Phuket'te ya da Bangkok'ta bir daireye yatırım yapmayı düşünüyorsanız muhtemelen bir noktada karşınıza şu cümle çıkmıştır: "Yapay zeka modelimiz yüzde 95 doğrulukla fiyat tahmini yapıyor." Kulağa güven verici geliyor, ama 2026'da yayımlanan yeni bir akademik çalışma bu güvenin büyük ölçüde yanıltıcı olduğunu ortaya koyuyor.
Kısa cevap: Bu modellere ne kadar güvenmeli?
TU Wien'den Christoph Kmen, Gerhard Navratil ve Ioannis Giannopoulos'un AGILE-GISS dergisinde (Cilt 7, Haziran 2026) yayımladığı araştırmaya göre, gayrimenkul değerlemesi yapan makine öğrenmesi modelleri sadece dar ve kısa vadeli tahmin pencerelerinde yüksek isabet gösteriyor. Sorun algoritmalarda değil; modellerin eğitilme ve test edilme biçiminde. Eğer bir model aynı zaman diliminden alınan verilerle hem eğitiliyor hem test ediliyorsa, gerçek bir yatırım kararı için pratik değeri neredeyse sıfır.
Araştırmanın Phuket ve Bangkok alıcıları için anlamı ne?
- AGILE-GISS 2026 çalışması, ML tabanlı değerleme modellerinin yalnızca kısa tahmin ufuklarında güçlü doğruluk gösterdiğini ortaya koydu.
- XGBoost ve ensemble (topluluk) yöntemler hâlâ sektörün en gözde algoritmaları, ama hepsi aynı zaafı taşıyor: zaman boyutunu göz ardı eden doğrulama (non-temporal validation).
- Konumsal faktörler (toplu taşımaya yakınlık, sahil şeridi, altyapı) fiyatı ciddi biçimde etkiliyor, ama bu faktörlerin ağırlığı zamanla sürekli değişiyor.
- Test setinde yüzde 95+ doğruluk, bir yıl sonra da yüzde 95 doğruluk demek değil: 2024'teki Bangkok veya Phuket ile 2026'daki Bangkok veya Phuket, pratikte iki farklı piyasa.
- Pratik sonuç: Yapay zeka değerlemesi, analiz için iyi bir başlangıç noktası ama satın alma kararının nihai gerekçesi olamaz.
- 3-5 yıllık daha uzun bir doğrulama ufkuyla kurulan modeller, kağıt üzerinde daha az etkileyici görünse de gerçeğe çok daha yakın bir tablo çiziyor.
Sorunun kökeni: 'doğrulama yanılgısı' nedir?
Haziran 2026'da AGILE-GISS Cilt 7'de yayımlanan When Today's Accuracy Fails Tomorrow başlıklı makale, gayrimenkul ML modellerinde standart doğrulama pratiklerini eleştiriyor. Araştırmacıların tespit ettiği temel sorun doğrulama yanlılığı (validation bias): eğitim ve test verisi aynı zaman diliminden geldiğinde model aslında cevaba önceden "göz atmış" oluyor.
Bugün Zillow'dan Asya'daki muadillerine kadar çoğu modern değerleme platformunun temelinde XGBoost adlı gradyan artırma (gradient-boosting) algoritması yatıyor. Çalışma, en iyi ensemble modellerin bile zaman penceresi kaydığında keskin biçimde performans kaybettiğini gösteriyor. Araştırmacılara göre daha sağlıklı yaklaşım, bir mahallenin değerinin altyapı geliştikçe nasıl değiştiğini hesaba katan mekan-zaman (spatiotemporal) modelleme.
Thailand piyasası neden bu çarpıklığa özellikle açık?
Tayland piyasası, tam da bu tür modelleri yanıltan hızlı değişime sahne oluyor. Phuket'teki inşaat patlaması, Bangkok'ta açılan yeni BTS hatları ve Chiang Mai'de 2024-2025 döneminde yüzde 15-20 aralığında görülen fiyat artışı, eski veriyle eğitilmiş modelleri güvenilmez kılıyor.
