Четыре слоя AI в недвижимости: что из этого работает в Таиланде

Американский покупатель в 2026 году может открыть Claude, спросить голосом про историю сделок по конкретному адресу, налоговую базу, залоги и риск затопления - и получить ответ за десять секунд, без единого запроса в базу вручную. Данные приходят напрямую из ATTOM через MCP-сервер.

Русскоязычный покупатель кондо на Пхукете задаёт тот же вопрос и не получает ничего. Не потому, что модель слабая. Потому что подключать нечего: реестр Департамента земель Таиланда не отдаёт машиночитаемые данные, единой MLS в стране нет, а история сделок по конкретной башне живёт в головах трёх человек и в чатах застройщика.

Это и есть главный разрыв 2026 года. Технология созрела, инфраструктура данных - нет. И разные слои AI-стека в Таиланде работают совершенно по-разному.

Быстрый ответ

• 2026 год стал переходом от AI-подсказчиков к агентным сценариям: модель больше не советует, а выполняет цепочку задач в CRM, рассылках и листингах.
• Стек состоит из четырёх слоёв: генерация лидов, оценка объекта, производство листингов, агентная CRM. В 2026 году агентными стали именно данные и CRM.
• ATTOM запустил расширенный MCP-сервер и три специализированных агента (Property & Place Insights, Data Analyst, Report Generation) - запросы к данным о собственности, налогах, ипотеке и рисках идут на естественном языке, без кастомных интеграций.
• Rechat и RealAnalytica добавили поддержку MCP, а Atlas Agents выполняют фоновые задачи по CRM, почте и MLS. Salesforce Agentforce и Follow Up Boss остаются в строю рядом с ними.
• В Таиланде из четырёх слоёв реально работают два: производство контента и CRM. Слой данных и автоматическая оценка упираются в отсутствие открытого реестра сделок.
• Экономия времени агента по рынку Пхукета и Бангкока оценивается в 6-10 часов в неделю при внедрении только контентного и CRM-слоя, по оценкам практиков рынка.

Фото: neuralcoretech.com

Ключевые факты

• Дата перелома - 2026 год: индустрия PropTech перешла от точечных AI-инструментов к сквозным агентным процессам, где модель сама доводит задачу до конца.
• Четырёхслойная архитектура сохранилась, но два её слоя (данные и CRM) получили агентные возможности, а не остались справочниками.
• Три агента ATTOM покрывают три разных сценария: аналитика по объекту и локации, работа с массивом данных, генерация готового отчёта.
• MCP снимает главный барьер внедрения - необходимость писать отдельную интеграцию под каждую базу. Ассистент подключается к источнику напрямую.
• Rechat и RealAnalytica позволяют ChatGPT и Claude работать внутри контактов, листингов, маркетинговых задач и рутинных операций с MLS.
• Atlas Agents закрывают фон: CRM, почта, MLS, налоговые данные - без участия человека в цикле.
• Практический эффект для покупателя уже измерим в США: вопрос о стоимости объекта или проблемах по итогам инспекции задаётся голосом и получает ответ со ссылкой на первичные данные.

Теперь неприятная часть.

Слой оценки - самый переоценённый в Таиланде. Автоматические модели стоимости обучены на плотных массивах сопоставимых сделок. На Пхукете такого массива нет: половина сделок идёт по офф-плану со скидками, которые нигде не публикуются, вторая половина - перепродажи внутри узкого круга. Модель, которую кормят ценами из объявлений, выдаёт не оценку, а среднее по хотелкам продавцов. Я видел, как GPT-4-класс модели уверенно называли доходность кондо в Раваи на уровне 8-9% годовых, ссылаясь на рекламные буклеты. Реальная чистая доходность после management fee, простоев и налогов в этом сегменте, по оценкам рынка, ближе к 4-6%.

Второе, что ломается: юридический слой. Модель охотно объяснит правило 49% иностранной квоты в кондоминиуме - и здесь она обычно права, потому что норма прописана в Condo Act. Но как только речь заходит о структуре владения виллой, лизхолде на 30 лет или проверке чанота, начинаются галлюцинации: модель достраивает логику из американской и европейской практики. Ни один агентный процесс не заменяет проверку титула тайским юристом в Департаменте земель.

Моя позиция: агенту и инвестору на тайском рынке в 2026 году не надо строить слой данных вообще. Его нечем наполнить. Деньги и время стоит вложить в производство листингов и в агентную CRM - там эффект виден на второй неделе. Оговорка: если вы делаете меньше десяти сделок в год и ведёте двадцать контактов в заметках, автоматизация съест больше времени, чем сэкономит. Тогда ограничьтесь генерацией описаний и переводом.

