Каждая отрасль утверждает, что она «работает на ИИ», и рынок недвижимости не является исключением. От автоматизированных оценок до интеллектуальных чат-ботов, обещание звучит неотразимо: дайте машине достаточно данных, и она точно предскажет цены на недвижимость.

Но вот правда, о которой многие не говорят вслух — даже с лучшими графическими процессорами, учеными-данными и алгоритмами, ИИ не может надежно предсказать цены на недвижимость, особенно на динамичных рынках, таких как Дубай. Давайте исследуем, почему.

1. Проблема валидации: Прошлое не следует правилам

Вы не можете протестировать модель на будущем, которое еще не произошло. Общая уловка — обратное тестирование на исторических данных — не работает в недвижимости.

В отличие от фондового рынка, рынки недвижимости являются нестабильными: правила постоянно меняются. Изменения в государственной политике, всплески миграции или мировые потрясения означают, что модель, обученная на данных 2015–2019 годов, оказалась бесполезной в 2020 году.

Проблема не только в медленном цикле обратной связи; дело в том, что прошлое является ненадежным ориентиром для будущего. Применение такой модели похоже на движение вперед, глядя в зеркало заднего вида.

2. Непредсказуемые шоки предложения: Пример 2024 года

Рассмотрим запуски недвижимости в Дубае. В 2023 году рынок увидел 89,290 новых единиц. Любой, кто обучал предсказательную модель на исторических данных в то время, не имел оснований ожидать, что будет дальше.

В 2024 году новые запуски увеличились до 167,588 единиц, что является увеличением на 88% за один год.

Некоторые могут утверждать, что запуски не равны завершениям, многие объекты на этапе планирования не будут готовы в течение 3–5 лет. Верно. Но это полностью упускает суть. Проблема не в предсказании доставки; дело в предсказании поведения застройщиков и рыночных настроений. Ни один алгоритм не мог предвидеть этот рост запусков, потому что он был вызван уверенностью застройщиков, изменениями в регулировании и потоками капитала — ни один из этих факторов не следует историческим паттернам.

Динамика предложения в Дубае противоречит исторической экстраполяции.

3. Даже гиганты потерпели неудачу: Уроки от Zillow и Opendoor

Мировые лидеры, такие как Zillow и Opendoor, потратили сотни миллионов на создание систем предсказания цен. У них были огромные данные, элитные таланты и глубокий капитал.

Результат? Миллиарды убытков. Zillow закрыл свое подразделение «Zestimate» по покупке жилья после повторяющихся ошибок в ценообразовании.

Критики могут сказать, что неудача Zillow была связана с iBuying (фактической покупкой домов), а не только с предсказаниями. Но это различие усиливает аргумент: даже с миллиардами долларов на кону и всеми стимулами для правильных предсказаний, они не смогли. Если компании с риском в игре терпят неудачу в оценке (цене дома сегодня) на прозрачных, зрелых рынках, какие шансы есть у кого-либо на прогнозирование (цену дома на следующий год) на быстроменяющемся рынке, таком как Дубай?

4. Человеческий элемент: Проблема черного ящика

Даже самые сложные алгоритмы, такие как XGBoost, машины градиентного бустинга и случайные леса, зависят от человеческих предположений о предложении, процентных ставках и спросе. Если эти предположения неверны, выводы рушатся.

Но ИИ вводит более глубокий риск: черный ящик.

Модели могут изучать ложные корреляции, скрывая свою ошибочную логику от своих создателей. ИИ не видит реальность; он видит статистические паттерны. Это не хрустальный шар, а зеркало, отражающее предвзятости и слепые пятна своих данных и своих создателей.

5. Отсутствие демографической нюансировки

Эффективное прогнозирование требует детальной демографической информации: распределение по возрасту, предпочтения в образе жизни, модели покупок и состав домохозяйств. Без этих детализированных вводных данные ИИ-модели упускают критические нюансы рынка.

В Дубае такие демографические данные либо фрагментированы, либо недоступны. Модели не могут различить спрос от молодых специалистов, ищущих студии, и семей, ищущих виллы, или между конечными пользователями и инвесторами. Эта демографическая слепота приводит к принципиально ошибочным прогнозам.

6. Правило «мусор на входе, мусор на выходе»

Никакая модель не превосходит свои данные.

В Дубае данные фрагментированы между застройщиками, запусками на этапе планирования и частными записями перепродаж. Без последовательной, проверенной истинной информации, фактические данные о транзакциях, а не запрашиваемые цены, модели начинают обнаруживать паттерны в шуме.

Результат — точность без правильности: число, рассчитанное до шести знаков после запятой, которое ничего не значит.

7. Неполные сведения о доходах и покупательской способности

Рынок недвижимости Дубая не имеет официальных, централизованных данных о доходах покупателей, статусе занятости и общей покупательской способности. Кроме того, нет прозрачного отслеживания покупателей жилья с первого раза, дефолтов по ипотекам, доли нерезидентных инвесторов или даже национальностей покупателей. Эти упущения создают значительные слепые зоны для любой ИИ-модели:

Неизвестные метрики покупателей с первого раза

Покупатели жилья с первого раза по-разному влияют на модели спроса по сравнению с повторными или опытными инвесторами. Без статистики о том, сколько людей входит на рынок, алгоритмы ИИ испытывают трудности с точным предсказанием покупательского поведения.

Нет ясности по поводу конфискаций

Конфискации могут затопить рынок проблемной недвижимостью, влияя на цены. Однако отсутствие общедоступных данных о дефолтах по ипотекам означает, что прогнозы ИИ могут упустить потенциальные давления на снижение цен на недвижимость.

