Ha épp azt fontolgatod, hogy egy okos algoritmus mondja meg, mennyit ér egy phuketi villa vagy egy bangkoki kondó, érdemes tudnod: a legtöbb ilyen modell pontossága meglepően gyorsan szétesik. Egy 2026-os akadémiai kutatás szerint a 95% feletti tesztpontosságú ingatlanértékelő AI-modellek 6-12 hónapon belül elveszítik ezt a precizitást éles, valós piaci használatban. A hiba nem magában az algoritmusban van, hanem abban, ahogyan tanítják és teszteik őket.
A bécsi Műszaki Egyetem (TU Wien) kutatói, Christoph Kmen, Gerhard Navratil és Ioannis Giannopoulos az AGILE-GISS szakfolyóirat 7. kötetében (2026 június) publikálták eredményeiket, alaposan megkérdőjelezve a ma elérhető prediktív ingatlanmodellek gyakorlati hasznát. A következtetésük kertelés nélküli: ha egy modellt ugyanabból az időszakból származó adatokon tanítanak és tesztelnek, az a valós befektetési döntésekhez gyakorlatilag használhatatlan.
Aki Thaiföldön keres ingatlant - legyen szó Phuketről, Bangkokról vagy Chiang Mairól -, jól teszi, ha ez alapján gondolja újra, mennyire bízhat meg egy AI-alapú árbecslésben.
A lényeg röviden
-
Az AGILE-GISS 2026-os tanulmánya kimutatta, hogy a gépi tanulásra épülő ingatlanértékelő modellek csak szűk, rövid előrejelzési horizonton belül mutatnak erős pontosságot.
-
Az XGBoost és más ensemble-módszerek ma is a vezető algoritmusok az értékbecslésben, de mindegyik ugyanabba a hibába esik: nem időbeli (nem temporális) validálás.
-
A térbeli tényezők (közlekedési csomópontok, tengerpart, infrastruktúra közelsége) erősen befolyásolják az árat, de ezek súlya folyamatosan változik az időben.
-
A 95% feletti visszateszt-pontosság nem jelenti azt, hogy egy évvel később is 95%-os lesz a becslés: Bangkok vagy Phuket 2024-ben és 2026-ban gyakorlatilag két különböző piac.
-
Gyakorlati tanulság: az AI-alapú értékbecslés jó kiindulópont az elemzéshez, de önmagában nem elegendő érv egy vásárlási döntéshez.
-
A hosszabb, 3-5 éves validálási horizonton épített modellek őszintébb képet adnak, még ha papíron kevésbé lenyűgöző is a pontosságuk.
A kutatás legfontosabb tényei
-
2026 júniusában jelent meg a 'When Today's Accuracy Fails Tomorrow' című tanulmány az AGILE-GISS 7. kötetében, amely az ingatlanértékelő gépi tanulási modellek szokásos validálási gyakorlatát bírálja.
-
A fő probléma a validálási torzítás (validation bias): amikor a tanító- és tesztadatok ugyanabból az időablakból származnak, a modell gyakorlatilag 'belelát' a válaszba, mielőtt megkapná a kérdést.
-
Az XGBoost, egy gradiens-boosting algoritmus, hajtja a legtöbb modern értékelő platformot a Zillow-tól az ázsiai megfelelőikig. A tanulmány szerint még a legjobb ensemble-modellek teljesítménye is drasztikusan romlik, ha az időablak elmozdul.
-
A térbeli-időbeli (spatiotemporal) modellezést a kutatók megbízhatóbb megközelítésnek tartják, mert figyelembe veszi, hogyan változik egy környék értéke az infrastruktúra fejlődésével.
-
Thaiföld piaca különösen kitett ennek a torzításnak: a phuketi építési boom, Bangkok új BTS-vonalai és Chiang Mai 15-20%-os áremelkedése 2024-2025 között mind azt eredményezik, hogy a régi adatokon tanított modellek megbízhatatlanná válnak.
