உள்ளடக்கத்திற்குச் செல்
வழிகாட்டி

AI சொத்து மதிப்பீடு: 80% கணிப்புகள் ஏன் தவறு?

AI சொத்து மதிப்பீடு: 80% கணிப்புகள் ஏன் தவறு?
Photo: eric song / Pexels
சுருக்கமாக

2026ஆம் ஆண்டு TU Wien ஆய்வு AI விலை கணிப்பு மாடல்களின் மறைந்திருக்கும் பலவீனத்தை அம்பலப்படுத்துகிறது. ஃபுகெட் அல்லது பாங்காக்கில் கண்டோ வாங்குமுன் இதை தெரிந்துகொள்ளுங்கள்.

சுருக்கமான பதில்

ஃபுகெட் அல்லது பாங்காக்கில் சொத்து விலையை AI மூலம் கணிக்கலாம் என நினைக்கிறீர்களா? கொஞ்சம் யோசியுங்கள். 2026ஆம் ஆண்டு ஜூன் மாதம் AGILE-GISS (Volume 7) இதழில் வெளியான ஆய்வு ஒன்று, இன்றைய AI விலை கணிப்பு மாடல்கள் தங்கள் சொந்த துல்லியத்தை பெரிதுபடுத்திக் காட்டுகின்றன என நிரூபித்துள்ளது. கடந்தகால தரவை வைத்து விலை சொல்வதில் இந்த மாடல்கள் சிறப்பாக இருந்தாலும், 2-3 வருடங்களுக்கு பின்னால் என்ன நடக்கும் என கணிக்க சொன்னால் அவை மோசமாக தோற்றுவிடுகின்றன. இது ஏதோ ஊகம் அல்ல, TU Wien பல்கலைக்கழக ஆராய்ச்சியாளர்கள் நேரடியாக பரிசோதித்து கண்டறிந்த உண்மை.

இதில் பிரச்சனை அல்காரிதத்தில் இல்லை. மாடல்களை நாம் எப்படி சோதிக்கிறோம் என்பதில்தான் பிரச்சனை இருக்கிறது. தாய்லாந்தில் முதலீடு செய்யும் தமிழக மற்றும் இலங்கை முதலீட்டாளர்களுக்கு இது நேரடியாக பணத்தை பாதிக்கும் விஷயம்.

முக்கிய உண்மைகள் என்ன சொல்கின்றன?

  • TU Wien பல்கலைக்கழகத்தை சேர்ந்த Christopher Kmen, Gerhard Navratil, மற்றும் Ioannis Giannopoulos ஆகியோர் 'When Today's Accuracy Fails Tomorrow' என்ற ஆய்வுக் கட்டுரையை AGILE-GISS, Volume 7 இதழில் 2026 ஜூனில் வெளியிட்டனர்

  • ஆய்வின் முக்கிய கண்டுபிடிப்பு: இடம்-நேரம் சார்ந்த (spatiotemporal) மாடல்கள் temporal validation bias என்ற பிரச்சனையால் பாதிக்கப்படுகின்றன. அதாவது பயிற்சியின் போதே மாடல் எதிர்கால தரவை மறைமுகமாக 'பார்த்து' கொள்கிறது

  • In-sample accuracy (கடந்தகால தரவில்) பெரும்பாலும் 90%க்கு மேல் காட்டும், ஆனால் உண்மையான எதிர்கால காலகட்டத்தில் சோதிக்கும்போது அது 60-70% அல்லது அதற்கும் கீழே சரிகிறது

  • XGBoost மற்றும் ensemble மாடல்கள் தேர்வு செய்யப்பட்ட அணுகுமுறைகளில் சிறப்பாக செயல்பட்டன, ஆனாலும் எதிர்கால தரவில் சோதிக்கப்படாத வரை இவை கூட நம்பகமானவை அல்ல

  • தரமான பரிவர்த்தனை தரவு (transaction data) பற்றாக்குறை பெரும் தடையாக உள்ளது. ஐரோப்பாவை காட்டிலும் தாய்லாந்தில் இந்த பிரச்சனை மிக அதிகம், ஏனெனில் இங்கு சொத்து பதிவு அமைப்புகள் அவ்வளவு வெளிப்படையாக இல்லை

  • குறுகிய கணிப்பு காலம் (1-6 மாதங்கள்) துல்லியம் இருப்பதாக ஒரு மாயையை உருவாக்குகிறது. 2-5 வருட காலகட்டத்தில் இந்த பிழை பல மடங்கு பெருகுகிறது

  • பாங்காக் மற்றும் ஃபுகெட்டில் உள்ள முக்கிய டெவலப்பர்கள் ஏற்கனவே விலை நிர்ணயத்திற்கு AI கருவிகளை பயன்படுத்துகின்றனர், ஆனால் இறுதி முடிவுக்கு யாரும் முழுவதுமாக மெஷின் மாடலை மட்டும் நம்பவில்லை