Непроверенные нерезидентные инвесторы

Многие транзакции с недвижимостью в Дубае связаны с международными покупателями. Тем не менее, нет официального разбития по тому, сколько нерезидентов инвестирует каждый год, что затрудняет оценку волатильности внешнего спроса.

Отсутствие данных о национальности покупателей

Распространенное заблуждение: многие предполагают, что Дубай публикует данные о национальности покупателей. Это не так. То, что существует, — это данные о национальности арендаторов из контрактов аренды Ejari, совершенно другой набор данных. Культурные и регуляторные факторы различаются в зависимости от национальности, влияя на предпочтения в недвижимости. Без официальных записей о национальности покупателей любое сегментирование спроса или демографическое моделирование оказывается принципиально неполным.

Нет баз данных по доходам/занятости

Уровни доходов и ставки занятости, ключевые индикаторы на многих рынках недвижимости, просто недоступны публично в Дубае, создавая дополнительные проблемы для точного анализа доступности.

8. ИИ как дикая карта разрушения

Здесь есть глубокая ирония: пока мы обсуждаем способность ИИ предсказывать цены на недвижимость, мы все наблюдаем, как приложения ИИ изменят сам рынок труда.

Создаст ли ИИ новые рабочие места или заменит существующие? Экономисты расходятся во мнениях, и исход остается действительно неопределенным. Но в Дубае, городе с ориентированной на услуги экономикой и большим количеством трудовых мигрантов, ставки особенно высоки. Если ИИ заменит значительную часть рабочей силы, спрос на доступные объекты может резко измениться. Если он создаст новые высокооплачиваемые роли, то спрос на роскошь может возрасти.

Эта круговая зависимость — когда технология, которую мы просим предсказать рынок, одновременно может его изменять — создает еще одну переменную, которую ни одна текущая модель не может учесть. Это не определенность; это дикая карта. А дикие карты, по определению, разрушают предсказательные модели.

9. Парадокс валидации: Низкая скорость, высокие ставки

Сделки с недвижимостью имеют изначально низкую скорость по сравнению с финансовыми рынками. Недвижимость может менять владельца раз в 5–10 лет, что означает, что циклы обратной связи измеряются годами, а не днями.

Рассмотрим аналогию: компании-разработчики программного обеспечения не обновляют свою базу данных Oracle до новой версии, пока релиз не будет доказан стабильным в производственных условиях. Они ждут. Они тестируют. Они валидация. Стоимость неудачи слишком высока, чтобы доверять непроверенной системе.

Некоторые могут утверждать, что валидация программного обеспечения отличается от предсказания рынка. Но основополагающий принцип идентичен: решения с высокими ставками требуют проверенной истории. Сбой базы данных стоит миллионов; неверная инвестиция в недвижимость может стоить семье их жизненных сбережений.

Как, тогда, нам следует подойти к первой в своем роде модели ИИ, предсказывающей активный класс, для которого валидация занимает годы? Мы не можем подтвердить, были ли прогнозы модели на 2024 год точными, пока не наступит 2027 год или позже, к тому времени рыночные условия изменятся полностью.

Этот парадокс валидации дает нам больше причин сомневаться в предсказаниях ИИ, чем доверять им. Сам акт ожидания валидации противоречит цели предсказания.

10. Аргумент зрелого рынка: Оценка ≠ Прогнозирование

Критики могут сказать: «Но в Австралии или США предсказания цен ИИ довольно точны».

Это путает оценку (что-то стоит сегодня) с прогнозированием (что это будет стоить в следующем году). Как показал пример Zillow, даже крупномасштабная оценка невероятно сложна.

Зрелые рынки с десятилетиями стандартизированных данных позволяют создать более стабильные модели, но настроение, изменения в политике и психология инвесторов все еще управляют ценами — силы, которые ни один алгоритм не может полностью изучить или предсказать.

11. Не весь ИИ безнадежен, просто неправильно применяется

Для ясности, ИИ уже добавляет ценность в многих областях недвижимости:

•      Улучшение фотографий и распознавание контента

•      Автоматизированные описания объектов на основе изображений

•      Поиск на естественном языке, который понимает человеческие запросы

•      Умная маршрутизация лидов и отслеживание производительности агентов

Эти приложения делают рынок недвижимости умнее, а не предсказательнее, и это различие имеет значение.

12. Что работает лучше, чем предсказание

В DXBinteract мы верим, что более разумный путь — это не предсказание будущего, а понимание настоящего с непревзойденной ясностью.

Наша структура рыночной аналитики сосредоточена на:

•      Аналитике транзакций в реальном времени

•      Сигналах сжатия доходности

•      Дивергенции цен и аренды

•      Метриках дней на рынке (DOM)

•      Индикаторах слабости ставок

Эти показатели не прогнозируют цены. Они раскрывают силу и направление рынка, позволяя инвесторам действовать на основе фактов, а не спекуляций.

13. Преимущество честного инвестора

В то время как другие гонятся за фантазиями предсказаний, успешные инвесторы остаются привязанными к вечным основам:

•      Земля ограничена.

•      Население растет.

•      Предложение требует времени для корректировки.

Понимание этих постоянных факторов, а не делегирование суждений черному ящику, отделяет стратегического инвестора от спекулянта.

 

Заключительная мысль

ИИ трансформирует рынок недвижимости, но не так, как обещали предсказатели. Его настоящая сила заключается в эффективности, прозрачности и понимании, а не в пророчествах.

В DXBinteract мы не продаем предсказания. Мы строим понимание.

Мы наделяем инвесторов ясностью, истиной и уверенностью, основанной на данных.

Настоящий интеллект не является искусственным — он проявляется.