AI w wycenie nieruchomości na Phuket: dlaczego model myli się co do prawdziwej ceny

Wpisujesz adres willi na Phuket do kalkulatora AI i wyskakuje wycena o 20-30% niższa od ceny, za którą sąsiednia nieruchomość faktycznie się sprzedała miesiąc temu. Winny nie jest algorytm. Winny jest akt notarialny, w którym wpisano wartość urzędową ustaloną przez Departament Gruntów do wyliczenia podatku od przeniesienia własności, a nie rzeczywistą cenę transakcji. Model uczy się dokładnie tego, co dostaje, i produkuje liczbę, za którą nikt faktycznie nie kupuje ani nie sprzedaje.

Ta historia w skrócie odpowiada na pytanie, które interesuje każdego Polaka rozważającego zakup na Phuket albo pracę jako agent na tym rynku: gdzie AI naprawdę działa, a gdzie zawodzi. Sztuczna inteligencja radzi sobie świetnie tam, gdzie dane są obfite i czyste: korespondencja, dokumenty, tłumaczenia, modele finansowe, wstępna selekcja leadów. Zawodzi tam, gdzie rynek jest z natury nieprzejrzysty, a tajski rynek nieruchomości z drugiej ręki jest właśnie taki.

Które zadania AI wykonuje dziś rzetelnie?

Cztery obszary dają wymierną oszczędność czasu: kwalifikacja leadów napływających od klientów, wielojęzyczne treści (angielski, rosyjski, tajski, coraz częściej też polski), analiza długich dokumentów prawnych oraz budowa modeli finansowych pod wynajem. To nie jest lista życzeń. Realistyczny agent może liczyć na 8-12 godzin tygodniowo odzyskanego czasu przy zadaniach rutynowych. W pełni automatyczna sprzedaż nieruchomości to inna historia i nie ma na to dowodów.

Czego AI nie zrobi w żadnej konfiguracji: nie zweryfikuje tytułu chanote, statusu dewelopera ani limitu 49% powierzchni dla zagranicznych właścicieli w kondominium. To zadania dla prawnika, nie dla modelu językowego.

Dlaczego automatyczna wycena willi na Phuket zawodzi?

Problem nie leży w matematyce, leży w danych wejściowych. W Tajlandii nie istnieje publiczny rejestr rzeczywistych cen transakcyjnych. To, co trafia do większości dostępnych zbiorów danych, to wartość szacunkowa ustalana przez Departament Skarbu (Treasury Department) w cyklach; obecny cykl obejmuje lata 2023-2026 i służy do wyliczenia 2% opłaty transferowej. Właśnie ta liczba, nie cena rynkowa, ląduje w kontraktach i w konsekwencji w danych treningowych modeli.

Różnica bywa spora, zwłaszcza na rynku wtórnym w lokalizacjach turystycznych. Wycena automatyczna ma sens jako punkt odniesienia. Nie ma sensu jako argument w negocjacjach, bo sprzedający i tak zna prawdziwą cenę z ogłoszeń konkurencji.

Warto dodać kontekst z innych rynków: globalne badanie SAP i Oxford Economics z lipca 2026 roku, oparte na 2600 wywiadach z menedżerami, wykazało rosnący ROI z wdrożeń AI tam, gdzie technologia jest głęboko zintegrowana z procesami operacyjnymi firmy. Podobny wzorzec zaczyna się pojawiać we wczesnych narzędziach wyceny kondominiów w Bangkoku i na Phuket, które przy porównywaniu ofert podobnych mieszkań już dziś działają w mierzalnych marginesach błędu. To jednak wyjątek, nie reguła dla całego rynku wtórnego.

Co mówią badania o AI w gospodarce nieruchomości?

Badanie opublikowane na arXiv we wrześniu 2026 roku klasyfikuje AI jako technologię ogólnego zastosowania, w tej samej kategorii co elektryczność czy komputery, z równoczesnym wpływem na produktywność, strukturę firm i zatrudnienie. Autorzy identyfikują pięć mechanizmów wpływających na produkcję: automatyzację, wzmocnienie pracy ludzkiej, optymalizację procesów, prognozowanie oraz generowanie innowacji. W nieruchomościach na razie szeroko wdrożone są tylko dwa pierwsze.

Efekt rynku pracy badacze opisują przez trzy reżimy: substytucję, komplementarność i kreatywną destrukcję. Dla biur agencyjnych oznacza to nie zniknięcie zawodu, a przetasowanie: praca rutynowa zanika, a rośnie wartość umiejętności negocjacyjnych i lokalnej wiedzy eksperckiej.

Badanie wskazuje też na ryzyko koncentracji rynku: wygrywają nie ci, którzy kupili abonament na model, ale ci, którzy zbudowali własne, zastrzeżone bazy danych. Agencja z pięcioletnią historią transakcji w swoim CRM ma strukturalną przewagę nad konkurentem korzystającym z tego samego publicznego narzędzia AI.

Ile realnie kosztuje błąd w podatkach przy odsprzedaży?

