ปัญญาประดิษฐ์หรือ AI (Artificial Inteligence) จะเปลี่ยนแปลงโลกอสังหาริมทรัพย์หรือไม่อย่างไร ปกติแล้วในเชิงสากล อสังหาริมทรัพย์ถือเป็นธุรกิจที่เปลี่ยนแปลงช้า (Inertia) เนื่องจากธุรกรรมส่วนใหญ่ยังคงดำเนินการโดยนักพัฒนาที่ดิน ผ่านนายหน้าแบบดั้งเดิม และเจ้าของบ้านที่เป็นอิสระต่างคนต่างขาย กองทุนรวมอสังหาริมทรัพย์ก็ยังไม่แพร่หลาย แต่ธุรกิจนี้ก็เกี่ยวข้องกับข้อมูลซึ่ง AI สามารถช่วยได้โดยเฉพาะในวงการตลาด การประเมินค่าทรัพย์สิน เป็นต้น

            ที่ผ่านมาทั่วโลก สามารถใช้ AI ผ่านสมาร์ทโฟนหรือแท็บเล็ตในกิจกรรมทั่วไปในวงการอสังหาริมทรัพย์ เช่น

            1. สามารถสร้างการท่องโครงการอสังหาริมทรัพย์ในโลกเสมือนจริงแบบทัวร์สามมิติ โดยไม่ต้องไปถึงที่ตั้งโครงการในเบื้องต้น แต่ในการซื้อขายจริง ก็จำเป็นต้องมีการตรวจสอบในรายละเอียด

            2. AI ยังมีบทบาทในอุปกรณ์สมาร์ทโฮม เช่น การควบคุมระบบไฟ กล้อง และอุปกรณ์กันขโมย แอร์ เพื่อให้เจ้าของบ้านทราบถึงปัญหาใดๆ ที่ต้องได้รับการดูแลในลักษณะการเชื่อมทุกสิ่งด้วยอินเตอร์เน็ต (IOT หรือ Internet of Things)

            3. ในวงการอสังหาริมทรัพย์จริงๆ จะเน้นการใช้ AI หรือปัญญาประดิษฐ์ในด้านการวิเคราะห์เชิงคาดการณ์ ทั้งนี้การคาดการณ์เป็นสิ่งสำคัญ โดยเฉพาะอย่างยิ่งเมื่อลงทุนในอสังหาริมทรัพย์เชิงพาณิชย์ นักลงทุนพึงใช้ AI เพื่อคาดการณ์ว่าตลาดอสังหาริมทรัพย์จะมุ่งหน้าไปทางไหนโดยหวังว่าจะได้เปรียบในการแข่งขันและซื้อในราคาที่เหมาะสม

            4. ในด้านการจัดการทรัพย์สิน เช่น มีบทบาทในการช่วยในการคัดกรองผู้เช่า เก็บค่าเช่า และกำหนดเวลาการบำรุงรักษา การประมวลผลการชำระเงิน จัดการขั้นตอนการทำงาน การทำรายงานเพื่อติดตามประสิทธิภาพการเช่า เพื่อช่วยปรับปรุงอัตราการเข้าพัก เป็นต้น

            5. การทำ Desktop Valuation สำหรับการอำนวยสินเชื่อ การประเมินค่าทรัพย์สิน ในสหรัฐอเมริกา Zillow มีโปรแกรม Zestimates," หรือ Rival Redfin ยังใช้ ChatGPT มาร่วมด้วย เป็นต้น

            อย่างไรก็ตาม ในหลายเวทีทั่วโลก คนที่พูดถึง AI ในวงการอสังหาริมทรัพย์หรือ Prop Tech (Property Technology) นั้น หลายคนแทบไม่รู้เรื่องการวิเคราะห์เลย เข้าทำนอง “กร่างแต่กลวง” หวังเพียงที่จะใช้ AI ในฐานะกล่องดำ หรือเวทย์มนต์ในการแก้ไขปัญหาหนึ่งๆ หรือในการช่วยสนับสนุนในการตัดสินใจ ทำให้ผลวิเคราะห์จากนักวิเคราะห์หรือผู้รู้เรื่อง AI เป็นสิ่งที่พึงตรวจสอบ อย่าเพิ่งเชื่อง่ายๆ เพราะหลักสำคัญก็คือ “ขยะเข้า ขยะก็ออกมา” (Garbage In, Garbage Out) ถ้าเราใส่ข้อมูลมั่วๆ โดยหวังว่าจะได้ผลลัพท์ที่ดีย่อมเป็นไปไม่ได้ หวังจะให้ AI มาช่วยขจัดค่าผิดปกติหรือข้อมูลผ่าเหล่าผ่ากอ (Outliers) ย่อมเป็นไปได้ยาก

