AI กับการประเมินค่าทรัพย์สิน ให้ได้ประโยชน์สูงสุดได้อย่างไร

ว่าด้วยปัญญาประดิษฐ์ AI

 AI เป็นคำย่อของ Artificial Intelligence หรือปัญญาประดิษฐ์ ซึ่งก็คือความสามารถของเครื่องจักรหรือระบบคอมพิวเตอร์ในการเลียนแบบสติปัญญาของมนุษย์ เช่น การเรียนรู้ การแก้ปัญหา และการให้เหตุผล เป็นต้น  

ในที่นี้ AI ไม่ได้หมายเฉพาะถึงหุ่นยนต์ แต่รวมถึงซอฟต์แวร์และระบบต่างๆ ที่สามารถทำงานได้คล้ายมนุษย์นั่นเอง  เราต้องสอน AI ให้สามารถใช้งานได้อย่างมีประสิทธิภาพในระบบความจำ ประมวลผล การวิเคราะห์เชิงลึก เป็นต้น

ในการประเมินค่าทรัพย์สิน เราใช้ประโยชน์จากการเรียนรู้ของเครื่องจักรและโมเดลการประเมินอัตโนมัติ (AVM หรือ Automated Valuation Model หรืออาจเรียกว่า CAMA: Computer-assisted Mass Appraisal) เพื่อวิเคราะห์ชุดข้อมูลจำนวนมากมายและให้การประเมินมูลค่าทรัพย์สินที่มีความแม่นยำ มีประสิทธิภาพ และเป็นกลาง

เครื่องมือเหล่านี้สามารถนำมาใช้ประมวลผลข้อมูล เช่น ลักษณะเฉพาะของทรัพย์สิน คุณลักษณะของที่ตั้ง ประวัติการขาย และแนวโน้มของตลาด เพื่อประมาณมูลค่าทรัพย์สิน

AVM ที่ขับเคลื่อนด้วย AI ยังเสนอการวิเคราะห์เชิงทำนาย คาดการณ์แนวโน้มของตลาดในอนาคต และช่วยให้ผู้เชี่ยวชาญด้านอสังหาริมทรัพย์ตัดสินใจอย่างรอบรู้

การใช้ประโยชน์จาก AI

AI ให้ผลดีต่อการประเมินค่าทรัพย์สินในด้านใดได้บ้าง:

1. เพิ่มความแม่นยำ อัลกอริทึม AI สามารถวิเคราะห์ชุดข้อมูลได้มากขึ้น และระบุรูปแบบที่ละเอียดอ่อนซึ่งผู้ประเมินมนุษย์อาจมองข้ามไป ในการนี้จึงทำให้การประเมินราคาแม่นยำยิ่งขึ้น

2. เพิ่มประสิทธิภาพ โดย AI ทำให้การทำงาน ที่เกี่ยวข้องกับการประเมินค่าทรัพย์สินเป็นแบบอัตโนมัติได้มาก ซึ่งช่วยลดเวลาและต้นทุนที่เกี่ยวข้องกับวิธีการประเมินแบบเดิมๆ ได้อย่างมาก

    3. เพิ่มความโปร่งใส เครื่องมือประเมินค่าด้วย AI เพิ่มความโปร่งใสให้กับกระบวนการประเมินค่าทรัพย์สินได้ ทำให้เข้าใจได้ง่ายขึ้นว่ามูลค่าทรัพย์สินถูกกำหนดขึ้นมาได้อย่างไร

    4. สามารถใช้คาดการณ์ได้ โดย AI สามารถคาดการณ์แนวโน้มราคา แนวโน้มตลาดในอนาคตช่วยให้การประเมินค่าทรัพย์สินและการลงทุนได้รับการตัดสินใจที่ดีขึ้น

การประเมินและคาดการณ์ราคาเบื้องต้น

ปกติการใช้ AVM หรือ CAMA นั้นเริ่มต้นจากแบบจำลองง่ายๆ เช่น

    1. ตัวแปรหลักที่เกี่ยวข้องก็คือขนาดที่ดินและขนาดอาคารที่ทำให้มูลค่าแตกต่างกัน

    2. ตัวแปรเพิ่มเติมก็คือคุณภาพของการก่อสร้าง และโครงการที่อสังหาริมทรัพย์ชิ้นนั้นตั้งอยู่ หรือการเป็นห้องหัวมุม แบรนด์ของผู้ประกอบการ ชั้นที่แตกต่างกัน

