AI দিয়ে থাইল্যান্ডে প্রপার্টির দাম বলা যায়? গবেষণা বলছে ৮০% পূর্বাভাসই ভুল

ধরুন আপনি ফুকেটে একটা কনডো কিনতে চাইছেন, আর কোনো এজেন্ট বা অ্যাপ AI দিয়ে বলে দিল - 'এই প্রপার্টির দাম আগামী তিন বছরে এত শতাংশ বাড়বে।' এই সংখ্যাটা কতটা বিশ্বাসযোগ্য? সংক্ষেপে উত্তর হলো - খুব একটা নয়। TU Wien-এর গবেষকদের ২০২৬ সালের একটি গবেষণা বলছে, প্রপার্টির দাম নিয়ে AI মডেলগুলো অতীত তথ্যে অসাধারণ পারফর্ম করে, কিন্তু ভবিষ্যতের প্রকৃত পরীক্ষায় তাদের নির্ভুলতা অনেকটাই ধসে পড়ে। যারা থাইল্যান্ডে সম্পত্তি কিনে ভাড়া বা মূল্যবৃদ্ধির আশা করছেন, তাদের জন্য এই পার্থক্যটা শুধু একাডেমিক আলোচনা নয়, বরং সরাসরি টাকার হিসেব।

সমস্যাটা অ্যালগরিদমে নেই, বরং এইসব মডেলকে কীভাবে যাচাই (validate) করা হয় সেখানেই লুকিয়ে আছে।

গবেষণাটা আসলে কী বলছে?

• AGILE-GISS (Volume 7) জার্নালে জুন ২০২৬-এ প্রকাশিত গবেষণায় দেখা গেছে, প্রপার্টি প্রাইস ফোরকাস্টিং মডেলগুলো নিজেদের নির্ভুলতা নিয়ে যে দাবি করে, বাস্তবে তার চেয়ে অনেক কম নির্ভরযোগ্য - কারণ এতে সময়ভিত্তিক (temporal) যাচাইয়ে গলদ থাকে
• In-sample accuracy অর্থাৎ অতীতের ডেটায় পরীক্ষা করলে নির্ভুলতা প্রায়ই ৯০%-এর বেশি দেখায়, কিন্তু সত্যিকারের ভবিষ্যৎ সময়কালে পরীক্ষা করলে সেটা নেমে আসে ৬০-৭০% বা তারও নিচে
• মূল সমস্যা হলো - খুব ছোট সময়সীমা (short forecasting horizon) নিয়ে টেস্ট করা হয়, যা বাস্তব জীবনে মডেলের প্রকৃত কার্যকারিতা প্রতিফলিত করে না
• AI পদ্ধতির মধ্যে XGBoost এবং ensemble মডেল সবচেয়ে ভালো ফল দিয়েছে, তবে এগুলোকেও নির্ভরযোগ্য হতে হলে সময়-সচেতন (temporal-aware) যাচাই লাগবেই
• থাইল্যান্ডে বিনিয়োগকারীদের জন্য বার্তা পরিষ্কার - কোনো নির্দিষ্ট প্রজেক্টের ৩-৫ বছরের ইল্ড ফোরকাস্ট শুধু AI-এর কথায় বিশ্বাস করে বসে থাকা ঝুঁকিপূর্ণ
• ব্যবহারিক শিক্ষা হলো - তুলনামূলক বিশ্লেষণ ও প্রাথমিক বাছাইয়ের জন্য AI দারুণ কাজে দেয়, কিন্তু চূড়ান্ত সিদ্ধান্তে মানুষের অভিজ্ঞতা এখনো অপরিহার্য

গবেষণার পেছনের গল্প ও গুরুত্বপূর্ণ তথ্য

TU Wien-এর গবেষক Christopher Kmen, Gerhard Navratil এবং Ioannis Giannopoulos জুন ২০২৬-এ 'When Today's Accuracy Fails Tomorrow' শিরোনামে একটি পিয়ার-রিভিউড গবেষণাপত্র প্রকাশ করেন AGILE-GISS জার্নালের Volume 7-তে। তাদের কেন্দ্রীয় আবিষ্কার - স্থান-কালভিত্তিক (spatiotemporal) মডেলগুলো একধরনের টেম্পোরাল ভ্যালিডেশন বায়াস-এ ভোগে, যেখানে ট্রেনিংয়ের সময় মডেল কার্যত ভবিষ্যতের ডেটা 'উঁকি দিয়ে দেখে ফেলে' এবং নিজেকে বাস্তবের চেয়ে বেশি স্মার্ট মনে করে।

