એક ગુજરાતી રોકાણકારે ફૂકેટની વિલા માટે AI ટૂલ પર વેલ્યુએશન કઢાવ્યું અને પરિણામ જોઈને એ ચોંક્યા. મોડેલે જે આંકડો બતાવ્યો એ ખરેખર કોઈ પણ વિલા વેચાતી હોય એ કિંમત કરતાં ઘણો ઓછો હતો. વાંક AI નો નહોતો. થાઈલેન્ડમાં સેલ કોન્ટ્રાક્ટમાં સામાન્ય રીતે ટ્રાન્સફર ડ્યુટી ગણવા માટે વપરાતી સરકારી એસેસ્ડ વેલ્યુ લખાય છે, ખરી વેચાણ કિંમત નહીં. મોડેલ જે ડેટા ખવડાવ્યો એ જ શીખે છે, અને એટલે એવો આંકડો બતાવે છે જેના પર કોઈ ખરેખર વેચતું જ નથી.
આ જ વાત મોટા સવાલનો જવાબ આપે છે: 2026માં AI રિયલ એસ્ટેટમાં ક્યાં ખરેખર કામ કરે છે અને ક્યાં ના. જ્યાં ડેટા સ્વચ્છ અને પુષ્કળ છે (કોરસ્પોન્ડન્સ, દસ્તાવેજ, અનુવાદ, ફાઇનાન્શિયલ મોડલિંગ, લીડ સ્ક્રીનિંગ) ત્યાં AI ઉત્તમ કામ કરે છે. પણ જ્યાં માર્કેટ મૂળભૂત રીતે અસ્પષ્ટ છે, ત્યાં એ નિષ્ફળ જાય છે, અને થાઈલેન્ડનું રિસેલ હાઉસિંગ માર્કેટ ચોક્કસ એ જ કેટેગરીમાં આવે છે.
AI ખરેખર ક્યાં કામ કરે છે?
ચાર કામ પર AI ભરોસાપાત્ર રીતે કામ કરે છે: ઇનબાઉન્ડ લીડ ક્વોલિફિકેશન, મલ્ટિલિંગ્વલ કન્ટેન્ટ (અંગ્રેજી, રશિયન, થાઈ), લાંબા લીગલ દસ્તાવેજ પાર્સ કરવા, અને યિલ્ડ ફાઇનાન્શિયલ મોડલ બનાવવા. સપ્ટેમ્બર 2026માં arXiv પર પ્રકાશિત એક રિસર્ચ AI ને એક ટૂલ નહીં, પણ કેપિટલ, સિન્થેટિક લેબર અને ઇન્ફ્રાસ્ટ્રક્ચર ત્રણેય તરીકે વર્ણવે છે, જે પાંચ ચેનલ મારફતે કામ કરે છે: ઓટોમેશન, ઓગમેન્ટેશન, ઓપ્ટિમાઇઝેશન, પ્રેડિક્શન અને ઇનોવેશન. રિયલ એસ્ટેટમાં અત્યાર સુધી માત્ર પહેલા બે ચેનલ, ઓટોમેશન અને ઓગમેન્ટેશન, વ્યાપક રીતે વપરાય છે.
ફૂકેટની વિલા કે કોન્ડોની AI વેલ્યુએશન પર ભરોસો કરાય?
સંદર્ભ તરીકે હા, પણ ડિલ કરવા માટે ના. કારણ સાફ છે: થાઈલેન્ડમાં ખરી ટ્રાન્ઝેક્શન કિંમતોની કોઈ પબ્લિક રજિસ્ટ્રી નથી, અને ટ્રેનિંગ ડેટા 2023-2026 સાયકલની સરકારી એસેસ્ડ વેલ્યુથી સ્કીવ થયેલો છે. થાઈલેન્ડનું ટ્રેઝરી ડિપાર્ટમેન્ટ પ્રોપર્ટી એસેસમેન્ટ સાયકલમાં કામ કરે છે (વર્તમાન સાયકલ 2023થી 2026), અને 2% ટ્રાન્સફર ડ્યુટી ગણવા માટે આ જ આંકડો વપરાય છે. મોટા ભાગના ડેટાસેટમાં આ જ આંકડો પહોંચે છે, ખરી માર્કેટ કિંમત નહીં. ટૂરિસ્ટ વિસ્તારોની રિસેલ પ્રોપર્ટી પર માર્કેટ અંદાજ મુજબ આ ગેપ ઘણો મોટો હોઈ શકે છે.
