ہر صنعت اپنے آپ کو "AI کے ذریعے چلنے والی" ہونے کا دعویٰ کرتی ہے، اور رئیل اسٹیٹ بھی اس سے مستثنیٰ نہیں ہے۔ خودکار تشخیص سے لے کر ذہین چیٹ بوٹس تک، یہ وعدہ ناقابلِ مزاحمت لگتا ہے: ایک مشین کو اتنا ڈیٹا دیں، اور یہ پراپرٹی کی قیمتوں کی درست پیشگوئی کرے گی۔

لیکن یہاں ایک سچائی ہے جسے زیادہ تر لوگ کھل کر نہیں کہتے—بہترین GPUs، ڈیٹا سائنسدانوں، اور الگورڈمز کے باوجود، AI قابل اعتماد طور پر رئیل اسٹیٹ کی قیمتوں کی پیشگوئی نہیں کر سکتا، خاص طور پر متحرک مارکیٹوں جیسے دبئی میں۔ آئیے جانتے ہیں کیوں۔

1. توثیق کا مسئلہ: ماضی قوانین کی پیروی نہیں کرتا

آپ کسی ایسے ماڈل کا ٹیسٹ نہیں کر سکتے جو مستقبل کے بارے میں ہے جو ابھی تک نہیں ہوا۔ عام حل—تاریخی ڈیٹا پر بیک ٹیسٹنگ رئیل اسٹیٹ میں ناکام ہو جاتا ہے۔

اسٹاک مارکیٹ کے برعکس، پراپرٹی مارکیٹیں غیر مستحکم ہیں: قوانین بار بار بدلتے رہتے ہیں۔ حکومت کی پالیسی میں تبدیلیاں، ہجرت میں اضافہ، یا عالمی دھچکے کا مطلب ہے کہ 2015–2019 کے ڈیٹا پر تربیت یافتہ ماڈل 2020 میں بے کار ثابت ہوا۔

مسئلہ صرف سست فیڈبیک لوپ نہیں ہے؛ بلکہ یہ ہے کہ ماضی مستقبل کے لیے ایک غیر قابل اعتبار رہنما ہوتا ہے۔ ایسے ماڈل کا استعمال کرنا ایسا ہے جیسے آپ پیچھے کی طرف دیکھتے ہوئے آگے چل رہے ہیں۔

2. غیر متوقع سپلائی کے دھچکے: 2024 کی مثال

دبئی کے آف پلان پراپرٹی لانچوں پر غور کریں۔ 2023 میں مارکیٹ نے 89,290 نئے یونٹس کا آغاز دیکھا۔ اس وقت تاریخی ڈیٹا پر پیشگوئی کرنے والے ماڈل کے لئے کچھ بھی پیشگوئی کرنے کا کوئی بنیاد نہیں تھا۔

2024 میں، نئے لانچوں کی تعداد بڑھ کر 167,588 یونٹس، ایک سال میں 88% اضافہ ہو گئی۔

کچھ لوگ یہ کہہ سکتے ہیں کہ لانچنگ کا مطلب مکمل ہونا نہیں ہے، بہت سے آف پلان یونٹس 3–5 سال تک نہیں پہنچیں گے۔ یہ سچ ہے۔ لیکن یہ بات بالکل غلط ہے۔ مسئلہ ترسیل کی پیشگوئی کرنا نہیں ہے؛ یہ ڈویلپر کے رویے اور مارکیٹ کے جذبات کی پیشگوئی کرنے کے بارے میں ہے۔ کوئی الگورڈم اس لانچ میں اضافہ کی پیشگوئی نہیں کر سکا کیونکہ یہ ڈویلپر کے اعتماد، ریگولیٹری تبدیلیوں، اور سرمایہ کے بہاؤ سے متاثر ہوا—ان میں سے کوئی بھی تاریخی نمونوں کی پیروی نہیں کرتا۔

دبئی میں سپلائی کے پہلو تاریخی تخمینے کی پیروی نہیں کرتے۔

3. یہاں تک کہ بڑے بھی ناکام ہوئے: Zillow اور Opendoor سے سبق

عالمی رہنما جیسے Zillow اور Opendoor نے قیمت کی پیشگوئی کے انجن کی تعمیر میں سینکڑوں ملین خرچ کیے۔ ان کے پاس بڑی مقدار میں ڈیٹا، اعلیٰ صلاحیت، اور گہری سرمایہ کاری تھی۔

