ഒരു നിമിഷം, ഈ കണക്ക് ശ്രദ്ധിക്കൂ
ഫുക്കറ്റിൽ കോണ്ടോ വാങ്ങാൻ ആലോചിക്കുന്ന ഒരു മലയാളി നിക്ഷേപകൻ, ഒരു AI ടൂൾ കാണിക്കുന്ന '5 വർഷത്തിനുള്ളിൽ ഇത്ര ശതമാനം വില വർധിക്കും' എന്ന പ്രവചനം കണ്ട് തീരുമാനമെടുക്കുന്നു എന്ന് കരുതുക. അത് അപകടകരമായ ഒരു തീരുമാനമായേക്കാം. TU Wien-ലെ ഗവേഷകർ AGILE-GISS (Volume 7) ജേണലിൽ 2026-ൽ പ്രസിദ്ധീകരിച്ച ഒരു പുതിയ പഠനം പറയുന്നത്, ഇന്നത്തെ ഡേറ്റ ഉപയോഗിച്ച് കോണ്ടോ വില മികച്ച രീതിയിൽ പ്രവചിക്കുന്ന AI മോഡലുകൾ, 2-3 വർഷത്തേക്കുള്ള ഭാവി പ്രവചനത്തിൽ വൻതോതിൽ പരാജയപ്പെടുന്നു എന്നാണ്. പ്രശ്നം അൽഗോരിതത്തിലല്ല, മോഡലുകളെ എങ്ങനെ പരിശോധിക്കുന്നു (validate ചെയ്യുന്നു) എന്നതിലാണ്. തായ്ലൻഡ് പ്രോപ്പർട്ടിയിൽ നിക്ഷേപിക്കുന്നവർക്ക് ഇതിന് നേരിട്ട് സാമ്പത്തിക പ്രത്യാഘാതങ്ങൾ ഉണ്ട്.
എന്താണ് ഈ പഠനം കണ്ടെത്തിയത്?
Christopher Kmen, Gerhard Navratil, Ioannis Giannopoulos എന്നിവർ 2026 ജൂണിൽ 'When Today's Accuracy Fails Tomorrow' എന്ന പേരിൽ AGILE-GISS, Volume 7 എന്ന peer-reviewed ജേണലിൽ പ്രസിദ്ധീകരിച്ച ഈ പഠനത്തിന്റെ കേന്ദ്ര കണ്ടെത്തൽ ഇതാണ്: സ്ഥലകാല-അധിഷ്ഠിത (spatiotemporal) മോഡലുകൾ 'temporal validation bias' എന്ന ഒരു വ്യവസ്ഥാപിത പിഴവിന് വിധേയമാണ്. ലളിതമായി പറഞ്ഞാൽ, ട്രെയിനിംഗ് സമയത്ത് മോഡൽ ഭാവിയിലെ ഡേറ്റയിലേക്ക് ഒരു തരത്തിൽ 'ഒളിഞ്ഞുനോക്കുന്നു', ഇത് കൃത്യതയെ കൃത്രിമമായി ഉയർത്തുന്നു.
- In-sample accuracy (പഴയ ഡേറ്റയിൽ പരീക്ഷിക്കുമ്പോൾ) പലപ്പോഴും 90%-ത്തിലധികം കാണിക്കും
- എന്നാൽ ശരിക്കും ഭാവിയിലെ ഡേറ്റയിൽ പരീക്ഷിക്കുമ്പോൾ, ഫലം 60-70% അല്ലെങ്കിൽ അതിലും കുറവിലേക്ക് ഇടിയുന്നു
- ഹ്രസ്വകാല forecasting horizon (1-6 മാസം) ആണ് ഈ പിഴവിന് പിന്നിലെ പ്രധാന കാരണം, കാരണം ഇത് മോഡലിന്റെ യഥാർത്ഥ ഉപയോഗക്ഷമതയെ പ്രതിഫലിപ്പിക്കുന്നില്ല
- പരീക്ഷിച്ച രീതികളിൽ XGBoost, ensemble models എന്നിവയാണ് ഏറ്റവും മികച്ച ഫലം കാണിച്ചത്, എങ്കിലും ഇവയ്ക്കും temporal-aware validation ഇല്ലാതെ വിശ്വാസ്യത ഉറപ്പില്ല
തായ്ലൻഡിൽ ഇത് എന്തുകൊണ്ട് കൂടുതൽ ഗുരുതരമാണ്
ഗുണനിലവാരമുള്ള transaction ഡേറ്റയുടെ ദൗർലഭ്യം ഒരു വലിയ തടസ്സമായി തുടരുന്നു. യൂറോപ്പിലെ property transaction registry-കളെ അപേക്ഷിച്ച് തായ്ലൻഡിൽ ഈ പ്രശ്നം കൂടുതൽ കടുത്തതാണ്, കാരണം ഇവിടെ ട്രാൻസാക്ഷൻ റെക്കോർഡുകൾ അത്ര സുതാര്യമല്ല. ഹ്രസ്വകാല horizon-കളിൽ (1-6 മാസം) കൃത്യതയുടെ ഒരു 'തോന്നൽ' ഉണ്ടാകുന്നു, എന്നാൽ 2-5 വർഷത്തെ horizon-ൽ ഈ പിഴവ് പലമടങ്ങ് വർധിക്കുന്നു.
