Resposta ràpida
ATTOM, el gegant nord-americà de dades immobiliàries, va llançar el 25 d'agost de 2026 el seu Home Price Index (HPI), un sistema d'intel·ligència artificial que analitza més de 30 anys de transaccions per generar previsions de preus fins a 36 mesos vista, amb una precisió a nivell de 'census block' (uns quants carrers). A Tailàndia, i concretament a Phuket, encara no hi ha cap eina amb aquest nivell de detall: el Land Department segueix publicant dades per província, no per barri. Per als qui investigueu comprar a la costa d'Andaman, això és un avís del que arribarà d'aquí a pocs anys, i una raó més per exigir avui dades granulars al vostre agent.
Per què hauria d'importar-nos, si comprem a Phuket i no a Miami?
Quan es parla d'intel·ligència artificial i béns immobles, sol semblar un tema exclusivament nord-americà o europeu. Però la lògica de fons és universal: com més dades granulars té un mercat, millor pot preveure's la seva evolució. Avui, la majoria de portals que comparen preus a Phuket, ja siguin locals o internacionals, encara treuen mitjanes per districte sencer (Bang Tao, Rawai, Kata...). Un algorisme com el d'ATTOM ja distingeix el valor entre una banda del carrer i l'altra als EUA. Aquesta granularitat arribarà al Sud-est Asiàtic, i quedar-se despistat mentre altres inversors ja hi treuen profit no és una bona estratègia.
Com funciona exactament l'ATTOM Home Price Index?
L'HPI d'ATTOM no és un preu mitjà de venda, sinó un model de machine learning que intenta capturar el moviment real del mercat, separant-lo del 'soroll' que generen les mitjanes tradicionals. Les seves característiques principals:
- Es basa en més de 30 anys de transaccions verificades, procedents de registres propietaris d'ATTOM que no estan disponibles en bases de dades obertes
- Opera a nivell de census block, la unitat més petita del model, que sol cobrir entre 600 i 3.000 persones, és a dir, unes quantes illes de cases. Això permet veure com un habitatge en una cantonada es revalora mentre un pis a un carrer de distància s'estanca
- Genera previsions automàtiques a 36 mesos, molt per sobre de l'horitzó habitual dels analistes tradicionals, que sol ser de 6 a 12 mesos i amb menys precisió
- Cobreix 4 tipus de propietat: habitatges unifamiliars, condominis, 'townhomes' i un índex compost
- Les dades s'actualitzen mensualment i es distribueixen via API, perquè altres plataformes les puguin integrar directament
- Complementa l'AVM (Automated Valuation Model) que ATTOM ja tenia, combinant el 'valor actual' amb el 'moviment projectat' en un sol producte
Es pot confiar en les previsions de preus fetes per IA?
Sí, amb matisos importants. Els models de valoració amb intel·ligència artificial ja poden analitzar una propietat en aproximadament 0,3 segons, utilitzant al voltant de 200 paràmetres, i arriben a un nivell de precisió similar al que un taxador tradicional assoliria després d'una setmana de feina manual. Els models d'IA redueixen l'error de previsió de preus entre un 15% i un 25% respecte als mètodes tradicionals basats en comparables de venda.
Ara bé, per a propietats de luxe o molt singulars, per sobre dels 2 milions de dòlars, l'error pot seguir sent del 10% al 20%, simplement perquè hi ha pocs comparables. I cap model, per sofisticat que sigui, preveu xocs externs: inundacions, inestabilitat política o un canvi normatiu sobtat. La IA és una eina de suport a la decisió, no un oracle infal·lible.
Quin impacte té la IA en el cost i la velocitat de les valoracions?
L'automatització abarateix el cost d'una valoració individual entre 5 i 10 vegades respecte a una taxació manual feta per un perit col·legiat, i el temps d'espera passa de dies a segons. Això permet a un inversor comparar desenes de propietats de forma ràpida i barata, una cosa impensable fa pocs anys quan cada informe requeria dies de feina d'un professional.
Existeix alguna cosa semblant a Tailàndia o al Sud-est Asiàtic?