نتیجہ؟ اربوں کا نقصان۔ Zillow نے بار بار غلط قیمتوں کی وجہ سے اپنے "Zestimate" ہوم خریداری یونٹ کو بند کر دیا۔

تنقید کرنے والے یہ کہہ سکتے ہیں کہ Zillow کی ناکامی iBuying (حقیقی گھروں کی خریداری) کے بارے میں تھی، صرف پیشگوئیوں کے بارے میں نہیں۔ لیکن یہ تفریق دلائل کو مزید تقویت دیتی ہے: یہاں تک کہ اربوں ڈالر کے خطرے میں ہونے کے باوجود اور ہر ممکن حوصلہ افزائی کے ساتھ درست پیشگوئی کرنے کی کوشش کرنے کے باوجود، وہ ناکام رہے۔ اگر وہ کمپنیاں جن کا کھیل میں خطرہ ہے، شفاف، ترقی یافتہ مارکیٹوں میں تشخیص (آج ایک گھر کی قیمت) میں ناکام ہو جائیں، تو دبئی جیسی تیز رفتار مارکیٹ میں پیشگوئی (آنے والے سال میں ایک گھر کی قیمت) کرنے کا کسی کے پاس کیا موقع ہے؟

4. انسانی عنصر: بلیک باکس کا مسئلہ

یہاں تک کہ سب سے جدید الگورڈمز، XGBoost، گریڈینٹ بوسٹنگ مشینیں، رینڈم فارسٹ، انسانی مفروضوں پر انحصار کرتے ہیں جیسے سپلائی، سود کی شرح، اور طلب۔ اگر یہ مفروضے غلط ہیں تو نتیجہ ناکام ہو جاتا ہے۔

لیکن AI ایک گہری خطرہ بھی متعارف کراتا ہے: بلیک باکس۔

ماڈلز غلط تعلقات سیکھ سکتے ہیں، اپنی غلط منطق کو اپنے تخلیق کاروں سے چھپاتے ہیں۔ AI حقیقت کو نہیں دیکھتا؛ یہ شماریاتی نمونوں کو دیکھتا ہے۔ یہ ایک کرسٹل بال نہیں ہے، یہ ایک آئینہ ہے جو اپنے ڈیٹا اور اپنے تخلیق کاروں کی تعصبات اور اندھی جگہوں کی عکاسی کرتا ہے۔

5. آبادی کی تفصیلات کی کمی

موثر پیشگوئی کے لیے تفصیلی آبادی کی بصیرت کی ضرورت ہوتی ہے، عمر کی تقسیم، طرز زندگی کی پسند، خریداری کے نمونے، اور گھر کے ڈھانچے۔ بغیر ان تفصیلات کے، AI ماڈلز اہم مارکیٹ کی تفصیلات کو نظر انداز کر دیتے ہیں۔

دبئی میں، ایسی آبادی کی معلومات ٹکڑے ٹکڑے میں یا دستیاب نہیں ہیں۔ ماڈلز نوجوان پروفیشنلز کی طرف سے اسٹوڈیو اپارٹمنٹس کی طلب اور خاندانوں کی طرف سے ولاز کی طلب میں فرق نہیں کر سکتے، یا آخرکار صارفین اور سرمایہ کاروں کے درمیان۔ یہ آبادی کی اندھی پن بنیادی طور پر غلط پیشگوئیوں کی طرف لے جاتی ہے۔

6. "کچرا اندر، کچرا باہر" کا اصول

کوئی ماڈل اپنے ڈیٹا سے زیادہ مؤثر نہیں ہوتا۔

دبئی میں، ڈیٹا ڈویلپرز، آف پلان لانچوں، اور نجی دوبارہ فروخت کے ریکارڈز میں ٹکڑے ٹکڑے میں ہے۔ بغیر مستقل، تصدیق شدہ زمینی حقیقت، حقیقی لین دین کے ڈیٹا، نہ کہ پوچھنے کی قیمتیں، ماڈلز شور میں نمونے تلاش کرنے لگتے ہیں۔

نتیجہ یہ ہے کہ درستگی کے بغیر درستگی: ایک نمبر جو چھ اعشاریہ مقامات تک حساب کیا گیا ہے جو بالکل بھی معنی نہیں رکھتا۔

