Artificial intelligence (AI) has gained tremendous popularity in recent years, influencing the majority of industry sectors worldwide with its automation, generative, and analytical abilities. However, the real estate industry has been slow to adapt compared to others. This cautious approach is due to worries about costs, integrating new systems, and keeping data secure. As a result, real estate firms often take their time to adapt to these changes in a rapidly evolving market. This study investigates the challenges and opportunities for the use of AI in Sweden’s real estate market. It is a qualitative research based on existing literature and interviews with representatives from 11 well-known Swedish companies connected to the real estate industry in different ways. The collected data provides an overview of the present level of AI application, outlining both the challenges that the industry faces and the opportunity for technological adaptation. The study dives deeper into these integration problems, highlighting important roadblocks such as cultural skepticism, reluctance to change, and worries about data protection. These issues highlight the complexity of incorporating new technologies into traditional real estate procedures, emphasizing the need for a nuanced approach to technology adoption. Several strategic recommendations are made, including encouraging strategic collaborations, instituting strong data security measures, and undertaking ongoing training programs to improve workforce proficiency. These measures are intended to make AI integration more seamless and to fully realize its potential in the industry. Overall, the thesis argues that AI can improve the operational efficiency of Sweden’s real estate market. However, attaining its full potential necessitates overcoming the hurdles by strategic interventions and cultural changes. / Artificiell intelligens (AI) har blivit mycket populärt de senaste åren och påverkar de flesta branscher globalt med sina automatiserings-, generativa och analytiska förmågor. Fastighetsbranschen har dock varit långsam med att anpassa sig jämfört med andra. Denna försiktiga inställning beror på oro för kostnader, integrering av nya system och datasäkerhet. Som ett resultat tar fastighetsföretag ofta lång tid på sig att anpassa sig till dessa förändringar i en snabbt föränderlig marknad. Denna studie undersöker utmaningarna och möjligheterna för användning av AI på den svenska fastighetsmarknaden. Studien är en kvalitativ forskning baserad på befintlig litteratur och intervjuer med representanter från elva välkända svenska företag kopplade till fastighetsbranschen på olika sätt. Den data som samlats in ger en översikt över den nuvarande nivån av AI-tillämpning och beskriver både de utmaningar som branschen står inför och de möjligheter som finns för teknologisk anpassning. Studien fördjupar sig i dessa integrationsproblem och lyfter fram hinder som kulturell skepsis, mot-vilja mot förändring och oro över dataskydd. Dessa hinder belyser komplexiteten i att införliva ny teknik i traditionella fastighetsprocesser, vilket betonar behovet av ett nyanserat förhållningssätt till teknikanvändning. Flera strategiska rekommendationer ges, inklusive att uppmuntra strategiska samarbeten, införa starka dataskyddsåtgärder och genomföra pågående utbildningsprogram för att förbättra arbetskraftens kompetens. Dessa åtgärder syftar till att göra AI-integration mer smidig och att fullt ut realisera dess potential i branschen. Sammanfattningsvis landar studien i att AI kan förbättra den operativa effektiviteten på Sveriges fastighetsmarknad. Att uppnå dess fulla potential kräver dock att man övervinner de nämnda hindren genom strategiska insatser och kulturella förändringar.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-347951 |
| Date | January 2024 |
| Creators | Tayefeh, Sam, Niklasson, Anton |
| Publisher | KTH, Fastigheter och byggande |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ABE-MBT ; 24407 |
Page generated in 0.0048 seconds