AI kan in enkele minuten een vastgoedanalyse maken die er overtuigend uitziet, maar toch fundamenteel onjuist is. Tijdens een alumnibijeenkomst van de ASRE en FRESH Professionals over AI in vastgoed liet MSRE-alumnus Daan Berghmans (solution director Planon) zien hoe groot die kloof in de praktijk kan zijn. Berghmans, die eerder de MSRE-scriptieprijs won voor zijn onderzoek, deelde inzichten uit een recente AI-cursus. Berghmans vergelijkt het gebruik van AI met een ambacht als meubelmaken: AI is het gereedschap, de vastgoedprofessional is de vakvrouw of -man.
AI is geen nieuw fenomeen
Een van de eerste eyeopeners die Berghmans deelde: AI bestaat al sinds de jaren zeventig. De explosieve groei van de afgelopen jaren is niet te danken aan een fundamenteel nieuwe uitvinding, maar aan de enorme hoeveelheid data die inmiddels via internet beschikbaar is om AI-modellen te trainen. Wat we nu kennen aan Large Language Models (LLM’s) als ChatGPT, Claude, Grok, Gemini of Mistral zijn in wezen statistische machines. Op basis van kansberekening bepalen ze wat het logische volgende woord of karakter in een zin is. Berghmans benadrukte dat dit inzicht cruciaal is: AI begrijpt niets, maar simuleert begrip door patronen in datasets te herkennen.
Een direct gevolg hiervan is dat AI soms hallucineert: het model geeft een antwoord dat plausibel klinkt, maar feitelijk onjuist is. Berghmans wees erop dat bij de meeste LLM-tools de gebruiker kan instellen in welke mate het model hallucineert. Nul staat daarbij voor maximale nauwkeurigheid en 1 voor maximale creativiteit. Voor financiële analyses in het vastgoed is een lage instelling doorgaans het verstandigst.
De kunst van de prompt
De kern van effectief AI-gebruik ligt volgens Berghmans in de kwaliteit van de prompt, de vraag of instructie die je het systeem geeft. Hij onderscheidde vier essentiële elementen voor een goede prompt: het onderwerp, de gewenste actie, de context van de gebruiker (wie ben je, wat is je achtergrond) en de gewenste output (tekst, spreadsheet of presentatie). Hoe meer context je geeft, hoe relevanter en nauwkeuriger het antwoord. Een belegger die vraagt ‘optimaliseer mijn portefeuille van honderd gebouwen’ zonder verdere context, raakt teleurgesteld. AI heeft een heldere afbakening nodig om zinvol te kunnen opereren.
Berghmans deelde ook een praktische tip: de beste promptschrijver is AI zelf. Door het systeem te vragen welke informatie het nodig heeft om een taak goed uit te voeren, krijg je een reeks gerichte vragen die je helpen de juiste context te formuleren. Een vaardigheid die je in de collegebanken leert, stelt hij.
Casus: investeringsbeslissing met AI
Om de kracht en de valkuilen van AI concreet te illustreren, presenteerde Berghmans een casus over het gebruik van AI in vastgoedanalyse. Zijn inspiratiebron was de stroom LinkedIn-berichten van Amerikaanse leveranciers van tools voor het nemen van beleggingsbeslissingen: upload een vastgoedbrochure en de tool vertelt je direct wat je als belegger maximaal voor het aangeboden object zou moeten betalen.
Berghmans testte het zelf met een brochure van een kantoorgebouw in Londen. Met een betaald ChatGPT Pro-account stelde hij een eenvoudige prompt op: geef me de internal rate of return (IRR) en de waarde van dit pand, bij financiering met 50% geleend geld bij 5% rente en een houdperiode van tien jaar. Na 3,5 minuten leverde het systeem een indrukwekkend overzicht: locatiebeoordeling, huurdersanalyse, aannames over markthuur en indexatie, een risicoanalyse, een DCF-berekening en zelfs een sensitiviteitsanalyse, zonder dat daarnaar was gevraagd. De uitkomst: een IRR van 12% en een waarde van 10,9 miljoen pond.
Het oogt overtuigend, maar is gebrekkig
Aanvankelijk was Berghmans onder de indruk. Tot hij vroeg om de berekening om te zetten in een Excel-model. Na veertien minuten extra ‘nadenken’ leverde het systeem het gevraagde spreadsheet, maar nu met een IRR van 21,5% in plaats van 12%. De oorzaak: het systeem had tijdens het genereren van het Excel-model nieuwe, afwijkende aannames gedaan. Het gebouw werd daarbij twee keer verkocht, incentives waren niet geïndexeerd en de inputcellen waren losgekoppeld van de berekeningen. Conclusie: het model had een overtuigend, maar fundamenteel gebrekkig resultaat geproduceerd.
