Si esteu mirant pisos a Bangkok o viles a Phuket i algun portal us mostra una valoració automàtica amb IA que sembla molt precisa, val la pena desconfiar-ne una mica. Un estudi acadèmic publicat el juny de 2026 demostra que la majoria d'aquests models perden la seva precisió inicial en menys d'un any de funcionament real. No és un problema dels algoritmes, sinó de com s'entrenen i es validen.
Resposta ràpida
Els investigadors Christoph Kmen, Gerhard Navratil i Ioannis Giannopoulos, de la TU Wien (Viena), van publicar aquesta recerca a la revista AGILE-GISS (Volum 7, juny de 2026). La seva conclusió és directa: si un model s'entrena i es testa amb dades del mateix període temporal, el resultat no serveix per prendre decisions d'inversió reals. Per a qui vulgui comprar a Tailàndia, això és un avís clar per revisar amb quins criteris confiem (o no) en una eina d'IA.
- L'estudi AGILE-GISS 2026 conclou que els models de valoració immobiliària basats en aprenentatge automàtic només mantenen una bona precisió en horitzons de predicció molt curts.
- XGBoost i altres mètodes d'ensemble segueixen sent els algoritmes de referència, però tots pateixen el mateix defecte: una validació que no té en compte el temps.
- Els factors espacials (proximitat al transport públic, a la costa, a infraestructures) pesen molt en el preu, però aquest pes canvia constantment.
- Una precisió del 95% o més en el backtest no significa que un any després segueixi sent del 95%: el Bangkok o el Phuket de 2024 i el de 2026 són, a efectes pràctics, dos mercats diferents.
- Conclusió pràctica: la valoració amb IA és un bon punt de partida per analitzar, però no hauria de ser l'argument final per decidir una compra.
- Els models entrenats amb un horitzó de validació més llarg (3-5 anys) donen una imatge més honesta, encara que la seva xifra de precisió sembli menys espectacular sobre el paper.
Les dades clau de l'estudi
El paper, titulat 'When Today's Accuracy Fails Tomorrow', es va publicar a l'AGILE-GISS, Volum 7, el juny de 2026, i qüestiona les pràctiques de validació estàndard dels models d'IA aplicats al sector immobiliari.
El problema central és el que els autors anomenen biaix de validació: quan les dades d'entrenament i les de prova provenen de la mateixa finestra temporal, el model, en la pràctica, ja 'coneix' la resposta abans de ser posat a prova.
XGBoost, un algoritme de gradient boosting, és el motor que hi ha darrere de la majoria de plataformes de valoració actuals, des de Zillow fins als seus equivalents asiàtics. L'estudi constata que fins i tot els millors models d'ensemble es degraden de manera notable quan es desplaça la finestra temporal analitzada.
La proposta dels investigadors passa pel modelatge espaciotemporal, un enfocament que sí que té en compte com canvia el valor d'un barri a mesura que es desenvolupa la infraestructura del voltant.
Per què Tailàndia és un cas especialment sensible
El mercat tailandès és un exemple perfecte d'aquesta distorsió. El boom de construcció a Phuket, les noves línies de BTS a Bangkok i un creixement de preus a Chiang Mai del 15-20% entre 2024 i 2025 fan que qualsevol model entrenat amb dades antigues quedi ràpidament desfasat.
Un detall preocupant: cap servei comercial de valoració amb IA revela públicament el seu horitzó de validació, cosa que suposa un buit de transparència important per a qualsevol inversor estranger.
El propi Phuket il·lustra molt bé la velocitat d'aquests canvis: entre 2021 i 2025 van sortir al mercat més de 45.000 unitats residencials noves, amb un valor aproximat de 469.700 milions de baht (uns 13.000 milions de dòlars). I encara hi ha 72 projectes més i 10.300 unitats addicionals (per sobre dels 81.600 milions de baht) previstos per finals de 2025, segons informacions sobre com el capital estranger està remodelant el mercat immobiliari de l'illa.
Els autors de l'estudi recomanen un horitzó mínim de validació de 3 anys perquè els resultats siguin realment útils per a decisions reals.
Guia pràctica: com fer servir la IA sense deixar-vos enganyar
Si esteu utilitzant o us plantegeu utilitzar eines d'IA per valorar un immoble a Tailàndia, aquí teniu un pla concret:
- Pregunteu quin és l'horitzó de validació de la plataforma. Qualsevol servei de valoració amb IA, ja sigui una plataforma d'anàlisi o la calculadora d'un promotor, hauria de poder respondre amb quin període temporal s'ha entrenat el model. Si les dades tenen menys de 12 mesos i la prova s'ha fet sobre la mateixa finestra, no us hi refieu per a decisions a llarg termini.
- Contrasteu l'estimació de la IA amb transaccions reals. Recolliu entre 3 i 5 operacions tancades a la zona que us interessa durant els últims 6 mesos. A Bangkok, les dades de transaccions es poden consultar a través del Land Department (กรมที่ดิน). Compareu els preus reals amb la sortida de la calculadora: una diferència superior al 10% és un senyal d'alarma.