    3. ตัวแปรสำคัญอีกอย่างหนึ่งก็คือทำเล แต่ละทำเลก็เป็นเสมือนเนื้อเยื่อที่แตกต่างกันในผิวของมนุษย์หรือในแต่ละบริเวณที่ทำให้มูลค่าต่างกัน เช่น โรงแรมแบบเดียวกับทุกอย่าง แต่ตั้งอยู่ภูเก็ต พัทยา หรืออุดรธานี ราคาก็จะแตกต่างกัน เป็นต้น

    4. ตัวแปรปัจจัยด้านเวลา เช่น ในช่วงเศรษฐกิจตกต่ำและในช่วงเศรษฐกิจเฟื่องฟู ราคาก็มักแตกต่างกันไป ซึ่งไม่ได้ขึ้นอยู่กับตัวทรัพย์สิน

แบบจำลองชุดแรกๆ ที่ยังไม่ได้ซับซ้อนมากก็อาจผูกออกมาเป็นเสมือนโปรแกรมโดยใช้ Visual Basic (VB) โดยเป็นภาษาโปรแกรมที่มีโครงสร้างแบบง่าย-ใช้งานง่ายที่พัฒนาโดย Microsoft โดยเน้นการสร้างแอปพลิเคชันที่มีส่วนติดต่อผู้ใช้แบบกราฟิก ทำให้ใช้งานได้อย่างเป็นมิตร-เข้าใจได้ไม่ยาก และสามารถนำมาใช้สร้างโปรแกรมที่หลากหลายในระบบปฏิบัติการ Windows ที่มักแพร่หลาย 

แบบจำลองการประเมินค่าทรัพย์สิน

ในการสร้างแบบจำลองนั้นประกอบด้วยกิจกรรมหลักต่างๆ ได้แก่

1. ปกติ AVM หรือ CAMA สามารถที่จะประเมินค่าทรัพย์สินโดยใช้การวิเคราะห์ข้อมูลและการเรียนรู้ของเครื่องจักร โดยการคำนวณไว้เบื้องต้นด้วยแบบจำลองด้วยการวิเคราะห์การถดถอยเชิงพหุคูณ (Multiple Regression Analysis: MRA) ทั้งที่เป็นแบบเส้นตรง (Linear) หรือ เส้นโค้ง (Non-Linier) โดยอาศัยตัวแปรต่างๆ ที่เกี่ยวข้อง

อย่างไรก็ตามก็จะมี Error หรือ Outliers ของข้อมูลต่างๆ เกิดขึ้น ซึ่งในกรณีที่เรามีข้อมูลมากขึ้น ทันสมัยขึ้น ก็จะทำให้สามารถสร้างแบบจำลองที่เหมาะเจาะกับความเป็นจริงยิ่งขึ้น

2. การวิเคราะห์ด้วย Decision Tree Decision tree หรือโมเดลการเรียนรู้ของเครื่อง (Machine Learning) ที่ใช้ในการจำแนกประเภทข้อมูล (classification) หรือการทำนายค่า (regression) โดยมีลักษณะเป็นแผนภาพต้นไม้ที่แบ่งข้อมูลออกเป็นส่วนๆ ตามเงื่อนไขที่กำหนดไว้

3. การใช้ Neural Network หรือโครงข่ายประสาทเทียม หรือก็เป็นแบบจำลองทางคณิตศาสตร์ที่เลียนแบบการทำงานของสมองมนุษย์ โดยประกอบด้วยโหนดหรือนิวรอนที่เชื่อมต่อกันเป็นชั้นๆ ทำหน้าที่ประมวลผลข้อมูลและเรียนรู้จากข้อมูลที่ได้รับ

รวมทั้ง Deep Learning อันเป็นเทคนิคการเรียนรู้ของเครื่องจักรที่ใช้ Neural Network ที่มีหลายชั้น (Deep) ให้สามารถประมวลผลข้อมูลที่ซับซ้อนสูงได้นั่นเอง
 
การใช้ AI ในงานอสังหาริมทรัพย์ที่เกี่ยวข้อง

ในแวดวงอสังหาริมทรัพย์ยังสามารถใช้ AI ในกิจกรรมที่เกี่ยวเนื่องได้แก่

1. การจัดการทรัพย์สิน โดยการนำเสนอทางออกที่ชาญฉลาดและมีประสิทธิภาพ เช่น ระบบการบำรุงรักษาเชิงคาดการณ์ว่าต้องถึงเวลาซ่อมแซมตามรอบเวลาเมื่อไหร่

2. การคัดเลือกผู้เช่าด้วยการตรวจสอบประวัติ (อาชญากร) และคะแนนเครดิตบูโร (ในกรณีนี้เป็นไปได้ในประเทศตะวันตก ในไทยยังคงทำไม่ได้) 

