જો તમે થાઈલેન્ડમાં પ્રોપર્ટી ખરીદવાનું વિચારી રહ્યા છો અને કોઈ AI કેલ્ક્યુલેટર કે એપ 'આ કોન્ડો આજે 95% ચોકસાઈથી આટલા બાટનું છે' એવું કહે, તો સીધો જવાબ છે: એ આંકડા પર આંધળો વિશ્વાસ ના કરો. 2026માં પ્રકાશિત થયેલા TU Wien (વિયેના)ના એક અભ્યાસ મુજબ, મોટાભાગના પ્રોપર્ટી વેલ્યુએશન AI મોડેલ ટેસ્ટ ડેટા પર 95%+ ચોકસાઈ બતાવે છે, પણ વાસ્તવિક બજારમાં માત્ર 6-12 મહિનામાં જ એ ચોકસાઈ તૂટી પડે છે. કારણ અલ્ગોરિધમમાં નથી, પણ મોડેલને કેવી રીતે ટ્રેન અને ટેસ્ટ કરવામાં આવ્યું છે તેમાં છે.
ગુજરાતી રોકાણકારો માટે આ મુદ્દો ખાસ મહત્વનો છે, કારણ કે ફૂકેત અને બેંગકોક જેવા બજારોમાં ઝડપી ફેરફારો થઈ રહ્યા છે, અને ઘણી વખત NRI અથવા ભારતથી રોકાણ કરનારા લોકો ઓનલાઈન કેલ્ક્યુલેટર પર જ આધાર રાખીને નિર્ણય લઈ લે છે.
આ સંશોધન કોણે અને શું કહ્યું?
Christoph Kmen, Gerhard Navratil અને Ioannis Giannopoulos - TU Wienના આ ત્રણ સંશોધકોએ AGILE-GISS (Volume 7, જૂન 2026)માં પોતાનું સંશોધન પ્રકાશિત કર્યું, જેનું શીર્ષક છે 'When Today's Accuracy Fails Tomorrow'. તેમનું તારણ સ્પષ્ટ છે: જો કોઈ મોડેલ એક જ સમયગાળાના ડેટા પર ટ્રેન અને ટેસ્ટ થયું હોય, તો એ વાસ્તવિક રોકાણના નિર્ણય માટે નકામું છે.
આ સમસ્યાનું નામ છે 'validation bias' - એટલે કે જ્યારે ટ્રેનિંગ અને ટેસ્ટિંગ બંનેનો ડેટા એક જ સમય-વિન્ડોમાંથી આવે, ત્યારે મોડેલ પોતે જ 'જવાબ જોઈને પરીક્ષા આપે છે' જેવી સ્થિતિ સર્જાય છે.
શું ફૂકેત અને બેંગકોક ખાસ જોખમમાં છે?
હા, અને આનું કારણ સ્પષ્ટ છે: થાઈલેન્ડનું બજાર ખૂબ ઝડપથી બદલાય છે. ફૂકેતમાં ચાલી રહેલો બાંધકામ બૂમ, બેંગકોકમાં નવી BTS લાઈનો, અને ચિયાંગ માઈમાં 2024-2025 દરમિયાન 15-20% ભાવ વૃદ્ધિ - આ બધું જૂના ડેટા પર ટ્રેન થયેલા મોડેલને અવિશ્વસનીય બનાવે છે.
ફૂકેતનું ઉદાહરણ પોતે જ પરિસ્થિતિ સ્પષ્ટ કરે છે: 2021-2025 દરમિયાન, 45,000થી વધુ નવા રેસિડેન્શિયલ યુનિટ, જેની કિંમત આશરે 469.7 અબજ THB (લગભગ US$13 અબજ) જેટલી છે, બજારમાં આવ્યા. ઉપરાંત, 2025ના અંત સુધીમાં બીજા 72 પ્રોજેક્ટ અને 10,300 યુનિટ (81.6 અબજ THBથી વધુ મૂલ્યના) લોન્ચ થવાના છે - વિદેશી મૂડી ફૂકેતના પ્રોપર્ટી બજારને કઈ ઝડપે ફરીથી આકાર આપી રહી છે તેનો આ પુરાવો છે.
આ ગતિમાં, બે વર્ષ પહેલાંના ડેટા પર ટ્રેન થયેલું કોઈપણ મોડેલ આજની વાસ્તવિકતાથી ઘણું દૂર હોઈ શકે છે.
AI વેલ્યુએશન પાછળ ટેકનિકલ સમસ્યા શું છે?
