Un comprador de Vigo escribe a unha axencia de Jomtien un mércores á noite: quere saber a rendibilidade real do alugamento mensual dun estudio de 28 m², non a tarifa turística de curta estadía. Hai un ano, esa resposta tardaba día e medio: chamadas a dúas xestoras, busca en contratos pasados, unha folla de cálculo feita á man. Hoxe, o axente pregúntallo a un asistente de IA conectado directamente á base de datos e ao CRM, e en poucos minutos ten un filtro de contratos pechados dos últimos doce meses, por planta e vista. Verificar os números á man segue levando unha hora. Pero xa non un día e medio.
Ese é o cambio de fondo en 2026: non é que os modelos sexan máis listos, é que gañaron permiso para actuar dentro dos sistemas de traballo. Xa non son funcións soltas pegadas a un produto, senón fluxos axénticos onde o asistente encadea el só varios pasos.
Cantas axencias en Tailandia usan xa intelixencia artificial?
A finais de 2026, o 96% das axencias inmobiliarias tailandesas usan IA en polo menos unha función do seu traballo. Iso inclúe cousas tan básicas como xerar o texto dun anuncio, así que o listón é baixo. O número de axencias que reconstruíron de verdade os seus procesos internos é moito menor, e é xustamente nesa diferenza onde está o que separa un axente que aforra dez horas á semana doutro que aforra dez minutos.
En Pattaya, o 67% das axencias xa despregan IA no primeiro contacto con compradores estranxeiros, e o ciclo medio dunha operación baixou a 28 días, fronte aos 42 días anteriores, segundo datos de mercado de 2026. Son cifras de Pattaya, non necesariamente extrapolables a Phuket sen máis, pero marcan a dirección clara do sector.
Que cambiou realmente: o Model Context Protocol (MCP)
O stack de PropTech de 2026 ten catro capas que xa existían antes: xeración de leads, valoración de propiedades, produción de anuncios e CRM con funcións axénticas. O que é novo é o acceso. Grazas ao MCP (Model Context Protocol), un asistente como Claude ou ChatGPT pode consultar directamente o CRM ou a base de datos inmobiliaria, sen que ninguén teña que exportar unha folla de cálculo á man.
Plataformas transaccionais como Rechat, ATTOM Intelligence e RealAnalytica Atlas Agents abriron en 2026 as súas APIs a modelos de propósito xeral. Isto significa que a IA xa non traballa a carón do fluxo de traballo do axente: traballa dentro del.
Na práctica, o uso máis rendible non é o máis vistoso. Un axente en Phuket recibe entre 60 e 80 mensaxes entrantes á semana repartidas entre apps de mensaxaría e tres portais de anuncios. Un asistente axéntico conectado ao CRM clasifícaas por orzamento, prazos e tipo de propiedade, crea unha tarefa con data e redacta unha primeira resposta no idioma da consulta. O axente só revisa e envía. Non parece unha revolución tecnolóxica, pero devolve entre dúas e tres horas ao día.
O segundo uso con máis impacto é a produción de anuncios. Unha descrición en tres idiomas, con terminoloxía correcta (freehold, leasehold 30+30, cota de zonas comúns por m² ao mes), pasa de ser unha partida trimestral para un redactor externo a resolverse en minutos.
Por que non debes confiar nunha valoración automática dun piso en Phuket
Aquí toca ser claro: non deixes que a IA che dea unha valoración final dunha propiedade en Tailandia. O modelo devolve unha cifra con moita seguridade, pero está adestrado con prezos de anuncio de portais, onde unha unidade pode estar publicada durante dezaoito meses cun prezo un 20-25% por encima do que finalmente se paga. Nos Estados Unidos, os modelos poden apoiarse en transaccións pechadas do MLS. Tailandia non ten ese equivalente, e ningún conector MCP pode inventar un rexistro que non existe.
A razón é estrutural: Tailandia carece dun MLS unificado. Os datos de transaccións do Departamento de Terras (Land Department) non se publican en formato lexible por máquina, e o valor de taxación oficial (o que se usa para efectos fiscais) non coincide co prezo real de venda no mercado.