સરખામણી માટે: જુલાઈ 2026માં SAP અને ઓક્સફોર્ડ ઇકોનોમિક્સના એક ગ્લોબલ સ્ટડીમાં 2,600 એક્ઝિક્યુટિવ્સનો સર્વે થયો, જેમાં જેમ કંપનીઓ AI ને ઓપરેશનમાં વધુ ઊંડું ઇન્ટિગ્રેટ કરે છે તેમ ROI વધતું જોવા મળ્યું. બેંગકોક અને ફૂકેટના શરૂઆતના કોન્ડો વેલ્યુએશન ટૂલ્સ પણ કમ્પેરેબલ સેલ પર માપી શકાય એવા એરર માર્જિનમાં કામ કરી રહ્યા છે.
ડિવેલપર્સ સાથે ડીલ કરતી વખતે AI શું ના કરી શકે?
ચનોટ ટાઇટલની લીગલ વેરિફિકેશન, ડિવેલપરનું સ્ટેટસ, અથવા કોન્ડોમિનિયમમાં 49% ફોરેન ઓનરશિપ ક્વોટા, આમાંથી કોઈ પણ AI કોઈ પણ સ્વરૂપમાં રિપ્લેસ કરી શકતું નથી. કોન્ડોમિનિયમ એક્ટ હેઠળ, ફોરેનર્સ કોન્ડોમિનિયમ પ્રોજેક્ટના કુલ ફ્લોર એરિયાના 49% કરતાં વધુ ફ્રીહોલ્ડમાં માલિકી ધરાવી શકતા નથી. આ એક કડક લીગલ કેપ છે, અને બાકી કેટલો ક્વોટા છે એ કોઈ AI સ્ક્રિપ્ટ કહી શકતી નથી, માત્ર મેનેજમેન્ટ કંપનીનો પત્ર જ કહી શકે.
એક બીજી હકીકત જે ગણતરીમાં લેવી પડે: 5 વર્ષની અંદર રિસેલ પર 3.3% સ્પેસિફિક બિઝનેસ ટેક્સ લાગે છે, જે ટ્રાન્ઝેક્શન કિંમત અથવા એસેસ્ડ વેલ્યુ, બંનેમાંથી જે વધુ હોય એના પર ગણાય છે. આવા નિયમો AI ચોકસાઈથી ગણી શકે છે, બસ ઇનપુટ સાચા આપવા પડે.
એજન્ટ કે રોકાણકારે AI અપનાવવાનું કઈ રીતે શરૂ કરવું?
- છેલ્લા 24 મહિનાનો પોતાનો ડેટા એક્સપોર્ટ કરો: ક્લાયન્ટ કોરસ્પોન્ડન્સ, વ્યુઇંગ હિસ્ટ્રી, ડીલ કેમ ગુમાવ્યા, ખરી ક્લોઝિંગ કિંમતો. આ વગર કોઈ પણ મોડલ બીજાના આંકડા પર ચાલશે, અને થાઈલેન્ડ માટે એ આંકડા નબળા છે.
- બેઝલાઇન માપો: મેસેજિંગ રિપ્લાય, શોર્ટલિસ્ટ તૈયાર કરવી, લિસ્ટિંગ ટ્રાન્સલેટ કરવી અને ઇન્સ્ટોલમેન્ટ ટર્મ્સ ચેક કરવામાં અઠવાડિયે કેટલો સમય જાય છે, એ ઇમ્પ્લિમેન્ટેશન પહેલાં જ ટ્રેક કરો.
- ટ્રાન્સલેશન અને લોકલાઇઝેશનથી શરૂઆત કરો, સેલ્સથી નહીં. અંગ્રેજી, રશિયન અને થાઈ વચ્ચેનો વર્કફ્લો ઝડપી પરિણામ આપે છે. ચનોટ, લીઝહોલ્ડ, ફ્રીહોલ્ડ, સિન્કિંગ ફંડ જેવા શબ્દોની ગ્લોસરી બનાવો અને એ ટેક્સ્ટ સાથે મોડલને આપો, નહીં તો અનુવાદ લીગલી અર્થહીન નીકળશે.
- યિલ્ડ કેલ્ક્યુલેટર સ્પ્રેડશીટમાં બનાવો અને ફોર્મ્યુલા મોડલ પાસે કરાવો. 2% ટ્રાન્સફર ડ્યુટી, વિથહોલ્ડિંગ ટેક્સ, 5 વર્ષની અંદર રિસેલ પર 3.3% સ્પેસિફિક બિઝનેસ ટેક્સ, મેનેજમેન્ટ ફી અને ટેનન્ટ વચ્ચેની ખાલી અવધિ ધ્યાનમાં લો. ઇનપુટ પોતે સેટ કરો, મોડલ ફોર્મ્યુલા સારી લખે છે પણ ઇનપુટનું અનુમાન ખરાબ કરે છે.
