지난 10년 동안 영국 부동산 업계는 인공지능(AI)을 마치 임박한 미래처럼, 필연적인 기술처럼 이야기해 왔습니다. 컨퍼런스 일정은 프롭테크 패널로 가득 차 있고, 혁신 전략에는 데이터와 자동화에 대한 언급이 끊이지 않으며, 대부분의 대형 업체들은 최소한 몇 개의 시범 프로젝트, 미흡한 시도 또는 개념 증명 사례를 제시할 수 있습니다. 하지만 현장의 많은 감정평가사들에게는 진전이 여전히 더디고 단편적으로 느껴집니다. AI는 담론에서는 도처에 등장하지만, 현실에는 선택적으로만 적용되고 있습니다.
이러한 겉으로 드러나는 무관심은 더욱 미묘한 진실을 가리고 있습니다. 문제는 AI가 부동산 분야에서 관련성을 찾지 못했거나 기술 자체가 미성숙하다는 것이 아닙니다. 사실 AI는 이미 거래, 평가, 자산 관리 및 건물 운영 전반에 걸쳐 실질적인 가치를 제공하고 있습니다. 진짜 문제는 왜 다른 유사 산업에 비해 부동산 분야의 AI 도입이 더디고, 신중하며, 불균등한가 하는 것입니다. 그 해답은 알고리즘 자체보다는 영국 부동산 부문의 구조적 특성에 있습니다.
업계의 미래를 이해하려면 먼저 현재 상황을 솔직하게 파악해야 합니다.
## 변화: 파일럿 단계에서 워크플로 통합으로
지난 12~18개월 동안 의미 있는 변화가 일어났습니다. AI는 실험 단계를 벗어나 일상적인 업무 워크플로에 확실하게 자리 잡았습니다. 불과 1년 전만 해도 대부분의 AI 관련 프로젝트는 파일럿 단계에 머물렀고, 소규모 혁신팀이 사업 주변부에서 진행하는 경우가 많았습니다. 이러한 프로젝트는 주로 기본적인 질문에 답하고, 텍스트를 작성하거나, 문서 저장소에서 정보를 검색하는 챗봇과 같은 대화형 도구에 초점을 맞췄습니다. 유용하기는 했지만, 핵심 운영 프로세스와는 거의 연결되어 있지 않았습니다.
하지만 오늘날 상황은 완전히 달라졌습니다. AI는 측량사, 분석가, 자산 관리자, 운영팀의 일상 업무에 점점 더 깊숙이 자리 잡고 있습니다. 변화의 속도는 놀라울 정도입니다. 작년에는 대규모 언어 모델(LLM)을 수동적인 도우미로 활용하는 데 많은 노력이 집중되었지만, 이제는 에이전트형 시스템으로 관심이 옮겨가고 있습니다. AI 에이전트는 여러 단계를 거치는 작업을 자율적으로 수행하며, 정보를 수집하고, 입력값을 검증하고, 결과물을 작성하고, 정해진 시점에 인간의 검토를 위해 문제를 보고할 수 있습니다.
하지만 이러한 빠른 발전에도 불구하고, 영국 부동산 업계 전반에 걸쳐 한 가지 원칙은 대체로 변함없이 유지되고 있습니다. 바로 AI가 의사결정을 내리는 도구가 아니라 의사결정 지원 도구로 활용되고 있다는 점입니다. 이러한 구분은 우연의 일치도 아니고 단순히 문화적 보수주의 때문만도 아닙니다. 이는 전문가들의 책임감과 위험에 대한 깊이 뿌리내린 이해를 반영하며, 기업들이 AI를 얼마나 적극적으로 활용할 의지와 능력을 갖고 있는지를 결정짓는 중요한 요소입니다.
