает, что многие вещи можно автоматизировать и обычным программированием, как раз отдавая компьютеру повторяющиеся рутинные операции.

Да что там, иногда эксель с небольшими вкраплениями скриптов способен решать серьезные задачи. Я не сторонник идеи о замене людей машинами, скорее, машинное обучение станет эффективным инструментов в руках эксперта, позволяя быстрее и эффективнее принимать решения. А это говорит о том, что в будущем уметь программировать будет так же нормально и обязательно, как сегодня пользоваться тем же экселем.

О технической составляющей

Я пишу на языке Python, он мало того, что хорош для новичков, так и сейчас стал стандартом де-факто в анализе данных и машинном обучении. Код на Пайтоне выполняется медленнее по сравнению с языками Си или Go, к примеру, но на моих задачах это почти никак не отражается. Зато он позволяет быстро конструировать код, подключать нужные библиотеки, а не писать все самому с нуля. В какой-то момент перестало хватать ноутбука и я поставил под стол мощный системный блок под управлением OS Ubuntu, который работает 24/7, выполняя мои задачки - немного парсинг, немного расчеты, на нем же крутятся несколько телеграм-ботов. Из инструментов — осваиваю классику: базы данных на PostgreSQL, библиотеку pandas для анализа и трансформации данных, scikit-learn, XGboost, Lightgbm — для построения моделей машинного обучения. Сейчас еще интересную штуку выпустил Сбер — фреймворк LightAutoML, автоматизирующий построение моделей, которому можно скормить практически сырой датасет, алгоритм сам предобработает данные, построит много разных моделей, оценит их и выберет лучшую.

Кстати говоря, на прошедшем недавно хакатоне от Райффайзенбанка, посвященному оценке коммерческой недвижимости средствами ML, команда, использовавшая этот фреймворк вошла в десятку финалистов.

Планы

Планов столько, что не хватает вечеров. Параллельно хочется и улучшать навыки, и пилить что-то работающее. В итоге приходится совмещать. Пока делаешь что-то, чем загорелся, параллельно осваиваешь пару новых для себя технологий.    

Мне интересна коммерческая недвижимость, если в автоматической оценке квартир уже более-менее все поднаторели (тот же cian.ru), то здесь есть над чем поломать голову. В связке с недвижимостью увлекает геоинформационный анализ — благодаря открытым данным openstreetmaps и госорганов можно значительно обогатить собранные с рынка данные информацией об окружении (тот самый пресловутый location, location и location).

Планирую участвовать в хакатонах, соревнованиях по машинному обучению, например, на сайте kaggle.com, опять же, с целью обучения и пробы своих сил. В таких мероприятиях особенно ярко видишь, насколько отстаешь от сильных ребят и в какую сторону нужно копать.

Интересен автоматизированный анализ рынка, но здесь нужно каким-то образом преодолевать искажения цен предложений. Смотрю в сторону решения прикладных задач для инвесторов - быстрый анализ локации, прогноз потенциальной доходности объекта.

О перспективах в автоматизации

Думаю, что у автоматизации в оценке есть ряд препятствий:

• в индустрии мало денег, отсюда мало кому интересно автоматизировать труд оценщиков. Сравните уровень автоматизации и количества сервисов с той же бухгалтерией;
• есть проблема с объяснимостью результатов оценки алгоритмами. Оценка может быть точной, но, при этом, ее нельзя объяснить. К тому же для заказчика отчет - документ доказательного значения с подписью и печатью, а эти атрибуты нейросетями не заменишь.

Комментирует Алексей Зумберг, Руководитель ITподразделения Ассоциации.

Рассказ Максима очень хорошо показывает, что оценка – это не только «экселька» с расчетами. Порой оценщик должен стать специалистом сразу в нескольких смежных областях, поскольку стоимость может зависеть от факторов, которые не так легко даже просто выявить и обосновать, а не то, что посчитать. И когда мы говорим об автоматизации какого-то отдельного аспекта оценочной деятельности (например, тех же корректировок сравнительного подхода), где можно работать безотносительно других оценочных аспектов — то это одно, а полноценная оценка конкретного объекта с характеристиками, даже немного отличающимися от типовых — это уже другое. Уход от «средней температуры по больнице» и переход к конкретным «ценностям и полезностям» отдельно взятого объекта — пожалуй, самая сложная задача автоматизации оценки.