ബാങ്കോക്കിലും ഫുക്കറ്റിലും വലിയ ഡെവലപ്പർമാർ ഇതിനകം pricing-നായി AI ടൂളുകൾ ഉപയോഗിക്കുന്നുണ്ടെങ്കിലും, അന്തിമ തീരുമാനങ്ങൾക്കായി ഒരു ഡെവലപ്പറും പൂർണമായി machine model-കളെ ആശ്രയിക്കുന്നില്ല എന്നത് ശ്രദ്ധേയമാണ്. 2026 ജൂലൈയിലെ Goldman Sachs റിസർച്ച് നോട്ട് പ്രകാരം, AI റിയൽ എസ്റ്റേറ്റ് തൊഴിൽ മേഖലയെ പുനർരൂപകൽപ്പന ചെയ്യുന്നു, ജോലികൾ ഇല്ലാതാക്കുന്നതിലൂടെയല്ല, മറിച്ച് പുനഃസംഘടിപ്പിക്കുന്നതിലൂടെ. AI ടൂളുകൾ സ്വീകരിക്കുന്ന ഏജന്റുമാരും നിക്ഷേപകരും പഴയ രീതികളിൽ തുടരുന്നവരെക്കാൾ കൂടുതൽ വരുമാനം നേടുന്ന പ്രവണത കാണിക്കുന്നു.
ഫുക്കറ്റിൽ മാത്രം, 2025 ഡിസംബർ മുതൽ 2026 മെയ് വരെയുള്ള കാലയളവിൽ 54,628 real enquiries രജിസ്റ്റർ ചെയ്യപ്പെട്ടു, ഇതിൽ 71% വാടകയ്ക്കും 29% വാങ്ങലിനും ആയിരുന്നു. ഇത് പ്രദേശത്തെ ഏറ്റവും matured മാർക്കറ്റിൽ AI-അധിഷ്ഠിത ഡിമാൻഡ് അനാലിസിസ് യഥാർത്ഥ തീരുമാനങ്ങളെ എത്രത്തോളം സ്വാധീനിക്കുന്നു എന്ന് കാണിക്കുന്നു.
AI-യെ ബുദ്ധിപൂർവ്വം ഉപയോഗിക്കാൻ 7 പടികൾ
2026-ൽ തായ്ലൻഡ് പ്രോപ്പർട്ടി വാല്യുവേഷനുവേണ്ടി AI ഉപയോഗിക്കാൻ ആഗ്രഹിക്കുന്ന ഒരു നിക്ഷേപകൻ ഈ പ്രായോഗിക ക്രമം പിന്തുടരണം:
1. നിങ്ങൾക്ക് ആവശ്യമായ AI അനാലിസിസിന്റെ തരം തിരിച്ചറിയുക
മൂന്ന് തലങ്ങളുണ്ട്: market screening (മികച്ച ലൊക്കേഷനുകൾ കണ്ടെത്തൽ), individual asset valuation (comparable sales analysis), യീൽഡ് പ്രവചനം. ആദ്യ രണ്ടിലും AI നല്ല പ്രകടനം കാഴ്ചവയ്ക്കുന്നു. മൂന്നാമത്തേതിൽ ഇപ്പോഴും അല്ല.
2. ഓപ്പൺ ഡേറ്റയുമായി ക്രോസ്-ചെക്ക് ചെയ്യുക
DDproperty, Hipflat പോലുള്ള പ്ലാറ്റ്ഫോമുകൾ ജില്ലാ-തല വില ഇൻഡെക്സുകൾ പ്രസിദ്ധീകരിക്കുന്നു. കഴിഞ്ഞ 3 വർഷത്തെ യഥാർത്ഥ വില മാറ്റവുമായി AI മോഡലിന്റെ ഔട്ട്പുട്ട് താരതമ്യം ചെയ്യുക. വ്യത്യാസം 15%-ത്തിലധികമാണെങ്കിൽ, ആ മോഡലിനെ വിശ്വസിക്കരുത്.
