रात्री ९.४० वाजता पटायातील एका एजन्सीच्या वर्क चॅटवर मेसेज येतो: 'जोमतीएनमधल्या २८ चौ.मी. स्टुडिओचं खरं मासिक भाडे उत्पन्न किती, शॉर्ट-टर्म रेट नको?' एक वर्षापूर्वी या प्रश्नाचं उत्तर द्यायला दीड दिवस लागायचा, जुने व्यवहार शोधणे, दोन मॅनेजमेंट कंपन्यांना फोन करणे, स्प्रेडशीट बनवणे. आज एजंट थेट प्रॉपर्टी डेटाबेस आणि CRM शी जोडलेल्या AI असिस्टंटला विचारतो आणि काही मिनिटांत गेल्या बारा महिन्यांतील पूर्ण झालेल्या करारांची यादी, मजला आणि व्ह्यूनुसार वर्गीकृत होऊन समोर येते. आकडे स्वतः तपासायला अजूनही एक तास लागतो. पण दीड दिवस नाही.
२०२६ मधला खरा बदल हा नाही की मॉडेल्स जास्त स्मार्ट झाली. खरा बदल आहे की त्यांना प्रत्यक्ष सिस्टीममध्ये काम करण्याचा अधिकार मिळाला, डेटा काढणे, डील स्टेटस अपडेट करणे, टास्क सोपवणे. इंडस्ट्री आता एका प्रॉडक्टला जोडलेल्या AI फीचरपासून पुढे जाऊन 'एजेंटिक वर्कफ्लो'कडे सरकली आहे, जिथे असिस्टंट स्वतः संपूर्ण साखळी पूर्ण करतो.
थायलंडमध्ये किती एजन्सी AI वापरतात?
२०२६ च्या अखेरीस ९६% ब्रोकरेज फर्म्स किमान एका कामासाठी AI वापरतात, लिस्टिंगचं वर्णन लिहिण्यापासून CRM ऑटोमेशनपर्यंत. पण हा आकडा दिसतो तितका मोठा नाही, कारण फक्त लिस्टिंग कॉपी जनरेट करणारी एजन्सीही यात मोजली जाते. प्रत्यक्षात संपूर्णपणे पुन्हा बांधलेल्या वर्कफ्लोंची संख्या खूपच कमी आहे, आणि नेमकं तिथेच फरक जाणवतो, आठवड्याला दहा तास वाचवणारा एजंट आणि फक्त दहा मिनिटं वाचवणारा एजंट यांच्यातला.
AI स्टॅकमध्ये नक्की काय बदललं?
मूळ रचना तशीच आहे: लीड जनरेशन, व्हॅल्युएशन, लिस्टिंग प्रॉडक्शन, आणि एजेंटिक CRM. जे बदललं ते म्हणजे अॅक्सेस. MCP (Model Context Protocol) च्या माध्यमातून असिस्टंट थेट डेटाबेसला प्रश्न विचारू शकतो, मॅन्युअली स्प्रेडशीट एक्सपोर्ट न करता. Rechat, ATTOM Intelligence, आणि RealAnalytica Atlas Agents या ट्रान्झॅक्शनल प्लॅटफॉर्मनी सामान्य-उद्देशीय AI मॉडेल्ससाठी आपले API उघडले आहेत. म्हणजे आता AI एजंटच्या वर्कफ्लोच्या 'बाहेर' नाही, तर 'आत' काम करतो.
फुकेतमधल्या एका एजंटचं उदाहरण घ्या, ज्याला आठवड्याला ६० ते ८० इनबाउंड मेसेज येतात, वेगवेगळ्या मेसेजिंग अॅप्स आणि तीन लिस्टिंग प्लॅटफॉर्मवरून. CRM ला जोडलेला एजेंटिक असिस्टंट हे मेसेज बजेट, टाइमलाइन आणि प्रॉपर्टीच्या प्रकारानुसार वर्गीकृत करतो, तारीख टाकून टास्क बनवतो, आणि चौकशीच्या भाषेतच पहिलं उत्तर तयार करतो. एजंट फक्त ते तपासून पाठवतो. हे तंत्रज्ञानाच्या दृष्टीने काही क्रांतिकारी दिसत नाही, पण यातून दिवसाला दोन ते तीन तास वाचतात.