  • 2026 ஜூலையில் Goldman Sachs வெளியிட்ட ஆய்வு குறிப்பு ஒன்று, AI வேலைவாய்ப்புகளை அழிக்கவில்லை, மாறாக மறுசீரமைக்கிறது என்று கண்டறிந்தது. AI கருவிகளை பயன்படுத்தும் ஏஜென்டுகள் மற்றும் முதலீட்டாளர்கள் பழைய முறையை பின்பற்றுபவர்களை விட அதிக வருமானம் ஈட்டுவதாக தெரிகிறது

  • ஃபுகெட்டில் மட்டும் 2025 டிசம்பர் முதல் 2026 மே வரை 54,628 உண்மையான விசாரணைகள் பதிவாகியுள்ளன. இதில் 71% வாடகைக்காகவும், 29% வாங்குவதற்காகவும் இருந்தன. இது AI சார்ந்த தேவை பகுப்பாய்வு இப்போது இப்பகுதியின் மிகவும் முதிர்ச்சியடைந்த சந்தையின் உண்மையான முடிவெடுப்பை எப்படி வடிவமைக்கிறது என்பதை காட்டுகிறது

நடைமுறையில் AI-ஐ எப்படி புத்திசாலித்தனமாக பயன்படுத்துவது?

2026ஆம் ஆண்டு தாய்லாந்து சொத்தில் முதலீடு செய்ய திட்டமிடும் தமிழக முதலீட்டாளர் ஒருவர் இந்த வழிமுறையை பின்பற்றலாம்.

1. உங்களுக்கு எந்த வகை AI பகுப்பாய்வு தேவை என தெளிவாக்கிக் கொள்ளுங்கள்

மூன்று நிலைகள் உள்ளன: சந்தை ஸ்கிரீனிங் (நல்ல இடங்களை கண்டறிதல்), தனிப்பட்ட சொத்து மதிப்பீடு (ஒப்பீட்டு விற்பனை பகுப்பாய்வு), மற்றும் வருமான கணிப்பு (yield forecasting). முதல் இரண்டிலும் AI நன்றாக செயல்படுகிறது. மூன்றாவதில் இன்னும் இல்லை.

2. திறந்த தரவுடன் ஒப்பிட்டு சரிபார்க்கவும்

DDproperty மற்றும் Hipflat போன்ற தளங்கள் மாவட்ட அளவிலான விலை குறியீடுகளை வெளியிடுகின்றன. கடந்த 3 வருடங்களில் உண்மையான விலை மாற்றத்துடன் AI மாடல் தரும் முடிவுகளை ஒப்பிடுங்கள். இடைவெளி 15%க்கு மேல் இருந்தால், அந்த மாடலை நம்பாதீர்கள்.

3. Out-of-sample validation கேளுங்கள்

2026 AGILE-GISS ஆய்வு தெளிவாக சொல்கிறது: கடந்தகால தரவில் மட்டும் (in-sample) சோதிக்கப்பட்ட மாடல் உங்கள் நம்பிக்கைக்கு தகுதியானதல்ல. உங்களுக்கு AI கணிப்பு தருபவரிடம் அந்த மாடல் பயிற்சியின் போது 'பார்க்காத' தரவில் சோதிக்கப்பட்டதா என கேளுங்கள்.

4. உங்கள் இலக்கு பகுதிக்கு உரிய தரவை சேகரிக்கவும்

நன்கு ஆவணப்படுத்தப்பட்ட மாவட்டங்களில் AI மாடல்கள் சிறப்பாக செயல்படுகின்றன. ஃபுகெட் (Bang Tao, Laguna), பாங்காக் (Sukhumvit, Silom), மற்றும் பட்டாயா (Wongamat) போன்ற இடங்களில் போதுமான தரவு உள்ளது. கிராபி அல்லது கோ சமுய் போன்ற குறைவாக வரைபடமிடப்பட்ட பகுதிகளில் மாடல்களின் துல்லியம் குறிப்பிடத்தக்க அளவு குறைவு.

5. உங்கள் ஆய்வு பயணத்தை முன்கூட்டியே திட்டமிடுங்கள்

நேரடியாக சொத்தை பார்வையிடுவது எப்போதும் மாற்ற முடியாதது. AI உங்களுக்கு எண்களை காட்டும், ஆனால் கட்டுமான தரம், உண்மையான உள்கட்டமைப்பு நிலைமை, அல்லது சுற்றுப்புற உணர்வை விவரிக்க முடியாது.

6. இறுதி ஆய்வுக்கு உள்ளூர் நிபுணரை அணுகுங்கள்

AI முதல் நிலை வடிகட்டியாக மட்டுமே செயல்படுகிறது. அது 200 வாய்ப்புகளை 10ஆக குறைக்கும். ஆனால் இறுதி முடிவு உள்ளூர் சட்டம், டெவலப்பர் நற்பெயர், மற்றும் திட்ட-குறிப்பிட்ட நுணுக்கங்களை புரிந்துகொள்ளும் ஒரு நபருக்கே சொந்தமானது.