পরীক্ষিত পদ্ধতিগুলোর মধ্যে XGBoost এবং ensemble পদ্ধতিকে সবচেয়ে প্রতিশ্রুতিশীল বলা হয়েছে, তবে গবেষকরা জোর দিয়ে বলেছেন - ভবিষ্যৎ সময়কালের ডেটায় আউট-অফ-স্যাম্পল টেস্টিং ছাড়া এগুলোও অবিশ্বাস্য থেকে যায়।

ডেটার অভাব এখানে একটা বড় বাধা। মানসম্মত লেনদেনের তথ্য এমনিতেই দুর্লভ, আর থাইল্যান্ডে এই সমস্যা ইউরোপের চেয়ে আরও তীব্র, কারণ ইউরোপের প্রপার্টি ট্রানজেকশন রেজিস্ট্রিগুলো অনেক বেশি স্বচ্ছ।

ছোট সময়সীমার (১-৬ মাস) পূর্বাভাস একধরনের ভ্রান্ত নিখুঁততা তৈরি করে। কিন্তু ২-৫ বছরের সময়সীমায় গেলে পূর্বাভাসের ত্রুটি বহুগুণ বেড়ে যায়।

ব্যাংকক ও ফুকেটের বড় ডেভেলপাররা ইতিমধ্যে দাম নির্ধারণে AI টুল ব্যবহার করছে, কিন্তু চূড়ান্ত সিদ্ধান্তের জন্য কেউই একচেটিয়াভাবে মেশিন মডেলের ওপর নির্ভর করে না।

জুলাই ২০২৬-এ প্রকাশিত Goldman Sachs-এর একটি রিসার্চ নোট বলছে, AI রিয়েল এস্টেট শিল্পের চাকরি কমিয়ে দিচ্ছে না, বরং সেগুলোর কাঠামো বদলে দিচ্ছে - যেসব এজেন্ট ও বিনিয়োগকারী AI টুল গ্রহণ করছেন, তারা পুরনো পদ্ধতিতে থাকা প্রতিযোগীদের চেয়ে বেশি আয় করছেন।

শুধু ফুকেটেই ডিসেম্বর ২০২৫ থেকে মে ২০২৬-এর মধ্যে ৫৪,৬২৮টি প্রকৃত অনুসন্ধান (enquiry) রেকর্ড হয়েছে, যার মধ্যে ৭১% ভাড়ার জন্য এবং ২৯% কেনার জন্য। এই সংখ্যাই বোঝায়, AI-চালিত চাহিদা বিশ্লেষণ এখন থাইল্যান্ডের সবচেয়ে পরিণত বাজারে বাস্তব সিদ্ধান্ত গ্রহণে কতটা প্রভাব ফেলছে।

ধাপে ধাপে: বিনিয়োগকারী হিসেবে AI-কে কীভাবে বুদ্ধিমানের মতো ব্যবহার করবেন

১. আপনার ঠিক কোন ধরনের AI বিশ্লেষণ দরকার, সেটা আগে ঠিক করুন

তিন ধরনের কাজ আছে - মার্কেট স্ক্রিনিং (সম্ভাবনাময় এলাকা খুঁজে বের করা), নির্দিষ্ট সম্পত্তির মূল্যায়ন (কমপারেবল সেলস বিশ্লেষণ), এবং ইল্ড ফোরকাস্টিং। প্রথম দুটোতে AI এখনই ভালো কাজ করে। তৃতীয়টায় এখনো নয়।

২. ওপেন ডেটার সঙ্গে মিলিয়ে দেখুন

DDproperty এবং Hipflat-এর মতো প্ল্যাটফর্ম জেলাভিত্তিক প্রাইস ইনডেক্স প্রকাশ করে। গত ৩ বছরের প্রকৃত দামের গতিবিধির সঙ্গে AI মডেলের আউটপুট তুলনা করুন। পার্থক্য ১৫%-এর বেশি হলে সেই মডেলকে বিশ্বাস করবেন না।