И отдельно про то, чего AI не отменяет. Просмотр объекта вживую. Модель отсеет 40 вариантов до пяти за вечер, но шум от стройки через дорогу, запах канализации в подземном паркинге и реальную загрузку пляжа в мае она не покажет. На поездку по шорт-листу закладывайте четыре-пять дней и заранее подберите авиабилеты - в высокий сезон с ноября по февраль цены на перелёт растут заметно.

Как начать: пошаговый план

1. Соберите свою базу за один вечер. Выгрузите все контакты, объекты и переписки в одну таблицу. Без этого агентный слой CRM бесполезен: агенту нечем оперировать. Минимум - 4 поля на контакт: бюджет, срок, локация, стадия.
2. Начните с контентного слоя. Описание объекта на русском, английском и тайском, пост для соцсетей, письмо клиенту. Это единственный слой, который даёт результат в первый день и не требует никакой интеграции.
3. Подключите CRM с поддержкой агентов. Follow Up Boss и Salesforce Agentforce остаются рабочими вариантами в 2026 году, инструменты класса Rechat добавили MCP. Задача первого месяца - автоматизировать одну цепочку: новый лид, квалификация, три касания, передача человеку.
4. Замените слой данных ручным протоколом. Раз в квартал собирайте по своим локациям: количество сделок в башне, средняя цена за кв. м по фактическим договорам, ставка аренды. Двадцать строк лучше, чем ноль. Это ваш локальный ATTOM.
5. Введите правило проверки фактов. Любая цифра из модели, которая идёт клиенту, подтверждается первичным источником: договор, выписка, письмо застройщика. Без этого первая же галлюцинация по квоте или налогу стоит сделки.
6. Через 30 дней измерьте. Часы, сэкономленные на переписке и контенте, и скорость ответа на лид. Если экономия меньше 3 часов в неделю, вы автоматизировали не то.

FAQ

Заменит ли AI риелтора в Таиланде?

Нет, но переставит акценты. Агентные процессы 2026 года забирают рутину: CRM, письма, листинги, рассылки. Остаётся то, чего в данных нет - проверка титула, торг с застройщиком, понимание, какая башня через год окажется в тени новой стройки.

Что такое MCP простыми словами?

Это протокол, который позволяет ассистенту вроде Claude или ChatGPT подключаться к базе данных напрямую, без написания отдельной интеграции. Именно на нём ATTOM запустил свой расширенный сервер и три агента в 2026 году.

Можно ли доверять AI-оценке стоимости кондо на Пхукете?

Как ориентиру - да, как основанию для сделки - нет. Модель учится на опубликованных ценах предложения, а не на фактических договорах, и систематически завышает и цену, и прогноз доходности.

Есть ли в Таиланде аналог MLS?

Единой национальной базы листингов, сопоставимой с американской MLS, нет. Объекты дублируются между площадками, одна и та же квартира встречается с разницей в цене до 15%. Это и есть главная причина, по которой слой данных в тайской версии стека не собирается.

Какие AI-инструменты реально работают с русским языком?

Модели класса GPT и Claude пишут на русском на уровне, пригодном для публикации, без правки стиля. Проблема не в языке, а в фактах: тайские топонимы, названия проектов и юридические термины модель регулярно искажает.

Сколько стоит собрать рабочий AI-стек одному агенту?

По оценкам рынка, подписки на модель и CRM с агентными функциями укладываются в 100-200 долларов в месяц. Основная стоимость - не деньги, а 15-20 часов на настройку и описание собственных процессов.

Безопасно ли загружать данные клиентов в ChatGPT?

Персональные данные покупателей, паспорта и реквизиты в публичные чаты не загружают. Рабочий компромисс - обезличенные карточки клиента и корпоративные тарифы с отключённым обучением на ваших данных.

С чего начать, если я инвестор, а не агент?

С двух задач: сравнение условий договоров по нескольким проектам и пересчёт доходности с учётом всех комиссий. Модель хорошо ловит расхождения в текстах и плохо угадывает цифры, которых ей не дали.

---

Хотите освоить AI-инструменты для работы в недвижимости? Мы запустили бесплатный курс - практические навыки, которые уже сегодня применяют лучшие агенты рынка. Записаться бесплатно - https://class.kalinka-thailand.ru/

---

Одна рекомендация на выходе: не гонитесь за слоем данных, которого в Таиланде нет. Соберите свои двадцать строк по своим локациям и автоматизируйте переписку. Это даёт больше, чем любой агент из американского стека.