7. آمدنی اور خریداری کی طاقت کی نامکمل بصیرت

دبئی کی رئیل اسٹیٹ مارکیٹ میں خریداروں کی آمدنی کی سطح، ملازمت کی حیثیت، اور مجموعی خریداری کی طاقت کے بارے میں سرکاری، مرکزی ڈیٹا کی کمی ہے۔ اس کے علاوہ، پہلی بار گھر خریدنے والوں، رہن کی ناکامیوں، غیر رہائشی سرمایہ کاروں کے تناسب، یا یہاں تک کہ خریداروں کی قومیتوں کا کوئی شفاف ٹریکنگ نہیں ہے۔ یہ کمی کسی بھی AI ماڈل کے لیے بڑے اندھے مقامات پیدا کرتی ہے:

پہلی بار خریدار کے نامعلوم میٹرکس

پہلی بار گھر خریدنے والے طلب کے نمونوں پر دوبارہ سرمایہ کاری کرنے والے یا تجربہ کار سرمایہ کاروں سے مختلف اثر انداز ہوتے ہیں۔ بغیر اس کے اعداد و شمار کے کہ کتنے لوگ مارکیٹ میں داخل ہو رہے ہیں، AI الگورڈمز خریداروں کے رویے کی درست پیشگوئی کرنے میں ناکام رہتے ہیں۔

خساروں پر کوئی وضاحت نہیں

خسارے مارکیٹ میں متاثرہ پراپرٹی کی سیلاب کر سکتے ہیں، قیمتوں پر اثر انداز ہوتے ہیں۔ تاہم، عوامی طور پر دستیاب ناکام رہن کے ڈیٹا کی کمی کا مطلب ہے کہ AI کی پیشگوئیاں ممکنہ قیمتوں میں کمی کے دباؤ کو نظر انداز کر سکتی ہیں۔

غیر ٹریکڈ غیر رہائشی سرمایہ کار

دبئی میں بہت سے پراپرٹی کی لین دین بین الاقوامی خریداروں کے ساتھ شامل ہیں۔ تاہم، ہر سال کتنے غیر رہائشی سرمایہ کار ہیں، اس کی کوئی سرکاری تقسیم نہیں ہے، جس سے باہر کی طلب کی عدم استحکام کا اندازہ لگانا مشکل ہو جاتا ہے۔

خریدار کی قومیت کے ڈیٹا کی کمی

ایک عام غلط فہمی: بہت سے لوگ سمجھتے ہیں کہ دبئی خریداروں کی قومیت کا ڈیٹا شائع کرتا ہے۔ ایسا نہیں ہے۔ جو کچھ موجود ہے وہ کرایہ دار قومیت کے ڈیٹا ہے جو Ejari کرایہ داری کے معاہدوں سے ہے، جو کہ ایک بالکل مختلف ڈیٹا سیٹ ہے۔ ثقافتی اور ریگولیٹری عوامل قومیت کے لحاظ سے مختلف ہوتے ہیں، جو پراپرٹی کی ترجیحات کو متاثر کرتے ہیں۔ بغیر سرکاری ریکارڈ کے خریدار قومیت کے، کسی بھی طلب کی تقسیم یا آبادی کی ماڈلنگ بنیادی طور پر نامکمل ہوتی ہے۔

آمدنی/ملازمت کے ڈیٹا بیس کی عدم موجودگی

آمدنی کی سطح اور ملازمت کی شرح، بہت سے رئیل اسٹیٹ مارکیٹوں میں اہم اشارے دبئی میں عوامی طور پر دستیاب نہیں ہیں، جو درست سستی کی تجزیے کے لیے مزید چیلنجز پیدا کرتی ہیں۔

8. AI کی خرابی کا جوکر

یہاں ایک گہری تضاد ہے: جب ہم AI کی رئیل اسٹیٹ قیمتوں کی پیشگوئی کی صلاحیت پر بحث کر رہے ہیں، ہم سب یہ دیکھ رہے ہیں کہ AI کی ایپلیکیشنز خود ملازمت کی مارکیٹ کو کس طرح دوبارہ شکل دیتی ہیں۔