- ડોક્યુમેન્ટ પાર્સિંગ લાવો. થાઈ ડિવેલપર સાથેનો સેલ એન્ડ પરચેઝ એગ્રીમેન્ટ સહેલાઈથી 40 પાનાનો હોય છે. અપલોડ કરો અને પેમેન્ટ શેડ્યુલ, લેટ-ડિલિવરી પેનલ્ટી અને ટર્મિનેશન કન્ડિશન કઢાવો, પણ એ ક્લોઝ પોતે વાંચો, કારણ કે મોડલ ઝડપથી શોધે છે પણ એપેન્ડિક્સના નેસ્ટેડ સંદર્ભો ચૂકી જાય છે.
લીડ ક્વોલિફિકેશન અને વ્યુઇંગ ટૂર માટે AI કેટલું ભરોસાપાત્ર?
લીડ ક્વોલિફિકેશન અડધું ઓટોમેટિક રાખો. બોટ બજેટ, ટાઇમલાઇન, ખરીદીનો હેતુ અને ટાઇમ ઝોન ભેગું કરે, બીજા મેસેજ પર માણસ સંભાળે. 1.5 કરોડ THB (લગભગ 15 મિલિયન THB) જેવી પ્રોપર્ટી માટે સંપૂર્ણ ઓટોમેટેડ વાતચીત ક્લાયન્ટ ગુમાવે છે.
વ્યુઇંગ ટૂર પ્લાનિંગ માટે મોડલ ફૂકેટના ટ્રાફિકને ધ્યાનમાં રાખીને ત્રણ વિસ્તારોમાં બે દિવસનો રૂટ વ્યાજબી રીતે બનાવે છે. ફ્લાઇટ અને હોટેલ બુકિંગ અલગથી અને વહેલા કરાવો, કારણ કે હાઈ-સીઝનમાં ભાવ પ્લાનમાં ફેરફાર કરતાં વધુ ઝડપથી વધે છે.
એક ચેતવણી: લિસ્ટિંગ ડિસ્ક્રિપ્શન જનરેટ કરવું એ સૌથી વધુ પોપ્યુલર અને સૌથી વધુ ઓવરરેટેડ યુઝ કેસ છે. ટેક્સ્ટ સ્મૂધ આવે છે, પણ કન્વર્ઝન સુધરતું નથી, અને જે ખરીદનારે એક અઠવાડિયામાં દસ વેબસાઈટ જોઈ હોય એ મશીનની લય પકડી લે છે અને લિસ્ટિંગ પર ભરોસો ગુમાવે છે. દસ સાધારણ પરિણામોને બદલે એક મજબૂત પરિણામ જોઈતું હોય તો દસ્તાવેજ અને ગણતરીમાં રોકાણ કરો, માર્કેટિંગ કોપીમાં નહીં.
અમારો મત: થાઈલેન્ડમાં એકલા કામ કરતા એજન્ટે AI ને કોરસ્પોન્ડન્સ અને દસ્તાવેજ પૂરતું જ સીમિત રાખવું જોઈએ. બાકીનું બધું વર્ષે થોડાં ડઝન ડીલના વોલ્યુમ પર જ ફાયદો આપે છે. જો ત્રિમાસિકે બે ડીલ થતી હોય, તો એ સમય પોતાના જાણીતા વિસ્તારને વધુ ઊંડાણથી સમજવામાં લગાડવો વધુ યોગ્ય છે.
AI એજન્ટોની જગ્યા લેશે?
ના, પણ કામનું સ્વરૂપ બદલાશે. 2026નું AI ઇકોનોમિક્સ રિસર્ચ આને 'કોમ્પ્લિમેન્ટરિટી' કહે છે: મશીન રિપીટિટિવ ઓપરેશન સંભાળે, માણસ નેગોશિયેશન, વેરિફિકેશન અને જવાબદારી સંભાળે. ચનોટ ટાઇટલ પરની લીગલ ચેક અને બાકી રહેલો 49% ક્વોટા હજુ પણ માણસ જ સહી કરીને કન્ફર્મ કરે છે. રિસર્ચ એ પણ નોંધે છે કે જે એજન્સી પાસે પોતાનો 5 વર્ષનો ટ્રાન્ઝેક્શન ડેટા CRMમાં છે, એની પાસે માળખાકીય ફાયદો છે, મોડલ સબસ્ક્રિપ્શન ખરીદનાર પાસે નહીં.
ફૂકેટમાં પ્રોપર્ટીની શોધ કરતા ગુજરાતી રોકાણકારો માટે થાઈલેન્ડ પ્રોપર્ટી જેવી ટીમ સાથે કામ કરવાનો ફાયદો અહીં જ દેખાય છે: સ્થાનિક ડેટા અને લીગલ ચેક, બંને એક સાથે.
સ્રોત: Kalinka Thailand