Phuket'in kendisi, zeminin ne kadar hızlı kaydığının somut örneği: 2021-2025 arasında piyasaya 45.000'in üzerinde yeni konut birimi girdi ve bu birimlerin toplam değeri yaklaşık 469,7 milyar THB (yaklaşık 13 milyar ABD doları) seviyesine ulaştı. Yabancı sermayenin Phuket piyasasını nasıl yeniden şekillendirdiğine dair raporlara göre, 2025 sonuna kadar 72 yeni proje ve 10.300 ünite (toplam 81,6 milyar THB'nin üzerinde) daha piyasaya sürülecek.
Buna rağmen hiçbir ticari yapay zeka değerleme servisi, kullandığı doğrulama ufkunu kamuoyuna açıklamıyor; bu da yatırımcılar için ciddi bir şeffaflık boşluğu. Çalışmanın yazarları, gerçek kararlara uygulanabilir sonuçlar üretmek için en az 3 yıllık bir test ufku öneriyor.
Yapay zeka değerlemesini pratikte nasıl kullanmalı? Adım adım yol haritası
Thailand'da mülk değerlemesi için yapay zeka araçlarını kullanıyor ya da kullanmayı düşünüyorsanız izlenebilecek somut bir plan şöyle:
-
Platforma doğrulama ufkunu sorun. Değerleme hizmeti sunan her platform (analitik şirketi ya da geliştiricinin kendi hesaplayıcısı olsun) şu soruyu yanıtlayabilmeli: Model hangi döneme ait verilerle eğitildi? Veri 12 aydan gençse ve test aynı zaman penceresinde yapıldıysa, uzun vadeli kararlar için bu sonuca güvenmeyin.
-
AI tahminini gerçek işlemlerle karşılaştırın. Hedef bölgenizde son 6 ayda tamamlanmış 3-5 işlemi bulun. Bangkok için işlem verileri Tapu ve Kadastro Dairesi'nden (กรมที่ดิน, Land Department) alınabilir. Gerçek fiyatları AI hesaplayıcının çıktısıyla karşılaştırın; yüzde 10'u aşan bir fark kırmızı alarm demektir.
-
Konumsal değişiklikleri elle hesaba katın. En iyi XGBoost tabanlı modeller bile gelecekteki altyapı değişimlerini öngörmekte zorlanır. Yeni toplu taşıma hatları, planlanan alışveriş merkezleri veya imar değişiklikleri ayrıca kontrol edilmeli. ONEP web sitesindeki ÇED (Çevresel Etki Değerlendirmesi, EIA) başvurularını incelemekte fayda var.
-
Yapay zekayı eleme aracı olarak kullanın, nihai karar mercii olarak değil. Makine öğrenmesi, 200 ilanı detaylı incelemeye değer 20 ilana indirmek için mükemmel bir ilk filtre. Ama son karar; yerinde inceleme, hukuki durum tespiti (due diligence) ve yerel bir uzmana danışmayı mutlaka içermeli.
-
Bir keşif gezisi planlayın. Hiçbir algoritma sahada yapılan ziyaretin yerini tutmaz. Ciddi bir satın alma düşünüyorsanız, hedef bölgeye en az 3-4 günlük bir konaklama ayırın; bu süre 5-8 mülkü gezip bir avukatla görüşmeye yeter.
-
Değerlemeyi her 6 ayda bir yenileyin. AGILE-GISS 2026 çalışması net: model isabeti her geçen ay biraz daha düşüyor. Bir AI analizine dayanarak satın aldıysanız, güncel yerel işlem verileriyle yılda iki kez tazeleyin.
Tayland Evleri olarak müşterilerimize önerimiz şu: yapay zeka çıktısını mutlaka bir başlangıç noktası olarak görün, yerel piyasayı bilen bir danışmanla teyit etmeden karar vermeyin.
Sık Sorulan Sorular
Yapay zeka 2026'da Bangkok'ta bir daireyi doğru değerleyebilir mi?
