AI voorspelt de villaprijs in Rawai tot op honderdduizend baht nauwkeurig. Alleen klopt het niet

Vraag een populair AI-model naar de waarde van een villa in Rawai en je krijgt binnen seconden een prijsrange terug, schijnbaar nauwkeurig tot op honderdduizend baht. Het probleem: die range is gebaseerd op vraagprijzen uit openbare listings, niet op werkelijke verkoopprijzen. Thailand heeft geen openbare database met geregistreerde transactieprijzen die geschikt is voor machine learning. Het Land Department exporteert zijn gegevens niet in bulk, en listings staan soms maandenlang online met een opgeblazen vraagprijs.

Dat is geen detail. Het is precies het punt waar de bruikbaarheid van AI in de Thaise vastgoedmarkt stopt en het genereren van overtuigend klinkende onzin begint.

Voor wie meteen het korte antwoord wil: AI bespaart nu al aanzienlijk veel tijd bij het verwerken van inkomende leads, vertaling en documentcontrole. Bij waardebepaling en juridische kwesties blijft het risicovol. Een enquête van McKinsey en QuantumBlack uit augustus 2026 laat wereldwijd hetzelfde patroon zien: de adoptie van AI blijft stijgen, maar het aandeel bedrijven dat een meetbaar effect op de EBIT rapporteert, blijft steken op ongeveer 37% en groeit niet verder ten opzichte van het jaar ervoor.

Budgetten groeien sneller dan de opbrengsten. Dat gebeurt bij elke technologiegolf en is geen reden om aan de zijlijn te blijven staan, ook niet voor Nederlandse en Belgische kopers die op afstand een aankoop in Phuket overwegen.

Kan AI de waarde van een appartement in Phuket of Bangkok correct inschatten?

Ruwweg wel, precies niet. Modellen zien vraagprijzen, geen transactieprijzen, simpelweg omdat Thailand geen openbaar prijsregister heeft. Het verschil tussen vraagprijs en uiteindelijke verkoopprijs op de resale-markt kan tientallen procenten bedragen. Laat een taxatie altijd uitvoeren door een erkende taxateur, zeker als er een hypotheek in het spel is.

Waar bespaart AI een makelaar in Thailand nu al echt tijd?

De eerste contactmomenten met een koper zijn inmiddels bijna volledig geautomatiseerd. Een bericht komt binnen via WhatsApp of Line, de taal wordt herkend, er volgen drie kwalificerende vragen over budget, timing en aankoopdoel, en er gaan drie relevante listings terug. Een middernachtelijke vraag van een koper in een andere tijdzone wacht niet langer tot het Bangkokse kantoor open gaat. In de praktijk is dit het snelste rendement in de sector: de opzet duurt weken, geen kwartalen.

Het tweede terrein is copywriting. Een listingtekst herschrijven in het Engels, Russisch en Chinees voor tien woningen kostte een copywriter vroeger een volledige dag. Nu duurt het ongeveer veertig minuten, inclusief proefleeswerk. En dat proeflezen is geen overbodige luxe: modellen vertalen 'leasehold' geregeld gewoon als 'huur' zonder de looptijd te vermelden, en maken van een Nor Sor 3 Gor-document iets dat klinkt als een volledige eigendomsakte. Een koper leest dat als een garantie die simpelweg niet bestaat.

Het derde terrein zijn documenten. Een chanote, een koopovereenkomst en de reglementen van de juristic person van een appartementencomplex door een taalmodel met lange contextvensters halen, bespaart een advocaat de eerste twee uur werk: het model haalt vloeroppervlaktes, erfdienstbaarheden en betalingsschema's eruit en signaleert tegenstrijdigheden. Een bevoegde jurist moet het vanaf daar overnemen. Het model gaat niet zelf naar het Land Department.

Waarom werkt dynamische prijszetting voor verhuur wél goed?

Hier is de data eerlijk en betrouwbaar: bezettingsgraad, dagprijzen en seizoenspatronen per district worden automatisch verzameld. Algoritmische prijszetting voor kortetermijnverhuur in Patong of Kamala verhoogt de jaaromzet op een manier die terug te zien is in het rapport, niet alleen in een mooie slide.

Wat werkt juist niet, ook al wordt het overal aangeprezen?

Virtuele staging met AI-gegenereerde beelden ziet er prachtig uit, tot een koper op locatie komt en een andere indeling aantreft dan op de render. Verschillende makelaarskantoren hebben al klachten gekregen over renders die niet overeenkomen met de werkelijkheid; de reputatieschade weegt zwaarder dan het geld dat bespaard werd op een fotograaf.

Chatbots die nooit doorschakelen naar een mens verliezen waardevolle klanten uiterlijk bij het vierde bericht: een koper die naar een villa van 40 miljoen baht kijkt, gaat zijn serieusheid niet bewijzen aan een bot. En het gevaarlijkst van alles: AI-gegenereerde juridische antwoorden over eigendomsstructuren via een Thaise vennootschap klinken gepolijst en spreken regelmatig de daadwerkelijke positie van het Land Department tegen.

Mijn standpunt: koop geen 'AI-platform voor makelaars'. Kies drie of vier afgebakende processen waarvan je tijd en geld daadwerkelijk kunt meten, en dek die af met abonnementstools. Doe je minder dan twintig transacties per jaar, dan kun je het meeste hiervan negeren; handmatig werk is voor jou goedkoper, en de kosten van tokens en training verdienen zich niet terug. Dat is precies wat het genoemde percentage van 20% beschrijft: het aandeel bedrijven waarvoor de operationele kosten van AI een echt knelpunt zijn geworden.