С другой стороны, действительно, многие крупные оценочные компании уже имеют в штате если не отдельных программистов, то как минимум оценщиков, умеющих что-то и как-то автоматизировать. Что именно? Это очень сильно зависит от специфики фирмы, и как верно подметил Максим, чаще всего это рутинные однообразные процессы, требующие скучного и повторяющего перебора (или сбора) больших массивов данных или оформление типовых документов (договоров, расчетов, шаблонов отчетов и т.д.). Во-первых, это экономит время, а во-вторых, уменьшает ошибки.

Согласен с Максимом в том, что, действительно, очень часто рядовое и простое машинное обучение именуют искусственным интеллектом. Возможно, ради пиара, возможно, ещё по каким-то причинам, но чаще всего на практике это не искусственный интеллект, а действительно какая-то зависимость, выстроенная на основе выборки данных. Еще есть предположение, что понятие искусственного интеллекта просто как-то больше прижилось в общеупотребительной речи, когда имеется в виду машинная обработка данных, например, также, как и парсинг. Многие называют парсингом автоматизированное сохранение информации (интернет-страниц, «аналогов») с различных интернет-агрегаторов, в то время как для этого более подходит понятие scraping, а парсинг – это синтаксический анализ, преобразующий исходный текст в структурированные данные, т.е. процесс анализа уже собранных текстов, а не сам сбор и сохранение этой информации из интернета.

Денис Мамаев, разработчик Робастика — программы для автоматизации сбора, обработки и визуализации данных в Excel и Word

Программировать я любил с детства, наверное, родился с этим. Еще в школе выпросил у родителей программируемый калькулятор, переписывал туда из журнала «Наука и жизнь» программы, что-то писал сам и получал от этого большое удовольствие.

В старших классах, когда попал уже за настоящий компьютер, набирал опять же тексты программ. В университет поступил на физический факультет, программирование там было обязательной дисциплиной, и оно давалось мне совершенно без усилий.

Предыстория

А в оценку попал, можно сказать, случайно. Параллельно с учебой в университете я получил квалификационный аттестат на право осуществления торговли ценными бумагами. Были знания о том, что такое дисконтированный денежный поток, чистые активы, хотелось как-то эти знания применить. Так сложились обстоятельства, я попал в нужное время и место. Это был 2002 год, я искал работу, на которой нужно будет что-нибудь писать и немножечко считать, и попал в оценочную компанию.

За год там получилось оценить полтора десятка бизнесов. В те времена было совершенно нормально сделать отчет на 2 листа — титульный, а на второй страничке все расчеты. Если делал отчет больше трех страниц, это считалась уже очень большая работа. Постепенно почувствовал вкус ко всем этим вопросам, мои отчеты все больше разрастались, вызывали закономерное уважение, потому что на фоне работ коллег, которые пользовались максимум таблицей умножения, они выглядели довольно солидно. Через какое-то время я и трое коллег открыли собственную оценочную компанию, которая успешно проработала 15 лет. Закончился этот этап профессиональным выгоранием — система, к сожалению, так устроена, что никто не заинтересован в объективной оценке. Все попытки делать что-то объективно и качественно натыкались на то, что это просто никому не нужно. Я ушел работать в реальное производство, где и тружусь по настоящее время. Но оказалось, что моя тяга к программированию никак не отпускает и требует реализации. Хотя бы в качестве хобби.

Еще будучи руководителем своей компании, я начинал работу над Робастиком, сделал парочку прототипов, попробовал их внедрить с разным успехом у себя в компании, понял, что это неизбежный путь. Все эти профессиональные вещи, которые автоматизируют рутинную работу, рано или поздно будут доведены до очень высокого уровня удобства и стабильности. Там, конечно, есть некоторые сложности в плане недостаточной стандартизации, ну да сейчас не об этом речь. А о том, что, например, когда для споров в судах приходилось собирать много данных и заполнять документы руками, и это была боль. Необходимость тратить много квалифицированного времени на простейшую задачу сбора рыночных данных взрывала мозг каждый день. Так появился инструмент для автоматизации сбора, обработки и визуализации данных в Excel и Word без необходимости освоения и использования других программ.

