Si estás comparando condominios en Bang Tao o analizando la rentabilidad de un proyecto en Bangkok con ayuda de una calculadora de IA, hay un dato que deberías conocer antes de firmar nada: los modelos que parecen infalibles con datos del pasado se equivocan de forma sistemática cuando intentan predecir el futuro. No es una opinión, es la conclusión de un estudio publicado en junio de 2026 en la revista científica AGILE-GISS (Volumen 7), firmado por investigadores de la Universidad Técnica de Viena (TU Wien).
La respuesta corta
El estudio de TU Wien, titulado 'When Today's Accuracy Fails Tomorrow', analizó los modelos de predicción de precios inmobiliarios con enfoque espacial que hoy usan agencias y desarrolladoras. Su conclusión es contundente: la precisión 'in-sample' (medida sobre datos que el modelo ya conocía) supera con frecuencia el 90%, pero cuando se pone a prueba con periodos genuinamente futuros, esa cifra cae al 60-70% o menos.
El problema no está en los algoritmos en sí, sino en cómo se validan. Muchos modelos se entrenan y evalúan con horizontes de pronóstico muy cortos (de 1 a 6 meses), lo que crea una falsa sensación de precisión. Cuando el horizonte se estira a 2-5 años, que es justo el plazo que le interesa a un inversor en Phuket, el margen de error se multiplica.
Entre los enfoques probados, XGBoost y los modelos de conjunto ('ensemble') fueron los que mejor rindieron. Pero incluso estos, advierten los autores, necesitan validación con datos fuera de muestra para ser realmente fiables. Para quien compra en Tailandia, la lección práctica es clara: fiarse a ciegas de un pronóstico de rentabilidad generado por IA a 3-5 años es un riesgo que conviene conocer de antemano.
Quién hizo el estudio y qué encontró exactamente
El trabajo lo firman Christopher Kmen, Gerhard Navratil e Ioannis Giannopoulos, de TU Wien, y se publicó en junio de 2026 en AGILE-GISS, Volumen 7, una revista científica revisada por pares. Su hallazgo central es lo que denominan sesgo de validación temporal: una distorsión sistemática por la que el modelo, sin que el analista se dé cuenta, termina 'espiando' información futura durante su propio entrenamiento, inflando artificialmente su precisión aparente.
Otro obstáculo, según los autores, es la escasez de datos de transacciones reales de calidad. Y aquí Tailandia tiene una desventaja frente a Europa: los registros de compraventa son mucho menos transparentes que en el mercado europeo, lo que limita todavía más la fiabilidad de cualquier modelo entrenado con datos locales.
Pese a estas limitaciones, la adopción de IA avanza. Un informe de investigación de Goldman Sachs de julio de 2026 concluye que la IA no está eliminando empleos en el sector inmobiliario, sino reconfigurándolos: los agentes e inversores que adoptan estas herramientas tienden a obtener mejores resultados económicos que quienes siguen con métodos tradicionales.
En el propio mercado de Phuket, considerado el más maduro de Tailandia, se registraron 54.628 consultas reales entre diciembre de 2025 y mayo de 2026, de las cuales un 71% correspondía a alquiler y un 29% a compra. Esa masa de datos es precisamente la que hoy alimenta los análisis de demanda basados en IA que ya usan las grandes desarrolladoras de Bangkok y Phuket, aunque ninguna, según se sabe públicamente, delega en un modelo automático la decisión final de precio.
Cómo usar la IA sin dejarte engañar por ella: guía paso a paso
Si quieres aprovechar estas herramientas en 2026 sin caer en falsas certezas, este es un orden razonable de trabajo:
1. Define qué tipo de análisis necesitas realmente
Hay tres niveles distintos: cribado de mercado (detectar zonas con potencial), valoración de un activo concreto (comparables de venta) y pronóstico de rentabilidad futura. La IA rinde bien en los dos primeros. En el tercero, todavía no.
