AI в недвижимости 2026: 3 слоя работают, оценка врёт

Клиент из Москвы прислал скриншот: он спросил у чат-бота, сколько стоит однокомнатная квартира в Раваи, и получил ответ с точностью до сотен тысяч бат плюс убедительное объяснение на четыре абзаца. Цифра была собрана из цен предложения на агрегаторах. Реальные цены регистрации сделок в Земельном департаменте Таиланда в открытые базы не попадают, и модель об этом не предупредила.

Это и есть главный сюжет 2026 года. Сдвиг произошёл не в том, что модели стали красивее писать тексты, а в том, что они получили доступ к данным и правам на действия. ATTOM запустил MCP-сервер и три специализированных агента - Property & Place Insights, Data Analyst и Report Generation. Rechat открыл MCP-сервер, через который Claude и ChatGPT работают внутри контактов, листингов и маркетинговых данных. RealAnalytica выкатила Atlas Agents для автономной обработки повторяющихся задач в CRM, MLS и налоговых данных.

Перевод на человеческий: раньше вы копировали данные в чат руками, теперь модель сама идёт в базу и возвращается с ответом, без кастомной интеграции.

Для тайского рынка это хорошая новость ровно на три четверти. Из четырёх слоёв агентного PropTech - генерация лидов, оценка, производство листингов и агентная CRM - в Таиланде честно работают три. Слой оценки ломается, и ниже объясню почему.

Фото: neuralcoretech.com

Быстрый ответ

• 2026 год - переход от AI-помощника к агентным сценариям, которые выполняют задачу от начала до конца в четырёх слоях: лиды, оценка, листинги, CRM.
• ATTOM дал рынку MCP-сервер и три агента (Property & Place Insights, Data Analyst, Report Generation): запрос к данным по объектам, рынку и природным рискам формулируется обычным языком, кастомная интеграция не нужна.
• Rechat подключил Claude и ChatGPT напрямую к CRM-данным, RealAnalytica через Atlas Agents автоматизировала рутину по MLS и налоговым выгрузкам.
• Что это даёт агенту на практике: быстрые выгрузки данных, черновые подборки сопоставимых объектов, автоматические follow-up по базе. Освобождается время на решения и переговоры.
• Что не даёт: в Таиланде нет MLS и открытого реестра цен сделок, поэтому автоматическая оценка строится на ценах предложения и систематически завышает результат.
• Ответственность за цифру в договоре остаётся на человеке. Модель не отвечает за ошибку, а агент отвечает лицензией и деньгами клиента.

Ключевые факты

• MCP (Model Context Protocol) стал в 2026 году фактическим стандартом подключения моделей к рабочим базам: ATTOM-сервер отвечает на запросы из любого MCP-совместимого клиента, включая Claude и ChatGPT.
• Три агента ATTOM разделены по функциям: один достаёт данные по объекту и локации, второй считает аналитику, третий собирает готовый отчёт. Это уже не один чат на все случаи, а конвейер.
• Rechat встроил агентов в транзакционный слой - контакты, листинги, маркетинг. Это самая скучная и самая дорогая часть работы агентства.
• Atlas Agents от RealAnalytica закрывает повторяющиеся задачи: обновление данных в CRM, сверка с MLS, налоговые выгрузки.
• Практический вывод, который повторяют все три команды: AI ускоряет администрирование и первый черновик, а интерпретация эмоций покупателя, динамика торга и ответственность остаются за человеком.
• Все перечисленные продукты рассчитаны на рынок США с county records и MLS. В Таиланде ни того, ни другого нет: данные о зарегистрированных сделках хранятся в офисах Земельного департамента и выдаются по запросу, а не через API.

Почему автоматическая оценка в Таиланде показывает не то

Американский AVM опирается на десятки миллионов записей о закрытых сделках. Тайский аналог опирается на то, что застройщик и продавцы написали в объявлении. Разница принципиальная: цена предложения на Пхукете живёт отдельной жизнью от цены регистрации, потому что торг, мебельные пакеты, рассрочка от продавца и валюта расчёта меняют итог на проценты, которые модель не видит.

Моя позиция: в 2026 году не стоит показывать клиенту цифру, полученную от модели без ручной проверки по документам. Любой агентный отчёт по тайскому объекту - это черновик для внутреннего использования, пока он не сверен с договором купли-продажи и выпиской Чанот. Если вы работаете с нью-билдом от одного застройщика и у вас есть его прайс-лист с историей повышений, это правило можно игнорировать: там данные первичные и проверяемые.

Есть ещё одна вещь, которая не сработала. Автогенерация текстов листингов на русском языке для тайских объектов даёт грамотный, но бесполезный результат: модель не знает, что в Банг Тао пробка на выезде в высокий сезон, а в Найтоне нет школы. Клиенты читают такие описания и уходят, потому что в них нет ни одного факта, который невозможно получить из брошюры.