दुसऱ्या क्रमांकावर आहे लिस्टिंग प्रॉडक्शन. तीन भाषांमध्ये, बरोबर संज्ञा वापरून (फ्रीहोल्ड, लीजहोल्ड ३०+३०, चौ.मी.मागे महिन्याचं कॉमन एरिया शुल्क) एक प्रॉपर्टी वर्णन लिहायला आता काही मिनिटं लागतात, आधी कॉपीरायटरसाठी तिमाही खर्चाची बाब असायची ती आता तासाभराचं काम आहे.
भाड्याचं उत्पन्न किंवा व्हॅल्युएशन AI वर विश्वासार्ह आहे का?
इथे एक ठाम मत मांडतो: थायलंडच्या प्रॉपर्टीसाठी AI ला अंतिम व्हॅल्युएशन देऊ देऊ नका. मॉडेल आत्मविश्वासाने एक आकडा देईल, पण तो लिस्टिंग पोर्टलवरच्या 'विक्रीसाठी विचारलेल्या' किंमतींवर प्रशिक्षित असतो, जिथे एखादं युनिट अठरा महिने पडून राहू शकतं आणि अंतिम विक्री किंमतीपेक्षा २०-२५% जास्त किंमतीला लिस्ट केलं जातं. अमेरिकेत मॉडेल्स बंद झालेल्या MLS व्यवहारांचा आधार घेऊ शकतात. थायलंडमध्ये असा कोणताही डेटा लेयर नाही, आणि कोणताही MCP कनेक्टर तो शोधून काढू शकत नाही.
थायलंडमध्ये कोणतीही एकत्रित मल्टिपल लिस्टिंग सर्व्हिस (MLS) नाही. लँड डिपार्टमेंटचा व्यवहार डेटा मशीन-रीडेबल स्वरूपात प्रकाशित होत नाही, आणि कर आकारणीसाठी वापरली जाणारी अधिकृत मूल्यांकन किंमत प्रत्यक्ष बाजारभावाशी जुळत नाही. त्यामुळे व्यवहारीक सल्ला असा: AI कडून सुरुवातीचा किंमत-श्रेणी आणि तुलनात्मक लिस्टिंगची यादी घ्या. त्यापुढे मॅनेजमेंट कंपन्यांना फोन, प्रत्यक्ष लीज करार, आणि खरी ऑक्युपन्सी आकडेवारी लागतेच. जर तुम्ही आपोआप काढलेल्या उत्पन्न-दराच्या आधारावर गुंतवणुकीचा निर्णय घेत असाल, तर कुणीही पडताळणी न केलेल्या आकड्यांवर तुम्ही अवलंबून आहात.
एक अपवाद आहे: पारदर्शक किंमत-यादी आणि टप्प्याटप्प्याने विक्री डेटा असलेले मोठे डेव्हलपर प्रोजेक्ट. तिथे मॉडेल बऱ्यापैकी बरोबर काम करतं, कारण अंतर्निहित डेटा सार्वजनिक आणि सुसंरचित आहे. बँकॉक आणि फुकेतमधल्या आघाडीच्या एजन्सी आधीच AVM वापरतात जे सुरुवातीचं व्हॅल्युएशन साधारण ३ सेकंदांत देतात, आधी हेच काम दिवसांचं मॅन्युअल काम होतं, तरी ही गती स्थानिक तुलनांविरुद्ध माणसाने तपासल्याशिवाय पुरेशी नाही.
पटायामध्ये डील सायकल इतकी लहान का झाली?
