Ako ste ikada uneli adresu stana na Phuketu u neki online AI kalkulator i dobili impresivno preciznu cifru, dobra vest je da algoritam verovatno radi tačno ono za šta je napravljen. Loša vest je da ta cifra možda već za par meseci neće vredeti mnogo. Sveža akademska studija iz 2026. razotkriva upravo taj problem, i to je informacija koju bi svaki Srbin koji planira kupovinu nekretnine u Tajlandu trebalo da poznaje pre nego što poveruje bilo kom 'pametnom' izveštaju o proceni cene.
Istraživači Christoph Kmen, Gerhard Navratil i Ioannis Giannopoulos sa Tehničkog univerziteta u Beču (TU Wien) objavili su rad u časopisu AGILE-GISS (Volume 7, jun 2026), koji direktno dovodi u pitanje praktičnu upotrebljivost većine modela za procenu vrednosti nekretnina koji danas kruže tržištem. Njihov zaključak je jednostavan i pomalo neprijatan: ako je model treniran i testiran na podacima iz istog vremenskog perioda, on praktično ne govori ništa relevantno o budućnosti.
Za nekoga ko iz Beograda, Novog Sada ili Podgorice razmišlja o ulaganju u stan u Phuketu, Bangkoku ili Chiang Maiju, ovo nije samo akademska kurioznost. Ovo je razlog da se zapitate koliko zapravo vredi ta 'AI procena' koju vam je developer ili agencija poslala u PDF-u.
Šta je studija zapravo pokazala
- Istraživanje objavljeno u AGILE-GISS 2026 pokazuje da modeli mašinskog učenja za procenu nekretnina drže visoku tačnost samo u uskom, kratkoročnom vremenskom okviru.
- XGBoost i ensemble metode i dalje su najrasprostranjeniji algoritmi za procenu vrednosti, ali svi pate od iste greške: netemporalne validacije (validation bias).
- Prostorni faktori (blizina saobraćajnica, obale, infrastrukture) snažno utiču na cenu, ali njihova težina se menja iz meseca u mesec, pa model 'star' svega godinu dana može biti potpuno pogrešan.
- Tačnost od preko 95% na backtest podacima ne znači da će model biti tačan i godinu dana kasnije. Bangkok ili Phuket iz 2024. i iz 2026. su, u praktičnom smislu, dva različita tržišta.
- Praktičan zaključak: AI procena je odličan početak analize, ali nikako poslednja reč pre potpisivanja ugovora.
- Modeli razvijeni sa dužim horizontom validacije (3-5 godina) daju iskreniju sliku, čak i kada na papiru njihova 'headline' tačnost izgleda manje impresivno od konkurencije.
Zašto se ovo posebno odnosi na Tajland
Centralni problem koji autori nazivaju 'validation bias' nastaje kada se podaci za treniranje i testiranje modela uzimaju iz istog vremenskog prozora, što znači da model, grubo rečeno, 'zna odgovor unapred'. Na papiru to izgleda kao 95% tačnosti. U stvarnom svetu, gde tržište neprestano evoluira, ta ista tačnost često propada.
XGBoost, algoritam iz porodice gradient-boosting metoda, pokreće većinu savremenih platformi za procenu vrednosti nekretnina, od Zillow-a do azijskih ekvivalenata. Studija je pokazala da čak i najbolji ensemble modeli drastično gube na preciznosti čim se pomeri vremenski okvir na kome su testirani.
Kao pouzdanija alternativa navodi se spaciotemporalno modelovanje, pristup koji uzima u obzir kako se vrednost jednog kraja menja kako se razvija infrastruktura, umesto da posmatra lokaciju kao statičnu kategoriju.
Tajlandsko tržište je, prema autorima, posebno izloženo ovoj vrsti izobličenja. Građevinski bum na Phuketu, nove BTS linije u Bangkoku i rast cena u Chiang Maiju od 15-20% tokom 2024-2025. znače da svaki model treniran na starijim podacima brzo postaje nepouzdan. Dodatan problem je i to što nijedna komercijalna AI usluga za procenu vrednosti javno ne otkriva svoj horizont validacije, što predstavlja ozbiljan nedostatak transparentnosti za investitore.
Phuket je odličan primer koliko brzo tlo doslovno menja oblik. Prema izveštajima o stranom kapitalu koji preoblikuje tržište ostrva, u periodu 2021-2025. na tržište je izašlo više od 45.000 novih stambenih jedinica, ukupne vrednosti od otprilike 469,7 milijardi THB (oko 13 milijardi američkih dolara). Do kraja 2025. najavljeno je dodatnih 72 projekta i 10.300 jedinica, vrednih preko 81,6 milijardi THB. Autori studije zbog svega ovoga zagovaraju minimalni trogodišnji period testiranja kao standard koji bi model tek učinio upotrebljivim za realne odluke.
Konkretan plan: kako da proverite bilo koju AI procenu pre kupovine
Ako već koristite ili razmišljate da koristite AI alate za procenu vrednosti nekretnine na Tajlandu, evo šta praktično uraditi, korak po korak:
-
Pitajte platformu za horizont validacije. Svaki servis koji nudi AI procenu, bilo da je reč o analitičkoj platformi ili ugrađenom kalkulatoru na sajtu developera, treba da vam odgovori na pitanje: na kom periodu je model treniran? Ako su podaci mlađi od 12 meseci i testiranje je rađeno na istom prozoru, ne oslanjajte se na to za dugoročnu odluku.
-
Uporedite AI procenu sa stvarnim transakcijama. Pronađite 3-5 realizovanih prodaja u ciljanoj oblasti iz poslednjih 6 meseci. Podaci o transakcijama u Bangkoku dostupni su preko tajlandskog Zemljišnog odeljenja (กรมที่ดิน, Land Department). Uporedite stvarne cene sa onim što je izbacio kalkulator; razlika veća od 10% je crvena zastavica.