3. Out-of-sample validation ആവശ്യപ്പെടുക
2026-ലെ AGILE-GISS പഠനം വ്യക്തമായി പറയുന്നു: ചരിത്ര ഡേറ്റയിൽ മാത്രം (in-sample) പരീക്ഷിക്കപ്പെട്ട ഒരു മോഡൽ വിശ്വാസത്തിന് യോഗ്യമല്ല. AI പ്രവചനം നൽകുന്ന ആരോടും ചോദിക്കുക, മോഡൽ ട്രെയിനിംഗിൽ 'കണ്ടിട്ടില്ലാത്ത' ഡേറ്റയിൽ പരീക്ഷിച്ചിട്ടുണ്ടോ എന്ന്.
4. നിങ്ങളുടെ ടാർഗെറ്റ് ലൊക്കേഷന് പ്രത്യേകമായ ഡേറ്റ ശേഖരിക്കുക
നല്ല രീതിയിൽ ഡോക്യുമെന്റ് ചെയ്ത ജില്ലകളിൽ AI മോഡലുകൾ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു. ഫുക്കറ്റിലെ Bang Tao, Laguna, ബാങ്കോക്കിലെ Sukhumvit, Silom, പട്ടായയിലെ Wongamat എന്നിവിടങ്ങളിൽ മതിയായ ഡേറ്റ ലഭ്യമാണ്. Krabi, Koh Samui പോലുള്ള less-mapped പ്രദേശങ്ങളിൽ മോഡലുകൾ ശ്രദ്ധേയമായി കൃത്യത കുറവായിരിക്കും.
5. ഇൻസ്പെക്ഷൻ ട്രിപ്പിന്റെ ഫ്ലൈറ്റ് മുൻകൂട്ടി ബുക്ക് ചെയ്യുക
പ്രോപ്പർട്ടി നേരിട്ട് കണ്ട് പരിശോധിക്കുന്നത് ഒരിക്കലും മാറ്റിവയ്ക്കാൻ പാടില്ലാത്ത കാര്യമാണ്. AI-ക്ക് കണക്കുകൾ കാണിക്കാൻ കഴിയും, പക്ഷേ നിർമാണ ഗുണനിലവാരം, യഥാർത്ഥ ഇൻഫ്രാസ്ട്രക്ചർ അവസ്ഥ, ഒരു അയൽപ്രദേശത്തിന്റെ 'ഫീൽ' എന്നിവ വിവരിക്കാൻ അതിന് കഴിയില്ല.
6. അന്തിമ due diligence-നായി ഒരു ലോക്കൽ വിദഗ്ധനെ ഉൾപ്പെടുത്തുക
AI ഒരു ആദ്യതല ഫിൽട്ടർ മാത്രമാണ്. അത് 200 ഓപ്ഷനുകളെ 10 ആയി ചുരുക്കും. പക്ഷേ അന്തിമ തീരുമാനം ലോക്കൽ നിയമം, ഡെവലപ്പർ റെപ്യൂട്ടേഷൻ, പ്രോജക്ട്-സ്പെസിഫിക് സൂക്ഷ്മതകൾ എന്നിവ മനസ്സിലാക്കുന്ന ഒരാളുടേതായിരിക്കണം.
7. ഡേറ്റ ഓരോ 3-6 മാസത്തിലും പുതുക്കുക
തായ്ലൻഡിന്റെ മാർക്കറ്റ് വേഗത്തിൽ മാറുന്നു. 2025-ന്റെ തുടക്കത്തിലെ ഡേറ്റയിൽ ട്രെയിൻ ചെയ്ത ഒരു മോഡലിന്, ബാങ്കോക്കിലെ BTS എക്സ്റ്റെൻഷനുകൾ പോലുള്ള പുതിയ ഇൻഫ്രാസ്ട്രക്ചർ പ്രോജക്ടുകളോ വിസ പോളിസി മാറ്റങ്ങളോ വിട്ടുപോകാൻ സാധ്യതയുണ്ട്.
ചുരുക്കത്തിൽ പറഞ്ഞാൽ
AGILE-GISS 2026 പഠനത്തിന്റെ കാമ്പ് ഇതാണ്: റിയൽ എസ്റ്റേറ്റിൽ AI ഒരു ശക്തമായ അനലിറ്റിക്കൽ ടൂൾ ആണ്, പക്ഷേ ഭാവിയെ പ്രവചിക്കാൻ അത്ര മികച്ചതല്ല. അത് നന്നായി ചെയ്യുന്ന കാര്യങ്ങൾക്കായി - വലിയ ഡേറ്റാസെറ്റുകൾ പ്രോസസ് ചെയ്യൽ, പാറ്റേണുകൾ കണ്ടെത്തൽ - ഉപയോഗിക്കുക. തന്ത്രപ്രധാനമായ തീരുമാനങ്ങൾ വിദഗ്ധ വിശകലനത്തിന്റെയും ലോക്കൽ മാർക്കറ്റ് അറിവിന്റെയും സാമാന്യബോധത്തിന്റെയും അടിസ്ഥാനത്തിൽ എടുക്കുക.
ഉറവിടം: Thaiger