از یک مدل هوش مصنوعی محبوب بخواهید قیمت یک ویلا در راویی (Rawai) را تخمین بزند. جواب فوری و با اعتماد به نفس میآید، عددی دقیق تا صد هزار بات. مشکل کجاست؟ این عدد از روی قیمتهای درخواستی در آگهیهای عمومی ساخته شده، نه از روی قیمت واقعی معاملات ثبتشده. تایلند هیچ پایگاه داده عمومی از قیمتهای ثبتشده معاملات ملکی برای آموزش مدلهای هوش مصنوعی ندارد. اسناد اداره ثبت زمین (Land Department) بهصورت انبوه منتشر نمیشوند و آگهیها گاهی ماهها با قیمتهای اغراقشده روی سایتها میمانند.
این دقیقاً همان نقطهای است که کاربرد واقعی هوش مصنوعی در بازار املاک تایلند تمام میشود و تولید متنهای قشنگ اما بیپایه شروع میشود.
هوش مصنوعی چقدر واقعاً روی سود شرکتها اثر گذاشته؟
براساس نظرسنجی مککینزی و QuantumBlack که در آگوست ۲۰۲۶ منتشر شد، فقط حدود ۳۷ درصد از سازمانها گزارش دادهاند که هوش مصنوعی تأثیر قابلسنجشی روی سود عملیاتی (EBIT) آنها داشته است؛ این رقم نسبت به سال قبل تغییری نکرده، در حالیکه میزان سرمایهگذاری در این حوزه همچنان بالا رفته است. حدود ۲۰ درصد از شرکتها هم میگویند هزینه عملیاتی استفاده از هوش مصنوعی مستقیماً محدودشان کرده. در میان شرکتهای پیشرو، ۲۸ درصد بیش از ۱۰ درصد بودجه فناوری اطلاعات خود را روی هوش مصنوعی خرج میکنند و ۶۰ درصد قصد افزایش این سرمایهگذاری در سال آینده را دارند.
نکته جالب اینجاست: صنعت املاک و مستغلات حتی در جدول صنایع پیشرو در سرمایهگذاری روی هوش مصنوعی هم دیده نمیشود. صنایعی مثل داروسازی و تجهیزات پزشکی، بیمه، و بانکداری بیشترین سرمایهگذاری را کردهاند. برای خریدار ایرانی این میتواند خبر خوبی هم باشد: صنعت املاک میتواند از راهحلهای آماده استفاده کند بدون آنکه هزینهی آزمون و خطای اولیه را بپردازد.
در دفاتر املاک فوکت این روزها واقعاً چه اتفاقی میافتد؟
پاسخگویی اولیه به مشتری تقریباً بهطور کامل خودکار شده. پیامی از یک اپلیکیشن چت میرسد، زبان تشخیص داده میشود، سه سؤال درباره بودجه، بازه زمانی و هدف خرید پرسیده میشود و سه آگهی مرتبط برگردانده میشود. یک پرسش نیمهشب از یک منطقه زمانی دیگر دیگر منتظر ساعات کاری بانکوک نمیماند. در عمل، این سریعترین بازگشت سرمایه در کل صنعت است: راهاندازی آن چند هفته زمان میبرد، نه چند فصل.
حوزه دوم، تولید محتوای آگهی است. نوشتن توضیحات یک آگهی به انگلیسی، روسی و چینی برای ده آگهی، قبلاً یک روز کامل کار یک کپیرایتر را میگرفت. الان حدود چهل دقیقه طول میکشد، شامل بازخوانی نهایی. این بازخوانی اختیاری نیست: مدلها معمولاً 'leasehold' (اجاره بلندمدت) را صرفاً 'اجاره' ترجمه میکنند بدون ذکر مدت زمان، یا یک سند نور سور سه گور (Nor Sor 3 Gor) را طوری بازمینویسند که شبیه سند مالکیت کامل (چانوت) به نظر برسد. خریدار این را تضمینی میخواند که اصلاً وجود ندارد.