Продукт

Идея такая, чтоб человек, который знает, как пользоваться экселем, мог бы без отвлечения на сторонние ресурсы, сторонние парсеры и сторонних программистов получить данные, их отфильтровать, упорядочить и вставить в заготовленный шаблон. Шаблон может быть под каждый случай свой. Ну и дополнительно мне очень понравилась возможность делать тепловые карты рынков недвижимости, которые позволяют очень ясно и доходчиво показывать состояние на рынке. Суть в том, что различные данные показываются на карте цветом. Например, можно обозначать определенным цветом год постройки. Сейчас эта возможность в Робастике не реализована, я ее протестировал год назад, мне результат понравился, но нужный компонент устарел и сейчас не поставляется с Windows. В ближайшее время я планирую реализовать эту фишку уже на платном компоненте, так что месяца через полтора пользователи смогут ее попробовать и оценить.

Планы

Вообще же в планах на ближайшие год — перевести продукт на платные рельсы. Во-первых, качество программы уже достаточно высокое, она удобна, полезна, стабильна, ее не стыдно продавать. Во-вторых, через полгода нужно будет обновлять платный компонент – года полтора назад меня поддержали несколько энтузиастов-меценатов, на их средства был приобретен браузер, встроенный в эксель, у этого браузера каждые два года выходит новая версия, нужно обновлять, чтобы Робастик продолжал работать. Ну и потом, пользователи сейчас стесняются обращаться за техподдержкой, так как думают, что раз программа бесплатная, то поддержку можно не ждать.

О технической составляющей

Изначально подход к созданию программы был такой, что это должна была быть просто менюшка в экселе. На портале appraiser.ru велась оживленная дискуссия о том, какой должна быть автоматизация труда оценщика. И, если я не ошибаюсь, Г.Мисовец сказал, что любой профессиональный продукт не должен требовать от пользователя знания того, как он устроен внутри. Должна быть одна кнопка, которая сделает тебе все. Ты можешь понимать, как ее настроить, чтобы какие-то нужные тебе нюансы учесть. Но в целом продукт для пользователя должен быть простым и понятным. Так я и постарался сделать.

В основе своей лежит ВБА, Бейсик пришит к Майкрософт офис и никаких альтернатив нет. Другое дело что Бейсик сам по себе очень сделан гибко, там очень легко можно любой скриптовый язык подключить, тот же сегодня очень популярный Python, но я в этом не вижу никакого смысла. Если когда-то ситуация созреет настолько, что нужны будут библиотеки Python, которые сейчас работают с данными, то есть делают вещи намного сложнее, чем можно в экселе, тогда можно будет Python подключать, но на данный момент это очень преждевременно.

Перспективы автоматизации

Сейчас я от оценки достаточно далек. Но когда думаю о перспективах автоматизации в оценке, прихожу к мысли, что зависеть это будет исключительно от регуляторов. До тех пор, пока в наших правоприменительных органах не будет востребована достоверность, для которой нужны будут доказательства, которые должны быть более или менее правильно посчитаны, тогда, наверное, что-то может начать изменяться в лучшую сторону. А сейчас, когда даже в суде не признают того, что существует диапазон цен, и вообще не представляют себе, что такое вероятность, то говорить о какой-то востребованности качества оценочного продукта пока не приходится. 

Комментирует Алексей Зумберг, Руководитель ITподразделения Ассоциации.

