Kratek in jasen odgovor
Če razmišljate o nakupu stanovanja v Bangkoku ali vile na Phuketu in vam je prodajalec ali platforma pokazala 'AI oceno vrednosti' s 95-odstotno natančnostjo, bodite previdni. Sveža akademska raziskava iz leta 2026 je pokazala, da takšni modeli to natančnost v resničnem svetu obdržijo le kratek čas, praviloma med 6 in 12 meseci, nato pa napovedi hitro zastarajo. Krivec ni algoritem sam, temveč način, kako je bil model testiran in preverjen.
Kaj je pravzaprav razkrila raziskava iz Dunaja
Raziskovalci Christoph Kmen, Gerhard Navratil in Ioannis Giannopoulos s Tehnične univerze na Dunaju (TU Wien) so svoje ugotovitve objavili v reviji AGILE-GISS (zvezek 7, junij 2026). Njihov zaključek je neposreden: če je model treniran in testiran na podatkih iz istega časovnega obdobja, praktično nima uporabne vrednosti za resnično investicijsko odločitev.
Za Slovence, ki razmišljajo o nakupu nepremičnine na Tajskem, denimo apartmaja v Bangkoku ali vile blizu plaže na Phuketu, je to jasen signal, da je treba AI orodjem za vrednotenje pristopiti z zdravo mero skepse.
Zakaj se to sploh dogaja: problem 'validacijske pristranskosti'
Jedro težave je t. i. validacijska pristranskost (angl. validation bias). Gre za to, da model med učenjem in testiranjem uporablja podatke iz istega časovnega okna, kar pomeni, da si model v resnici 'pogleduje' odgovor, namesto da bi ga resnično napovedoval. Rezultat je model, ki na papirju blesti, v praksi pa razpade.
Algoritem XGBoost, tehnika iz družine metod ojačanega gradientnega učenja (gradient boosting), poganja večino sodobnih platform za vrednotenje nepremičnin, od Zillowa do azijskih ustreznic. Raziskava je pokazala, da tudi najboljši ansambelski modeli močno izgubijo natančnost, ko se časovno okno premakne naprej. Bolj zanesljiv pristop je t. i. prostorsko-časovno modeliranje (spatiotemporal modeling), ki upošteva, kako se vrednost soseske spreminja vzporedno z razvojem infrastrukture.
Prav prostorski dejavniki, bližina javnega prevoza, obale, trgovin in šol, močno vplivajo na ceno, vendar se njihova teža skozi čas nenehno spreminja. Zato 95-odstotna natančnost pri testiranju na starih podatkih nikakor ne pomeni, da bo model čez leto dni enako natančen. Bangkok ali Phuket leta 2024 in ista mesta leta 2026 sta v praksi dva različna trga.
Zakaj je tajski trg še posebej občutljiv na to izkrivljanje
Tajska je učbeniški primer trga, kjer stari podatki hitro postanejo neuporabni. Gradbeni razmah na Phuketu, nove linije BTS v Bangkoku in rast cen v Chiang Maiju za 15-20 % v obdobju 2024-2025 pomenijo, da model, treniran na podatkih izpred dveh let, preprosto ne 'vidi' trenutnega stanja trga.
Phuket je morda najbolj nazoren primer. Med letoma 2021 in 2025 je na trg prišlo več kot 45.000 novih stanovanjskih enot v skupni vrednosti približno 469,7 milijarde THB (okoli 13 milijard ameriških dolarjev). Do konca leta 2025 naj bi na trg prišlo še 72 novih projektov s 10.300 enotami, vrednih več kot 81,6 milijarde THB, kar kažejo poročila o tujem kapitalu, ki preoblikuje nepremičninski trg na Phuketu. Ob takšni dinamiki je jasno, zakaj avtorji študije priporočajo najmanj triletni testni horizont, da bi rezultati modelov sploh imeli praktično vrednost. Zaskrbljujoče je tudi dejstvo, da noben komercialni ponudnik AI vrednotenja javno ne razkriva, na kakšnem časovnem horizontu je bil njegov model validiran, kar je resna vrzel v preglednosti za vlagatelje.
Konkretni koraki, če razmišljate o nakupu na podlagi AI ocene
Če uporabljate ali razmišljate o uporabi AI orodij za vrednotenje nepremičnine na Tajskem, si zapomnite naslednji načrt:
-
Vprašajte za validacijski horizont. Vsaka platforma, ki ponuja AI oceno vrednosti, naj bi znala odgovoriti, na katerem obdobju je bil model treniran. Če so podatki mlajši od 12 mesecev in je testiranje potekalo na istem obdobju, se na oceno pri dolgoročni odločitvi ne zanašajte.
-
Preverite oceno z realnimi transakcijami. Poiščite 3-5 dejansko sklenjenih poslov na ciljnem območju v zadnjih 6 mesecih. Podatke o transakcijah v Bangkoku najdete pri tajskem zemljiškem uradu (กรมที่ดิน, Land Department). Če je razlika med dejansko ceno in AI oceno večja od 10 %, je to opozorilni znak.
-
Ročno upoštevajte prostorske spremembe. Tudi najboljši modeli, ki temeljijo na XGBoost, težko predvidijo prihodnje infrastrukturne spremembe. Nove prometne linije, načrtovani nakupovalni centri ali spremembe namembnosti zemljišč zahtevajo ločeno preverjanje, na primer prek dokumentacije EIA (presoja vplivov na okolje) na spletni strani agencije ONEP.