Dit illustreert een kernrisico van het gebruik van AI voor financiële analyses: de output ziet er professioneel uit, maar zonder domeinkennis is het onmogelijk te beoordelen of de aannames kloppen. Berghmans’ conclusie: AI is een kind van drie. In drie jaar heeft het recepten voor het avondeten en tips voor het maken van vakantiefoto’s geleerd en beantwoordt het gaandeweg ook steeds meer vastgoedvragen. Maar negen jaar studie en tien jaar werkervaring laten zich niet zomaar repliceren.
Waarin AI wel uitblinkt
Ondanks de kanttekeningen schetste Berghmans ook een reeks toepassingen waar AI nu al aantoonbaar waarde toevoegt. Het potentieel van AI in vastgoed is groot: van waardering en financiële prognoses tot operationele efficiëntie, risicoanalyse en portefeuilleoptimalisatie. In de praktijk blinkt AI uit bij het verwerken van grote hoeveelheden ongestructureerde data, zoals huurcontracten. Een retailer als Ikea of Zara heeft duizenden huurcontracten, opgeslagen als pdf, die handmatig nauwelijks te analyseren zijn op clausules of ontbrekende data. AI kan die documenten systematisch doornemen, hiaten identificeren en de resultaten structureren, een taak die een mens weken zou kosten.
Berghmans noemde ook het potentieel van MCP-protocollen (Model Context Protocol), een initiatief van OpenAI waarmee verschillende datasystemen met elkaar kunnen communiceren. Zo zou een AI-assistent in theorie direct kunnen communiceren met een marktdata-provider als NVM of MSCI om actuele huurwaarden op te halen, of met het Omgevingsloket voor ruimtelijke informatie, allemaal zonder menselijke tussenkomst.
Verder wees hij op de mogelijkheden van AI-gegenereerde dashboards via tools als Power BI, het gebruik van Python-scripts voor complexere analyses en de inzet van AI als datatransformatietool. Bijvoorbeeld voor het analyseren van pdf’s of het omzetten van een slecht gestructureerd databestand in een bruikbaar formaat. Een concreet voorbeeld: iemand bouwde in twee dagen een tool die met foto’s uit Google Street View de onderhoudsstaat van gebouwen beoordeelde. Indrukwekkend, al erkende Berghmans ook de beperking: een fraaie gevel zegt niets over de staat van het interieur.
Hybride toekomst: mens en machine
Berghmans sloot af met een vergezicht van AI in het vastgoedvak. De toekomst ligt niet in standalone AI-tools, maar in een hybride aanpak: AI voor snelheid, schaal en repetitief werk, gecombineerd met gestructureerde systemen, vaste definities en gevalideerde financiële modellen om grip en kwaliteit te bewaken. Snelheid is waardevol, maar alleen als je de output kunt vertrouwen. Wie AI inzet voor investeringsbeslissingen zonder consistentie en validatie, eindigt met een groeiende stapel losstaande modellen die allemaal individueel moeten worden gecontroleerd. En dat doet de eventuele tijdswinst volledig teniet.
Zijn advies aan de zaal: hoe gebrekkig het nu ook is, ga met AI aan de slag. Alles wat je vandaag leert, is over een jaar misschien achterhaald. Maar wie nu de basis begrijpt, begrijpt over een jaar ook de volgende iteratie. Wie nu wacht, loopt achter op collega’s die wel de moeite nemen om alvast onder de motorkap te kijken. En zorg voor een betaalde licentie: gratis versies gebruiken minder rekencapaciteit (tokens) en leveren daardoor slechtere antwoorden.
Gezond verstand blijft onmisbaar
Tegelijk klonk er ook een waarschuwing. Als iedereen dezelfde brochure uploadt en AI elke keer 10,9 miljoen teruggeeft, dan gaan alle bieders met hetzelfde bod naar de tafel en heeft niemand er nog zelf over nagedacht. Gezond verstand en domeinexpertise blijven onmisbaar. AI is het gereedschap, de vastgoedprofessional is de vakvrouw of -man. Volgens Berghmans blijft dat ook in de toekomst de combinatie voor succes.
Meer leren over digitale innovatie?
Wil je beter begrijpen hoe AI, data en digitale platforms vastgoedprocessen beïnvloeden én hoe je dit toepast in je eigen werk? Dan is de opleiding Digitale Innovatie interessant voor jou. In vier collegedagen onderzoek je hoe digitale technologie waarde inzet in de vastgoedsector. Je werkt aan een eigen casus en leert van experts uit het werkveld hoe je digitale technologie toepast om processen slimmer en efficiënter in te richten.
Voor startdata, meer informatie en om deel te nemen, bekijk de opleidingspagina Digitale Innovatie.