سوم، اسناد است. وارد کردن یک سند چانوت، یک قرارداد خرید و فروش، و آییننامههای شخصیت حقوقی یک آپارتمان (juristic person) در یک مدل با ظرفیت متن بالا، دو ساعت اول کار یک وکیل را صرفهجویی میکند: مدل مساحت، محدودیتها و برنامه پرداختها را استخراج میکند و مغایرتها را علامت میزند. اما بعد از آن، یک متخصص مجاز باید ادامه دهد. مدل به اداره ثبت زمین سر نمیزند.
چهارم، مدیریت اجاره است. اینجا دادهها واقعاً معتبر هستند: نرخ اشغال، قیمت روزانه و فصلیبودن به تفکیک منطقه بهطور خودکار جمعآوری میشوند. قیمتگذاری الگوریتمی برای اجارههای کوتاهمدت در پاتونگ (Patong) یا کامالا (Kamala) واقعاً به درآمد سالانه اضافه میکند، آنقدر که در گزارش مالی هم دیده میشود، نه فقط در یک اسلاید ارائه.
چه چیزهایی جواب نمیدهند؟
طراحی مجازی داخلی (virtual staging) با هوش مصنوعی از دور خیلی خوب به نظر میرسد، تا وقتی خریدار سر میزند و میبیند چیدمان واقعی متفاوت است. چند آژانس تا الان شکایت دریافت کردهاند که رندرها با واقعیت همخوانی نداشته؛ آسیب به اعتبار برند بیشتر از پولی است که با نگرفتن عکاس صرفهجویی شده.
چتباتهایی که هیچوقت مکالمه را به یک انسان تحویل نمیدهند، مشتریان باارزش را از دست میدهند، معمولاً تا پیام چهارم: کسی که دنبال ویلای ۴۰ میلیون باتی است، قصد ندارد جدیت خودش را به یک بات ثابت کند.
و خطرناکترین مورد: پاسخهای حقوقی تولیدشده توسط هوش مصنوعی درباره ساختارهای مالکیت از طریق شرکت تایلندی، شیک و قابلقبول به نظر میرسند اما مرتباً با موضع واقعی اداره ثبت زمین در تناقض هستند.
آیا هوش مصنوعی میتواند قیمت واقعی یک ویلا یا کاندو را تعیین کند؟
تقریبی، بله. دقیق، نه. مدلها قیمتهای درخواستی را میبینند، نه قیمت واقعی معامله، چون تایلند پایگاه داده عمومی قیمت ندارد. فاصله بین قیمت درخواستی و قیمت نهایی فروش در بازار دست دوم میتواند به رقمهای دورقمی درصدی برسد. بهخصوص اگر وامی در میان باشد، ارزیابی از یک ارزیاب دارای مجوز رسمی سفارش بدهید.
با این حال، تقاضای خریداران خارجی بدون توجه به این محدودیتها همچنان بالا میرود: سهم مالکیت خارجی در بازار کاندوهای مرکزی بانکوک در سال ۲۰۲۶ به ۳۲ درصد رسیده (نسبت به حدود ۱۸ درصد سال قبل)، و خریداران خارجی ۶۷ درصد از فروش کاندو در فوکت در نیمه اول ۲۰۲۶ را تشکیل دادهاند. رشد فروش به خریداران خارجی در فوکت در نیمه اول ۲۰۲۶ نسبت به مدت مشابه سال قبل بیش از ۴۵ درصد بوده، با سرمایهگذارانی از بریتانیا، روسیه، کانادا، آمریکا و جاهای دیگر، که منگ تائو (Bang Tao) و چرنگ تالای (Cherng Talay) هنوز از موقعیتهای اصلی هستند.
چه محدودیتهای حقوقی را هیچ مدل هوش مصنوعی بهجای شما بررسی نمیکند؟
خریداران خارجی در تایلند حداکثر میتوانند ۴۹ درصد از متراژ ملکیت آزاد (freehold) یک ساختمان آپارتمانی را در اختیار داشته باشند، و قرارداد استاندارد اجاره بلندمدت (leasehold) معمولاً برای ۳۰ سال ثبت میشود. هیچ مدلی سهمیه باقیمانده خارجی یک ساختمان مشخص را برای شما چک نمیکند؛ این عدد فقط در پروندههای شخصیت حقوقی ساختمان قابل مشاهده است.