-
Egyetlen kereskedelmi AI-értékelő szolgáltatás sem hozza nyilvánosságra a validálási horizontját - ez kritikus átláthatósági hiányosság a befektetők számára.
-
Phuket önmagában is jól mutatja, milyen gyorsan mozog a talaj a lábunk alatt: 2021-2025 között több mint 45 000 új lakóegység került piacra, hozzávetőleg 469,7 milliárd bahtos (kb. 13 milliárd dolláros) értékben, és 2025 végéig további 72 projekt és 10 300 egység (több mint 81,6 milliárd baht értékben) indul, a phuketi piacot átformáló külföldi tőkéről szóló beszámolók szerint.
-
A tanulmány szerzői minimum 3 éves tesztelési horizontot javasolnak ahhoz, hogy a modell eredményei valóban alkalmazhatók legyenek valós döntésekhez.
Gyakorlati útmutató: mit tegyél, ha AI-becslést használsz
Ha éppen mérlegeled, hogy AI-eszközzel értékelj be egy thaiföldi ingatlant, íme egy konkrét lépéssor:
-
Kérdezd meg a szolgáltatót a validálási horizontról. Bármely AI-alapú értékbecslést kínáló platformnak, legyen szó elemzőeszközről vagy egy fejlesztő beépített kalkulátoráról, tudnia kell válaszolni arra, hogy milyen időszak adatain tanították a modellt. Ha az adatok 12 hónapnál frissebbek, és a tesztelés is ugyanabban az időablakban történt, ne bízz benne hosszú távú döntéseknél.
-
Vesd össze az AI-becslést valós tranzakciókkal. Nézz utána 3-5 nemrég lezárt üzletnek a célterületeden, az elmúlt 6 hónapból. Bangkokban a tranzakciós adatok elérhetők a Földhivatalnál (กรมที่ดิน). Ha a valós ár 10%-nál nagyobb mértékben tér el az AI-kalkulátor eredményétől, az figyelmeztető jel.
-
Vedd figyelembe a térbeli változásokat manuálisan is. Még a legjobb XGBoost-alapú modellek is nehezen tudják előre jelezni a jövőbeli infrastrukturális változásokat. Az új közlekedési vonalakat, tervezett bevásárlóközpontokat vagy zónabesorolás-változásokat külön kell ellenőrizni. Érdemes megnézni az ONEP weboldalán elérhető EIA (környezeti hatásvizsgálati) dokumentumokat.
-
Az AI-t szűrésre használd, ne végső döntéshez. A gépi tanulás kiválóan alkalmas első körös szűrésre: 200 hirdetésből leválogatja azt a 20-at, amit érdemes alaposabban megnézni. A végső döntésnél viszont már személyes helyszíni bejárásra, jogi átvilágításra és helyi szakértővel folytatott konzultációra van szükség.
-
Tervezz helyszíni látogatást. Egyetlen algoritmus sem helyettesíti a személyes bejárást. Ha komolyan gondolod a vásárlást, foglalj szállást a célterület közelében legalább 3-4 napra - ennyi idő alatt 5-8 ingatlant tudsz megnézni, és le tudsz ülni egy ügyvéddel is.
-
Frissítsd a becslést félévente. Az AGILE-GISS 2026-os tanulmánya egyértelmű: a modell pontossága minden elteltő hónappal romlik. Ha AI-elemzés alapján vásároltál, évente kétszer frissítsd az értékelést friss, helyi tranzakciós adatokkal.
Gyakran ismételt kérdések
Meg lehet-e bízni egy AI-val egy bangkoki kondó 2026-os értékbecslésénél?
A pontosság nagyban függ az adatminőségtől és a validálási horizonttól. Az AGILE-GISS tanulmány (7. kötet, 2026) szerint az XGBoost-alapú modellek csak rövid előrejelzési ablakon belül mutatnak erős pontosságot. Bangkok gyorsan változik az új közlekedési vonalak és az aktív építkezések miatt, ezért az AI-becslést inkább referenciapontnak érdemes tekinteni, nem végleges árnak.
