Resposta rápida
Um estudo académico publicado em 2026 pela TU Wien mostra que os modelos de machine learning usados para avaliar imóveis, mesmo os que apresentam mais de 95% de precisão em testes, perdem essa fiabilidade ao fim de 6 a 12 meses de uso real. Para quem pondera investir em Phuket, Banguecoque ou Chiang Mai, a lição é simples: nenhuma calculadora de IA deve ser o argumento final para assinar um contrato-promessa.
Se está a pensar comprar casa na Tailândia a partir de Portugal e já se cruzou com aquelas plataformas que geram um valor 'preciso' em segundos, vale a pena perceber porque é que esse número pode estar desatualizado antes mesmo de fazer as malas para a viagem de inspeção.
O estudo que está a incomodar o setor
Os investigadores Christoph Kmen, Gerhard Navratil e Ioannis Giannopoulos, da TU Wien (Universidade Técnica de Viena), publicaram na revista AGILE-GISS (Volume 7, junho de 2026) uma análise que questiona a utilidade prática da maioria dos modelos preditivos de avaliação imobiliária atualmente no mercado. A conclusão é direta: se um modelo é treinado e testado com dados do mesmo período temporal, o resultado não serve para decisões reais de investimento.
Para um comprador português a analisar apartamentos em Bang Tao ou Patong à distância, isto é um alerta claro sobre a confiança cega em ferramentas de IA para decidir onde e quando investir.
Porque é que os algoritmos falham tão depressa
- O XGBoost e outros métodos de ensemble continuam a ser os algoritmos de referência para avaliação imobiliária, mas todos partilham o mesmo defeito estrutural: a validação não-temporal.
- Os fatores espaciais (proximidade a transportes, à costa, a infraestruturas) pesam muito no preço, mas esse peso muda constantemente ao longo do tempo, e os modelos raramente acompanham essa evolução.
- Uma precisão de 95% ou mais em backtest não significa 95% de precisão um ano depois. Banguecoque ou Phuket em 2024 e em 2026 são, na prática, dois mercados diferentes.
- O problema central chama-se viés de validação: quando os dados de treino e de teste vêm da mesma janela temporal, o modelo está, na prática, a 'espreitar' a resposta antes de a dar.
- Uma abordagem mais honesta passa pela modelação espaço-temporal, que tenta captar como o valor de um bairro muda à medida que a infraestrutura se desenvolve.
- Os autores do estudo defendem um horizonte mínimo de teste de 3 anos para que os resultados sejam realmente aplicáveis a decisões concretas, mesmo que a precisão anunciada pareça, à primeira vista, menos impressionante.
Porque é que a Tailândia é um caso particularmente sensível
O mercado tailandês está especialmente exposto a esta distorção. O boom de construção em Phuket, as novas linhas de BTS em Banguecoque e um crescimento de preços em Chiang Mai de 15% a 20% entre 2024 e 2025 tornam qualquer modelo treinado com dados antigos pouco fiável.
Phuket é o exemplo perfeito de como o terreno muda depressa: entre 2021 e 2025, entraram no mercado mais de 45.000 novas unidades residenciais, num valor aproximado de 469,7 mil milhões de baht (cerca de 13 mil milhões de dólares). E o ritmo não abranda: outros 72 projetos e 10.300 unidades (mais de 81,6 mil milhões de baht) estavam previstos para entrar no mercado até ao final de 2025, segundo dados sobre o capital estrangeiro que está a remodelar o mercado imobiliário de Phuket.
Outro dado que nenhum modelo estático apanharia: a Knight Frank Thailand reportou uma subida de 12,9% nas vendas de moradias em 2026, precisamente enquanto a procura por apartamentos arrefecia. Quem confiar apenas num algoritmo treinado com dados de há dois anos simplesmente não vê esta rotação de mercado.
Há ainda um problema de transparência: nenhum serviço comercial de avaliação por IA divulga publicamente o seu horizonte de validação, o que deixa o investidor internacional a operar às cegas quanto à fiabilidade real do número que lhe é apresentado.
Como usar a IA sem cair na armadilha: guia prático
Se está a considerar (ou já usa) ferramentas de IA para avaliar imóveis na Tailândia, aqui fica um plano de ação concreto.
-
Pergunte à plataforma qual é o horizonte de validação do modelo. Qualquer serviço de avaliação por IA, seja uma plataforma de análise ou a calculadora integrada no site de uma promotora, deveria conseguir responder: com que período de dados o modelo foi treinado? Se os dados têm menos de 12 meses e o teste foi feito na mesma janela temporal, não confie nesse número para decisões de longo prazo.