کیا AI نئے ملازمتیں پیدا کرے گا یا موجودہ ملازمتوں کو ختم کرے گا؟ معیشت دانوں میں اختلاف ہے، اور نتیجہ واقعی غیر یقینی ہے۔ لیکن دبئی میں، ایک خدمات پر مبنی معیشت اور ایک بڑی غیر ملکی کام کی طاقت کے ساتھ شہر میں، خطرہ خاص طور پر بلند ہے۔ اگر AI بڑی تعداد میں ورک فورس کو بے روزگار کرتا ہے تو سستی پراپرٹی کے لیے طلب میں نمایاں تبدیلی آ سکتی ہے۔ اگر یہ نئے اعلیٰ تنخواہ والی ملازمتیں تخلیق کرتا ہے تو عیش و آرام کی طلب میں اضافہ ہو سکتا ہے۔

یہ دائرے کی انحصار—جہاں ٹیکنالوجی جسے ہم مارکیٹ کی پیشگوئی کرنے کے لئے کہہ رہے ہیں، ممکنہ طور پر اسے دوبارہ شکل دے سکتی ہے—ایک اور متغیر پیدا کرتا ہے جس کا موجودہ ماڈل حساب نہیں کر سکتا۔ یہ کوئی یقین نہیں ہے؛ یہ ایک جوکر ہے۔ اور جوکر، تعریف کے لحاظ سے، پیشگوئی کے ماڈلز کو توڑ دیتا ہے۔

9. توثیق کا تضاد: کم رفتار، زیادہ خطرات

رئیل اسٹیٹ کی لین دین مالیاتی مارکیٹوں کے مقابلے میں بنیادی طور پر کم رفتار رکھتی ہے۔ ایک پراپرٹی ہر 5–10 سال میں ایک بار منتقل ہو سکتی ہے، جس کا مطلب ہے کہ فیڈبیک لوپ برسوں میں، دنوں میں نہیں ماپی جاتی۔

ایک تمثیل پر غور کریں: انٹرپرائز سافٹ ویئر کمپنیاں نئے اوریکل ڈیٹا بیس کے ورژن میں اپ گریڈ نہیں کرتی ہیں جب تک کہ ریلیز پروڈکشن کے ماحول میں مستحکم ثابت نہ ہو۔ وہ انتظار کرتے ہیں۔ وہ ٹیسٹ کرتے ہیں۔ وہ توثیق کرتے ہیں۔ ناکامی کی قیمت اتنی زیادہ ہوتی ہے کہ کسی بھی غیر ثابت شدہ نظام پر اعتماد نہیں کیا جا سکتا۔

کچھ لوگ یہ کہہ سکتے ہیں کہ سافٹ ویئر کی توثیق مارکیٹ کی پیشگوئی سے مختلف ہے۔ لیکن بنیادی اصول ایک ہی ہے: بڑی خطرے والے فیصلوں کے لیے ثابت شدہ ٹریک ریکارڈ کی ضرورت ہوتی ہے۔ ایک ڈیٹا بیس کا کریش لاکھوں کا نقصان ہوتا ہے؛ ایک غلط پراپرٹی کی سرمایہ کاری ایک خاندان کے لیے ان کی زندگی کی بچت کا نقصان کر سکتی ہے۔

پھر، ہمیں ایک ایسے AI ماڈل کے بارے میں کیسے سوچنا چاہیے جو ایک ایسے اثاثے کی کلاس کے بارے میں پیشگوئیاں کرتا ہے جس کی توثیق میں سال لگتے ہیں؟ ہم اس بات کی تصدیق نہیں کر سکتے کہ ماڈل کی 2024 کی پیشگوئیاں درست تھیں جب تک کہ 2027 یا اس کے بعد تک، جب تک کہ مارکیٹ کی حالتیں مکمل طور پر تبدیل نہ ہو جائیں۔

یہ توثیق کا تضاد ہمیں AI کی پیشگوئیوں پر شک کرنے کی مزید وجوہات دیتا ہے بجائے اس کے کہ ہم ان پر اعتماد کریں۔ توثیق کے انتظار کا عمل پیشگوئی کے مقصد کو ہی ختم کر دیتا ہے۔

10. بالغ مارکیٹ کا دلیل: تشخیص ≠ پیشگوئی

تنقید کرنے والے کہہ سکتے ہیں، "لیکن آسٹریلیا یا امریکہ میں، AI کی قیمت کی پیشگوئی کافی درست ہے۔"

