فرض کنید میخواهید یک ویلای سه میلیون دلاری در پوکت بخرید و یک ابزار هوش مصنوعی به شما میگوید قیمت منصفانه همین رقم است. حالا این را بدانید: در همین رده قیمتی، خطای مدلهای ارزیابی خودکار (AVM) میتواند تا ۲۰ درصد بالا برود، یعنی چیزی بین ۳۰۰ هزار تا ۶۰۰ هزار دلار عدم قطعیت. این دقیقاً همان نقطهای است که خیلی از خریداران ایرانی، بهخصوص کسانی که از راه دور و بدون بازدید حضوری تصمیم میگیرند، ممکن است روی آن لغزش کنند.
خبر خوب این است که فناوری واقعاً پیشرفت کرده. پنج سال پیش، این مدلها برای املاک مسکونی معمولی تا ۱۰ تا ۱۵ درصد خطا داشتند؛ امروز در ۲۰۲۶ این عدد به میانهای در حدود ۲ تا ۳ درصد رسیده، رقمی که تقریباً با کار یک کارشناس ارزیاب حرفهای در بازارهای بالغ برابری میکند. سؤال اصلی این نیست که 'آیا هوش مصنوعی خوب شده یا نه'، بلکه این است که دقیقاً کجا میتوان به آن اعتماد کرد و کجا نقطه کور آن میتواند معادل یک سال کامل درآمد اجاره را از دست شما خارج کند.
پاسخ کوتاه برای عجلهایها
- میانه خطای مدلهای ارزیابی خودکار برای مسکن استاندارد در ۲۰۲۶ حدود ۲ تا ۳ درصد است؛ در مقایسه با ۱۰ تا ۱۵ درصد پنج سال پیش
- برای املاک لوکس بالای ۲ میلیون دلار، حاشیه خطا به ۱۰ تا ۲۰ درصد میرسد؛ بسیار بدتر از بازار عمومی
- در بخش تجاری، مجتمعهای چندواحدی مسکونی (Multifamily) دقیقترین دسته هستند با ۹۵ تا ۹۷ درصد دقت
- دفاتر اداری با دقت ۸۸ تا ۹۴ درصد عقبتر هستند و هوش مصنوعی برای این طبقه دارایی چندان قابل اتکا نیست
- در آمریکا ۱۴.۶ میلیون ملک با ریسک سالانه ۱ درصدی سیل مواجهاند که مدلهای هوش مصنوعی معمولاً آن را نادیده میگیرند
- شهرستانهای ساحلی بدون قانون افشای ریسک سیل ممکن است روی هم ۱۲۱ تا ۲۳۷ میلیارد دلار بیش از واقع ارزشگذاری شده باشند
چرا بازار تایلند برای هوش مصنوعی یک چالش خاص است؟
تایلند برخلاف کشورهایی مثل آمریکا یا انگلستان، یک پایگاه داده یکپارچه و عمومی از تراکنشهای ملکی (شبیه سیستم MLS) ندارد. اطلاعات معاملات بین ادارات ثبت زمین استانی (Land Department) پخش شده و هیچ منبع واحدی برای مقایسه قیمتها وجود ندارد. نتیجه این پراکندگی چیست؟ قیمت هر متر مربع در پوکت میتواند حتی در یک سوی (کوچه) واحد، ۳ تا ۴ برابر تفاوت داشته باشد. برای الگوریتمی که به دادههای قابل مقایسه نیاز دارد، این یعنی زمین ناپایدار.
این موضوع وقتی جدیتر میشود که به ترکیب خریداران نگاه کنیم. در نیمه اول ۲۰۲۶، خریداران خارجی ۶۷ درصد از فروش کاندومینیومها را در مناطق بانگ تائو (Bang Tao) و چرنگ تالای (Cherng Talay) پوکت به خود اختصاص دادند و خریداران تایلندی تنها ۳۳ درصد باقیمانده را خریدند. در بانکوک مرکزی نیز سهم خریداران خارجی از کل معاملات به ۳۲ درصد رسید؛ در حالی که این رقم در سالهای قبل تنها ۱۸ درصد بود. وقتی حجم بالایی از تقاضای بینالمللی در یک محیط دادهای کمعمق و پراکنده جمع میشود، دقیقاً همانجایی است که خطای مدلهای ارزیابی خودکار بیشترین گسترش را پیدا میکند؛ نکتهای که هر سرمایهگذار ایرانی قبل از اتکا به یک عدد نمایشدادهشده روی صفحه باید در نظر بگیرد.
کجا هوش مصنوعی دقیق است و کجا نه؟
نقطهضعف اصلی مدلها در بخش لوکس بازار است. دلیلش ساده است: برای ویلایی با چشمانداز دریای آندامان، عملاً هیچ ملک مشابه واقعی برای مقایسه وجود ندارد؛ هر ویلای لوکس تقریباً 'یگانه' است، و کمبود داده مقایسهای همان چیزی است که خطا را تا ۲۰ درصد بالا میبرد.
