Si esteu mirant apartaments a Bang Tao o Laguna amb una fulla de càlcul plena de prediccions generades per intel·ligència artificial, val la pena que sapigueu una cosa abans de signar res: la majoria d'aquests models fallen precisament quan més els necessiteu, és a dir, quan intenten dir-vos què passarà d'aquí a tres anys.
Resposta ràpida per a qui té pressa
Un estudi publicat el juny de 2026 a la revista AGILE-GISS (Volum 7) per investigadors de la TU Wien (Viena) demostra que els models de predicció de preus immobiliaris solen inflar la seva pròpia precisió a causa d'una validació temporal defectuosa. Dins de la mostra d'entrenament, aquests models poden superar el 90% d'encert, però quan es proven amb dades genuïnament futures, la precisió cau fins al 60-70% o menys. Per a un inversor català que es planteja comprar a Tailàndia, això vol dir que confiar cegament en una previsió de rendibilitat generada per IA per a un horitzó de 3-5 anys és, senzillament, arriscat.
Què ha descobert exactament l'estudi de la TU Wien
L'estudi, titulat 'When Today's Accuracy Fails Tomorrow' i signat per Christopher Kmen, Gerhard Navratil i Ioannis Giannopoulos, es va publicar el juny de 2026 a AGILE-GISS, Volum 7, una revista revisada per parells. La troballa central és el que anomenen biaix de validació temporal: una distorsió sistemàtica en què el model, durant l'entrenament, acaba "veient" indirectament dades del futur, cosa que fa que el seu rendiment sembli molt millor del que seria en un escenari real.
Entre els mètodes provats, XGBoost i els models d'ensemble (combinació de diversos algorismes) van sortir com els més prometedors. Ara bé, els mateixos autors avisen que fins i tot aquests necessiten una validació fora de mostra (out-of-sample) sobre períodes futurs reals per ser fiables. Sense això, no deixen de ser una promesa buida.
Un dels problemes de fons és la manca de dades de qualitat. A Tailàndia aquest problema és encara més agut que a Europa, on els registres de transaccions immobiliàries, tot i les seves limitacions, són molt més transparents. Quan un model s'entrena amb horitzons curts (d'1 a 6 mesos), la precisió sembla artificialment alta, però en un horitzó de 2 a 5 anys l'error es multiplica, perquè factors que el model no pot capturar (canvis normatius, xocs macroeconòmics, variacions en la demanda) s'acumulen.
Com ho fan servir realment els promotors a Bangkok i Phuket
Grans promotors de Bangkok i Phuket ja utilitzen eines d'IA per fixar preus i analitzar la demanda, però cap d'ells confia exclusivament en models automàtics per prendre la decisió final. La IA hi entra com a primer filtre, no com a jutge únic.
Una nota d'anàlisi de Goldman Sachs de juliol de 2026 apunta en la mateixa direcció pel que fa al sector: la IA no està eliminant llocs de treball al mercat immobiliari, sinó redefinint-los. Els agents i inversors que adopten eines d'IA tendeixen a obtenir millors resultats que els que continuen treballant només amb mètodes tradicionals.
A Phuket, concretament, es van registrar 54.628 consultes reals entre desembre de 2025 i maig de 2026, un 71% relacionades amb lloguer i un 29% amb compra. Aquesta xifra il·lustra fins a quin punt l'anàlisi de demanda basada en IA ja forma part del dia a dia del mercat més madur de la regió.
Passos pràctics per fer servir la IA sense enganyar-vos
Si sou un inversor que vol aprofitar la IA per avaluar propietats a Tailàndia el 2026, aquesta seqüència us pot estalviar disgustos:
1. Definiu quin tipus d'anàlisi necessiteu de veritat. Hi ha tres nivells: cribratge de mercat (trobar zones amb potencial), valoració d'un actiu concret (comparables de vendes) i previsió de rendibilitat futura. La IA ja funciona bé en els dos primers. En el tercer, encara no.
2. Contrasteu-ho amb dades obertes. Plataformes com DDproperty i Hipflat publiquen índexs de preus per districte. Compareu el que us diu un model d'IA amb el moviment real de preus dels últims 3 anys. Si la diferència supera el 15%, no us en refieu.
3. Exigiu validació fora de mostra. L'estudi de l'AGILE-GISS del 2026 ho diu clarament: un model provat només amb dades històriques (dins de mostra) no es mereix la vostra confiança. Pregunteu sempre si el model s'ha provat amb dades que mai havia "vist" durant l'entrenament.
4. Prioritzeu zones ben documentades. A Phuket (Bang Tao, Laguna), Bangkok (Sukhumvit, Silom) i Pattaya (Wongamat) hi ha prou dades perquè els models funcionin raonablement bé. En zones menys cartografiades, com Krabi o Koh Samui, la precisió baixa notablement.
5. Reserveu amb temps el vostre viatge de visita. Cap algorisme substitueix veure la propietat en persona. La IA us pot donar xifres, però no us pot descriure la qualitat real de la construcció, l'estat de les infraestructures o l'ambient del barri.
6. Compteu amb un expert local per a la due diligence final. La IA és un filtre de primer nivell: pot reduir 200 opcions a 10. Però la decisió final ha de passar per algú que conegui la legislació local, la reputació del promotor i els matisos concrets del projecte. En aquest sentit, des d'Immobles a Tailàndia sempre recomanem combinar les eines d'IA amb l'acompanyament d'algú sobre el terreny.
7. Actualitzeu les dades cada 3-6 mesos. El mercat tailandès es mou ràpid. Un model entrenat amb dades de principis de 2025 pot no reflectir noves extensions del BTS a Bangkok o canvis en la política de visats.
Preguntes freqüents
Es pot confiar en una valoració amb IA d'un apartament tailandès?
Només en part. Els models d'IA són sòlids per a l'anàlisi comparativa, és a dir, per veure quant costa una unitat similar al mateix barri. Però una previsió de creixement de preu a 3-5 anys vista continua sent molt poc fiable, tal com va demostrar l'estudi de l'AGILE-GISS (Volum 7, 2026), a causa del biaix de validació temporal.
Quins models d'IA funcionen millor per valorar propietats?
XGBoost i els models d'ensemble van oferir els millors resultats en la investigació de 2026. Tot i així, necessiten proves fora de mostra per confirmar-ne la precisió real.
Per què fallen les previsions d'IA en horitzons llargs?
Perquè la majoria de models es proven en períodes curts (d'1 a 6 mesos), on la precisió sembla artificialment alta. En un horitzó de 2 a 5 anys, factors que el model no pot preveure (canvis regulatoris, xocs macroeconòmics, canvis de demanda) s'acumulen i multipliquen l'error.
Els promotors tailandesos fan servir realment la IA?
Sí. Grans promotors de Bangkok fan servir IA per fixar preus i analitzar la demanda. Però cap empresa coneguda públicament confia en la IA com a única eina de decisió.
Què pot fer la IA per a un inversor a Tailàndia ara mateix?
Tres usos pràctics: cribratge ràpid de mercat (trobar districtes amb impuls alcista de preus), valoració justa mitjançant comparables de vendes, i monitoratge automàtic de nous anuncis que encaixin amb els vostres criteris.
Font: Thaiger
Si esteu pensant a invertir a Tailàndia, a Immobles a Tailàndia us podem ajudar a trobar la propietat que realment s'ajusti al que busqueu, combinant l'anàlisi de dades amb el coneixement del terreny.