৩. আউট-অফ-স্যাম্পল ভ্যালিডেশন চেয়ে নিন

২০২৬ সালের AGILE-GISS গবেষণা স্পষ্ট বলছে - শুধু অতীত ডেটায় (in-sample) পরীক্ষিত মডেল বিশ্বাসযোগ্য নয়। কেউ AI ফোরকাস্ট দিলে জিজ্ঞেস করুন, মডেলটা কি এমন ডেটায় টেস্ট করা হয়েছে যা ট্রেনিংয়ের সময় সে কখনো 'দেখেনি'?

৪. আপনার পছন্দের এলাকার নির্দিষ্ট ডেটা জোগাড় করুন

ভালোভাবে ডকুমেন্টেড এলাকায় AI মডেল ভালো কাজ করে। ফুকেটের Bang Tao, Laguna, ব্যাংককের Sukhumvit, Silom, এবং পাতায়ার Wongamat-এ পর্যাপ্ত ডেটা আছে। কিন্তু ক্রাবি বা কোহ সামুইয়ের মতো কম-ম্যাপড এলাকায় মডেলের নির্ভুলতা লক্ষণীয়ভাবে কমে যায়।

৫. আগে থেকেই ইন্সপেকশন ট্রিপের ফ্লাইট বুক করে ফেলুন

সম্পত্তি সরাসরি চোখে দেখার কোনো বিকল্প নেই। AI আপনাকে সংখ্যা দেখাতে পারে, কিন্তু নির্মাণের মান, প্রকৃত অবকাঠামোর অবস্থা, বা এলাকার আবহ বলতে পারে না।

৬. চূড়ান্ত ডিউ ডিলিজেন্সের জন্য স্থানীয় বিশেষজ্ঞ রাখুন

AI প্রথম ধাপের ছাঁকনি মাত্র - ২০০টা অপশন থেকে ১০টায় নামিয়ে আনতে পারে। কিন্তু স্থানীয় আইন, ডেভেলপারের সুনাম এবং প্রজেক্ট-নির্দিষ্ট খুঁটিনাটি বোঝেন এমন কারও হাতেই চূড়ান্ত সিদ্ধান্ত থাকা উচিত। এখানেই থাইল্যান্ড সম্পত্তি-র মতো স্থানীয় বিশেষজ্ঞ দল কাজে আসে।

৭. প্রতি ৩-৬ মাসে ডেটা রিফ্রেশ করুন

থাইল্যান্ডের বাজার দ্রুত বদলায়। ২০২৫ সালের শুরুর ডেটায় প্রশিক্ষিত মডেল হয়তো ব্যাংককের নতুন BTS সম্প্রসারণ বা ভিসা নীতির পরিবর্তনের মতো বিষয় ধরতে পারবে না।

সচরাচর জিজ্ঞাসিত প্রশ্ন

থাই কনডোর AI মূল্যায়ন কি বিশ্বাস করা যায়?

আংশিকভাবে। তুলনামূলক বিশ্লেষণে, অর্থাৎ একই এলাকায় একই ধরনের ইউনিটের দাম দেখাতে AI মডেল বেশ কার্যকর। কিন্তু ৩-৫ বছরের দাম বৃদ্ধির পূর্বাভাসের ক্ষেত্রে, AGILE-GISS (Volume 7, 2026) গবেষণা যেমন দেখিয়েছে, টেম্পোরাল ভ্যালিডেশন বায়াসের কারণে এটা অত্যন্ত অনির্ভরযোগ্য থেকে যায়।

প্রপার্টি ভ্যালুয়েশনে কোন AI মডেল সবচেয়ে ভালো কাজ করে?

২০২৬ সালের গবেষণায় XGBoost এবং ensemble মডেল সবচেয়ে ভালো ফল দিয়েছে। তা সত্ত্বেও নির্ভুলতা নিশ্চিত করতে এগুলোরও আউট-অফ-স্যাম্পল টেস্টিং দরকার।

দীর্ঘ সময়সীমায় AI-এর পূর্বাভাস কেন ব্যর্থ হয়?

