Zašto bi vas ovo uopšte trebalo da zanima
Zamislite da sedite u Beogradu, gledate oglas za stan na Phuketu i pitate se da li je cena realna ili je agent samo 'osetio' broj. Do skoro, odgovor je zavisio isključivo od iskustva čoveka sa tablicom u Excelu. To se menja. U junu 2026. istraživači sa ruskog Visoka škola ekonomije (HSE) objavili su model koji kombinuje geoprostorne podatke, mašinsko učenje i velike jezičke modele (LLM) da automatski proceni vrednost komercijalnih nekretnina, sa preciznošću koju nijedan čovek sa tabelama ne može da dostigne ručno.
Za investitore koji gledaju u tajlandsko tržište, ovo nije akademska fusnota koja ostaje zaključana u laboratoriji. Ovo je signal da se čitavo tržište procene nekretnina iznova gradi, i to brzo. Automatizovani modeli procene (AVM) postoje već godinama, ali multimodalni AVM, koji istovremeno analizira koordinate nekretnine, semantiku tekstualnih opisa i strukturirane podatke o transakcijama, predstavlja potpuno nov nivo sofisticiranosti. I već se primenjuje u praksi, od poslovnih sala u Bangkoku do agencija na Phuketu.
Brz odgovor za one koji žure
- Multimodalni AVM kombinuje najmanje 3 tipa podataka: strukturirane (cena, kvadratura), geoprostorne (lokacija, infrastruktura) i semantičke (tekstualni opisi koje obrađuju LLM modeli)
- HSE studija, objavljena 30. juna 2026., potvrdila je da integracija jezičkih modela u procenu poboljšava tačnost cene
- Za investitore u Tajlandu ovo znači da odluka o kupovini može da se osloni na objektivne podatke, a ne samo na intuiciju posrednika
- Tehnologija se primenjuje na ulične lokale, apartmane i vile, svuda gde postoji dovoljno podataka o transakcijama
- AI procena skraćuje vreme analize sa dana na minute, a vodeće tajlandske agencije prijavljuju 3-5 minuta naspram 48 sati za uporedivu ručnu analizu
- Greška kod tradicionalne procene iznosi 10-20%. Multimodalni modeli teže da tu grešku svedu na 5-8%
Šta tačno kaže HSE studija i zašto je bitna
HSE publikacija od 30. juna 2026. predstavlja prvu studiju na ruskom jeziku koja integriše karakteristike izvedene iz LLM-a u automatizovanu procenu vrednosti komercijalnih nekretnina, koristeći stvarne podatke o transakcijama sa moskovskog tržišta. Model obrađuje 3 tipa heterogenih podataka: strukturirane, geoprostorne i semantičke, i upravo kombinacija sve tri vrste podataka donosi skok u tačnosti.
Geoprostorni kontekst uključuje udaljenost od javnog prevoza, gustinu pešačkog saobraćaja i blizinu konkurencije, parametre koji su podjednako kritični i u Tajlandu, samo se tamo zovu udaljenost od plaže, od aerodroma, od tržnih centara. Semantički signali se izvlače iz opisa nekretnina pomoću velikih jezičkih modela i hvataju subjektivne kvalitete poput 'pogled na more', 'mirno naselje' ili 'premium završna obrada', stvari koje tradicionalni model jednostavno ne vidi.
Metodologija je prenosiva na druga tržišta. Tajland, gde su podaci o transakcijama sve dostupniji preko platformi poput DDproperty i Hipflat, predstavlja direktnog kandidata za ovakvu adaptaciju.
Koliko je tržište Phuketa i Bangkoka već 'digitalizovano'
Modeli mašinskog učenja za predviđanje cena danas prognoziraju trendove cena u Bangkoku i na Phuketu za 6 do 12 meseci unapred sa tačnošću od 82-87%. Prema tržišnim procenama, do 2026. godine više od 40% velikih developera širom Jugoistočne Azije koristi elemente AI analitike prilikom određivanja cena novih projekata.
Ulični maloprodajni lokali, segment na kome je HSE model testiran, u ekspanziji su i u Tajlandu: komercijalne zakupnine na Phuketu i u Bangkoku porasle su 12-15% u poslednjih godinu dana. To znači da modeli treniran na sličnim segmentima imaju realnu osnovu da se primene i lokalno.
Kako srpski kupac praktično da krene, korak po korak
1. Definišite za šta vam AI procena zapravo treba
Ako kupujete apartman na Phuketu radi prihoda od izdavanja, potreban vam je model koji uzima u obzir sezonalnost, popunjenost i cene najma. Ako gledate poslovni prostor u Bangkoku, najvažniji su pešački saobraćaj i konkurentsko okruženje. Prvo odredite cilj, pa tek onda birajte alat.