Encara no, almenys no amb aquest nivell de resolució. El Land Department tailandès publica dades per província, no per barri ni per carrer, cosa que fa que comparar zones concretes de Phuket, com Bang Tao o Rawai, sigui molt més complicat que als EUA. Tot i això, el mercat es mou:
- Portals com DDProperty i Baania han anat incorporant machine learning a les seves valoracions de condominis des de 2025
- Diverses startups PropTech de Bangkok van rebre finançament el 2026 per construir índexs de preus locals basats en IA
- Es preveu que índexs granulars, a nivell de barri, arribin a Tailàndia cap al 2028, quan el Land Department acabi de digitalitzar el seu registre de transaccions
Guia pràctica: com aplicar aquestes eines avui mateix a la vostra recerca a Phuket
-
Familiaritzeu-vos amb les eines d'IA ja disponibles. ATTOM HPI serveix el mercat nord-americà, però la lògica és transferible. A Tailàndia, DDProperty i Baania ja incorporen machine learning en les seves valoracions de condominis.
-
Contrasteu qualsevol valoració automàtica amb transaccions reals. Demaneu al vostre agent entre 5 i 10 vendes recents a la zona de Phuket, Bangkok o Pattaya que us interessi, i comparau-les amb l'estimació automàtica. La diferència us dirà com de madur és realment el mercat de dades local.
-
Exigiu granularitat, no mitjanes generals. Un preu mitjà per metre quadrat per a tota l'illa de Phuket és pràcticament inútil. La diferència entre Bang Tao i Rawai pot arribar a ser del 40% al 60%. Insistiu que qualsevol anàlisi es faci a nivell de carrer o de promoció concreta.
-
Demaneu models orientats al futur, no només el preu actual. Si un agent no us pot explicar per què un preu hauria de pujar un X% en tres anys i sostenir-ho amb dades, considereu-ho un senyal d'alerta. Eines com HPI ja posen xifres concretes darrere d'un horitzó de 36 mesos.
-
Planifiqueu un viatge de reconeixement. Cap algorisme substitueix una visita física. Reserveu els vols amb antelació i aprofiteu el viatge per visitar entre 5 i 7 propietats en una sola setmana.
-
Incorporeu la IA a la vostra pròpia diligència deguda. Eines com ChatGPT o Claude poden revisar ràpidament documents en tailandès, comprovar l'historial d'un promotor i modelar la rendibilitat esperada, estalviant-vos entre 10 i 15 hores per operació.
-
Seguiu de prop l'escena PropTech tailandesa. El 2026 diverses startups de Bangkok van rebre finançament per construir els seus propis índexs de preus amb IA. Els primers a adoptar aquestes eines, un cop estiguin operatives, tindran un avantatge d'informació real.
Preguntes freqüents
Què és exactament l'ATTOM Home Price Index i en què es diferencia d'un índex de preus tradicional?
És una eina d'intel·ligència artificial llançada l'agost de 2026 que modela el moviment real dels preus a partir de milions de transaccions de més de 30 anys. A diferència dels índexs tradicionals, treballa a nivell de census block (uns quants carrers) en lloc de a nivell de ciutat, i genera una previsió a 36 mesos vista.
Funciona l'ATTOM HPI per al mercat immobiliari tailandès o de Phuket?
No, de moment només cobreix el mercat dels EUA. La metodologia és transferible a qualsevol mercat amb prou dades històriques de transaccions, i s'esperen eines similars a Tailàndia d'aquí a 2-3 anys.
Quines eines d'IA ja pot utilitzar avui un comprador interessat en Phuket?
Avui mateix, un inversor pot fer servir DDProperty i Baania, que ja incorporen machine learning, a més de ChatGPT o Claude per analitzar documents i modelar rendibilitats, i Google Earth Engine per avaluar el desenvolupament d'infraestructures al voltant d'una zona concreta.
M'he d'esperar a que arribin eines d'IA més bones a Tailàndia abans de comprar?
No cal esperar. Les eines d'IA donen suport a la decisió d'inversió, no la substitueixen. Els preus dels pisos a Bangkok van pujar un 4,2% l'últim any segons el Bank of Thailand, i els retorns perduts mentre s'espera una eina 'perfecta' solen superar amb escreix el cost d'utilitzar avui una valoració imperfecta. En aquest sentit, comptar amb un equip local, com el d'Immobles a Tailàndia, que combini coneixement del terreny amb dades actualitzades, pot ser més útil a curt termini que esperar la propera generació d'algorismes.
Font: Kalinka Thailand