AI liczy reguły podatkowe bezbłędnie, o ile dostanie poprawne dane wejściowe, a to duże 'o ile'. Specific Business Tax przy odsprzedaży nieruchomości w ciągu pięciu lat od zakupu wynosi 3,3% od wyższej z dwóch wartości: ceny transakcyjnej albo wartości szacunkowej. Model nie zgadnie, która z tych dwóch liczb jest wyższa w Twoim konkretnym przypadku, dlatego dane trzeba wprowadzić samodzielnie, a nie liczyć na to, że system je znajdzie.

Podobnie jest z limitem własności zagranicznej: w kondominium na zasadach freehold cudzoziemcy mogą posiadać maksymalnie 49% całkowitej powierzchni użytkowej budynku. To twardy limit prawny wynikający z Condominium Act. Żaden skrypt AI nie powie Ci, ile z tego limitu zostało wolne w konkretnym projekcie; tę informację wydaje wyłącznie pismo od zarządu wspólnoty (management company).

Jak zacząć wdrażanie AI w swojej pracy z klientami z Polski?

1. Wyeksportuj własne dane z ostatnich 24 miesięcy: korespondencję z klientami, historię oglądanych nieruchomości, powody utraconych transakcji, rzeczywiste ceny zamknięcia. Bez tego każdy model działa na cudzych, słabych statystykach.

2. Zmierz punkt wyjścia. Policz, ile godzin tygodniowo zajmuje odpowiadanie na wiadomości, przygotowywanie shortlistów, tłumaczenie ogłoszeń, sprawdzanie warunków płatności w systemie ratalnym. Bez pomiaru 'przed' nigdy nie udowodnisz efektu 'po'.

3. Zacznij od tłumaczeń, nie od sprzedaży. Przepływ pracy w trzech, czasem czterech językach (polski, angielski, rosyjski, tajski) na opisach ogłoszeń i korespondencji z deweloperem daje efekt od razu. Zbuduj glosariusz terminów (chanote, leasehold, freehold, sinking fund) i podawaj go modelowi razem z tekstem, inaczej dostaniesz tłumaczenie gramatycznie poprawne, ale prawnie bezwartościowe.

4. Zbuduj kalkulator rentowności w arkuszu i pozwól modelowi obsłużyć formuły. Uwzględnij 2% opłaty transferowej, podatek u źródła, 3,3% Specific Business Tax przy odsprzedaży w ciągu pięciu lat, opłaty za zarządzanie i pustostany między najemcami. Modele piszą formuły dobrze, a zgadują dane wejściowe źle, więc te drugie ustalaj samodzielnie.

5. Wprowadź analizę dokumentów. Umowa sprzedaży z tajskim deweloperem ma zwykle około 40 stron. Wgraj ją i poproś model o wyciągnięcie harmonogramu płatności, kar za zwłokę w dostawie i warunków rozwiązania umowy. Potem przeczytaj te klauzule samodzielnie, bo model znajduje je szybko, ale gubi zagnieżdżone odniesienia do załączników.

6. Zautomatyzuj kwalifikację leadów częściowo, nie w pełni. Bot zbiera budżet, harmonogram, cel zakupu i strefę czasową; człowiek wchodzi już przy drugiej wiadomości. W pełni zautomatyzowana rozmowa o nieruchomości za 15 milionów bahtów gubi klienta.

7. Wykorzystaj te same narzędzia do planowania wizyt na miejscu. Model radzi sobie nieźle z zaplanowaniem dwudniowej trasy po trzech rejonach z uwzględnieniem korków na Phuket, choć loty i nocleg wokół terminu wizyty lepiej rezerwować osobno i wcześniej, bo ceny w sezonie wysokim rosną szybciej niż zmieniają się plany.

8. Raz w miesiącu wyrzuć to, co nie działa. Większość zespołów testujących dziesięć zastosowań AI zostaje ostatecznie przy dwóch albo trzech.

Jedno ostrzeżenie warte więcej niż cała powyższa lista. Generowanie opisów ogłoszeń to najpopularniejsze i najbardziej przereklamowane zastosowanie. Tekst wychodzi gładki, konwersja nie rośnie, a kupujący, który w ciągu tygodnia przeglądał dziesięć portali, po chwili rozpoznaje rytm maszyny i przestaje ufać ogłoszeniu. Jeśli chcesz jednego mocnego efektu zamiast dziesięciu przeciętnych, zainwestuj w dokumenty i kalkulacje, nie w treści marketingowe.

Nasze zdanie: samodzielny agent działający na polskim rynku klientów w Tajlandii powinien skupić wdrożenie AI wyłącznie na korespondencji i dokumentach. Wszystko inne zwraca się przy skali kilkudziesięciu transakcji rocznie. Jeśli zamykasz dwie transakcje na kwartał, uczciwiej jest przeznaczyć ten czas na pogłębianie wiedzy o rejonie, który już znasz lepiej niż konkurencja, niż na testowanie kolejnego abonamentu.

Czy AI zastąpi agenta nieruchomości w Tajlandii?

Nie, ale zmieni skład jego pracy. Badanie z 2026 roku opisuje to jako komplementarność: maszyna przejmuje powtarzalne operacje, człowiek odpowiada za negocjacje, weryfikację i odpowiedzialność. Sprawdzenie tytułu chanote i pozostałego limitu 49% wciąż podpisuje człowiek, nie model.