Что реально экономит время

Самый честный список выгод получается коротким. Первое - выгрузки и сверки: то, на что уходило полдня, занимает минуты. Второе - follow-up по базе: агент, подключённый к CRM, сам напоминает, что клиент из марта просил перезвонить после Сонгкрана. Третье - разбор документов: модель вычитывает договор застройщика и находит пункты про перенос сроков и индексацию платежей быстрее юриста, но не вместо него.

Дальше начинается человеческая часть. Ни один агент не поймёт по голосу, что покупатель уже решил купить и торгуется из вежливости. И ни один не поедет на объект смотреть, как сосед сверху сушит белье на балконе с видом на море за 12 миллионов бат.

Поэтому просмотровый тур никуда не исчез. Модель может собрать маршрут из шести объектов с учётом пробок и времени регистрации в Земельном департаменте, но перелёт и отель вы всё равно бронируете сами - удобнее заранее подобрать авиабилеты и привязать даты к графику показов, а не наоборот.

Как начать: пошаговый план

1. Поставьте MCP-совместимый клиент (Claude Desktop или аналог) и подключите к нему хотя бы один источник своих данных. Начните с Google Sheets со своими сделками за последние 12 месяцев - это ваша частная замена отсутствующему MLS.
2. Соберите базу зарегистрированных цен руками. По каждой закрытой сделке зафиксируйте: проект, площадь, этаж, вид, цену в договоре, дату регистрации, что входило в пакет. 50 записей уже дают ориентир лучше любого агрегатора.
3. Разделите задачи на три роли по логике ATTOM: сбор данных, расчёт, оформление отчёта. Не просите одну сессию сделать всё сразу - качество падает.
4. Подключите CRM. Если ваша система поддерживает MCP или API, дайте модели доступ к контактам и истории переписки. Первый сценарий для автоматизации - напоминания и повторные касания по базе старше трёх месяцев.
5. Напишите два промпта и доведите их до состояния шаблона: разбор договора застройщика по чек-листу из 15 пунктов и черновик подборки для клиента с обязательным указанием источника каждой цифры.
6. Введите правило проверки. Любая цифра, которая уходит клиенту, имеет ссылку на документ: Чанот, договор, официальный прайс. Без ссылки цифра не публикуется.
7. Измерьте результат через месяц в часах, а не в впечатлениях. Считайте только два показателя: время на подготовку подборки и время на ответ по документам.
8. Обучите команду одному инструменту, а не пяти. Практика 2026 года показывает, что выигрывают те, кто внедрил один рабочий сценарий глубоко, а не подписался на десять сервисов.

FAQ

Может ли AI оценить квартиру в Таиланде точно?

Нет. Точная автооценка требует базы закрытых сделок, как county records в США, на которых работает ATTOM. В Таиланде такой открытой базы нет, поэтому модель считает по ценам предложения. Используйте её результат как черновик и сверяйте с договорами.

Что такое MCP и зачем он агенту по недвижимости?

Model Context Protocol - это стандарт, по которому модель подключается к внешним базам без индивидуальной разработки. ATTOM и Rechat в 2026 году открыли такие серверы, и запрос к данным теперь формулируется обычным языком.

Заменит ли AI риелтора в Таиланде?

Административную часть заменит уже сейчас: выгрузки, черновики, напоминания. Переговоры, чтение состояния покупателя и ответственность за сделку остаются за человеком - об этом одинаково говорят все команды, которые выпустили агентные продукты.

Какие задачи автоматизировать первыми?

Повторяющиеся и дешёвые с точки зрения риска: обновление CRM, follow-up, первичная вычитка договора застройщика. Именно эти сценарии закрывают Atlas Agents от RealAnalytica на американском рынке.

Стоит ли доверять AI-описания объектов?

Как заготовку - да, как готовый текст - нет. Модель не знает локальных деталей: транспорт в высокий сезон, наличие школы, шум от стройки по соседству. Без этих фактов описание не продаёт.

Насколько дорого начать?

Базовый набор из MCP-клиента, подписки на модель и собственной таблицы сделок укладывается в несколько десятков долларов в месяц. Дорого стоит не софт, а время на сбор своей базы цен регистрации.

Что будет с теми, кто не внедрит агентные сценарии?

Они продолжат тратить часы на то, что у конкурента занимает минуты, и проиграют в скорости ответа клиенту. Это единственное место, где разрыв в 2026 году виден невооружённым глазом.

Главная рекомендация проста: не покупайте AI-оценку тайского объекта, постройте свою базу цен регистрации и подключите модель к ней. Всё остальное в агентном PropTech вторично.

---

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/