XGBoost, એક gradient-boosting અલ્ગોરિધમ, મોટાભાગના આધુનિક વેલ્યુએશન પ્લેટફોર્મ ચલાવે છે, Zillowથી લઈને એશિયન વિકલ્પો સુધી. પણ અભ્યાસમાં જાણવા મળ્યું કે ટોચના ensemble મોડેલ પણ સમય-વિન્ડો બદલાતાં જ ઝડપથી નબળા પડી જાય છે.
Spatiotemporal modeling એટલે કે એવો અભિગમ જે ધ્યાનમાં લે છે કે કોઈ વિસ્તારનું મૂલ્ય ઇન્ફ્રાસ્ટ્રક્ચર વિકસતાં કેવી રીતે બદલાય છે - આને વધુ યોગ્ય પદ્ધતિ ગણવામાં આવે છે. Location જેવા પરિબળો (transit નજીકનું અંતર, દરિયાકિનારો, ઇન્ફ્રાસ્ટ્રક્ચર) ભાવ પર મોટો પ્રભાવ પાડે છે, પણ તેમનું વજન સમય સાથે સતત બદલાતું રહે છે.
ચિંતાની વાત એ છે કે કોઈ પણ કોમર્શિયલ AI વેલ્યુએશન સેવા પોતાનું validation horizon જાહેર નથી કરતી - રોકાણકારો માટે આ પારદર્શિતાનો મોટો અભાવ છે. લેખકો ઓછામાં ઓછા 3 વર્ષના testing horizonની ભલામણ કરે છે, જેથી પરિણામ ખરેખર વાસ્તવિક નિર્ણય માટે ઉપયોગી બને.
ટૂંકમાં જાણવા જેવી બાબતો
- AGILE-GISS 2026 અભ્યાસ મુજબ, ML આધારિત વેલ્યુએશન મોડેલ માત્ર ટૂંકા forecast horizonમાં જ મજબૂત ચોકસાઈ બતાવે છે.
- XGBoost અને ensemble પદ્ધતિઓ હજુ પણ અગ્રણી અલ્ગોરિધમ છે, પણ બધા એક જ ખામીથી પીડાય છે: non-temporal validation.
- 95%+ backtest ચોકસાઈનો અર્થ એ નથી કે એક વર્ષ પછી પણ 95% ચોકસાઈ રહેશે. બેંગકોક કે ફૂકેત 2024માં અને 2026માં લગભગ બે અલગ બજારો છે.
- વ્યવહારુ સલાહ: AI વેલ્યુએશન વિશ્લેષણ માટે સારો પ્રારંભિક બિંદુ છે, પણ ખરીદીના અંતિમ નિર્ણય માટે નહીં.
- 3-5 વર્ષના લાંબા validation horizon પર બનેલા મોડેલ વધુ પ્રામાણિક ચિત્ર આપે છે, ભલે તેમની હેડલાઈન ચોકસાઈ કાગળ પર ઓછી પ્રભાવશાળી લાગે.
પ્રોપર્ટી ખરીદનારે વ્યવહારમાં શું કરવું?
જો તમે થાઈલેન્ડમાં પ્રોપર્ટીનું મૂલ્યાંકન કરવા AI ટૂલનો ઉપયોગ કરી રહ્યા છો અથવા વિચારી રહ્યા છો, તો આ પગલાં અનુસરો:
-
પ્લેટફોર્મને validation horizon પૂછો. કોઈપણ AI વેલ્યુએશન સેવા, પછી ભલે તે એનાલિટિક્સ પ્લેટફોર્મ હોય કે ડેવલપરનું બિલ્ટ-ઇન કેલ્ક્યુલેટર, એ જવાબ આપી શકવું જોઈએ કે મોડેલ કયા સમયગાળાના ડેટા પર ટ્રેન થયું છે. જો ડેટા 12 મહિનાથી ઓછો જૂનો હોય અને ટેસ્ટિંગ એ જ વિન્ડોમાં થયું હોય, તો લાંબા ગાળાના નિર્ણય માટે તેના પર વિશ્વાસ ના કરો.
-
AI અંદાજને વાસ્તવિક વ્યવહારો સાથે સરખાવો. તમારા લક્ષ્ય વિસ્તારના છેલ્લા 6 મહિનાના 3-5 પૂર્ણ થયેલા સોદા શોધો. બેંગકોકનો ટ્રાન્ઝેક્શન ડેટા Land Department (กรมที่ดิน) દ્વારા ઉપલબ્ધ છે. વાસ્તવિક કિંમતોને AI કેલ્ક્યુલેટરના પરિણામ સાથે સરખાવો; 10%થી વધુનો તફાવત ચેતવણીની નિશાની છે.
