El proyecto realizado por Arco Valoraciones, en colaboración con la Universidad de Murcia, ha consistido en la elaboración de un modelo de predicción automatizado para el valor de mercado de bienes inmuebles basado en algoritmos de inteligencia artificial.

El uso de Modelos de Valoración Automatizada (AVM son sus siglas en inglés) para los procesos de valoración de inmuebles ha aumentado en numerosos países europeos y ha contribuido a mejorar dichos procesos, haciéndolos más transparentes e independientes, lo que mejora la eficiencia y el funcionamiento del mercado. En Arco Valoraciones se apostó por el uso de métodos de aprendizaje automático e inteligencia artificial puesto que permiten estudiar los comportamientos de grandes cantidades de datos históricos y encontrar patrones de comportamiento en los mismos, de los cuales aprender para futuras predicciones. Es esta capacidad de aprender por sí solos la que diferencia a los sistemas de inteligencia artificial de otros más tradicionales.

Puesto que el análisis automatizado del mercado inmobiliario requiere un enfoque altamente interdisciplinar, el grupo de trabajo para el desarrollo del proyecto se formó con miembros del Departamento de Informática, del Departamento de Estadística y del Departamento Técnico de la Central de Arco Valoraciones en Murcia y dos profesores de la Universidad de Murcia, encargados de la supervisión del correcto uso de las técnicas estadísticas e informáticas.

Es importante señalar, que el modelo de predicción desarrollado cumple con los estándares ampliamente aceptados de la de la Asociación Española de Valoración, AEV, (AEV, 2017) y el de la Asociación Profesional de Sociedades de Valoración, ATASA, del 2003 (ATASA, 2003) así como las recomendaciones de la Guía supervisora del Banco de España, lo que permite satisfacer las peticiones de los clientes de Arco Valoraciones de manera transparente y efectiva.

Los resultados obtenidos por el modelo fueron revisados por un técnico experto, el cual dio el visto bueno. A día de hoy, los resultados obtenidos para las peticiones de los clientes son satisfactorios, y se continúa alimentando al modelo con los valores actualizados de nuestra base de datos.