Un modelo de valoración automática adestrado con datos do Land Department tailandés infravalora sistematicamente as vilas de Phuket. Non é un fallo do algoritmo. O problema é que os contratos de compravenda adoitan rexistrar o valor catastral usado para calcular o imposto de transferencia, non o prezo real que se pagou. O algoritmo aprende fielmente o que lle dan de comer, e o resultado é unha cifra pola que ninguén vende de verdade.
Esta historia resume bastante ben o que a IA fai ben no inmobiliario e o que non. Funciona de marabilla onde hai datos abundantes e limpos: correspondencia, documentos, tradución, modelos financeiros, cualificación de leads. Falla onde o mercado é opaco por natureza, e o mercado de reventa de vivenda en Tailandia é exactamente iso.
Se estás a mirar propiedades en Phuket dende Galicia, ou xa traballas con axentes locais, isto é o que de verdade aforra tempo hoxe, onde se rompe a ferramenta, e que facer ao respecto.
Que funciona realmente hoxe (a resposta curta)
A IA dá resultados fiables en catro tarefas concretas: cualificar leads que chegan por correo ou WhatsApp, xerar contido multilingüe (inglés, ruso, tailandés, e cada vez máis español), analizar documentos legais longos, e construír modelos financeiros de rendemento. Un axente activo pode aforrar entre 8 e 12 horas semanais con estas catro aplicacións combinadas.
O que non funciona de forma fiable é a valoración automática de vivenda de reventa en Tailandia. Non existe un rexistro público de prezos de transacción reais, e os datos de adestramento están distorsionados polos valores catastrais. Como referencia pode servir; como base para negociar un prezo, non.
Por que a valoración automática falla en Phuket e non noutros sitios
O ciclo de valoración catastral do Treasury Department tailandés (o ciclo actual vai de 2023 a 2026) fíxase para calcular o imposto de transferencia do 2%. Esa cifra, e non o prezo de mercado, é a que acaba na maioría dos conxuntos de datos dispoñibles. Nunha zona turística como Phuket, a fenda entre o valor catastral e o prezo real de venda pode ser considerable, segundo estimacións do mercado.
Hai unha comparación útil aquí: en España estamos afeitos a que o valor catastral e o prezo de mercado vaian por camiños distintos, pero polo menos existen rexistros notariais públicos de transaccións. En Tailandia, para vivenda de segunda man, ese rexistro equivalente simplemente non existe de forma accesible. Por iso un modelo adestrado con eses datos non está a equivocarse: está a aprender perfectamente algo que non serve para negociar.
Onde si funciona mellor a predición é en Bangkok, grazas aos promotores cotizados en bolsa e ás súas divulgacións financeiras públicas. Nunha rúa concreta de Rawai, en cambio, a predición de prezos carece de sentido: non hai datos suficientes para sustentala.
Que di a investigación académica de 2026 sobre a IA no inmobiliario
Un estudo publicado en arXiv en setembro de 2026 clasifica a IA como unha tecnoloxía de uso xeral, na mesma categoría que a electricidade ou a computación, con efectos simultáneos sobre a produtividade, a estrutura das empresas e o emprego. O estudo identifica cinco canles polas que a IA afecta á produción: automatización, aumento das capacidades humanas, optimización de procesos, predición e xeración de innovación. No inmobiliario, só as dúas primeiras están xa amplamente implantadas.
A mesma investigación describe tres réximes no mercado laboral: substitución, complementariedade e destrución creativa. Para as axencias inmobiliarias isto non significa que a profesión desapareza, senón unha reorganización: o traballo rutineiro esvaécese mentres sobe o valor da negociación e do coñecemento local do terreo.
Hai tamén un aviso pouco cómodo: a investigación sinala un risco de concentración de mercado. Os gañadores non son quen paga unha subscrición a un modelo de IA, senón quen acumulou os seus propios datos propietarios. Unha axencia con cinco anos de historial de transaccións na súa CRM ten unha vantaxe estrutural que ningunha subscrición mensual pode replicar.
Como contraste, un estudo global de SAP e Oxford Economics, con 2.600 executivos enquisados en xullo de 2026, atopou un retorno crecente da IA a medida que as empresas a integran máis profundamente nos seus procesos operativos, un patrón que xa se aprecia en ferramentas incipientes de valoración de condominios en Bangkok e Phuket, hoxe traballando dentro de marxes de erro medibles sobre vendas comparables.
Que límites legais a IA nunca vai poder resolver por ti
Aquí hai que ser directo: ningunha configuración de IA, por avanzada que sexa, pode substituír a verificación legal do título chanote, o estatus do promotor, ou a cota do 49% de propiedade estranxeira nun condominio.
En Tailandia, os estranxeiros non poden posuír máis do 49% da superficie total construída dun proxecto de condominio en réxime freehold. Este é un límite legal ríxido baixo o Condominium Act, e ningún script de IA pode dicirte cal é a cota que resta dispoñible; só a carta da empresa xestora do edificio pode confirmalo.