-
Ručno uzmite u obzir prostorne promene. Čak i najbolji XGBoost modeli teško predviđaju buduće infrastrukturne pomake. Nove linije prevoza, planirani tržni centri ili promene zonskih pravila moraju se proveriti posebno. Pogledajte EIA (Environmental Impact Assessment) dokumentaciju na sajtu ONEP-a.
-
Koristite AI za selekciju, ne za konačnu odluku. Mašinsko učenje je odlično kao prvi filter, kada od 200 oglasa treba izdvojiti 20 vrednih detaljne analize. Ali finalna odluka mora uključivati lični obilazak, pravnu proveru (due diligence) i konsultaciju sa lokalnim stručnjakom.
-
Planirajte obilazak terena. Nijedan algoritam ne zamenjuje ličnu posetu. Ako ozbiljno razmišljate o kupovini, rezervišite smeštaj u blizini ciljane lokacije za bar 3-4 dana, dovoljno vremena da obiđete 5-8 nekretnina i sastanete se sa advokatom.
-
Osvežite procenu svakih 6 meseci. Studija AGILE-GISS 2026 je jasna: tačnost modela pada iz meseca u mesec. Ako ste kupili na osnovu AI analize, obnavljajte je dva puta godišnje koristeći sveže lokalne podatke o transakcijama.
Upravo zato ekipa Nekretnine na Tajlandu klijentima uvek preporučuje da AI izveštaj tretiraju kao prvi sloj informacija, dok konačnu potvrdu daje kombinacija lokalne provere, advokata i lične posete.
Najčešća pitanja
Da li AI može precizno da proceni cenu stana u Bangkoku 2026. godine?
Tačnost jako zavisi od kvaliteta podataka i horizonta validacije. Prema AGILE-GISS studiji (Volume 7, 2026), XGBoost modeli pokazuju visoku tačnost samo u kratkim prognostičkim okvirima. Bangkok se brzo menja zbog novih linija prevoza i aktivne gradnje, pa AI procenu treba tretirati kao referentnu tačku, a ne kao konačnu cifru.
Koji AI algoritmi se koriste za procenu vrednosti nekretnina?
Najčešći su XGBoost, Random Forest i druge ensemble metode mašinskog učenja. Analiziraju desetine promenljivih: kvadraturu, sprat, udaljenost od stanice, starost zgrade, gustinu naseljenosti. Studija iz 2026. je pokazala da sam algoritam manje utiče na rezultat od načina na koji je validiran.
Zašto AI prognoze cena tako brzo 'zastarevaju'?
Zato što je tržište živi sistem. Model treniran na podacima iz 2023-2024. propušta regulatorne promene, nove infrastrukturne projekte ili promene u turističkim tokovima. Autori sa TU Wien-a to nazivaju 'validation bias', iluzijom preciznosti koja se raspada čim se sudari sa novom stvarnošću.
Da li da verujem AI kalkulatorima na sajtovima developera?
Budite oprezni. Developer ima direktnu korist od prodaje, pa njegov kalkulator može biti kalibrisan ka optimističnim scenarijima. Uvek proverite brojke naspram nezavisnih izvora, poput registra transakcija Zemljišnog odeljenja ili nezavisnog procenitelja.
Koji podaci su zaista potrebni za tačnu AI procenu na Tajlandu?
Minimum su: stvarne transakcione cene (ne cene iz oglasa), koordinate nekretnine, karakteristike zgrade, udaljenost od ključne infrastrukture i podaci o prinosu od izdavanja. Ključno je da skup podataka pokriva bar tri godine, prema preporuci iz AGILE-GISS 2026 studije.
Kako AI pomaže kod ulaganja u nekretnine na Phuketu?
AI alati su korisni za analizu sezonalnosti izdavanja, poređenje prinosa između različitih delova ostrva i prepoznavanje precenjenih oglasa. Na Phuketu, gde razlike u ceni između opština dostižu 40-60%, automatizovana selekcija štedi desetine sati ručnog istraživanja. Vredi pomenuti da je Knight Frank Thailand zabeležio rast prodaje vila od 12,9% u 2026. godini, dok je potražnja za stanovima istovremeno oslabila, promenu koju nijedan statičan model treniran na starijim podacima ne bi uhvatio.
Da li će AI zameniti profesionalne procenitelje nekretnina?
Ne uskoro. AI je izuzetan u obradi velikih količina podataka i prepoznavanju obrazaca. Ali pravne nijanse (poput ograničenja stranog vlasništva na Tajlandu, ili razlike između chanote i Nor Sor 3 statusa zemljišta), procena fizičkog stanja objekta i pregovaračka dinamika i dalje su čvrsto u domenu ljudske ekspertize.
Gde mogu da nađem pouzdane podatke o cenama nekretnina na Tajlandu?
Zvanični izvori uključuju Trezorski departman (กรมธนารักษ์, Treasury Department) za katastarske procene, Centralnu banku Tajlanda (Bank of Thailand) za indekse cena stanova, i REIC (Real Estate Information Center) za analitiku novogradnje. Trezorski departman sada nudi i D-Value, besplatnu onlajn uslugu koja za oko 10 minuta izdaje sertifikovan dokument o proceni vrednosti zemljišta ili stana. Svi ovi izvori se ažuriraju kvartalno i besplatni su.
Izvor: IPS News
Spremni da uložite u nekretninu na Tajlandu? Naš tim vam pomaže da pronađete pravu nekretninu, uz proverene podatke, a ne samo lepo upakovan algoritam.