A excepción está nos grandes proxectos de promotoras con listas de prezos transparentes e datos claros por fase de venda. Aí o modelo funciona razoablemente ben, porque a información de base é pública e estruturada. En Bangkok e Phuket, algunhas axencias xa usan AVMs (modelos de valoración automática) que xeran unha primeira estimación en apenas 3 segundos, fronte a días de traballo manual, aínda que esa velocidade require sempre unha verificación humana contra comparables locais reais.
A conclusión práctica: a IA pode dar un rango de prezo inicial e unha lista de anuncios comparables. Máis aló diso, fai falla chamar a xestoras, ver contratos de alugamento reais e cifras de ocupación efectivas. Se estás a tomar unha decisión de investimento baseada nunha rendibilidade calculada automaticamente, estás a basearte en números que ninguén verificou.
Que non vai facer a IA por ti (e o Regulamento europeo de IA)
A negociación, o criterio e a xestión da relación seguen sendo tarefas humanas. O que se automatiza é a carga administrativa, non o peche do trato en si. Nin coa adopción do 96% cambia isto: os axentes en Phuket seguen sendo os que negocian condicións, avalían riscos e xestionan as dúbidas dun comprador que investe os aforros da súa vida.
Hai tamén un ángulo legal que moitas axencias esquecen. O Regulamento de IA da Unión Europea (EU AI Act) exixe transparencia sobre o uso de IA e supervisión humana en calquera escenario onde a IA influencie a decisión dun cliente, incluíndo emparellamentos automáticos e puntuacións de leads. Se algún dos teus clientes reside na UE (e para un comprador galego isto aplícase directamente), estas regras contan aínda que a oficina da axencia estea en Bangkok ou Phuket. Como mínimo, o cliente debe saber que unha resposta ou unha primeira selección foi xerada por un sistema, cunha persoa tomando a decisión final. É recomendable gardar rexistro destas interaccións: o que importa é a xurisdición do cliente, non a da oficina.
Como implantar IA nunha axencia paso a paso
-
Rexistra onde vai realmente o teu tempo. Durante unha semana, apunta canto tempo dedicas a clasificar leads, escribir descricións e preparar informes para propietarios. Todo o que supere as cinco horas semanais merece automatizarse.
-
Limpa os teus datos antes de tocar ningunha ferramenta de IA. Un asistente conectado a un CRM cheo de duplicados e campos baleiros só vai producir lixo máis rápido. Unha noite limpando a base de datos vale máis que calquera subscrición.
-
Conecta unha soa fonte de datos compatible con MCP ao asistente que xa usas. Empeza pola túa propia base de datos de propiedades, non por agregadores externos.
-
Constrúe tres modelos de prompt para as tarefas recorrentes: clasificación de leads, unha descrición de propiedade en tres idiomas e un informe mensual para propietarios. Afina a redacción até que a saída sexa previsible.
-
Establece unha regra de verificación. Calquera cifra, rendibilidade ou metro cadrado que xere o modelo só se envía a un cliente despois de comprobala contra a fonte orixinal.
-
Engade unha liña de transparencia na primeira resposta automática a un cliente. Dúas frases abondan para cubrir o ángulo regulatorio, sobre todo se hai clientes da UE.
-
Automatiza a loxística das visitas. Que o asistente construa unha ruta de tres días segundo a localización das propiedades e o horario das oficinas de venda.
-
Revisa de novo as túas horas ao mes. Se o aforro é inferior a cinco horas semanais, automatizaches a cousa equivocada.
Que significa isto para quen compra dende Galicia
Para un comprador galego que busca piso en Phuket ou Pattaya sen estar alí fisicamente, o cambio práctico é que as primeiras respostas chegan máis rápido e en galego ou castelán ben traducido, e que os informes de xestión de alugamento se poden pedir con máis frecuencia sen que iso encareza o servizo. Pero o punto crítico non cambiou: antes de asinar nada baseado nunha rendibilidade calculada por unha ferramenta automática, hai que pedir os contratos de alugamento reais e as cifras de ocupación da xestora, non a estimación do modelo. En Inmobles en Tailandia insistimos niso en cada consulta: a IA acelera a busca, pero non substitúe a chamada telefónica a quen xestiona o edificio no día a día.
Fonte: Kalinka Thailand