Пхукетэд орон сууц худалдаж авахаар төлөвлөж буй хүн 'ChatGPT-ээс асуувал 3 жилийн дараа энэ кондо хэдэн болох вэ' гэж мэдэхийг хүсэх нь ойлгомжтой. Гэвч 2026 оны 6-р сард AGILE-GISS сэтгүүлийн 7-р ботид нийтлэгдсэн шинэ судалгаа энэ асуултад тодорхой хариу өгч байна: AI загварууд өнгөрсөн үеийн үнийг гайхалтай нарийн тааж чаддаг ч ирээдүйг таамаглах гэж оролдоход ихэнхдээ алдаа гаргадаг.
Энэ бол таамаглал биш, харин TU Wien-ийн судлаачдын нарийн шинжилгээний дүгнэлт юм. Тэд орон зайн мэдээлэл ашигладаг (spatially-aware) үл хөдлөх хөрөнгийн үнэ таамаглах загваруудыг задлан шинжилжээ. Гол асуудал нь алгоритмд бус, харин тэдгээрийг хэрхэн шалгаж баталгаажуулж байгаад оршиж байна. Тайландад хөрөнгө оруулж буй хүмүүсийн хувьд энэ нь мөнгөн дээр шууд нөлөөлдөг практик асуудал.
Товч хариулт: юу мэдэх хэрэгтэй вэ?
AI-аар хийсэн үнийн таамаглалыг Тайландын кондо худалдан авахдаа шууд итгэж болохгүй. Учир нь загваруудын дотоод (in-sample) нарийвчлал ихэвчлэн 90%-иас давдаг хэдий ч жинхэнэ ирээдүйн өгөгдөл дээр туршихад энэ нь 60-70% хүртэл, заримдаа бүр доогуур хэмжээнд унадаг. Энэ зөрүү нь загвар олон нийтэд танилцуулагдахдаа хэдий чинээ 'найдвартай' харагдаж байгаа ч бодит байдал дээр тийм биш байж болохыг харуулж байна.
- AGILE-GISS-ийн судалгаа (2026 оны 6-р сар): үнийн таамаглалын загварууд өөрсдийн нарийвчлалыг системтэйгээр хэтрүүлж үзүүлдгийг тогтоожээ. Учир нь цаг хугацааны хувьд буруу валидаци (temporal validation bias) хийгддэг
- XGBoost болон ensemble загварууд AI-ийн дунд хамгийн сайн үзүүлэлт үзүүлсэн, гэхдээ эдгээр ч гэсэн цаг хугацааны мэдрэмжтэй валидаци шаарддаг
- Гол асуудал нь богино хугацааны таамаглалын хугацаанд (1-6 сар) байдаг бөгөөд энэ нь загварыг бодит амьдрал дээр хэр ашигтай болохыг тусгадаггүй
- Тайландад хөрөнгө оруулагчдын хувьд энэ нь тодорхой төслийн 3-5 жилийн ашгийн таамаглалыг AI-д цоороо итгэх нь эрсдэлтэй гэсэн үг
- Практик дүгнэлт: AI харьцуулалт, шүүлт хийхэд үнэ цэнэтэй, гэхдээ эцсийн шийдвэрийг хүн мэргэжилтэн гаргах ёстой
Судалгааны гол баримтууд
2026 оны 6-р сард TU Wien-ийн Christopher Kmen, Gerhard Navratil, Ioannis Giannopoulos нар 'When Today's Accuracy Fails Tomorrow' нэртэй өгүүллийг AGILE-GISS сэтгүүлийн 7-р ботид хэвлүүллээ. Энэ бол хэвлэлийн өмнөх шүүмжтэй (peer-reviewed) сэтгүүл юм.
Судалгааны гол дүгнэлт нь: орон зай-цаг хугацааны (spatiotemporal) загварууд temporal validation bias буюу цаг хугацааны валидацийн хазайлтаас болж зовдог. Энэ нь загвар сургалтын явцад ирээдүйн өгөгдөлд 'ширтэн харах' боломж авдаг систем алдаа юм.
XGBoost болон ensemble аргууд туршигдсан загваруудын дундаас хамгийн ирээдүйтэй гэж нэрлэгджээ. Гэсэн ч зохиогчид анхааруулж байна: ирээдүйн үеийн дээж дээр гадаад (out-of-sample) шалгалт хийгээгүй бол эдгээр загварууд ч гэсэн найдвартай биш.
Өгөгдлийн хязгаарлагдмал байдал ноцтой саад хэвээр байна. Чанартай гүйлгээний өгөгдөл ховор бөгөөд Тайландад энэ асуудал Европоос илүү хурц байдаг, учир нь тэнд үл хөдлөх хөрөнгийн гүйлгээний бүртгэлийн систем ил тод байдаг.
Богино хугацааны таамаглалын хугацаа (1-6 сар) нарийвчлалын хуурмаг сэтгэгдэл төрүүлдэг. 2-5 жилийн хугацаанд таамаглалын алдаа хэд дахин нэмэгддэг.