## 측량 실무에서의 AI: 자동화가 아닌 증강
실제로 이러한 경향은 거래 및 실사 분야에서 가장 두드러지게 나타나는데, 이 분야는 AI 도입이 가장 성숙한 영역으로 남아 있습니다. 이 분야에서는 AI의 가치가 명확하고 즉각적으로 드러납니다. 이제 AI 시스템은 방대한 문서 묶음을 읽고 분석하고, 핵심 임대 조항을 추출하고, 계획 조건, 에너지 성능 인증서(EPC), 운영 매뉴얼을 요약하고, 임대 계약서, 매물 목록, 실사 보고서의 초안을 생성하는 데 일상적으로 사용되고 있습니다. 이러한 모든 활용 사례를 뒷받침하는 핵심 개념은 바로 “초기 검토”입니다. AI는 팀이 문제를 더 빠르게 파악하고, 정보를 더욱 일관성 있게 구조화하며, 가장 중요한 부분에 전문가의 집중력을 쏟을 수 있도록 지원합니다. AI가 전문가의 판단과 경험을 없애는 것이 아니라, 오히려 그 능력을 더욱 날카롭게 만들어 줍니다.
가치 평가 및 시장 조사에서도 유사한 양상을 볼 수 있습니다. AI는 비교 가능한 사례를 선별하고, 초기 시장 분석 보고서를 작성하며, 시나리오 분석이나 민감도 분석을 이전에는 불가능했던 속도와 규모로 실행하는 데 점점 더 많이 활용되고 있습니다. 그러나 가치 평가 의견 자체는 여전히 (법적으로) 평가자의 권한입니다. 전문가적 관점과 보험사 관점 모두에서 이는 당연한 원칙입니다. AI는 분석 속도를 높여주지만, 가치 평가 의견에 최종 승인을 내리는 것은 아니며, 그렇게 되어서도 안 됩니다. 결코 그렇게 될 수 없습니다.
자산 및 포트폴리오 관리에서는 속도에서 관점으로 초점이 다시 바뀝니다. AI를 통해 기업은 포트폴리오를 새로운 방식으로 분석하고, 금리 민감도, 공실률, 자본 배분 우선순위와 같은 질문들을 수동 방식으로는 불가능했던 훨씬 더 심층적이고 일관성 있게 탐구할 수 있습니다. 다시 한번 강조하지만, 이는 의사결정 자동화가 아니라 전략적 사고의 강화입니다.
## 영국 내 AI 도입의 구조적 제약
이처럼 광범위한 적용 가능성을 고려할 때, 부동산 분야에서 AI 도입이 왜 더 진전되지 못하고 있는지 의문을 제기하는 것은 당연합니다. 그 답은 주요 제약이 기술적인 것이 아니라, 흔히 그렇듯이 구조적이고 인적인 문제라는 데 있습니다.
### 데이터 기반 구축의 어려움
가장 명백하고 지속적인 문제는 데이터입니다. 부동산 데이터는 파편화되어 있고, 일관성이 없으며, 접근 비용이 많이 들고, 비정형적인 경우가 많습니다. 동일한 자산이 여러 시스템에서 여러 이름(또는 주소)으로 나타날 수 있고, 문서들이 서로 모순되는 경우가 흔하며, 중요한 정보는 PDF, 스캔 파일, 또는 긴 이메일 체인과 같은 분산된 저장소에 묻혀 있는 경우가 많습니다. 이러한 환경에서는 AI 시스템이 확장하기 어렵습니다. 견고한 데이터 기반이 없으면 아무리 정교한 모델이라도 제 성능을 발휘하지 못합니다.
또한, 부동산이라는 분야 특유의 더 근본적인 문제가 있습니다. 부동산은 근본적으로 표준화되어 있지 않습니다. 완전히 동일한 부동산은 없습니다. 물리적 특성은 물론, 소유권 구조, 인센티브 패키지, 계약 세부 사항까지 다양합니다. 상품이나 소비재와 달리 부동산 거래는 고가이면서 거래량이 적고, 본질적으로 개별적인 특성을 지닙니다. 이러한 특성 때문에 표준화된 제품이 대규모로 거래되는 산업에 비해 통계적으로 신뢰할 수 있는 깨끗한 데이터 세트를 구축하는 것이 훨씬 더 어렵습니다.
## 거버넌스, 책임성 및 위험
데이터 외에도 책임성, 거버넌스 및 데이터 보호 문제가 중요하게 대두됩니다. 부동산 부문 내 대부분의 활동은 엄격하게 규제되며, 정부는 일반적으로 (대부분 당연하게도) 공공에 영향을 미칠 수 있는 변화를 수용하는 데 더디게 움직입니다. Artef는 이러한 상황에서