3. การจัดการการเช่า การร่างสัญญา การทำสัญญา ระบบการเก็บค่าเช่า ฯลฯ ทัวร์เสมือนจริง – ขับเคลื่อนด้วย AI และความจริงเสริม ทัวร์เสมือนจริงมอบประสบการณ์การชมทรัพย์สินที่สมจริง

ช่วยให้ผู้ซื้อที่สนใจสามารถสำรวจทรัพย์สินจากที่บ้านได้อย่างสะดวกสบาย ซึ่งไม่เพียงประหยัดเวลาสำหรับทั้งตัวแทนและลูกค้าเท่านั้น แต่ยังขยายขอบเขตการเข้าถึงรายการทรัพย์สินไปยังผู้ชมทั่วโลกอีกด้วย

4. การทำทัวร์เสมือนจริงในการเยี่ยมชมบ้านที่จะขาย ทำให้สามารถพาทัวร์ได้ตลอด 24 ชั่วโมง 

5. การวิเคราะห์การลงทุน โดยเป็นเครื่องมือสำหรับการระบุถึงความเป็นไปได้ที่สร้างผลกำไรและการจัดการความเสี่ยง เป็นต้น

6. การวิเคราะห์และเลือกทำเลที่ตั้งเพื่อการพัฒนา โดยดูจากแนวโน้มการย้ายถิ่น สภาวะตลาด และข้อกฎหมายอสังหาริมทรัพย์ที่เกี่ยวข้อง

7. การเขียนรายงานประเมินค่าทรัพย์สิน รายงานการวิเคราะห์การลงทุน รวมทั้งการนำเสนอเชิงกราฟิกต่างๆ ที่ดูสวยงาม น่าเชื่อถือ เป็นต้น

ความเป็นไปได้หรือไม่อยู่ที่ข้อมูล

ถ้าประเทศไทยยังไม่มีข้อมูลที่ดีพอ ก็จะยังไม่สามารถสร้างระบบ AI เพื่อการประเมินค่าทรัพย์สิน การวิเคราะห์การลงทุนที่มีประสิทธิภาพ  ข้อมูลที่มีได้แก่

1. ข้อมูลการซื้อขายอสังหาริมทรัพย์ รวมทั้งใครคือผู้ซื้อ ผู้ขาย แต่ในประเทศไทยกลับอ้างเรื่องข้อมูลส่วนตัว ทำให้ไม่สามารถนำข้อมูลมาวิเคราะห์ได้

2. ข้อมูลราคาที่ซื้อขายจริง โดยมีเป็นจำนวนมากที่ไม่ได้แจ้งซื้อขายตามราคาจริง เพราะใช้ราคาประเมินทุนทรัพย์เพื่อการจดทะเบียนสิทธิและนิติกรรม ทำให้แบบจำลองต่างๆ ได้ตัวเลขวิเคราะห์ที่ผิดเพี้ยนจากความเป็นจริง

3. ข้อมูลด้านผังเมือง ซึ่งผังเมืองของไทยปกติจะหมดอายุทุก 5 ปี แต่ถ้ายังทำไม่เสร็จก็ใช้ไปเรื่อย ไม่ถือว่ามีการหมดอายุ ทำให้ผังเมืองกับการใช้สอยที่ดินตามความเป็นจริง ไม่มีความชัดเจน

4. ข้อมูลประชากรก็คลาดเคลื่อน เพราะจำนวนคนในพื้นที่ไม่สอดคล้องกับความเป็นจริง การสัมมโนประชากรอาจไม่รวมพวกที่อยู่ต่างเมืองแต่ไม่ได้ย้ายทะเบียนบ้าน หรือไม่ได้รวมแรงงานจากประเทศเพื่อนบ้าน หรือรวมแต่ไม่ครบ ทำให้จำนวนประชากรในแต่ละพื้นที่ผิดเพี้ยน

การใช้ AI เพื่อการประเมินค่าทรัพย์สินอย่างมีประสิทธิภาพยังค่อนข้างห่างไกลในกรณีประเทศไทย ยิ่งกว่านั้น ต้นทุนด้าน AI ก็จะสูงขึ้นเรื่อยๆ ทำให้โอกาสการพัฒนามีจำกัด.

คอลัมน์ อสังหาริมทรัพย์ต่างแดน

ดร.โสภณ พรโชคชัย 

ประธานกรรมการบริหาร ศูนย์ข้อมูลวิจัยและประเมินค่าอสังหาริมทรัพย์ไทย 

บจก. เอเจนซี่ ฟอร์ เรียลเอสเตท แอฟแฟร์ส 

www.area.co.th