Outro cálculo que a IA fai ben, pero só se lle dás os datos correctos: o Specific Business Tax sobre reventa dentro dos cinco primeiros anos de propiedade é do 3,3% sobre o valor máis alto entre o prezo de transacción e o valor catastral. A IA calcula regras coma esta sen erro, sempre que os datos de entrada sexan correctos. O problema case nunca é a fórmula; é quen introduce mal a cifra de partida.
Como empezar a usar estas ferramentas, paso a paso
-
Exporta os teus propios datos dos últimos 24 meses. Correspondencia con clientes, historial de visitas, motivos polos que se perderon operacións, prezos reais de cerre. Sen isto, calquera modelo traballa con estatísticas doutros, e en Tailandia esas estatísticas son pobres.
-
Mide a túa liña base antes de nada. Rexistra as horas semanais dedicadas a responder mensaxes, preparar listaxes curtas, traducir anuncios e comprobar condicións de financiamento a prazos. Se non mides antes, nunca poderás demostrar o impacto despois.
-
Comeza pola tradución e localización, non polas vendas. Un fluxo de traballo en inglés, ruso e tailandés (e cada vez máis español, para o comprador galego e latinoamericano) sobre descricións de propiedades e correspondencia con promotores dá resultados inmediatos. Constrúe un glosario de termos (chanote, leasehold, freehold, fondo de reserva) e dálle ao modelo ese glosario xunto co texto, ou obterás unha tradución sen validez legal ningunha.
-
Constrúe o calculador de rendemento nunha folla de cálculo e deixa que o modelo xestione as fórmulas. Inclúe o 2% de imposto de transferencia, a retención na fonte, o 3,3% de Specific Business Tax en reventa antes de cinco anos, as taxas da empresa xestora e a vacancia entre inquilinos. Os modelos escriben fórmulas moi ben e adiviñan datos de entrada moi mal, así que fixa ti mesmo os inputs.
-
Incorpora a análise de documentos. Un contrato de compravenda cun promotor tailandés adoita ter 40 páxinas. Súbeo e pídelle ao modelo que extraia o calendario de pagos, as penalizacións por retraso na entrega e as condicións de rescisión. Despois le ti mesmo eses parágrafos: o modelo atópaos rápido, pero tende a perder referencias aniñadas a apéndices.
-
Fai a cualificación de leads semiautomática, non automática. Un bot recolle orzamento, prazos, obxectivo da compra e zona horaria; unha persoa entra na segunda mensaxe. Unha conversa totalmente automatizada sobre unha propiedade de 15 millóns de baht perde ao cliente.
-
Usa as mesmas ferramentas para planificar rutas de visitas. Un modelo fai un traballo razoable trazando unha ruta de dous días por tres distritos tendo en conta o tráfico de Phuket, aínda que os voos e o aloxamento ao redor das datas de visita é mellor reservalos por separado e con antelación, xa que os prezos en tempada alta suben máis rápido do que cambian os plans.
-
Cada mes, descarta o que non funcionou. A maioría dos equipos que probaron dez casos de uso de IA acaban quedándose só con dous ou tres.
Un aviso vale máis que toda a lista anterior: xerar descricións de anuncios é o caso de uso máis popular e o máis sobrevalorado de todos. O texto sae fluído, pero a conversión non mellora, e un comprador que xa navegou dez webs nunha semana empeza a recoñecer o ritmo da máquina e deixa de confiar no anuncio. Se queres un resultado forte en vez de dez mediocres, investe en documentos e cálculos, non en textos de marketing.
Na nosa opinión, un axente autónomo en Tailandia debería centrar hoxe a adopción de IA só en correspondencia e documentos. Todo o demais compénsase a partir dun volume de varias ducias de operacións ao ano. Se estás pechando dúas operacións por trimestre, é máis honesto dedicar ese tempo a coñecer mellor o distrito no que xa es máis experto que a competencia.
Preguntas frecuentes
Vai substituír a IA aos axentes inmobiliarios en Tailandia?
Non, pero vai cambiar a composición do traballo. A investigación de 2026 describe isto como complementariedade: a máquina asume operacións repetitivas, a persoa xestiona a negociación, a verificación e a responsabilidade. As comprobacións legais sobre o título chanote e a cota restante do 49% seguen requirindo sinatura humana.
Podo fiarme dunha valoración automática dun apartamento en Phuket?
Como punto de referencia, si; como base para negociar, non. Os modelos aprenden de datos onde o prezo adoita coincidir co valor catastral do ciclo 2023-2026, non co importe real da transacción. A fenda pode ser considerable en propiedades de reventa en zonas turísticas, segundo estimacións do mercado.
Cales son as ferramentas de IA que realmente aforran tempo a un investidor ou axente?
A análise de contratos longos, a tradución que preserva a terminoloxía legal, os modelos de cálculo de rendemento e a clasificación inicial de consultas entrantes. Combinadas, estas catro aplicacións aforran a un axente activo entre 8 e 12 horas á semana.
Necesito pagar subscricións caras de IA para todo isto?
Na maioría dos casos, non. As versións base dos modelos principais xestionan ben a tradución, a análise de documentos e os cálculos. O diñeiro invístese mellor organizando a túa propia base de datos de transaccións, xa que iso é o que crea unha vantaxe real, non o nivel de subscrición.
Fonte: Kalinka Thailand