این دقیقاً همان جایی است که مشاوره یک وکیل محلی یا یک تیم معتبر مثل املاک تایلند جای هیچ چتبات را نمیگیرد.
چطور یک آژانس یا خریدار ایرانی باید شروع کند؟
من پیشنهاد نمیکنم یک 'پلتفرم هوش مصنوعی کامل برای آژانسها' بخرید. سه یا چهار فرایند مشخص و قابلاندازهگیری از نظر زمان و هزینه را انتخاب کنید و آنها را با ابزارهای اشتراکی حل کنید. اگر کمتر از بیست معامله در سال دارید، بیشتر این موارد را میتوانید نادیده بگیرید؛ کار دستی برای شما ارزانتر است و هزینههای توکن و آموزش مدل هیچوقت جبران نمیشود.
- دو هفته اول را فقط اندازهگیری کنید. دقیقههای بین پرسش مشتری و اولین پاسخ، ساعتهای آمادهسازی یک آگهی، و هزینه ترجمه یک بسته سند را ثبت کنید.
- سرعت پاسخ اول را درست کنید. یک پاسخگوی خودکار با تشخیص زبان و سه سؤال شرطبندی روی واتساپ، لاین و تلگرام راه بیندازید. هدف: کمتر از پنج دقیقه، در هر ساعت شبانهروز. تحویل اجباری به یک انسان با کلیدواژههایی مثل 'ویلا'، 'سرمایهگذاری' یا 'بازدید'.
- یک قالب استاندارد آگهی بسازید با فیلدهای اجباری: نوع مالکیت (فریهولد یا لیزهولد)، مدت لیزهولد، سهمیه باقیمانده خارجی، متراژ ثبتشده در چانوت، مبلغ صندوق ذخیره، و هزینه ماهانه. مدل آن را پر میکند، انسان تأیید نهایی میدهد.
- اسناد را قبل از جلسه با وکیل، نه بهجای آن، از یک مدل با ظرفیت متن بالا رد کنید. فهرست سؤالات برای وکیل باید از همین بررسی بیرون بیاید.
- اگر بیش از ده واحد اجارهای مدیریت میکنید، قیمتگذاری الگوریتمی اضافه کنید. زیر ده واحد، حساب دستی کنید؛ سود از هزینه اشتراک بیشتر نخواهد شد.
- بودجه را محدود نگه دارید. شرکتهای پیشرو بیش از ۱۰ درصد بودجه فناوری اطلاعات خود را صرف میکنند، اما اینها شرکتهایی با تیم داده اختصاصی هستند. برای یک آژانس معمولی، با یک مبلغ ثابت فصلی شروع کنید و قبل از تمدید، نتیجه را بررسی کنید.
- پس از ۹۰ روز، نتیجه را با داده پایه اولیه مقایسه کنید. اگر زمان پاسخدهی و آمادهسازی آگهی حداقل نصف نشده، چیز اشتباهی را خودکار کردهاید.
آیا هوش مصنوعی جای مشاور املاک را میگیرد؟
در نظرسنجی ۲۰۲۶، شرکتها انتظار کاهش نیروی کار بیشتری نسبت به سال قبل دارند، اما کاهش واقعی طی سال گذشته کمتر از پیشبینی بوده. آنچه از بین میرود، حرفه نیست؛ کارهای تکراری است: مکالمات اولیه، ترجمه، جمعآوری اسناد. بازدید ملک، مذاکره و کارهای مربوط به اداره ثبت زمین همچنان با انسانها باقی میماند.
نظر شخصی من این است: اگر آژانس یا سرمایهگذاری شما زیر بیست معامله در سال دارد، این کل مقاله عملاً برای شما کاربرد کمی دارد. برای بقیه، هوش مصنوعی ابزار خوبی برای صرفهجویی در زمان است، نه ابزار قیمتگذاری یا مشاوره حقوقی.
منبع: نیشن تایلند