Doğruluk büyük ölçüde veri kalitesine ve doğrulama ufkuna bağlı. AGILE-GISS çalışmasına (Cilt 7, 2026) göre XGBoost tabanlı modeller yalnızca kısa tahmin pencerelerinde güçlü doğruluk gösteriyor. Bangkok yeni toplu taşıma hatları ve aktif inşaat faaliyeti nedeniyle hızla değişiyor, bu yüzden AI değerlemesini bir referans noktası olarak görün, nihai rakam olarak değil.
Gayrimenkul değerlemesinde hangi yapay zeka algoritmaları kullanılıyor?
En yaygın olanları XGBoost, Random Forest ve diğer ensemble (topluluk) makine öğrenmesi yöntemleri. Bu modeller büyüklük, kat, toplu taşımaya uzaklık, bina yaşı, yoğunluk gibi düzinelerce değişkeni analiz ediyor. 2026 çalışması, algoritmanın kendisinden çok nasıl doğrulandığının önemli olduğunu ortaya koydu.
Yapay zeka fiyat tahminleri neden bu kadar çabuk eskiyor?
Çünkü piyasa canlı bir sistem. 2023-2024 verisiyle eğitilmiş bir model; mevzuat değişikliklerini, yeni altyapı projelerini ya da turist akışındaki kaymaları yakalayamaz. TU Wien'deki yazarlar buna "doğrulama yanılgısı" diyor: yeni gerçeklikle temas eder etmez çöken bir kesinlik illüzyonu.
Geliştirici sitelerindeki AI hesaplayıcılara güvenmeli miyim?
Dikkatli olun. Bir geliştirici satıştan kazanç sağlar ve hesaplayıcısı iyimser senaryolara göre kalibre edilmiş olabilir. Rakamları Tapu ve Kadastro Dairesi'nin işlem kayıtları veya bağımsız bir eksper gibi tarafsız kaynaklarla mutlaka çapraz kontrol edin.
Thailand'da isabetli bir yapay zeka değerlemesi için gerçekte hangi veriler gerekli?
En azından şunlar gerekli: gerçek işlem fiyatları (ilan fiyatları değil), mülkün koordinatları, bina özellikleri, kilit altyapıya uzaklık ve kira getirisi verileri. Kritik nokta şu: AGILE-GISS 2026 önerisine göre veri setinin en az 3 yıllık bir dönemi kapsaması gerekiyor.
Yapay zeka Phuket'te gayrimenkul yatırımına nasıl yardımcı olur?
AI araçları kira sezonsallığını analiz etmek, bölgeler arası getirileri karşılaştırmak ve aşırı fiyatlandırılmış ilanları tespit etmek için işe yarıyor. Bölgeler arası fiyat farkının yüzde 40-60'a ulaştığı Phuket'te, otomatik eleme onlarca saatlik manuel araştırmayı kısaltıyor. Knight Frank Thailand'ın raporuna göre 2026'da villa satışları yüzde 12,9 artarken daire talebi yavaşladı; eski veriyle eğitilmiş statik bir modelin yakalayamayacağı türden bir kayma bu.
Yapay zeka profesyonel gayrimenkul eksperlerinin yerini alır mı?
Yakın vadede hayır. Yapay zeka, büyük hacimli veri işleme ve örüntü tanımada gerçekten çok başarılı. Ama yabancı mülkiyet kısıtlamaları ya da chanote ile Nor Sor 3 tapu statüsü arasındaki fark gibi hukuki incelikler, fiziksel durum tespiti ve pazarlık dinamikleri hâlâ tamamen insan uzmanlığının alanında.
Thailand'da güvenilir emlak fiyat verilerini nereden bulabilirim?
Resmi kaynaklar arasında tapu değerlemesi için Hazine Dairesi (กรมธนารักษ์), konut fiyat endeksleri için Tayland Merkez Bankası ve yeni proje analitiği için REIC (Real Estate Information Center) sayılabilir. Hazine Dairesi ayrıca artık D-Value adıyla, yaklaşık 10 dakikada onaylı arazi ve kondominyum değerleme belgesi veren ücretsiz bir çevrimiçi hizmet sunuyor. Bu kaynaklar üç ayda bir güncelleniyor ve erişimleri ücretsiz.
Kaynak: IPS News