Krátka odpoveď na otázku, ktorú si kladie každý investor
Ak hľadáte kondo v Bang Tao alebo apartmán v Sukhumvite a niekto vám ukáže AI predikciu výnosu na 3-5 rokov dopredu, buďte opatrní. Štúdia AGILE-GISS (Volume 7) z júna 2026, ktorú pripravili vedci z Technickej univerzity vo Viedni, zistila, že modely na predikciu cien nehnuteľností si systematicky nadhodnocujú vlastnú presnosť. Na historických dátach dosahujú presnosť cez 90 %, no keď ich otestujete na skutočne budúcich obdobiach, presnosť spadne na 60-70 % alebo ešte nižšie. Pre bežného kupujúceho z Bratislavy či Košíc, ktorý zvažuje kúpu v Phukete, je to dôležitý signál: AI je skvelý nástroj na porovnanie cien, ale zlý veštec budúcnosti.
Čo presne odhalili vedci z Viedne
Autorská trojica Christopher Kmen, Gerhard Navratil a Ioannis Giannopoulos publikovala v júni 2026 v recenzovanom časopise AGILE-GISS (Volume 7) štúdiu s výstižným názvom 'When Today's Accuracy Fails Tomorrow' (Keď dnešná presnosť zlyhá zajtra). Jadro problému nie je v samotných algoritmoch, ale v spôsobe, akým sa testujú. Modely trpia takzvaným temporálnym validačným skreslením - systematickou chybou, pri ktorej model počas trénovania nepriamo 'nakukne' do budúcich dát a vďaka tomu pôsobí presnejšie, než v skutočnosti je.
Problém sa vyostruje najmä pri krátkych predikčných horizontoch. Ak model testujete na obdobie 1-6 mesiacov, presnosť vyzerá takmer dokonalá. No natiahnite horizont na 2-5 rokov a chyba sa násobí, pretože sa kumulujú faktory, ktoré model jednoducho nemohol predvídať - zmeny regulácie, makroekonomické šoky, výkyvy dopytu.
Ktoré modely fungujú najlepšie a prečo to stále nestačí
Spomedzi testovaných prístupov vyšli najlepšie XGBoost a ensemble modely (kombinácie viacerých algoritmov). Aj tie však autori štúdie odporúčajú brať s rezervou, pokiaľ neprešli takzvaným out-of-sample testovaním, teda overením na dátach, ktoré model počas tréningu vôbec nevidel.
Ďalším limitujúcim faktorom je nedostatok kvalitných transakčných dát. Kým v Európe existujú relatívne transparentné registre prevodov nehnuteľností, v Thajsku je táto transparentnosť oveľa nižšia - čo situáciu pre AI modely komplikuje ešte viac ako na starom kontinente.
Ako sa AI reálne používa v thajskej realitnej praxi
Veľkí developeri v Bangkoku aj v Phukete už dnes bežne používajú AI nástroje na cenotvorbu a analýzu dopytu. Žiadny z nich sa však pri finálnom rozhodovaní nespolieha výlučne na strojové modely - ľudský úsudok zostáva posledným filtrom.
Výskumná správa Goldman Sachs z júla 2026 potvrdzuje podobný trend v širšom meradle: AI nemení realitný trh tak, že by rušila pracovné miesta, ale tak, že ich preskupuje. Makléri a investori, ktorí AI nástroje aktívne využívajú, dosahujú vyššie zárobky než tí, čo ostávajú pri starých metódach.
Zaujímavý je aj lokálny obraz z Phuketu, najvyspelejšieho realitného trhu regiónu: medzi decembrom 2025 a májom 2026 tam bolo zaznamenaných 54 628 reálnych dopytov, z toho 71 % na prenájom a 29 % na kúpu. Tieto čísla ukazujú, že AI-riadená analýza dopytu už dnes reálne ovplyvňuje rozhodovanie kupujúcich aj investorov.
Sedem krokov, ako AI využiť rozumne pri kúpe v Thajsku
1. Ujasnite si, akú AI analýzu vlastne potrebujete
Existujú tri úrovne: screening trhu (hľadanie perspektívnych lokalít), oceňovanie konkrétnej nehnuteľnosti (porovnanie s podobnými predajmi) a predikcia budúceho výnosu. Prvé dve AI zvláda dobre. Tretiu zatiaľ nie.
2. Porovnajte výstup s verejne dostupnými dátami
Platformy ako DDproperty a Hipflat publikujú cenové indexy na úrovni jednotlivých štvrtí. Porovnajte, čo tvrdí AI model, s reálnym vývojom cien za posledné 3 roky. Ak sa rozdiel líši o viac než 15 %, modelu neverte.
3. Vyžadujte overenie na dátach mimo tréningovej vzorky
Štúdia AGILE-GISS z roku 2026 je v tomto jasná: model testovaný len na historických dátach si vašu dôveru nezaslúži. Kohokoľvek, kto vám ponúka AI predikciu, sa opýtajte, či bol model testovaný na dátach, ktoré počas tréningu 'nevidel'.