पटायामध्ये ६७% एजन्सी आधीच परदेशी खरेदीदारांसोबतच्या पहिल्या संपर्काच्या क्षणीच AI वापरतात, आणि सरासरी डील सायकल आता २८ दिवसांवर आली आहे, आधी ती ४२ दिवस होती, हे २०२६ च्या बाजार आकडेवारीनुसार. हा फरक निव्वळ वेगामुळे नाही, तर सुरुवातीच्या चौकशीची छाननी वेगाने आणि अचूक होते म्हणून आहे, ज्यामुळे गंभीर खरेदीदार लवकर वेगळे ओळखता येतात.
EU AI कायदा थायलंडमधल्या एजन्सींना का लागू होतो?
जर तुमच्या क्लायंटमध्ये कुणी EU रहिवासी असेल, तर EU AI Act चे डिस्क्लोजर आणि मानवी देखरेखीचे नियम तुम्हालाही लागू होतात, तुमचं ऑफिस बँकॉकमध्ये असलं तरी. किमान इतकं तरी क्लायंटला कळायला हवं की मॅच किंवा पहिलं उत्तर सिस्टीमने तयार केलं आहे आणि अंतिम निर्णय माणसाने घेतला आहे. या संवादांच्या नोंदी ठेवा. थायलंडमध्ये असा कोणताही समांतर कायदा अजून नाही, पण इथे ऑफिसचं स्थान महत्त्वाचं नाही, क्लायंटचं निवासस्थान महत्त्वाचं आहे.
सुरुवात कशी करावी?
१. आठवडाभर नोंद ठेवा, तुमचा वेळ नक्की कुठे जातो, लीड वर्गीकरणात, वर्णन लिहिण्यात, की मालक-अहवाल तयार करण्यात. आठवड्याला पाच तासांपेक्षा जास्त वेळ जाणारं काम ऑटोमेट करण्यासारखं आहे.
२. AI टूल वापरण्याआधी तुमचा डेटा स्वच्छ करा. डुप्लिकेट आणि रिकाम्या फील्ड्सने भरलेल्या CRM ला जोडलेला असिस्टंट फक्त कचरा जलद तयार करेल. एक संध्याकाळ डेटाबेस स्वच्छ करण्यात घालवली तर कोणत्याही सबस्क्रिप्शनपेक्षा जास्त फायदा होतो.
३. एक MCP-कंपॅटिबल डेटा सोर्स जोडा, आधी तुमचाच प्रॉपर्टी डेटाबेस, बाहेरचे अॅग्रीगेटर नंतर.
४. तीन प्रॉम्प्ट टेम्प्लेट बनवा: लीड ट्रायेज, तीन-भाषी प्रॉपर्टी वर्णन, आणि मासिक मालक-अहवाल.
५. एक पडताळणी नियम ठरवा, कोणताही आकडा, उत्पन्न-दर किंवा चौ.मी. संख्या मूळ स्रोताशी तपासल्यानंतरच क्लायंटला पाठवा.
६. पहिल्या ऑटोमेटेड उत्तरात डिस्क्लोजरची एक ओळ जोडा.
७. व्ह्यूइंग लॉजिस्टिक्स ऑटोमेट करा, प्रॉपर्टीच्या स्थानांनुसार आणि विक्री ऑफिसच्या वेळेनुसार तीन दिवसांचा रुट असिस्टंटकडून बनवून घ्या.
८. महिन्याभरानंतर पुन्हा तासांची नोंद तपासा. वाचलेला वेळ पाच तासांपेक्षा कमी असेल तर तुम्ही चुकीचं काम ऑटोमेट केलं आहे.
निगोशिएशन, निर्णयक्षमता आणि नातेसंबंध सांभाळणं ही अजूनही माणसाची कामं आहेत. जे ऑटोमेट होतंय ते प्रशासनिक ओझं आहे, डीलच नाही. थायलंडमध्ये गुंतवणूक करणाऱ्या मराठी वाचकांसाठी थायलंड मालमत्ता याच कारणासाठी AI च्या आकड्यांना नेहमी स्थानिक पडताळणीसोबत जोडून सल्ला देते.
स्रोत: Kalinka Thailand