2. Prikupite osnovne podatke o nekretnini
Lokacija (GPS koordinate), kvadratura, sprat, godina izgradnje, udaljenost od ključne infrastrukture. Za Tajland posebno obratite pažnju na udaljenost od plaže (u metrima), udaljenost od aerodroma, postojanje kompanije za upravljanje objektom i trenutnu popunjenost pri izdavanju.
3. Koristite AI alate koji već postoje
Servisi poput HouseCanary, Zillow Zestimate i PriceHubble već koriste elemente multimodalne procene. Pun tajlandski ekvivalent za sada ne postoji, ali kombinovanjem podataka sa DDproperty, Google Maps API-ja i ChatGPT-a možete sami sastaviti osnovni semantički model.
4. Dodajte geoprostornu analizu
Mapirajte konkurentsko okruženje u radijusu od 1 do 2 kilometra oko nekretnine. Koliko sličnih apartmana se nalazi u blizini? Kolika je prosečna cena po kvadratu? Da li se planiraju novi projekti? Ovi podaci direktno utiču na buduću vrednost.
5. Proverite AI rezultat kod lokalnog stručnjaka
Model je alat, a ne proročište. Automatizovana procena bi trebalo da se poklapa sa mišljenjem lokalnog eksperta u okviru 10%. Ako je razlika veća, tražite uzrok, jer model možda ne prepoznaje lokalne specifičnosti poput ograničenja za strano vlasništvo nad zemljištem u Tajlandu.
6. Pripremite analizu pre poternog putovanja na lice mesta
Dođite sa već gotovim modelom u rukama. Rezervišite smeštaj blizu nekretnina koje vas interesuju kako biste sve stigli da obiđete za 2-3 dana. Poseta na terenu potvrđuje ono što je AI prikupio pre nego što ste sleteli.
7. Ažurirajte model svakih 3-6 meseci
Tajlandsko tržište se kreće brzo. Novi projekti, promene regulative i kolebanja baht kursa utiču na procenu. Model koji nije osvežen šest meseci daje zastarele brojke, i to treba imati na umu pre svake ozbiljnije odluke.
Šta ovo praktično znači za kupca iz Srbije
Za nekoga ko kupuje nekretninu na daljinu, iz Beograda, Novog Sada ili bilo kog drugog grada, ovo je prilika da smanji rizik koji dolazi od nedostatka poznavanja terena. AI alati ne zamenjuju agenciju sa lokalnim iskustvom, ali daju drugi, objektivan sloj provere. U timu Nekretnine na Tajlandu ovakve podatke kombinujemo sa terenskom proverom, jer brojka bez konteksta zna da zavara.
Najčešća pitanja
Da li AI može potpuno da zameni procenitelja nekretnina?
Ne može. Prema HSE studiji objavljenoj u junu 2026, automatizovani modeli poboljšavaju tačnost i brzinu, ali i dalje zahtevaju proveru stručnjaka. AI odlično radi sa podacima, ali ne može da primeti pukotinu u zidu ili vlagu u prostoriji.
Da li multimodalni modeli procene rade i na tajlandskom tržištu?
Metodologija je prenosiva. HSE studija je rađena na moskovskom tržištu uličnih lokala, ali princip kombinovanja geoprostornih i semantičkih podataka je univerzalan. Osnovni uslov je dovoljna količina stvarnih podataka o transakcijama, a Tajland to sve više ima preko platformi kao što su DDproperty i Hipflat.
Koji podaci su potrebni za AI procenu nekretnine u Tajlandu?
Minimalno tri kategorije: strukturirani podaci (cena, kvadratura, godina izgradnje), geoprostorni podaci (koordinate, udaljenosti od infrastrukture) i tekstualni opis nekretnine. Što više parametara unesete, model je precizniji.
Koliko košta AI procena za privatnog investitora?
Mnogi osnovni alati su besplatni. Google Maps API daje geopodatke, a ChatGPT pomaže u semantičkoj analizi opisa. Profesionalne platforme poput PriceHubble i HouseCanary koštaju od 50 do 500 američkih dolara mesečno, u zavisnosti od broja upita.
Kolika je margina greške kod AI procene?
Tradicionalne metode mogu odstupiti 10-20% od tržišne cene. Multimodalni AVM modeli tu grešku svode na 5-8% na tržištima sa dovoljno podataka. Na tržištima u razvoju, uključujući pojedine delove Tajlanda, margina greške može biti i veća.
Umesto zaključka
Automatizovana procena nije budućnost tržišta nekretnina, ona je već sadašnjost. Investitori koji danas koriste multimodalne modele donose oštrije odluke i plaćaju pravičnije cene. Pravilo ostaje isto kao i pre deset godina: AI daje podatke, ali konačnu odluku i dalje donosi čovek koji kupuje.
Izvor: Kalinka Thailand
Spremni da investirate u Tajlandu? Naš tim u Nekretnine na Tajlandu može da vam pomogne da pronađete pravu nekretninu, uz proveru podataka koje donosi i veštačka inteligencija.