4. Zbierajte dáta špecifické pre vašu cieľovú lokalitu
AI modely fungujú lepšie v dobre zdokumentovaných štvrtiach. Pre Phuket (Bang Tao, Laguna), Bangkok (Sukhumvit, Silom) aj Pattaya (Wongamat) existuje dostatok dát. Pre menej zmapované oblasti ako Krabi či Koh Samui sú modely citeľne menej presné.
5. Naplánujte si prehliadkovú cestu vopred
Osobná obhliadka je nenahraditeľná. AI vám ukáže čísla, no nepovie vám nič o kvalite konštrukcie, reálnom stave infraštruktúry či atmosfére štvrte.
6. Zapojte lokálneho odborníka do finálneho due diligence
AI je prvá filtračná vrstva - dokáže zúžiť 200 možností na 10. Finálne rozhodnutie by však malo patriť niekomu, kto pozná miestne právo, reputáciu developera a špecifiká konkrétneho projektu. Práve tu vieme v Thajské Nehnuteľnosti pomôcť s praktickou skúsenosťou priamo z terénu.
7. Aktualizujte dáta každých 3-6 mesiacov
Thajský trh sa mení rýchlo. Model natrénovaný na dátach z začiatku roka 2025 môže úplne minúť nové infraštruktúrne projekty, napríklad rozšírenia BTS v Bangkoku, alebo zmeny vízovej politiky.
Časté otázky
Dá sa veriť AI odhadu ceny thajského kondo?
Čiastočne. AI modely sú silné v porovnávacej analýze - ukážu vám, koľko stojí podobná jednotka v tej istej štvrti. Ale predikcia rastu ceny na 3-5 rokov dopredu, ako ukázala štúdia AGILE-GISS (Volume 7, 2026), zostáva veľmi nespoľahlivá kvôli temporálnemu validačnému skresleniu.
Ktoré AI modely fungujú pri oceňovaní nehnuteľností najlepšie?
V štúdii z roku 2026 dosiahli najlepšie výsledky XGBoost a ensemble modely. Aj tie však potrebujú overenie na dátach mimo tréningovej vzorky, aby bola ich presnosť dôveryhodná.
Prečo AI predikcie zlyhávajú pri dlhších horizontoch?
Pretože väčšina modelov je testovaná na krátkych obdobiach (1-6 mesiacov), kde presnosť vyzerá umelo vysoká. Na horizonte 2-5 rokov sa kumulujú faktory, ktoré model nemohol predvídať - regulačné zmeny, makroekonomické šoky, výkyvy dopytu - a chyba sa násobí.
Používajú thajskí developeri AI reálne?
Áno. Veľkí developeri v Bangkoku používajú AI na cenotvorbu a analýzu dopytu. Žiadna verejne známa spoločnosť sa však nespolieha na AI ako na jediný rozhodovací nástroj.
Čo môže AI urobiť pre investora do thajskej nehnuteľnosti už dnes?
Tri praktické veci: rýchly screening trhu (hľadanie štvrtí s rastúcou cenovou dynamikou), posúdenie férovej ceny cez porovnateľné predaje, a automatické sledovanie nových ponúk zodpovedajúcich vašim kritériám.
Aké dáta potrebuje AI model na presný odhad?
Minimálne: skutočné transakčné ceny (nie inzertné), veľkosť jednotky, poschodie, vzdialenosť od dopravy a od mora, rok výstavby a hustotu zástavby v okolí. Thajsko má obmedzený prístup k reálnym registrom transakcií, čo je hlavná prekážka.
Oplatí sa platiť za AI službu na oceňovanie nehnuteľností?
Ak služba zverejňuje svoju metodiku a ukazuje výsledky testovania mimo tréningovej vzorky, áno. Ak vám len podá 'presnú predikciu' bez vysvetlenia, nie. Vždy si overte, na akých dátach bol model trénovaný a kedy bol naposledy aktualizovaný.
Nahradí AI realitných maklérov v Thajsku?
Nie v horizonte najbližších 5 rokov. AI prevezme rutinnú prácu - párovanie nehnuteľností, prvotnú analýzu, monitoring ponúk. Vyjednávanie s developermi, právne due diligence a posúdenie kvality výstavby zostávajú úlohami, kde je ľudská expertíza stále nenahraditeľná.
Hlavné ponaučenie zo štúdie AGILE-GISS 2026 je jednoduché: AI je v realitnom biznise silný analytický nástroj, ale slabý predpovedač budúcnosti. Využívajte ho na to, v čom je dobrý - spracovanie veľkých objemov dát a hľadanie vzorcov - a strategické rozhodnutia stavajte na expertnej analýze, znalosti lokálneho trhu a zdravom rozume.
Zdroj: Thaiger