Wat betekenen de Thaise regels voor buitenlandse eigendom in de praktijk?

Buitenlanders mogen in een appartementencomplex niet meer dan 49% van het freehold-vloeroppervlak in eigendom hebben, en een standaard leasehold wordt geregistreerd voor 30 jaar. Geen enkel model controleert voor jou hoeveel van dat buitenlandse quotum nog beschikbaar is; dat cijfer staat in de administratie van de juristic person van het gebouw.

De vraag naar Thais vastgoed door buitenlandse kopers blijft ondertussen onverminderd stijgen: het aandeel buitenlands eigendom in de centrale condomarkt van Bangkok steeg in 2026 naar 32% (tegenover ongeveer 18% een jaar eerder), terwijl buitenlandse kopers in de eerste helft van 2026 goed waren voor 67% van de condoverkopen in Phuket.

Het momentum in Phuket is structureel, niet louter AI-gedreven: de verkoop aan buitenlandse kopers groeide in H1 2026 met meer dan 45% vergeleken met dezelfde periode in 2025, met kopers uit het VK, Rusland, Canada, de VS en elders. Bang Tao en Cherng Talay blijven daarbij de belangrijkste locaties.

Stappenplan: hoe begin je hiermee als makelaar of investeerder?

1. Meet twee weken lang je nulpunt. Hou bij hoeveel minuten er zitten tussen een aanvraag en het eerste antwoord, hoeveel uur je kwijt bent aan het voorbereiden van één listing, en wat het vertalen van een documentenpakket kost. Zonder deze cijfers kun je zelf niet vaststellen of er iets verbeterd is.

2. Verhoog de reactiesnelheid. Zet een auto-responder op met taalherkenning en drie kwalificerende vragen op WhatsApp, Line en Telegram. Streef naar minder dan 5 minuten, op elk uur van de dag. Bouw een verplichte doorschakeling naar een medewerker in bij triggerwoorden als 'villa', 'investering' of 'bezichtiging'.

3. Bouw één vast listingsjabloon met verplichte velden: eigendomsvorm (freehold of leasehold), looptijd van het leasehold, resterend buitenlands quotum, chanote-geregistreerde oppervlakte, sinking fund en maandelijkse kosten. Het model vult het in, een mens tekent af.

4. Laat documenten eerst door een taalmodel met lange context lopen, voordat je bij de advocaat komt, niet in plaats daarvan. De vragenlijst voor de advocaat moet uit die controle voortkomen.

5. Voeg algoritmische prijszetting toe aan je verhuurportefeuille als je meer dan tien units beheert. Onder de tien reken je beter handmatig; de winst dekt het abonnement niet.

6. Houd het budget beperkt. Marktleiders geven meer dan 10% van hun IT-budget aan AI uit, maar dat zijn bedrijven met een eigen datateam. Als makelaarskantoor begin je met een vast kwartaalbudget en evalueer je voor je verlengt.

7. Plan bezichtigingstours als hybride proces. Een model bepaalt de route, timing en verkeersinschatting tussen Bang Tao en Rawai goed, maar vluchten en verblijf regel je beter apart, afgestemd op het bezichtigingsschema.

8. Vergelijk na 90 dagen met je nulmeting. Zijn reactietijd en voorbereidingstijd van listings niet minstens gehalveerd, dan heb je het verkeerde proces geautomatiseerd.

Vervangt AI straks de makelaar?

In de enquête van 2026 verwachten bedrijven scherpere personeelsreducties dan een jaar eerder, maar de daadwerkelijke afname over het afgelopen jaar viel lager uit dan voorspeld. Wat verdwijnt, is niet het vakgebied maar het routinewerk: eerste correspondentie, vertaling, documenten verzamelen. Bezichtigingen, onderhandeling en het regelwerk bij het Land Department blijven mensenwerk.

Veelgestelde vragen

Wat kost AI-adoptie voor een klein makelaarskantoor?

Een basispakket met een lead-intake bot, een tekstgenerator voor listings en documentcontrole past binnen een abonnement van een paar honderd dollar per maand, plus de tijd van je team om het op te zetten. De kosten stijgen sterk zodra je overstapt op een eigen model getraind op je eigen data.

Kun je AI vertrouwen bij juridische vragen over Thais vastgoed?

Nee. Het buitenlandse quotum van 49%, de looptijd van 30 jaar bij leasehold, en eigendomsstructuren via een Thaise vennootschap zijn precies de terreinen waar een model een plausibel klinkend maar verouderd of te algemeen antwoord geeft. Gebruik het om vragen voor je advocaat te formuleren, niet om ze te beantwoorden.

Welke AI-toepassingen verdienen zich het snelst terug?

De snelheid van eerste reactie op aanvragen en meertalige listingteksten. Beide zijn binnen een maand meetbaar. Dynamische verhuurprijzen verdienen zich terug binnen een seizoen, maar alleen bij een portefeuille van tien of meer units.

Welke sectoren investeren wereldwijd het meest in AI?

Farma en medtech, verzekeringen, en bankwezen en financiën. Vastgoed volgt op afstand en leent bewezen oplossingen van elders, wat voor de sector eigenlijk een voordeel is: andere sectoren betalen voor het experiment.

Bron: Nation Thailand