Imagina dos departamentos en venta en alguna colonia en la ciudad de México, a dos cuadras de distancia y en edificios de aproximadamente la misma edad. ¿Si los departamentos se parecen en tamaño y número de habitaciones, consideras que el precio debería ser el mismo? ¿Quizás debería ser distinto? ¿Quizás temas como la distribución del departamento podrían afectar el precio final? ¿Quizás temas como la situación del edificio deberían cambiar el precio?
Tratar de predecir cuanto cuesta un bien inmueble es una tarea muy ardua, y en realidad es difícil para un modelo de inteligencia artificial poder hacer esto. Se considera que las variables que pueden afectar el precio son tantas y tan diversas que es uno de los problemas más difíciles para la inteligencia artificial moderna. El toque humano continúa siendo uno de los factores más importantes al momento de decidir el precio de un hogar.
Sin embargo, en Seattle, una empresa llamada Zillow tuvo la osadía de tratar de crear un modelo de negocio alrededor de la idea de predecir precios. Comprar casas a precios bajos, y utilizando su algoritmo predecir cuales iban a subir en precio y de esa manera ganar dinero con la diferencia de precio.
Antes de analizar lo que paso, vamos a dar un poco de trasfondo, Zillow es una empresa que a lo largo de los años ha tenido un modelo de negocio bastante claro, se dedica a mostrar propiedades en renta y venta, y las personas pueden buscar las propiedades utilizando distintos filtros, Zillow entonces cobra una comisión a los agentes de bienes raíces que quieren mostrar sus casas en la plataforma, y ofrece algunos servicios como asesoría o seguimiento. Zillow es al final del día un Marketplace, y es el que tiene el mayor tamaño del mercado.
Durante muchos años, este modelo tuvo una gran ventaja: Le permitió a Zillow recopilar una cantidad inconmensurables de datos sobre los precios de las casas en Estados Unidos. Ver la tendencia y al mismo tiempo ver distintas zonas al mismo tiempo y ver como crecían o bajaban los precios.
Ya hablé alguna vez de como los datos son un bien estratégico y que ofrecen una clara ventaja competitiva. En este caso, Zillow contaba con la ventaja de tener mas datos que nadie acerca del mercado inmobiliario. Y con todos estos datos, y un buen equipo de científico de datos, cualquiera con un poco de ingenio e imaginación, podría ver que el siguiente paso natural era tratar de predecir los precios de las casas. Y al tener estas predicciones poder crear valor a través de la compra/venta de bien inmuebles, más allá de simplemente anunciarlos.
Esta idea, la de predecir el precio, en papel suena muy bien, y es en realidad una idea que parece la evolución natural de una plataforma como Zillow. Varios expertos coincidimos en que en realidad no era descabellado, y si un jugador tenía una ventaja clara, era Zillow.
¿Y cuál fue el resultado de la implementación de esta idea? Un total y absoluto desastre. Al principio su modelo de Inteligencia Artificial predijo precios muy bajos, y después estos subieron, lo cual fue bueno para su negocio, ya que al final tenían mas ingreso. Pero después, el modelo predijo precios muy altos, y nunca subieron. Esto causo que Zillow no pudiera vender las propiedades y se hizo de un alto inventario de casas que ahora les cuesta mantener.
Esto ha causado que Zillow cierre esa parte de negocio y tenga que despedir alrededor del 20% de sus empleados. Y esto ha impulsado a la gente a preguntarse si la IA es en realidad esa solución o gran creador de valor que dice ser. Nadie duda del valor estratégico de los datos de Zillow, pero en este caso la IA no ofreció nada de valor, e incluso destruyó valor para Zillow.
Este es un caso que seguramente se estudiara en escuelas de negocio, ya que claramente muestra la incapacidad de incluso los mejores modelos de IA de aprender las minucias de algunos negocios. El negocio de bienes inmuebles es muy volátil y caprichoso, y dos departamentos idénticos se podrían vender por precios bastamente distintos. Desde la iluminación o el ruido, pueden afectar el precio, y difícilmente un modelo de IA podría capturar dichas variables.
Esto nos deja una lección muy importante, tenemos que entender muy bien la naturaleza de nuestro negocio antes de siquiera tratar de utilizar IA para remplazar partes del negocio, ya que la IA no es una bala mágica que lograra crear valor automáticamente, necesitamos consultores y expertos que tengan experiencia con los altos y bajos del negocio.
La IA no reemplaza a los expertos, los apoya a realizar decisiones más informadas.