Když si Čech kupuje byt na Phuketu, obvykle se spoléhá na odhad realitního makléře, pár srovnatelných inzerátů na DDproperty a vlastní cit. To se ale rychle mění. Koncem června 2026 zveřejnili výzkumníci z ruské Higher School of Economics (HSE) model, který dokáže ocenit komerční nemovitost kombinací geodat, strojového učení a velkých jazykových modelů (LLM), a to s přesností, na kterou žádný člověk pracující s tabulkami nedosáhne.
Pro investora, který zvažuje koupi kondominia v Bang Tao nebo obchodního prostoru v Bangkoku, to není jen akademická zajímavost. Je to signál, že se trh s odhady nemovitostí sám přestavuje, a to doslova v reálném čase.
Automatizované oceňovací modely (AVM) samy o sobě nejsou nic nového. Novinkou je ale takzvaný multimodální AVM, tedy model, který dokáže současně analyzovat GPS souřadnice nemovitosti, význam textového popisu a strukturovaná transakční data. Tahle kombinace představuje skutečně nový stupeň sofistikovanosti a už se testuje v praxi, od zasedaček v Bangkoku po realitní kanceláře na Phuketu.
Co přesně je multimodální AVM a proč se o něm mluví právě teď
Multimodální model oceňování kombinuje minimálně tři typy dat: strukturovaná (cena, plocha), geoprostorová (lokalita, infrastruktura) a sémantická (textové popisy zpracované jazykovými modely). Studie HSE, zveřejněná 30. června 2026, potvrdila, že právě zapojení jazykových modelů do procesu oceňování zvyšuje přesnost stanovení ceny. Jde o první rusky psanou studii, která integruje rysy odvozené z LLM do automatického oceňování komerčních nemovitostí, a to na reálných transakčních datech z moskevského trhu.
Pro investora do thajské nemovitosti to znamená jedno klíčové zjištění: rozhodnutí o koupi se dá opřít o objektivní data, ne jen o intuici makléře. Metodika je přitom přenositelná i na jiné trhy. Thajsko, kde jsou transakční data čím dál dostupnější díky platformám jako DDproperty nebo Hipflat, je přímým kandidátem na podobnou adaptaci.
Jaká data model potřebuje a proč na tom záleží na Phuketu
Model pracuje se třemi typy heterogenních dat a právě jejich kombinace, ne jednotlivé datové zdroje samy o sobě, žene přesnost nahoru.
Geoprostorový kontext zahrnuje vzdálenost k dopravním uzlům, hustotu pěšího provozu a blízkost konkurence. Tyhle parametry jsou v Thajsku stejně důležité jako v Moskvě, jen se místo vzdálenosti k metru počítá vzdálenost k pláži, na letiště nebo k obchodnímu centru.
Sémantické signály se extrahují z popisů nemovitosti pomocí velkých jazykových modelů. Zachycují subjektivní kvality typu 'výhled na moře', 'klidná čtvrť' nebo 'prémiové provedení', tedy přesně to, co tradiční model úplně přehlíží, protože to nejde vyjádřit číslem v tabulce.
Kolik času a přesnosti AI skutečně ušetří
Rozdíl mezi tradičním a AI odhadem není jen kosmetický. Přední thajské realitní kanceláře hlásí, že tam, kde manuální srovnávací analýza trvala 48 hodin, zvládne AI model totéž za 3 až 5 minut.
Přesnost jde stejným směrem. Tradiční odhad se od tržní ceny běžně odchyluje o 10 až 20 %. Multimodální modely tuto odchylku snižují na 5 až 8 % na trzích s dostatkem dat. Na rozvíjejících se trzích, kam částečně patří i některé oblasti Thajska, může být odchylka stále vyšší, protože transakčních dat je zatím méně.
Modely strojového učení dnes navíc predikují cenové trendy v Bangkoku a na Phuketu na 6 až 12 měsíců dopředu s přesností 82 až 87 %. Podle tržních odhadů používá v roce 2026 víc než 40 % velkých developerů napříč jihovýchodní Asií prvky AI analytiky při stanovování cen nových projektů. Segment street retailu, na kterém byl model HSE testován, navíc v Thajsku roste: komerční nájemné na Phuketu a v Bangkoku vzrostlo za poslední rok o 12 až 15 %.
Jak si AI odhad zorganizovat krok za krokem, než vyrazíte na prohlídku
1. Ujasněte si, k čemu odhad potřebujete
Kupujete kondominium na Phuketu na pronájem? Pak potřebujete model, který počítá se sezónností, obsazeností a výší nájmů. Míříte na komerční jednotku v Bangkoku? Tam rozhoduje hlavně pěší provoz a konkurenční prostředí. Cíl si definujte dřív, než začnete vybírat nástroj.
2. Sesbírejte základní data o nemovitosti
Lokalita (GPS souřadnice), plocha, patro, rok výstavby, vzdálenost ke klíčové infrastruktuře. V Thajsku věnujte zvláštní pozornost vzdálenosti od pláže (v metrech), vzdálenosti od letiště, existenci správcovské společnosti a aktuální obsazenosti nájemníky.
3. Využijte nástroje, které už existují
Služby jako HouseCanary, Zillow Zestimate nebo PriceHubble už prvky multimodálního oceňování používají. Plný thajský ekvivalent zatím neexistuje, ale kombinací dat z DDproperty, Google Maps API a ChatGPT si dokážete postavit vlastní základní sémantický model.
4. Přidejte geoprostorovou analýzu
Zmapujte konkurenční prostředí v okruhu 1 až 2 km od nemovitosti. Kolik srovnatelných kondominií je v okolí? Jaká je průměrná cena za metr čtvereční? Plánují se nové projekty? Tahle data výrazně ovlivňují budoucí hodnotu nemovitosti.
5. Ověřte výstup AI s místním expertem
Model je nástroj, ne věštec. Automatizovaný odhad by se měl od názoru místního experta lišit maximálně o 10 %. Pokud je rozdíl větší, hledejte příčinu, například že model nezohlednil místní specifika, jako jsou omezení vlastnictví pozemků cizinci v Thajsku.
6. Připravte si analýzu ještě před inspekční cestou
Přijeďte s hotovým modelem v ruce. Ubytování si rezervujte poblíž nemovitostí, které vás zajímají, ať zvládnete prohlídky všech do 2 až 3 dnů. Osobní prohlídka pak jen potvrdí (nebo vyvrátí) data, která AI nasbírala ještě před vaším příletem.
7. Aktualizujte model každé 3 až 6 měsíců
Thajský trh se hýbe rychle. Nové projekty, legislativní změny i kolísání bahtu ovlivňují oceňování. Model, který jste neaktualizovali půl roku, produkuje zastaralá čísla.
Nahradí AI úplně lidského odhadce?
Ne. Podle studie HSE zveřejněné v červnu 2026 automatizované modely zlepšují přesnost i rychlost odhadu, ale expertní ověření pořád potřebují. AI si skvěle poradí s daty, ale nepozná prasklinu ve zdi ani vlhkost v koupelně. Proto i my v Nemovitosti v Thajsku doporučujeme brát AI odhad jako první filtr, ne jako konečné slovo.
Automatizované oceňování není budoucnost realitního trhu, je to jeho přítomnost. Investoři, kteří dnes multimodální modely používají, dělají chytřejší rozhodnutí a platí férové ceny. Základní pravidlo ale zůstává stejné: AI dodá data, poslední slovo má pořád člověk.
Zdroj: Kalinka Thailand