-
Confirme a estimativa com transações reais. Reúna 3 a 5 negócios fechados na zona que lhe interessa nos últimos 6 meses. Em Banguecoque, os dados de transações estão disponíveis através do Departamento de Terras (กรมที่ดิน). Compare os preços reais com o resultado da calculadora de IA; uma diferença superior a 10% é sinal de alerta.
-
Avalie as mudanças espaciais manualmente. Mesmo os melhores modelos baseados em XGBoost têm dificuldade em antecipar futuras alterações de infraestrutura. Novas linhas de transporte, centros comerciais planeados ou mudanças de zoneamento têm de ser verificados à parte, por exemplo através dos processos de Avaliação de Impacto Ambiental (EIA) disponíveis no site do ONEP.
-
Use a IA para pré-selecionar, não para decidir. O machine learning é excelente como primeiro filtro, capaz de reduzir 200 anúncios a 20 opções que merecem uma análise detalhada. Mas a decisão final deve incluir sempre uma visita presencial, due diligence legal e uma consulta com um especialista local.
-
Planeie uma viagem de inspeção. Nenhum algoritmo substitui uma visita no terreno. Se está seriamente a considerar uma compra, reserve alojamento perto da zona-alvo por pelo menos 3 a 4 dias, tempo suficiente para visitar entre 5 e 8 imóveis e reunir-se com um advogado local.
-
Reveja a avaliação a cada 6 meses. O estudo AGILE-GISS 2026 é explícito: a precisão do modelo cai a cada mês que passa. Se comprou com base numa análise de IA, atualize-a duas vezes por ano com dados frescos de transações locais.
Onde encontrar dados fiáveis sobre preços na Tailândia
As fontes oficiais incluem o Departamento do Tesouro (กรมธนารักษ์), responsável pela avaliação cadastral, o Banco da Tailândia, que publica índices de preços habitacionais, e o REIC (Real Estate Information Center), com análises sobre novos empreendimentos. O Departamento do Tesouro disponibiliza também o D-Value, um serviço online gratuito que emite documentos certificados de avaliação de terrenos e frações em cerca de 10 minutos. Estas fontes são atualizadas trimestralmente e o acesso é gratuito.
Perguntas frequentes
A IA consegue avaliar corretamente um apartamento em Banguecoque em 2026?
A precisão depende muito da qualidade dos dados e do horizonte de validação usado. Segundo o estudo AGILE-GISS (Volume 7, 2026), os modelos baseados em XGBoost só mostram boa precisão em janelas de previsão curtas. Banguecoque muda rapidamente devido a novas linhas de transporte e construção ativa, por isso trate qualquer avaliação de IA como um ponto de referência, nunca como o valor final.
Devo confiar nas calculadoras de IA dos sites das promotoras?
Com cautela. Uma promotora beneficia diretamente da venda, e a sua calculadora pode estar calibrada para cenários otimistas. Cruze sempre os valores com fontes independentes, como o registo de transações do Departamento de Terras ou um avaliador independente.
Que dados são necessários para uma avaliação de IA fiável na Tailândia?
No mínimo: preços reais de transações (não preços de anúncio), coordenadas do imóvel, características do edifício, distância a infraestruturas-chave e dados de rentabilidade de arrendamento. Fundamentalmente, o conjunto de dados deve cobrir um período de pelo menos 3 anos, conforme recomenda o estudo AGILE-GISS 2026.
A IA vai substituir os avaliadores profissionais de imóveis?
Não tão cedo. A IA é excelente a processar grandes volumes de dados e a identificar padrões. Mas nuances legais (como as restrições à propriedade estrangeira na Tailândia, ou a diferença entre título chanote e Nor Sor 3), avaliações do estado físico do imóvel e a dinâmica de negociação continuam claramente no domínio da experiência humana.
Como pode a IA ajudar quem quer investir em Phuket?
As ferramentas de IA são úteis para analisar a sazonalidade do arrendamento, comparar rentabilidades entre bairros e sinalizar anúncios sobrevalorizados. Em Phuket, onde as diferenças de preço entre zonas chegam aos 40-60%, uma triagem automatizada poupa dezenas de horas de pesquisa manual. Vale ainda lembrar o já referido crescimento de 12,9% nas vendas de moradias reportado pela Knight Frank Thailand em 2026, uma mudança que nenhum modelo estático treinado com dados antigos conseguiria captar.
Fonte: IPS News
Pronto para investir na Tailândia? A equipa da Imóveis na Tailândia pode ajudá-lo a encontrar o imóvel certo, com análise informada e acompanhamento local.