            ตัวอย่างที่ดีก็คือการเล่นหุ้น ถ้า AI มันเจ๋งจริง ป่านนี้คนเล่นหุ้นก็คงไม่เจ๊งกันระเนระนาด ผู้รอบรู้ในวงการหุ้นบอกว่า ผู้ที่เพิ่งเข้ามาเล่นในช่วง 3-4 ปีที่ผ่านมา ส่วนมาก (Majority) จริงๆ เจ๊ง (ไม่ใช่บางส่วน) ถ้าเรามี AI ที่เจ๋งจริงๆ ในการวิเคราะห์ ก็คงไม่ผิดพลาดแล้ว  ยิ่งกว่านั้นในวงการหุ้นก็ยังมีพวกขาใหญ่ปั่นหุ้น พวกเล่นสกปรกโดยที่พวกราชการผู้คุมกฎก็อาจไม่ระแคะระคาย หรืออาจมีส่วนที่ “เอาหูไปนา เอาตาไปไร่” เพื่อปล่อยให้มีการโกงกันมโหฬารเป็นระยะๆ ดังนั้น AI ก็ช่วยไม่ได้

            ความแม่นยำในการวิเคราะห์มีอยู่ก่อนมี AI แล้ว แต่บางคนอาจใช้ไม่เป็น เราควรหัดใช้เพื่อจะได้ไม่หลับหูหลับตาพึ่งแต่ AI เช่น

            1. ในการประเมินค่าทรัพย์สินทั่วไป เรามีเทคนิคการให้คะแนนคุณภาพแบบถ่วงน้ำหนัก (WQS หรือ Weighted Quality Score) ที่แม่นจำและเป็นวิทยาศาสตร์ ไม่จำเป็นต้อง “ขี่ช้างจับตั๊กแตน” แถมสามารถอธิบายได้ ไม่ใช่ผลออกมาเป็นอย่างไร ก็อธิบายไม่ได้ เข้าทำนองกึ่งไสยศาสตร์

            2. เรามีการประเมินค่าทรัพย์สินสำหรับทรัพย์สินในพื้นที่กว้างใหญ่ (Mass Appraisal) โดยการสร้างแบบจำลองทางสถิติที่มีตัวแปรหลายๆ ตัว มีความสัมพันธ์เชิงตัวแปรแบบเส้นโค้งและแบบเส้นตรงที่อธิบายให้ผู้คนเข้าใจได้ เช่น ตึกแถวอยู่ติดถนนใหญ่ ราคาก็แพง เช่น 20 ล้านบาท แต่พอเข้าซอยไปนิดเดียว อาจเหลือ 10 ล้านบาท ห่างไป 200 เมตร อาจเหลือ 7 ล้านบาท แต่ห่างไปอีก 200 เมตร ก็อาจเหลือ 6 ล้าน แสดงว่าพอเข้าซอยแล้ว ราคาก็อาจต่างกันไม่มากแล้ว สำคัญที่อยู่ติดถนนใหญ่ เป็นต้น

            3. ในการทำนายยอดขาย ทำนายจำนวนเดือนที่จะขายได้หมด เราก็มีการวิเคราะห์ทางสถิติที่เข้าใจได้ไม่ยากมาอธิบายปรากฏการณ์ต่างๆ ให้เป็นที่เชื่อถือได้  แม้แต่การทำนายการฟื้นตัวของตลาดอสังหาริมทรัพย์ในช่วงหลังโควิด-19 เราก็สามารถทำได้ไม่ยาก ไม่ต้องพึ่ง AI ที่อธิบายไม่ได้แต่อย่างใด