در بخش تجاری هم وضعیت یکدست نیست. مجتمعهای چندواحدی مسکونی به دلیل جریانهای اجاره استاندارد و قابلپیشبینی، به دقت ۹۵ تا ۹۷ درصد میرسند. اما دفاتر اداری با دقت تنها ۸۸ تا ۹۴ درصد عقبترند، چون عواملی مانند گسترش دورکاری هنوز به شکل قابلاعتمادی در مدلها جا نیفتادهاند.
یک نقطهکور مهم دیگر، ریسک اقلیمی است. مدلهای ارزیابی خودکار معمولاً احتمال سیل را در محاسبات خود لحاظ نمیکنند. در آمریکا، حدود ۱۴.۶ میلیون ملک با احتمال سالانه ۱ درصدی سیل روبرو هستند، و همین غفلت باعث شده حباب بیشارزشگذاری در مناطق ساحلی به ۱۲۱ تا ۲۳۷ میلیارد دلار برسد. برای خریداری که قصد سرمایهگذاری در املاک ساحلی پوکت، هوآهین یا پاتایا را دارد، این یک هشدار جدی است، چون سهم بزرگی از بازار سرمایهگذاری تایلند دقیقاً در همین مناطق ساحلی متمرکز شده.
اجماع صنعت در سال ۲۰۲۶ روشن است: مدلهای ارزیابی خودکار یک ابزار در کنار فرایند تصمیمگیری هستند، نه جایگزین کارشناس انسانی. تصمیم نهایی همچنان باید با یک متخصص باشد.
راهنمای گامبهگام برای خریدار ایرانی
- اول نوع دارایی را مشخص کنید. اگر دنبال یک کاندومینیوم استاندارد زیر ۵۰۰ هزار دلار هستید، ارزیابی هوش مصنوعی با خطای ۲ تا ۳ درصد نقطه شروع خوبی است. برای ویلاهای بالای ۲ میلیون دلار، بهجای اتکا به الگوریتم، سراغ ارزیابی حضوری بروید.
- حداقل دو سرویس AVM را همزمان امتحان کنید. نتایج را کنار هم بگذارید؛ اگر اختلاف بیش از ۵ درصد باشد، یعنی دادههای موجود کمعمق است و باید دستی بررسی کنید.
- ریسک اقلیمی را جداگانه بسنجید. اکثر ارزیابیهای هوش مصنوعی احتمال سیل را حساب نمیکنند. برای املاک ساحلی در پوکت، هوآهین یا پاتایا، از شهرداری محلی نقشه مناطق سیلخیز را بخواهید؛ این خدمات معمولاً رایگان است.
- با معاملات واقعی تطبیق بدهید. از مشاور خود بخواهید ۳ تا ۵ معامله مشابه و تکمیلشده در ۶ ماه گذشته را نشان دهد. در تایلند سوابق معاملات نزد اداره ثبت زمین (Krom Thi Din) نگهداری میشود و با درخواست قابل دریافت است.
- متغیرهای محلی که هوش مصنوعی نمیبیند را در نظر بگیرید. ساخت یک جاده جدید، تغییر کاربری زمین، یا احداث یک مرکز خرید در نزدیکی، همگی روی قیمت اثر میگذارند، اما هیچکدام در الگوریتم دیده نمیشوند.
- حتماً بازدید حضوری داشته باشید. هیچ مدلی جای بازرسی فیزیکی را نمیگیرد. اگر برای بازدید از چند ملک به تایلند سفر میکنید، اقامت خود را از قبل نزدیک منطقه هدف رزرو کنید تا بتوانید در ۲ تا ۳ روز چند گزینه را ببینید.
- یک ارزیابی حرفهای سفارش دهید. برای املاک بالای ۱۰ میلیون بات (بیش از ۲۸۰ هزار دلار)، ارزیابی مستقل توسط یک کارشناس رسمی تایلندی بین ۱۰ هزار تا ۳۰ هزار بات هزینه دارد؛ رقمی ناچیز در برابر خطایی که ممکن است چند صد هزار دلار برایتان تمام شود.
جمعبندی برای سرمایهگذار ایرانی
ارزیابی مبتنی بر هوش مصنوعی ابزار قدرتمندی برای فیلتر اولیه است و میتواند دهها ساعت جستوجوی دستی را برای شما ذخیره کند. اما تصمیم نهایی سرمایهگذاری در بازار تایلند همچنان باید با انسانی گرفته شود که نکات ریز بازار محلی را میشناسد، ملک را از نزدیک دیده، و مدارک را در اداره ثبت زمین بررسی کرده است. حالا که خریداران خارجی در مناطقی مثل بانگ تائو و چرنگ تالای با ۶۷ درصد سهم از معاملات نیمه اول ۲۰۲۶ عملاً بازار را در دست دارند، این لایه بررسی انسانی نهتنها کماهمیت نشده، بلکه مهمتر از قبل است. تیم املاک تایلند دقیقاً برای همین مرحله در کنار خریداران ایرانی قرار میگیرد؛ ترکیب دادههای هوش مصنوعی با تجربه میدانی واقعی در پوکت.
منبع: Nation Thailand