7. உங்கள் தரவை ஒவ்வொரு 3-6 மாதங்களுக்கும் புதுப்பிக்கவும்

தாய்லாந்து சந்தை வேகமாக மாறுகிறது. 2025 தொடக்கத்தில் பயிற்சி பெற்ற மாடல் ஒன்று, பாங்காக்கில் புதிய BTS நீட்டிப்பு போன்ற உள்கட்டமைப்பு திட்டங்களை அல்லது விசா கொள்கை மாற்றங்களை தவறவிடலாம்.

எதிர்காலத்தில் AI-ன் நடைமுறை பங்கு என்ன?

AGILE-GISS 2026 ஆய்வின் மையப் பாடம் எளிமையானது: ரியல் எஸ்டேட்டில் AI ஒரு சக்திவாய்ந்த பகுப்பாய்வு கருவி, ஆனால் எதிர்காலத்தை கணிப்பதில் அது பலவீனமானது. அதை நன்றாக செய்யும் விஷயத்திற்கு பயன்படுத்துங்கள், அதாவது பெரிய தரவுத்தொகுப்புகளை செயலாக்கி வடிவங்களை கண்டறிதல். ஆனால் இறுதி மூலோபாய முடிவுகள் நிபுணர் பகுப்பாய்வு, உள்ளூர் சந்தை புரிதல், மற்றும் நடைமுறை அறிவை அடிப்படையாக கொண்டு எடுக்கப்பட வேண்டும்.

தாய்லாந்து சொத்தில் முதலீடு செய்ய நினைக்கும் தமிழக வாசகர்களுக்கு, AI கருவிகள் நல்ல ஆரம்ப புள்ளியாக இருக்கலாம், ஆனால் இறுதி முடிவை உள்ளூர் நிபுணர்களுடன் இணைந்து எடுப்பதே புத்திசாலித்தனம்.

மூலம்: Thaiger

தாய்லாந்தில் முதலீடு செய்ய தயாரா? உங்களுக்கு ஏற்ற சொத்தை கண்டறிய எங்கள் நிபுணர்கள் உதவுவார்கள்.


ரியல் எஸ்டேட்டுக்கான AI கருவிகளை கற்க விரும்புகிறீர்களா? சொத்து தொழில் வல்லுநர்களுக்கான நடைமுறை AI திறன்களுடன் இலவச பாடநெறி ஒன்றை நாங்கள் வழங்குகிறோம்.

அடிக்கடி கேட்கப்படும் கேள்விகள்

தாய்லாந்து கண்டோவின் AI மதிப்பீட்டை நம்பலாமா?

பகுதியளவு நம்பலாம். ஒரே பகுதியில் இதே போன்ற யூனிட் எவ்வளவு விலைக்கு விற்கிறது என்ற ஒப்பீட்டு பகுப்பாய்வுக்கு AI மாடல்கள் நன்றாக செயல்படுகின்றன. ஆனால் 3-5 வருட விலை வளர்ச்சி கணிப்பு, AGILE-GISS ஆய்வு (Volume 7, 2026) காட்டியது போல, temporal validation bias காரணமாக மிகவும் நம்பகமற்றதாகவே உள்ளது.

சொத்து மதிப்பீட்டுக்கு எந்த AI மாடல்கள் சிறப்பாக செயல்படுகின்றன?

2026 ஆய்வில் XGBoost மற்றும் ensemble மாடல்கள் சிறந்த முடிவுகளை தந்தன. இருந்தாலும், துல்லியத்தை உறுதிப்படுத்த இவைகூட out-of-sample சோதனை தேவைப்படுகிறது.

தாய் டெவலப்பர்கள் உண்மையில் AI பயன்படுத்துகிறார்களா?

ஆம். பாங்காக்கில் உள்ள முக்கிய டெவலப்பர்கள் விலை நிர்ணயம் மற்றும் தேவை பகுப்பாய்வுக்கு AI பயன்படுத்துகின்றனர். ஆனால் இறுதி முடிவெடுப்புக்கு AI-ஐ மட்டுமே சார்ந்திருக்கும் எந்த நிறுவனமும் பொதுவெளியில் தெரியவில்லை.

நீண்ட காலகட்டங்களில் AI கணிப்புகள் ஏன் தோல்வியடைகின்றன?

பெரும்பாலான மாடல்கள் குறுகிய காலகட்டங்களில் (1-6 மாதங்கள்) சோதிக்கப்படுவதால், துல்லியம் செயற்கையாக அதிகமாக தெரிகிறது. 2-5 வருட காலகட்டத்தில், மாடலால் கணக்கிட முடியாத ஒழுங்குமுறை மாற்றங்கள், பொருளாதார அதிர்ச்சிகள், தேவை மாற்றங்கள் ஆகியவை குவிந்து பிழையை பெருக்குகின்றன.