Esettanulmány: mesterséges intelligenciával elkövetett üzleti tévedés
Forrás: CBS News / GeekWire (2021.11.02.)
Mi történt
A Zillow "Offers" nevű iBuying üzletága gépi tanulásos árazó algoritmussal (Zestimate-alapú modell) vásárolt fel lakóingatlanokat, hogy azokat felújítás után nyereséggel adja tovább. 2021 nyarán–őszén az algoritmus rendszeresen a piaci árnál magasabb vételárat javasolt, miközben a lakáspiac lehűlni kezdett.
A kár
A cég 2021 harmadik negyedévében kb. 304 millió dolláros készletleírást számolt el, és további jelentős veszteséget jelzett előre a negyedik negyedévre. A Zillow Offers-t teljesen leállította, és a döntéssel egy időben a teljes vállalati létszám kb. 25%-át, mintegy 2000 főt bocsátott el.
A hiányosságok
Az árazó modellt viszonylag stabil, felfelé ívelő piacon tanították be, és nem tudott elég gyorsan alkalmazkodni a hirtelen piaci fordulathoz. A vállalat vezetése is elismerte, hogy nem tudták az algoritmus előrejelzéseit a szükséges pontossággal skálázni, miközben egyre nagyobb volument és tőkét kötöttek le rá.
A tanulság
Egy árazó vagy előrejelző modellt sosem szabad emberi felülvizsgálat és kockázati korlátok (pl. maximális kitettség, vételi limitek) nélkül nagy volumenű, visszafordíthatatlan pénzügyi döntésekhez kötni. Volatilis környezetben a modell teljesítményét folyamatosan, éles visszacsatolással kell ellenőrizni, nem csak a betanításkor.
Kulcsszámok
- ~9 800 ház – volt a Zillow könyveiben 2021 harmadik negyedévének végén, jelentős részük a becsült piaci ár felett vásárolva
- ~2000 fő – elbocsátás a leállítással egy időben — a teljes Zillow-létszám kb. negyede
- ~5 hónap – alatt derült ki és eszkalálódott a probléma, mire a vezetés leállította a programot
Tanulság egy mondatban: Egy árazó algoritmus jó teljesítménye a múltbeli adatokon nem garancia — emberi kontroll és kockázati korlátok nélkül a hibás előrejelzés valós, halmozódó pénzügyi kárrá válik.
Hivatalos források