-
Location માં ફેરફારો જાતે ધ્યાનમાં લો. સૌથી સારા XGBoost આધારિત મોડેલ પણ ભવિષ્યના ઇન્ફ્રાસ્ટ્રક્ચર ફેરફારોની આગાહી કરવામાં નબળા પડે છે. નવી ટ્રાન્ઝિટ લાઈનો, આયોજિત શોપિંગ સેન્ટર, કે zoning ફેરફારો અલગથી તપાસવા જરૂરી છે. ONEP વેબસાઈટ પર EIA (Environmental Impact Assessment) ફાઇલિંગ ચકાસો.
-
AI નો ઉપયોગ સ્ક્રીનિંગ માટે કરો, અંતિમ નિર્ણય માટે નહીં. Machine learning 200 લિસ્ટિંગમાંથી વિગતવાર વિશ્લેષણ લાયક 20 પસંદ કરવા માટે ઉત્તમ છે. પણ અંતિમ નિર્ણયમાં જાત-તપાસ, કાનૂની due diligence, અને સ્થાનિક નિષ્ણાત સાથે સલાહ સામેલ હોવી જોઈએ.
-
રૂબરૂ મુલાકાતનું આયોજન કરો. કોઈ અલ્ગોરિધમ સ્થળ પરની મુલાકાતનો વિકલ્પ નથી. જો તમે ગંભીરતાથી ખરીદી વિચારી રહ્યા હો, તો ઓછામાં ઓછા 3-4 દિવસ માટે લક્ષ્ય વિસ્તારની નજીક રહેવાની વ્યવસ્થા કરો, જેથી 5-8 પ્રોપર્ટી જોઈ શકાય અને વકીલને મળી શકાય.
-
દર 6 મહિને વેલ્યુએશન ફરીથી તપાસો. AGILE-GISS 2026 અભ્યાસ સ્પષ્ટ કહે છે: દરેક પસાર થતા મહિના સાથે મોડેલની ચોકસાઈ ઘટે છે. જો તમે AI વિશ્લેષણના આધારે ખરીદી કરી હોય, તો વર્ષમાં બે વાર તાજા સ્થાનિક ટ્રાન્ઝેક્શન ડેટા વાપરીને તેને અપડેટ કરો.
શું AI ફૂકેત રોકાણમાં ખરેખર મદદરૂપ છે?
હા, ચોક્કસ મર્યાદાઓ સાથે. AI ટૂલ rental seasonality વિશ્લેષણ કરવા, વિવિધ વિસ્તારો વચ્ચે yield ની સરખામણી કરવા, અને વધુ પડતી કિંમતવાળા લિસ્ટિંગને ઓળખવા માટે ઉપયોગી છે. ફૂકેતમાં, જ્યાં જિલ્લાઓ વચ્ચે ભાવ તફાવત 40-60% સુધી પહોંચે છે, ત્યાં automated screening મેન્યુઅલ સંશોધનના ડઝનબંધ કલાકો બચાવે છે.
નોંધનીય છે કે Knight Frank Thailandએ 2026માં villa વેચાણમાં 12.9% વધારો નોંધ્યો, જ્યારે એ જ સમયે apartment ની માંગ ધીમી પડી - આવો ફેરફાર જૂના ડેટા પર ટ્રેન થયેલું કોઈ સ્થિર મોડેલ ક્યારેય પકડી ના શકે.
વિશ્વસનીય પ્રોપર્ટી ડેટા ક્યાંથી મેળવવો?
સત્તાવાર સ્રોતોમાં Treasury Department (กรมธนารักษ์) cadastral વેલ્યુએશન માટે, Bank of Thailand હાઉસિંગ પ્રાઈસ ઇન્ડેક્સ માટે, અને REIC (Real Estate Information Center) નવા બાંધકામના analytics માટે સામેલ છે. Treasury Department હવે D-Value નામની મફત ઓનલાઈન સેવા પણ આપે છે, જે લગભગ 10 મિનિટમાં પ્રમાણિત land અને condominium વેલ્યુએશન દસ્તાવેજ જારી કરે છે. આ સ્રોતો ત્રિમાસિક અપડેટ થાય છે અને મફતમાં ઉપલબ્ધ છે.
થાઈલેન્ડ પ્રોપર્ટી ટીમ તરીકે અમે માનીએ છીએ કે AI ટૂલ સારા સહાયક છે, પણ સ્થાનિક કાનૂની જાણકારી અને રૂબરૂ તપાસનો કોઈ વિકલ્પ નથી.
સ્રોત: IPS News
AI ટૂલમાં નિપુણતા મેળવવા માંગો છો? રિયલ એસ્ટેટ પ્રોફેશનલ્સ માટે અમે એક મફત કોર્સ ઓફર કરીએ છીએ, જેમાં વ્યવહારુ AI કૌશલ્યો શીખવવામાં આવે છે.