-
AI uporabite za predizbor, ne za končno odločitev. Strojno učenje je odličen prvi filter, ki od 200 oglasov izlušči 20 vrednih podrobne analize. Končna odločitev pa naj vedno vključuje osebni ogled, pravni pregled (due diligence) in posvet z lokalnim strokovnjakom.
-
Načrtujte ogled na kraju samem. Noben algoritem ne nadomesti obiska nepremičnine. Če razmišljate resno, si rezervirajte namestitev v bližini ciljnega območja za vsaj 3-4 dni, kar je dovolj časa za ogled 5-8 nepremičnin in srečanje z odvetnikom.
-
Oceno osvežite vsakih 6 mesecev. Raziskava AGILE-GISS 2026 jasno kaže, da natančnost modela pada z vsakim mesecem. Če ste se odločili na podlagi AI analize, jo dvakrat letno preverite s svežimi lokalnimi podatki o transakcijah.
Pogosta vprašanja
Ali lahko AI leta 2026 natančno oceni ceno stanovanja v Bangkoku?
Natančnost je močno odvisna od kakovosti podatkov in validacijskega horizonta. Po raziskavi AGILE-GISS (zvezek 7, 2026) modeli na osnovi XGBoost kažejo dobro natančnost le na kratkih napovednih obdobjih. Bangkok se hitro spreminja zaradi novih prometnih linij in intenzivne gradnje, zato je najbolje AI oceno jemati kot izhodišče, ne kot dokončno številko.
Kateri algoritmi umetne inteligence se uporabljajo za vrednotenje nepremičnin?
Najpogosteje gre za XGBoost, Random Forest in druge ansambelske metode strojnega učenja. Ti analizirajo na desetine spremenljivk: velikost, nadstropje, oddaljenost od javnega prevoza, starost stavbe, gostoto poselitve. Študija iz leta 2026 je pokazala, da sam algoritem manj vpliva na kakovost napovedi kot način, kako je bil validiran.
Zakaj AI napovedi cen tako hitro zastarajo?
Ker je trg živ sistem. Model, treniran na podatkih iz 2023-2024, ne zazna regulativnih sprememb, novih infrastrukturnih projektov ali sprememb v turističnih tokovih. Avtorji z dunajske univerze temu pravijo 'validacijska pristranskost', privid natančnosti, ki razpade ob soočenju z novo realnostjo.
Ali naj zaupam AI kalkulatorjem na spletnih straneh razvijalcev?
Bodite previdni. Razvijalec ima korist od prodaje, zato je njegov kalkulator lahko umerjen v optimistično smer. Podatke vedno preverite z neodvisnimi viri, na primer z registrom transakcij tajskega zemljiškega urada ali z neodvisnim cenilcem.
Katere podatke sploh potrebuje natančna AI ocena vrednosti na Tajskem?
Minimalno gre za dejanske transakcijske cene (ne cene iz oglasov), koordinate nepremičnine, značilnosti stavbe, oddaljenost od ključne infrastrukture in podatke o donosnosti najema. Ključno je, da nabor podatkov pokriva vsaj triletno obdobje, kot priporoča študija AGILE-GISS 2026.
Kako AI pomaga pri investiciji v nepremičnino na Phuketu?
AI orodja so koristna za analizo sezonskosti najema, primerjavo donosnosti med posameznimi območji in prepoznavanje precenjenih oglasov. Na Phuketu, kjer razlike v cenah med posameznimi predeli dosegajo 40-60 %, avtomatiziran predizbor prihrani na desetine ur ročnega raziskovanja. Zanimivo je tudi, da je Knight Frank Thailand za leto 2026 poročal o 12,9-odstotni rasti prodaje vil, medtem ko je povpraševanje po apartmajih oslabelo, spremembo, ki je noben statični model, treniran na starejših podatkih, ne bi zaznal.
Ali bo AI nadomestil profesionalne cenilce nepremičnin?
Še dolgo ne. AI je odličen pri masovni obdelavi podatkov in prepoznavanju vzorcev. A pravne posebnosti, kot so omejitve tujega lastništva na Tajskem ali razlika med statusom chanote in Nor Sor 3, oceno fizičnega stanja nepremičnine ter pogajalsko dinamiko, ostajajo trdno v domeni človeškega strokovnega znanja.
Kje najdem zanesljive podatke o cenah nepremičnin na Tajskem?
Uradni viri vključujejo tajski zakladniški urad (กรมธนารักษ์, Treasury Department) za katastrsko vrednotenje, tajsko centralno banko (Bank of Thailand) za indekse stanovanjskih cen ter REIC (Real Estate Information Center) za analitiko novogradenj. Zakladniški urad zdaj ponuja tudi storitev D-Value, brezplačno spletno storitev, ki v približno 10 minutah izda uradno potrjen dokument o vrednosti zemljišča ali stanovanja. Ti viri se posodabljajo četrtletno in so brezplačno dostopni.
Vir: IPS News
Razmišljate o naložbi na Tajskem? Pri Nepremičnine na Tajskem vam pomagamo najti pravo nepremičnino in oceno preveriti z realnimi, ne le algoritemskimi podatki.