یہ تشخیص (کسی چیز کی آج کی قیمت) کو پیشگوئی (کیا یہ اگلے سال کی قیمت ہوگی) سے ملاتا ہے۔ جیسے کہ Zillow کی مثال نے ثابت کیا، یہاں تک کہ بڑے پیمانے پر تشخیص بھی ناقابل یقین حد تک مشکل ہے۔

مستحکم مارکیٹیں جو دہائیوں کے معیاری ڈیٹا کے ساتھ ہیں زیادہ مستحکم ماڈلز کی اجازت دیتی ہیں، لیکن جذبات، پالیسی کی تبدیلیاں، اور سرمایہ کار کی نفسیات اب بھی قیمتوں کو متاثر کرتی ہیں—ایسے عوامل ہیں جنہیں کوئی الگورڈم مکمل طور پر سیکھ یا پیشگوئی نہیں کر سکتا۔

11. ہر AI بے امید نہیں، صرف غلط استعمال شدہ

یہ واضح کرنا ضروری ہے کہ AI پہلے ہی رئیل اسٹیٹ کے بہت سے حصوں میں قدر کا اضافہ کر رہا ہے:

•      تصویر کی بہتری اور مواد کی شناخت

•      تصاویر سے خودکار پراپرٹی کی تفصیلات

•      قدرتی زبان کی تلاش جو انسانی سوالات کو سمجھتی ہے

•      سمارٹ لیڈ روٹنگ اور ایجنٹ کی کارکردگی کا ٹریکنگ

یہ ایپلیکیشنز رئیل اسٹیٹ کو زیادہ ذہین بناتی ہیں، پیش گوئی نہیں، اور یہ تفریق اہم ہے۔

12. کیا چیز پیشگوئی سے بہتر کام کرتی ہے

ہم DXBinteract میں یقین رکھتے ہیں کہ سمجھنے کا زیادہ ذہین راستہ مستقبل کی پیشگوئی نہیں ہے، بلکہ موجودہ کو بے مثال وضاحت کے ساتھ سمجھنا ہے۔

ہمارا مارکیٹ انٹیلی جنس فریم ورک درج ذیل پر مرکوز ہے:

•      حقیقی وقت کی لین دین کی تجزیات

•      ییلڈ کمپریشن کے اشارے

•      قیمت اور کرایہ کا فرق

•      دنوں کی مارکیٹ (DOM) کے اشارے

•      بولی کی کمزوری کے اشارے

یہ قیمتوں کی پیشگوئی نہیں کرتے۔ یہ مارکیٹ کی طاقت اور سمت کو ظاہر کرتے ہیں، سرمایہ کاروں کو شواہد پر عمل کرنے کے قابل بناتے ہیں، قیاس آرائی پر نہیں۔

13. ایماندار سرمایہ کار کا فائدہ

جب کہ دوسرے پیشگوئی کی خیالی دنیا کی تلاش میں ہیں، کامیاب سرمایہ کار وقت کی قدریں میں رہتے ہیں:

•      زمین محدود ہے۔

•      آبادی بڑھ رہی ہے۔

•      سپلائی میں ایڈجسٹ ہونے میں وقت لگتا ہے۔

ان مستقلات کو سمجھنا، بلیک باکس کو فیصلے کے لیے آؤٹ سورس کیے بغیر، حکمت عملی کے سرمایہ کار کو قیاس آرائی کرنے والے سے علیحدہ کرتا ہے۔

 

آخری خیال

AI رئیل اسٹیٹ کو تبدیل کر رہا ہے، لیکن جیسا کہ قسمت کے پیش گوئی کرنے والوں نے وعدہ کیا تھا۔ اس کی اصل طاقت کارکردگی، شفافیت، اور بصیرت میں ہے، پیشگوئی میں نہیں۔

DXBinteract میں، ہم پیشگوئیاں نہیں بیچتے۔ ہم سمجھ بوجھ تعمیر کرتے ہیں۔

ہم سرمایہ کاروں کو وضاحت، سچائی، اور ڈیٹا پر مبنی اعتماد سے بااختیار بناتے ہیں۔

حقیقی ذہانت مصنوعی نہیں ہے—یہ ظاہر ہوتی ہے۔