কারণ বেশিরভাগ মডেল ছোট সময়সীমায় (১-৬ মাস) পরীক্ষিত হয়, যেখানে নির্ভুলতা কৃত্রিমভাবে বেশি দেখায়। ২-৫ বছরের সময়সীমায় নিয়ন্ত্রক নীতির পরিবর্তন, ম্যাক্রো-ইকোনমিক ধাক্কা, চাহিদার পরিবর্তনের মতো বিষয় জমা হয়ে ত্রুটি বহুগুণ বাড়িয়ে দেয়।

থাই ডেভেলপাররা কি আসলেই AI ব্যবহার করেন?

হ্যাঁ। ব্যাংককের বড় ডেভেলপাররা দাম নির্ধারণ ও চাহিদা বিশ্লেষণে AI ব্যবহার করে। তবে পরিচিত কোনো কোম্পানিই একমাত্র সিদ্ধান্ত-গ্রহণ টুল হিসেবে AI-এর ওপর নির্ভর করে না।

থাইল্যান্ডে বিনিয়োগকারী হিসেবে এখনই AI দিয়ে কী করা যায়?

তিনটি ব্যবহারিক কাজ - দ্রুত মার্কেট স্ক্রিনিং (কোন এলাকায় দাম বাড়ছে তা খুঁজে বের করা), কমপারেবল সেলসের মাধ্যমে ন্যায্য মূল্য যাচাই, এবং আপনার শর্ত অনুযায়ী নতুন লিস্টিং স্বয়ংক্রিয়ভাবে মনিটর করা।

নির্ভুল ভ্যালুয়েশনের জন্য AI মডেলের কী কী ডেটা দরকার?

অন্তত এতটুকু দরকার - প্রকৃত লেনদেনের দাম (শুধু লিস্টিং প্রাইস নয়), ইউনিটের আকার, ফ্লোর লেভেল, ট্রানজিট ও সমুদ্র থেকে দূরত্ব, নির্মাণ সাল, এবং এলাকার ঘনত্ব। থাইল্যান্ডের বড় চ্যালেঞ্জ হলো প্রকৃত ট্রানজেকশন রেজিস্ট্রিতে সীমিত প্রবেশাধিকার।

AI প্রপার্টি ভ্যালুয়েশন সার্ভিসের জন্য টাকা খরচ করা কি ঠিক হবে?

সার্ভিসটি যদি তার পদ্ধতি (methodology) স্পষ্ট করে বলে এবং আউট-অফ-স্যাম্পল টেস্টের ফলাফল দেখায়, তাহলে হ্যাঁ। কিন্তু যদি কোনো ব্যাখ্যা ছাড়াই শুধু 'নির্ভুল পূর্বাভাস' ধরিয়ে দেয়, তাহলে না। মডেল কোন ডেটায় প্রশিক্ষিত এবং কতদিন আগে আপডেট হয়েছে, সবসময় সেটা যাচাই করুন।

থাইল্যান্ডে AI কি রিয়েল এস্টেট এজেন্টদের জায়গা নিয়ে নেবে?

আগামী ৫ বছরে নয়। রুটিন কাজ, যেমন প্রপার্টি ম্যাচিং, প্রাথমিক বিশ্লেষণ, মনিটরিং, AI নিয়ে নেবে। কিন্তু ডেভেলপারের সঙ্গে দরকষাকষি, আইনি ডিউ ডিলিজেন্স, এবং নির্মাণ মানের মূল্যায়ন, এই কাজগুলোতে মানুষের অভিজ্ঞতা এখনো অপরিহার্য।

AGILE-GISS 2026 গবেষণার মূল শিক্ষা খুবই সহজ - রিয়েল এস্টেটে AI একটি শক্তিশালী বিশ্লেষণী হাতিয়ার, কিন্তু ভবিষ্যদ্বাণীকারী হিসেবে দুর্বল। বিশাল ডেটাসেট প্রক্রিয়াকরণ ও প্যাটার্ন খুঁজে বের করার কাজে একে ব্যবহার করুন, আর কৌশলগত সিদ্ধান্ত নিন বিশেষজ্ঞ বিশ্লেষণ, স্থানীয় বাজার বোঝাপড়া এবং সাধারণ বুদ্ধির ভিত্তিতে।

সূত্র: Thaiger