Бангкок, Пхукетийн томоохон хөгжүүлэгчид үнэ тогтоохдоо AI хэрэгслийг ашигладаг ч эцсийн шийдвэрт зөвхөн машины загварт тулгуурладаг компани байхгүй.
2026 оны 7-р сарын Goldman Sachs-ийн судалгааны тэмдэглэлд AI үл хөдлөх хөрөнгийн салбарын хөдөлмөрийн зах зээлийг ажлын байрыг устгах бус, харин өөрчилж байгааг тогтоожээ. AI хэрэгсэл ашигладаг агент, хөрөнгө оруулагчид хуучин аргаар ажилладаг хүмүүсээс илүү орлого олох хандлагатай.
Зөвхөн Пхукетэд 2025 оны 12-р сараас 2026 оны 5-р сар хүртэл нийт 54,628 бодит асуулга бүртгэгдсэн бөгөөд үүний 71% нь түрээс, 29% нь худалдан авалттай холбоотой байв. Энэ тоо бүс нутгийн хамгийн боловсорсон зах зээлд AI-д суурилсан эрэлтийн шинжилгээ бодит шийдвэр гаргалтад хэрхэн нөлөөлж буйг харуулж байна.
AI хэрэгслийг зөв ашиглах алхмууд
2026 онд Тайландын үл хөдлөх хөрөнгийг AI-аар ухаалгаар үнэлэхийг хүсэж буй хөрөнгө оруулагч дараах дарааллыг баримтлаарай.
1. Ямар төрлийн AI шинжилгээ хэрэгтэйгээ тодорхойлох
Гурван түвшин байдаг: зах зээлийн шүүлт (эрчимтэй байршил олох), тодорхой хөрөнгийн үнэлгээ (харьцуулах гүйлгээний шинжилгээ), ашгийн таамаглал. Эхний хоёрт AI сайн ажилладаг, гурав дахь нь одоохондоо тийм биш.
2. Нээлттэй өгөгдөлтэй харьцуулах
DDproperty, Hipflat зэрэг платформ дүүргийн түвшний үнийн индекс нийтэлдэг. AI загварын гаргаж буй дүнг сүүлийн 3 жилийн бодит үнийн хөдөлгөөнтэй харьцуул. Хэрэв зөрүү 15%-иас давбал уг загварт бүү итгэ.
3. Гадаад (out-of-sample) валидаци шаардах
2026 оны AGILE-GISS судалгаа тодорхой хэлж байна: зөвхөн түүхэн өгөгдөл дээр туршигдсан загвар (in-sample) итгэл хүлээх ёсгүй. AI таамаглал санал болгож буй хэнээс ч бай, тухайн загвар сургалтын явцад 'хараагүй' өгөгдөл дээр туршигдсан эсэхийг асуу.
4. Зорилтот байршилдаа тохирсон өгөгдөл цуглуулах
АI загварууд сайн баримтжуулагдсан дүүрэгт илүү нарийвчлалтай ажилладаг. Пхукет (Банг Тао, Лагуна), Бангкок (Сукхумвит, Силом), Паттайа (Вонгамат) зэрэгт хангалттай өгөгдөл бий. Харин Краби эсвэл Ко Самуй зэрэг сайн зураглагдаагүй бүсэд загваруудын нарийвчлал мэдэгдэхүйц буурдаг.
5. Үзлэгийн аяллаа урьдчилан төлөвлөх
Байрыг биечлэн үзэх нь орлуулшгүй чухал. AI тоо баримт харуулж чадах ч барилгын чанар, дэд бүтцийн бодит нөхцөл, хорооллын уур амьсгалыг тайлбарлаж чадахгүй.
6. Эцсийн due diligence-д орон нутгийн мэргэжилтэн оруулах
AI бол эхний шатны шүүлт юм. 200 сонголтыг 10 болгож багасгадаг. Гэвч эцсийн шийдвэрийг орон нутгийн хууль, хөгжүүлэгчийн нэр хүнд, төслийн онцлогийг мэддэг хүн гаргах ёстой. Тайланд Хөрөнгө зэрэг орон нутагт ажилладаг мэргэжлийн багтай ажиллах нь энэ алхмыг илүү найдвартай болгоно.
7. Өгөгдлөө 3-6 сар тутам шинэчлэх
Тайландын зах зээл хурдан хөдөлдөг. 2025 оны эхэн үеийн өгөгдлөөр сургагдсан загвар Бангкок дахь BTS шугамын өргөтгөл, визийн бодлогын өөрчлөлт зэрэг шинэ хүчин зүйлийг алдаж болно.
Дүгнэлт
AGILE-GISS-ийн 2026 оны судалгааны гол хичээл энгийн: үл хөдлөх хөрөнгийн салбарт AI хүчирхэг шинжилгээний хэрэгсэл боловч ирээдүйг зөв таамаглагч биш. Их хэмжээний өгөгдөл боловсруулж, хэв маяг олох зэрэгт AI-г ашигла, харин стратегийн шийдвэрээ мэргэжлийн шинжилгээ, орон нутгийн зах зээлийн мэдлэг, ердийн эрүүл ухаанд тулгуурлан гарга.
Эх сурвалж: Thaiger