2. Contrasta con datos abiertos
Plataformas como DDproperty y Hipflat publican índices de precios por distrito. Compara lo que te dice un modelo de IA con la evolución real de precios en los últimos 3 años. Si la diferencia supera el 15%, no confíes en ese modelo.
3. Exige validación fuera de muestra
El estudio de AGILE-GISS de 2026 es tajante: un modelo probado únicamente con datos históricos (in-sample) no merece tu confianza. Pregunta siempre a quien te ofrezca un pronóstico de IA si el modelo fue testado con datos que nunca 'vio' durante su entrenamiento.
4. Reúne datos específicos de tu zona objetivo
Los modelos rinden mejor en distritos bien documentados. En Phuket eso significa Bang Tao y Laguna; en Bangkok, Sukhumvit y Silom; en Pattaya, Wongamat. Hay suficiente histórico de datos en estas zonas. En áreas menos mapeadas como Krabi o Koh Samui, la precisión cae de forma notable.
5. Reserva tu viaje de inspección con antelación
Ver la propiedad en persona sigue siendo insustituible. La IA puede darte números, pero no puede describirte la calidad real de la construcción, el estado de las infraestructuras o la sensación de caminar por el barrio.
6. Incorpora a un experto local para la due diligence final
La IA es un filtro de primer nivel: reduce 200 opciones a 10. Pero la decisión final debe recaer en alguien que conozca la legislación tailandesa, la reputación del desarrollador y los matices de cada proyecto concreto.
7. Actualiza tus datos cada 3-6 meses
El mercado tailandés se mueve rápido. Un modelo entrenado con datos de principios de 2025 puede pasar por alto nuevas infraestructuras, como extensiones del BTS en Bangkok, o cambios en la política de visados.
Lo que hay que recordar
La conclusión del estudio de TU Wien de 2026 es sencilla de aplicar: la IA en el sector inmobiliario es una herramienta analítica potente, pero una mala adivinadora del futuro. Úsala para lo que hace bien (procesar grandes volúmenes de datos y detectar patrones) y reserva las decisiones estratégicas para el análisis experto, el conocimiento del mercado local y el sentido común. En Casas en Tailandia solemos decir a nuestros clientes que la IA sirve perfectamente para llegar a una lista corta de proyectos, pero que la decisión final siempre merece una mirada humana y, si es posible, una visita sobre el terreno.
Preguntas frecuentes
¿Puedo fiarme de una valoración por IA de un condominio en Tailandia?
En parte. Los modelos de IA son sólidos para el análisis comparativo, es decir, para saber cuánto cuesta una unidad similar en el mismo barrio. Pero un pronóstico de crecimiento de precio a 3-5 años, como demostró el estudio de AGILE-GISS (Volumen 7, 2026), sigue siendo poco fiable por el sesgo de validación temporal.
¿Qué modelos de IA funcionan mejor para valorar propiedades?
XGBoost y los modelos de conjunto (ensemble) obtuvieron los mejores resultados en la investigación de 2026. Aun así, siguen necesitando pruebas fuera de muestra para confirmar su precisión real.
¿Por qué fallan los pronósticos de IA a largo plazo?
Porque la mayoría de modelos se prueban con periodos cortos (1 a 6 meses), donde la precisión parece artificialmente alta. En un horizonte de 2 a 5 años, factores que el modelo no pudo anticipar (cambios regulatorios, shocks macroeconómicos, variaciones de demanda) se acumulan y multiplican el error.
¿Realmente usan IA las desarrolladoras tailandesas?
Sí. Las grandes desarrolladoras de Bangkok ya usan IA para fijar precios y analizar demanda. Pero ninguna empresa conocida públicamente delega en la IA como única herramienta de decisión.
¿Vale la pena pagar por un servicio de valoración con IA?
Si el servicio explica su metodología y muestra resultados de pruebas fuera de muestra, sí. Si simplemente te entrega un 'pronóstico exacto' sin ninguna explicación, no. Comprueba siempre con qué datos se entrenó el modelo y cuándo se actualizó por última vez.
Fuente: Thaiger