AI modellers framfart har fått alla digitala branscher att undersöka möjligheten kring att implementera dessa i verksamheten. Teknologin har potentialen att hantera stora mängder data på ett snabbt och noggrant på ett sätt som en människa ej kan efterlikna. Så när blicken vänds mot fastighetsbranschen så är värdering ett område som kan tänkas ha användning för teknologin och dess datahanteringspotential. Implementeras teknologin redan idag och i sådana fall hur? Och hur kommer utvecklingen framåt påverka branschen? Detta arbete kommer ge en överblick i dessa frågor och diskutera dess innebörd. Studien som utförts är kvalitativ och bestående av en intervjustudie med kompletterande undersökningar av tidigare forskning inom området. 

I den kvalitativa studien intervjuades fastighetsvärderare, fastighetsägare, kreditgivare och en datautvecklare om hur de ser på AI implementeringen i dagsläget samt hur det kommer påverka fastighetsvärderingar framåt. Studien kompletterades med en genomgång av tidigare forskning för att undersöka teknologins potential inom värderingsarbetet och även identifiera potentiella begränsningar. 

Resultatet visar att i dagsläget används teknologin för uppgifter som kan spara tid för en värderare, genom att underlätta texthantering och textsammanställning. Det råder även en viss skepticism för teknologin då den är relativt omogen och outforskad. För att kunna få ökad användning inom sektorn krävs då fortsatt teknologisk utveckling i kombination med testande för att skapa tillit och förståelse. 

Det krävs även tydlighet kring hur AI används för att inte förbruka tilliten som finns till värderares kompetens idag. Att AI modeller skulle ersätta en värderare framöver är även ej troligt med den bristfälliga transaktionstransparens som idag finns i branschen. Men att det kommer bli ett starkt verktyg för att skapa mer grundliga värderingar är högst troligt. 

Teknologin är fortfarande relativ ny i den omfattning som finns idag och vidare undersökning   kommer behövas för att identifiera vart den kan göra mest nytta med minst risker. 

The rapid advancement of AI models has prompted all digital industries to explore the possibility of implementing this technology in their operations. AI has the potential to process large volumes of data quickly and accurately, far beyond what a human can achieve. When attention turns to the real estate sector, property valuation emerges as a field where this data-processing capability could be particularly useful. But is the technology already being implemented today and if so, how? And how might its future development impact the industry? This thesis aims to provide an overview of these questions and explore their implications.

The study conducted is qualitative in nature, consisting of an interview-based investigation complemented by a review of previous research in the field. In the qualitative portion, interviews were held with property valuers, property owners, lenders, and a data developer to gather perspectives on the current state of AI implementation and its potential influence on future property valuations. The interview study was further supported by an examination of existing literature to assess the technology’s potential in valuation work and to identify possible limitations.

The results show that, at present, AI is primarily used for tasks that save valuers time, such as assisting with text processing and document compilation. There is also a degree of scepticism surrounding the technology, as it remains relatively immature and unexplored in this context. For broader adoption within the sector, continued technological development is needed, along with practical testing to build trust and understanding. Transparency about how AI is used will also be critical to maintaining confidence in the expertise of professional valuers.

It is highly unlikely that AI models will fully replace human valuers in the foreseeable future, especially given the current lack of transparency in property transactions. However, it is highly plausible that AI will become a powerful tool for enabling more thorough and well-grounded valuations.

As the technology is still relatively new in its current form, further research will be necessary to determine where it can be of greatest benefit with the least associated risk.