Milyen AI-algoritmusokat használnak ingatlanértékelésre?
A leggyakoribbak az XGBoost, a Random Forest és más ensemble gépi tanulási módszerek. Ezek több tucat változót elemeznek: méret, emeletszám, közlekedéstől való távolság, épület kora, sűrűség. A 2026-os tanulmány szerint maga az algoritmus kevésbé számít, mint az, hogyan validálták.
Miért avulnak el ilyen gyorsan az AI árelőrejelzések?
Mert a piac élő rendszer. Egy 2023-2024-es adatokon tanított modell nem látja a szabályozási változásokat, az új infrastrukturális projekteket vagy a turistaforgalom eltolódását. A TU Wien kutatói ezt 'validálási torzításnak' nevezik: a pontosság illúziója, ami szétesik, amint találkozik az új valósággal.
Megbízhatok a fejlesztői weboldalakon található AI-kalkulátorokban?
Óvatosan kezeld ezeket. A fejlesztőnek érdeke a sikeres eladás, így a kalkulátora hajlamos az optimistább forgatókönyvekre kalibrálva működni. Mindig vess össze egy ilyen becslést független forrásokkal, például a Földhivatal tranzakciós nyilvántartásával vagy egy független értékbecslő szakvéleményével.
Mit igényel valójában egy pontos AI-alapú értékbecslés Thaiföldön?
Minimálisan szükséges: valós tranzakciós árak (nem hirdetési árak), az ingatlan pontos koordinátái, épület-jellemzők, a fő infrastruktúráktól mért távolság és bérbeadási hozamadatok. Kritikus fontosságú, hogy az adathalmaz legalább 3 éves időszakot fedjen le, az AGILE-GISS 2026-os ajánlása szerint.
Hogyan segít az AI phuketi ingatlanbefektetésnél?
Az AI-eszközök hasznosak a bérbeadási szezonalitás elemzésénél, a hozamok kerületek közötti összehasonlításánál és a túlárazott hirdetések kiszűrésénél. Phuketen, ahol a kerületek közötti árkülönbség eléri a 40-60%-ot, az automatizált szűrés rengeteg órányi manuális kutatást takarít meg. Érdemes megjegyezni, hogy a Knight Frank Thailand szerint 2026-ban 12,9%-kal nőtt a villaértékesítés, miközben a lakáspiaci kereslet gyengült - ezt a fordulatot egyetlen régi adatokon tanított statikus modell sem venné észre.
Az AI le fogja váltani a professzionális ingatlanbecslőket?
Egyelőre nem valószínű. Az AI kiváló a tömeges adatfeldolgozásban és a mintázatfelismerésben. Ugyanakkor a jogi finomságok (például a külföldi tulajdonlásra vonatkozó thaiföldi korlátozások, vagy a chanote és a Nor Sor 3 földtulajdon-státuszok közti különbség), a fizikai állapotfelmérés és az alkupozíció kezelése továbbra is emberi szakértelmet igényel.
Hol találok megbízható ingatlanár-adatokat Thaiföldön?
Hivatalos forrás a Kincstári Hivatal (กรมธนารักษ์) a kataszteri értékbecsléshez, a Thaiföldi Nemzeti Bank a lakásár-indexekhez, valamint a REIC (Real Estate Information Center) az új építésű ingatlanok elemzéséhez. A Kincstári Hivatal emellett ma már ingyenes online szolgáltatást is kínál D-Value néven, amely körülbelül 10 perc alatt hiteles föld- és lakásértékelési dokumentumot állít ki. Ezek a források negyedévente frissülnek, és ingyenesen elérhetők.
Forrás: IPS News
Ha komolyan fontolgatod a thaiföldi ingatlanbefektetést, a Thaiföldi Ingatlan szakértői segítenek megtalálni a számodra legmegfelelőbb ingatlant, legyen szó phuketi villáról vagy bangkoki kondóról.