С «проблемой одной кнопки» приходится встречаться очень часто, и проблема эта заключается, на мой взгляд, в том, что она очень и очень субъективна: каждый хочет видеть эту кнопку по-своему. При этом очень многие хотят, чтобы такая кнопка была. Пришел, включил компьютер, открыл условный Excel, нажал на кнопку, и из принтера вылезли договоры, акты сдачи-приемки и отчет с актом осмотра и фотографиями, а клиенту отправилось письмо с вложенной электронной версией отчета, подписанной ЭЦП. Это, конечно, шутка, но в каждой шутке… Кстати, подобные «кнопки» уже встречались, но за этой кнопкой скрывались очень существенные наработки, которые практически полностью автоматизировали, например, оценку типовых квартир для ипотеки. В этом вопросе главное – не переавтоматизировать :) Ценность же Робастика видится в нескольких аспектах. Во-первых, он бесплатный. И было бы здорово, если бы какой-то функционал так и остался бесплатным, поскольку это дало бы возможность пользоваться им маленьким фирмам или частнопрактикующим оценщикам из отдаленных регионов, где уровень дохода весьма невысок. Во-вторых, продукт работает под MS Office — наверное, самым распространенным софтом среди оценщиков. Как показала многолетняя практика, мелкие компании или предприниматели могут годами пользоваться небольшими программными продуктами, если они удобны и обеспечивают минимально необходимый функционал. Ещё в 1998 году, живя в маленьком городке и работая в Сбербанке начальником отдела автоматизации, я написал простейшую программку на VBA (Visual Basic for Applications) под Excel с несколькими кнопками, позволяющую вести элементарный учет в розничных магазинах. Через год я переехал в Астрахань, а программка работала еще годы во многих магазинах того городка, и работала бы дольше, если бы не изменение версий Excel и новые требования к сдаче бухгалтерской и налоговой отчетности. Позже, в начале 2000-х, уже работая в оценке, я написал даже не программу, а шаблон (книгу Excel с несколькими листами и перекрестными ссылками), воспроизводящий отчет при оценке ущерба по ОСАГО и сопутствующие документы: договор, акт сдачи-приемки, акт осмотра, таблицу расчета. Данная «программа» разошлась по всей Астрахани, и использовалась многими фирмами несколько лет, пока оценщики в рамках ОСАГО не «мутировали» в экспертов-техников. Это я к тому, что наиболее важным, на мой взгляд, является именно прикладная полезность и удобство для конечного пользователя, независимо от «навороченности» программы или языка программирования. Иной раз простейшее решение разлетается как горячие пирожки, а серьезные комплексные и хорошо проработанные решения «не выстреливают». В каких-то небольших задачах и VBA под Excel вполне справляется, хотя ему под силу и более серьезные задачи. Правда, за приложениями MS Office был замечен и недостаток – они не очень хорошо оптимизированы под современное «железо».

В заключение.

В настоящее время можно сказать, что автоматизация оценки идет полным ходом. Уже очень много как платных, так и бесплатных продуктов очень разного функционала: от простейших расчетов до серьезных платформ с глубоким машинным обучением, ГИС и т.д., встраиваемых в CRM-системы крупных оценочных компаний. На рынке также предлагается к продаже много различных решений, вплоть до расчета итоговой стоимости.

Если говорить в целом о процессах автоматизации и цифровизации оценочной деятельности, то я бы их условно разделил на два больших направления: инструменты, помогающие оценщикам в их профессиональной деятельности, и инструменты (программные продукты, автоматизированные системы, комплексы и т.д.), замещающие оценщиков, как субъектов оценочной деятельности. И второе направление развивается очень активно. Но такова реальность. Первым «пало» ОСАГО, вторыми «падут» квартиры. За ними типовые коммерческие объекты на развитых рынках и так далее. Человек со свойственными ему интуицией, иррациональностью, абстрактным мышлением и свойством «видеть невидимое» и «соединять несоединяемое» со временем останется лишь оценщиком объектов, для оценки которых и будут требоваться эти качества. Сможет ли в будущем цифровизация «отнять» у человека и это? В текущей парадигме развития – думаю, да. Только это будет не цифровая платформа (программный продукт, автоматизированная система и т.п.), а полноценный искусственный интеллект, который вряд ли можно будет победить в суде обычным красноречием или известным именем. К тому же неизвестно, кто к тому времени будет судить.

Предлагаем также ознакомиться с другими интервью в рубрике «От первого лица».