AI per la stima del valore dei terreni: il progetto GLIST di Genius Loci

Nel settore della valutazione immobiliare, la stima del valore rappresenta un elemento cruciale per supportare decisioni strategiche di investimento, gestione del rischio e pianificazione territoriale.

Nel caso dei terreni, il valore dipende da una molteplicità di fattori: dalla localizzazione geografica alla destinazione d’uso (agricola, edificabile, industriale) fino alle caratteristiche specifiche delle colture che possono essere ad esempio vigneti, frutteti o prati. Questa elevata variabilità rende complessa la costruzione di modelli predittivi affidabili e scalabili, soprattutto in assenza di dataset ampi, omogenei e strutturati.

In questo contesto si inserisce l’iniziativa GLIST (Genius Loci Stima Immobiliare), sviluppata da Genius Loci in collaborazione con l’Unità Data Science for Industry and Physics – DSIP del Centro Digital Industry di FBK. Il progetto nasce con l’obiettivo di estendere l’utilizzo di tecniche avanzate di Intelligenza Artificiale alla stima del valore dei terreni, contribuendo a rendere questo processo più efficiente, accessibile e data-driven.

Nel contesto del progetto EDIH-SoE InnovAction, e in particolare nell’ambito dei servizi di “Test Before Invest”, Genius Loci ha così intrapreso un percorso di innovazione volto a migliorare e ampliare i propri servizi digitali dedicati al settore Real Estate. L’azienda opera a livello nazionale nella qualificazione del patrimonio mobiliare e immobiliare, offrendo a banche, assicurazioni, fondi di investimento e utilities accesso a dati, analisi e indicatori attraverso una piattaforma proprietaria. Tra i suoi principali servizi, Genius Loci Stima Immobiliare (GLISM) consente di stimare il valore degli immobili in modo completamente digitale, integrando dati catastali, informazioni satellitari e mappe geografiche.

Dati e modelli: il cuore del progetto

Le attività si sono sviluppate in due fasi principali. Nella prima fase, Genius Loci e FBK hanno definito congiuntamente il perimetro del progetto: le tipologie di terreni da considerare, le unità geografiche di riferimento e le variabili disponibili. Particolare attenzione è stata dedicata alla selezione di dati omogenei e utilizzabili su larga scala.

Genius Loci ha curato la preparazione e l’anonimizzazione del dataset, mentre FBK ha supportato l’analisi delle variabili, identificando correlazioni, outlier e applicando tecniche di preprocessing per costruire un dataset pulito e adatto all’addestramento.

Nella seconda fase, sono stati sviluppati e confrontati diversi modelli di Machine Learning e Deep Learning. L’approccio ha incluso sia modelli supervisionati di regressione sia combinazioni con tecniche non supervisionate, come il clustering, per migliorare la capacità di generalizzazione.

Un elemento centrale del lavoro è stato l’utilizzo di tecniche di Explainable AI (XAI), fondamentali per comprendere quali variabili influenzano maggiormente le stime e in quale direzione. I modelli sviluppati sono inoltre in grado di restituire, insieme alla stima puntuale, un intervallo di confidenza, fornendo così una misura della loro affidabilità.

Risultati e prospettive

I primi risultati hanno evidenziato come il valore catastale sia fortemente influenzato dalla provincia di riferimento, confermando l’importanza della dimensione territoriale nei modelli predittivi. I modelli sviluppati sono stati addestrati sull’intero dataset e su specifici sottoinsiemi, sia in ottica di regressione sia di classificazione, dimostrando la fattibilità dell’approccio e il suo potenziale applicativo.

Questo progetto ha permesso a Genius Loci di porre le basi per lo sviluppo di soluzioni più avanzate per la valutazione dei terreni, ampliando ulteriormente il proprio portafoglio di servizi digitali. Allo stesso tempo, rappresenta un esempio concreto di come i servizi “Test Before Invest” possano supportare le imprese nell’adozione di tecnologie di intelligenza artificiale, riducendo i rischi e accelerando i processi di innovazione.