Zamislite da kupujete vilu na Phuketu za 3 milijuna dolara, unesete adresu u AI alat za procjenu i dobijete broj koji izgleda uvjerljivo precizno. Problem je što kod nekretnina te vrijednosti algoritam može pogriješiti za 10 do 20 posto, a to je razlika od 300.000 do 600.000 dolara. Za hrvatskog kupca koji razmišlja o ulaganju u tajlandsku nekretninu, to je razlika između pametne investicije i skupe pogreške.
Automatizirani modeli procjene (AVM) doista su znatno napredovali. Prije pet godina griješili su 10-15%, a danas je medijalna greška kod standardnih stambenih nekretnina pala na svega 2-3%, što je gotovo usporedivo s procjenom iskusnog vještaka na razvijenim tržištima. No taj napredak vrijedi uglavnom za tipičan stan ili kuću. Čim uđete u segment luksuznih nekretnina ili u tržište poput tajlandskog, gdje podaci o transakcijama nisu ujedinjeni, algoritam počinje 'nagađati' puno više nego što se čini na prvi pogled.
Koliko je AI procjena zapravo precizna u 2026.?
Za standardne stambene nekretnine medijalna greška AVM modela iznosi 2-3%, što je značajan skok u odnosu na 10-15% grešku od prije pet godina. Kod nekretnina iznad 2 milijuna dolara greška naglo raste na 10-20%, jer takve nekretnine imaju premalo usporedivih transakcija da bi algoritam mogao raditi pouzdano.
Razlog je jednostavan: vila s pogledom na Andamansko more praktički je unikatna nekretnina. Nema desetke sličnih transakcija u okolici s kojima bi je AI mogao usporediti, pa model 'popunjava rupe' pretpostavkama koje mogu biti daleko od stvarnosti.
Koje vrste nekretnina AI procjenjuje najpreciznije?
Kod komercijalnih nekretnina slika je vrlo neujednačena, što se najbolje vidi iz sljedeće usporedbe:
| Vrsta nekretnine | Točnost AI procjene |
|---|---|
| Stambene nekretnine (standard) | 97-98% |
| Multifamily (stambeni kompleksi za najam) | 95-97% |
| Uredski prostori | 88-94% |
| Luksuzne nekretnine (iznad 2 mil. USD) | 80-90% (greška 10-20%) |
Multifamily nekretnine, odnosno stambeni kompleksi namijenjeni izdavanju, imaju standardizirane tokove prihoda od najma pa ih je lakše modelirati, otuda 95-97% točnosti. Uredski prostori zaostaju na 88-94% jer faktore poput rada na daljinu i promjenjive potražnje za uredima AI još uvijek ne uspijeva pouzdano uklopiti u model.
Zašto klimatski rizik promiče kroz AI modele?
Ovo je jedna od najvećih slijepih točaka tehnologije. Samo u SAD-u oko 14,6 milijuna nekretnina nosi 1% godišnjeg rizika od poplave, a većina AI alata za procjenu taj faktor jednostavno ignorira. Posljedica je da su obalne županije bez zakona o obveznom otkrivanju rizika od poplave kolektivno precijenjene za procijenjenih 121-237 milijardi dolara.
Za hrvatskog kupca koji razmatra nekretninu na Phuketu, u Hua Hinu ili Pattayi ovo nije apstraktan podatak iz Amerike, nego upozorenje: ako je obalna lokacija, provjerite rizik od poplave kroz lokalnu upravu, jer to AI procjena vjerojatno neće ni spomenuti.
Zašto je Tajland poseban slučaj za AI procjenu?
Tajlandsko tržište nekretnina nema ujedinjenu javnu bazu transakcija usporedivu s MLS sustavom kakav postoji u razvijenim zapadnim tržištima. Podaci su raspršeni po pokrajinskim zemljišnim uredima (Krom Thi Din), a cijena po kvadratnom metru na Phuketu može varirati 3 do 4 puta unutar iste soi, odnosno iste male ulice. To je ogroman raspon za tržište gdje se AI oslanja upravo na gustoću i kvalitetu podataka.
Kontekst potražnje dodatno komplicira sliku. U prvoj polovici 2026. strani kupci činili su 67% prodaje stanova u područjima Bang Tao i Cherng Talay na Phuketu, dok su tajlandski kupci činili preostalih 33%. U centru Bangkoka udio stranih kupaca porastao je na 32% svih transakcija, u odnosu na 18% prijašnjih godina. Kada je toliko internacionalne aktivnosti koncentrirano na tržištu s rijetkim i fragmentiranim podacima, greške AVM modela se dodatno šire, ne smanjuju.
Konsenzus struke: alat, ne zamjena za stručnjaka
Industrijski konsenzus za 2026. godinu jasan je: AVM modeli su korisan alat unutar procesa procjene, ali nisu zamjena za ljudsku stručnost. Konačnu odluku i dalje donosi specijalist koji je fizički pregledao nekretninu i razumije lokalne okolnosti.
Kako pristupiti AI procjeni u praksi: korak po korak
-
Prvo odredite kategoriju nekretnine. Za standardan stan ispod 500.000 dolara, AI procjena daje solidnu referentnu točku uz grešku od svega 2-3%. Za vile iznad 2 milijuna dolara, oslonite se radije na procjenu vještaka na terenu.
-
Usporedite barem dva AVM servisa paralelno. Ako se rezultati razlikuju za više od 5%, to je jasan signal da je baza podataka preslaba i da je potrebna ručna provjera.
-
Klimatski rizik provjerite zasebno. AI procjene tipično isključuju vjerojatnost poplave. Za obalne nekretnine na Phuketu, u Hua Hinu ili Pattayi, zatražite karte poplavnih zona od lokalne uprave - taj podatak je besplatan.
-
Provjerite kroz stvarne transakcije. Zatražite od agenta 3-5 nedavno završenih usporedivih poslova iz posljednjih 6 mjeseci. Na Tajlandu evidenciju transakcija vodi Zemljišni ured (Krom Thi Din) i dostupna je na zahtjev.
-
Uzmite u obzir lokalne faktore koje AI ne vidi. Planirana nova cesta, promjena namjene zemljišta ili novi trgovački centar u blizini mogu značajno promijeniti cijenu, a ništa od toga se ne pojavljuje u algoritmu.
-
Zakažite osobni obilazak. Nijedan model ne zamjenjuje fizički pregled nekretnine. Ako planirate put na Tajland radi razgledavanja, unaprijed rezervirajte smještaj u blizini kako biste u 2-3 dana mogli pogledati više opcija.
-
Naručite profesionalnu procjenu. Za nekretnine iznad 10 milijuna THB (oko 280.000 dolara i više), neovisna procjena certificiranog tajlandskog procjenitelja košta 10.000-30.000 THB, skromna cijena zaštite od AI greške vrijedne stotine tisuća dolara.
Zaključak
AI procjena je odličan filter u prvoj fazi selekcije nekretnina, jer štedi desetke sati ručnog istraživanja. No konačnu investicijsku odluku na tajlandskom tržištu i dalje treba donijeti čovjek koji poznaje lokalne nijanse, fizički je vidio nekretninu i provjerio dokumentaciju u Zemljišnom uredu. S obzirom da strani kupci danas dominiraju segmentima poput Bang Tao i Cherng Talaya, gdje su činili 67% prodaje u prvoj polovici 2026., taj korak ljudske provjere postaje sve važniji, a ne manje važan. Naš tim u Nekretnine u Tajlandu upravo tu korist nudi klijentima koji žele kombinirati brzinu AI alata s pouzdanošću terenske provjere.
Izvor: Nation Thailand