این روزها که سیاستگذاران درگیر ایجاد بازارهای شفاف و پویا دربخش هایی همچون، طلا و ارز هستند تا جلوی سوداگری را بگیرد، یک حوزه که بیش از همه به این مهم نیاز دارد، کمی مغفول مانده و متولین تصمیمگیری بخش مسکن، کمتر به فکر ایجاد شفافیت در بازار مسکن هستند. چه بسا این امر میتواند ارزش افزودههای بی شماری برای مردم و فعالان این بخش فراهم کند. یکی از ابتدایترین آنها جلوگیری از دریافت اجاره بهای بالا است. این در حالی است که مشاهده میشود اجاره آپارتمان در نیاوران به قیمت خرید خانه در مناطق میانی شهر رسیده است و باید با ابزارکنترلی جلوی این امر را گرفت.
یکی از راههای کنترل بازار اجاره، شناسایی خانههای خالی و درنظرگرفتن ابزارهای کنترلی همچون مالیات و درسوی مقابل ایجاد مشوق برای آنهایی است که منصفانه نرخ اجاره را برای ملکهای خود تعیین میکنند. بدین صورت که سقفی برای تعیین اجاره بهای استاندارد در نظر گرفته و برای مالکانی که کمتر از سایرین طلب اجاره بها میکنند، مشوق مالیاتی در نظر گرفته و در سوی مقابل سوداگران مالیات بیشتر از حد معمول بدهند. به زبان ساده نرخ اجاره آپارتمان در باغ فیض مشخص است و شخصی که در این منطقه بیش از ارزش واقعی طلب اجارهبها کند باید مالیاتی متناسب با آن نرخ پرداخت کند.
این امر مشکلاتی به همراه دارد که یکی از آنها افزایش تفاهمنامههای سوری است. مشکل دیگر شناسایی این خانهها و آگاهی از نرخ اجاره بهایی است که دریافت میکنند. این اطلاعات را سامانه اطلاعات بازار املاک(سابا ) تا چندی پیش از طریق دیتاهایی که مشاورین املاک از طریق کدرهگیری وارد سامانه میکردند، تا حدودی ساماندهی کرد. اما متولیان ایجاد سامانه سابا به فکر شناسایی خانههای خالی و یا حتی پیدا کردن نرخ اجاره در این سامانه نبودند و نمیتوان از این سامانه برای این امر استفاده کرد.
از این رو نیاز به ایجاد سامانهای که بتواند تمام این ابزار را درخود جای دهد، محسوس بود. در این راستا، مجموعهای با عنوان کیلید، توانست اطلاعات کاملی از رویدادهای ملکی ارائه دهد و با بهرهگیری از هوشمصنوعی اطلاعاتی که در سابا و سایر بسترهای اطلاعاتی در حوزه مسکن ثبت شدهاند را جمعآوری و از طریق ابزارهای مختلف به کاربران ارائه دهد.
یکی از پرکاربردترین این ابزار، تخمین قیمت ملک است. بدین وسیله میتوان واحدی که متقاضیان تمایل به خرید یا اجاره آن را دارند، از طریق ابزارتخمین قیمت کیلید میزان مبلغ درخواستی آنها را متوجه و به همان نسبت با مالک وارد مذاکره شده و در صورت سوداگری، آن را اطلاع داده تا از این امر جلوگیری کرد.
گفتنی است این تخمین قیمت، با ضریب خطای زیر ده درصد از شهرت خاصی بین سامانههای مشابه در کشورهای توسعه یافته برخوردار است و نکته حائز اهمیت این است که این ابزار، همان مولفههایی که نیرویانسانی برای برآورد قیمت یک ملک در نظر میگیرد را برای ارائه تخمین قیمت محاسبه میکند.
ابزاردیگری که میتواند به این بخش کمککند و حتی سیاستگذاران را برای تصمیمگیری هدفمند یاری رساند، بخش اطلاعات بازار مسکن است. این بخش کمک میکند تا بتوان آمار و اطلاعات جامعی که توسط هوشمصنوعی از سامانههای اطلاعاتی بازار املاک همچون (سابا) که متعلق به وزارت راهوشهرسازی است و مشاورین املاک معاملات خود را از طریق کدرهگیری دراین سامانه وارد میکنند برداشت، و پس از پردازش و طبقهبندی، با توجه به نیاز کاربر ارائه دهد.
کیلید در این بخش شرایطی فراهم کرده تا متقاضیان خرید و فروش ملکی و سیاستگذاران بتوانند نوسانات قیمت و تعداد معاملات مختلف را در بازههای زمانی دلخواهشان مشاهده کنند.
گفتنی است کیلید در مرحله نخست جستجوی ملکی را در دستور کار قرارداده و به جامعه فعال در حوزه املاک کمک میکند تا بتوانند با سرعت و کیفیت بیشتری معاملات ملکی خود را انجام دهند. کیلید در این رابطه ابزارهای جستجو را توسعه داده و هوشمصنوعی را در عرضه و جستجوی ملک به کارگرفته است.
از این رو میتوان کیلید را به عنوان مرجعی مناسب برای کسب اطلاعات پایه و کاربردی، برای توسعه ابزارهای تامین مالی دانست و با بهرهگیری از آن این بخش مهم را توسعه داد.
علاوه بر موارد فوق، کیلید به واسطه بهرهگیری از هوشمصنوعی میتواند میزان و نوع تقاضای مصرفی در بازار را شناسایی کرده و پیمانکاران و متولیان تولید انبوه مسکن را برای ساخت خانههای مناسب با بازار مصرف راهنمایی کند.
همچنین کیلید در بخشی مجزا با عنوان (KiliDmag) محتوای تخصصی در حوزههای مرتبط با بخش مسکن تولیدکرده و به انتشار میرساند. از این رو میتوان کیلید را مرجعی برای رفع تمام نیازهای مسکنی برشمرد. در نتیجه متقاضیان اجاره آپارتمان در استادمعین میتوانند با مراجعه به کیلید از تمام رویدادهای مسکنی در این محله باخبر شده، پس از تحلیل آن از طریق کیلید به جستجوی ملک بپردازند و با مشاورین املاک آن واحد مسکونی وارد مذاکره شوند.