            4. ในการวัดความเสี่ยง เราก็ยังสามารถดูได้จากการสำรวจตลาดว่าธุรกิจอสังหาริมทัรพย์นั้นๆ มีความเสี่ยงมากน้อยแค่ไหน เมื่อเทียบกับธุรกิจอื่น หรืออาจใช้ค่าทางสถิติได้ แต่การที่จะหาข้อมูลนั้น มีราคาที่ต้องจ่าย แต่บางคนก็ไม่ต้องการจ่าย จึงทำให้เกิดกรณี “Garbage In, Garbage Out” ในที่สุด

            5. ยิ่งกว่านั้น ในการทำนายอนาคตที่ขึ้นๆ ลงๆ แบบเป็นวัฏจักร เราก็สามารถสร้างแบบจำลองขึ้นมาได้ เพียงแต่ถ้าไม่มีปรากฏการณ์ที่เป็นหลักฐาน (Empirical Evidence) เราอาจไม่สามารถที่จะทำนายเวลาที่ชัดเจนของการฟื้นตัวว่าจะสั้นหรือยาวเท่าไหร่เท่านั้นเอง

            ปรากฏการณ์หลายอย่างเกิดขึ้นจากพฤติกรรมผู้บริโภค เช่น ถ้าเราต้องการรู้ถึงความต้องการที่อยู่อาศัย คงไม่ใช่อยู่ที่การไปถาม หรือดูจากพฤติกรรมการเยี่ยมเยียนบูธต่างๆ หรือพฤติกรรมการดูโฆษณาต่างๆ เพราะเป็นการเก็บข้อมูลที่หยาบๆ เกินไป  อันที่จริงอุปสงค์วัดได้จากอุปทาน เช่น เราอยากทราบว่าพื้นที่อาคารสำนักงานมีความต้องการมากน้อยเพียงใด ก็ดูจากอัตราการเข้าใช้พื้นที่ในห้วงเวลาที่ผ่านมา (Take-up Rate) กรณีนี้ใช้ได้กับอาคารชุดพักอาศัย อะพาร์ตเมนต์ และอื่นๆ อีกมากมาย

            ข้อเท็จจริงบางอย่างก็ดูได้จากพฤติกรรมผู้บริโภคโดยอาศัยการวิจัยเชิงคุณภาพ เช่น ทำไมตึกแถวที่ตลาดหนองมน ชลบุรี จึงมีราคาต่างกัน โดยฝั่งตะวันตก มีราคาแพงกว่าฝังตะวันออก เพราะพื้นที่ขายของได้จริงอยู่ฝั่งตะวันตก เนื่องจากพฤติกรรมผู้บริโภคที่มักจะซื้อของฝากตอนขากลับบ้านมากกว่าตอนขาไปลงทะเล เป็นต้น  การสังเกต การสัมภาษณ์เชิงลึกจึงไม่อาจแทนที่ด้วย AI โดยง่าย

            ในการวิเคราะห์ทางวิทยาศาสตร์อาจคล้ายผลกรรม หรือกฎแห่งความคาดหวัง (Anticipation) ซึ่งก็มีอธิบายในพระไตรปิฎก เล่มที่ 25 พระสุตตันตปิฎก เล่มที่ 17 ขุททกนิกาย ขุททกปาฐะ-ธรรมบท-อุทาน-อิติวุตตกะ-สุตตนิบาต [๔๐] . . .เมื่อสิ่งนี้มี สิ่งนี้ก็มี เพราะสิ่งนี้เกิด สิ่งนี้จึงเกิด เมื่อสิ่งนี้ไม่มี สิ่งนี้ก็ไม่มี เพราะสิ่งนี้ดับ  สิ่งนี้จึงดับ ในการวางแผนพัฒนาอสังหาริมทรัพย์โครงการหนึ่ง หากวางแผนได้ดีมีการปฏิบัติและติดตามผลที่ดี งานก็สำเร็จ  แต่ถ้าวางแผนมีข้อผิดพลาดทางใดทางหนึ่ง ก็อาจทำให้เกิดความเสียหายได้ในที่สุด

            ในสากลโลกนี้ มีสิ่งที่ใช้วิเคราะห์อนาคต วิเคราะห์ความเป็นได้ในการพัฒนาอสังหาริมทรัพย์มากมายโดยไม่ต้องใช้ AI ไม่ต้องใช้การสวดอ้อนวอนและยัญบูชา