- Incorporeu manualment els canvis espacials. Fins i tot els millors models basats en XGBoost tenen dificultats per anticipar canvis futurs d'infraestructura. Noves línies de transport, centres comercials planificats o modificacions urbanístiques s'han de valorar a part. Val la pena revisar les declaracions d'impacte ambiental (EIA) al web de l'ONEP.
- Feu servir la IA per filtrar, no per decidir. L'aprenentatge automàtic és excel·lent com a primer filtre, per reduir 200 anuncis a les 20 propietats que mereixen una anàlisi detallada. Però la decisió final ha d'incloure una visita en persona, una revisió legal a fons i la consulta amb un especialista local.
- Reserveu un viatge d'inspecció. Cap algoritme substitueix una visita sobre el terreny. Si us plantegeu seriosament una compra, reserveu allotjament prop de la zona objectiu durant almenys 3-4 dies, temps suficient per visitar entre 5 i 8 propietats i reunir-vos amb un advocat.
- Actualitzeu la valoració cada 6 mesos. L'estudi AGILE-GISS 2026 és explícit: la precisió del model baixa mes a mes. Si vau comprar basant-vos en una anàlisi d'IA, actualitzeu-la dues vegades l'any amb dades de transaccions locals recents.
A Immobles a Tailàndia solem recomanar precisament això: usar la IA com a primera criba, però confirmar-ho tot sempre amb dades locals actualitzades i, si cal, amb suport professional sobre el terreny.
Preguntes freqüents
Pot una IA valorar amb precisió un pis a Bangkok el 2026?
Depèn molt de la qualitat de les dades i de l'horitzó de validació utilitzat. Segons l'estudi AGILE-GISS (Volum 7, 2026), els models basats en XGBoost només mantenen una bona precisió en finestres de predicció curtes. Bangkok canvia ràpid per les noves línies de transport i la construcció activa, així que cal tractar la valoració amb IA com un punt de referència, mai com una xifra definitiva.
Quins algoritmes d'IA s'utilitzen per valorar immobles?
Els més habituals són XGBoost, Random Forest i altres mètodes d'ensemble d'aprenentatge automàtic. Analitzen desenes de variables: mida, pis, distància al transport, antiguitat de l'edifici, densitat de la zona. L'estudi de 2026 conclou que l'algoritme en si importa menys que la manera com s'ha validat.
Per què les previsions de preus amb IA queden desfasades tan de pressa?
Perquè el mercat és un sistema viu. Un model entrenat amb dades de 2023-2024 no capta canvis normatius, nous projectes d'infraestructura o variacions en els fluxos turístics. Els autors de la TU Wien ho anomenen 'biaix de validació': una il·lusió de precisió que es desfà en xocar amb la realitat.
Em puc refiar de les calculadores d'IA dels webs dels promotors?
Amb precaució. Un promotor es beneficia de la venda, i la seva calculadora pot estar calibrada cap a escenaris optimistes. Convé contrastar sempre les xifres amb fonts independents, com el registre de transaccions del Land Department o un taxador independent.
Quines dades necessita realment una valoració fiable amb IA a Tailàndia?
Com a mínim: preus reals de transacció (no preus d'anunci), coordenades de l'immoble, característiques de la construcció, distància a infraestructures clau i dades de rendibilitat de lloguer. És fonamental que el conjunt de dades cobreixi almenys un període de 3 anys, tal com recomana l'estudi AGILE-GISS 2026.
Com ajuda la IA en una inversió a Phuket?
Les eines d'IA són útils per analitzar l'estacionalitat del lloguer, comparar rendibilitats entre barris i detectar anuncis sobrevalorats. A Phuket, on la diferència de preus entre districtes arriba al 40-60%, un filtratge automàtic estalvia desenes d'hores de recerca manual. Val la pena destacar que Knight Frank Thailand va reportar un augment del 12,9% en vendes de viles el 2026, mentre la demanda d'apartaments es refredava, un canvi que cap model estàtic entrenat amb dades antigues hauria detectat.
Substituirà la IA els taxadors professionals?
No a curt termini. La IA és excel·lent processant grans volums de dades i detectant patrons. Però els matisos legals (com les restriccions a la propietat estrangera a Tailàndia, o la diferència entre títol chanote i Nor Sor 3), l'avaluació de l'estat físic de l'immoble i la negociació segueixen sent terreny de l'experiència humana.
On puc trobar dades fiables sobre preus immobiliaris a Tailàndia?
Entre les fonts oficials hi ha el Treasury Department (กรมธนารักษ์) per a la valoració cadastral, el Bank of Thailand per als índexs de preus de l'habitatge, i el REIC (Real Estate Information Center) per a dades sobre obra nova. El Treasury Department ofereix també D-Value, un servei gratuït en línia que emet documents certificats de valoració de terrenys i pisos en uns 10 minuts. Totes aquestes fonts s'actualitzen trimestralment i són d'accés gratuït.
Font: IPS News
Si esteu pensant seriosament a invertir a Tailàndia, a Immobles a Tailàndia us podem ajudar a contrastar qualsevol valoració automàtica amb dades reals del mercat i trobar la propietat que realment s'ajusta al que busqueu.