Bed en populær AI-model om at vurdere en villa i Rawai, og du får et sikkert prisinterval, tilsyneladende præcist ned til nærmeste hundrede tusind baht. Problemet er, at intervallet bygger på udbudspriser fra offentlige annoncer, ikke på faktiske handelspriser. Thailand har ingen offentlig database med registrerede salgspriser, som en model kan trænes på. Land Department udgiver ikke sine data i bulk, og annoncer kan ligge måneder med kunstigt høje prisskilte.
Det er ikke en detalje man kan overse. Det er præcis her AI's nytteværdi i thailandsk ejendomshandel stopper, og hvor teknologien begynder at producere tekst, der lyder overbevisende uden at være det.
For dig der vil have det korte svar: AI sparer allerede betydelig tid på henvendelser, oversættelse og dokumentgennemgang. Men til værdivurdering og juridiske spørgsmål er det stadig risikabelt. En undersøgelse fra McKinsey og QuantumBlack, offentliggjort i august 2026, viser samme mønster i hele verdensøkonomien: brugen af AI stiger fortsat, men andelen af virksomheder, der rapporterer en målbar AI-effekt på driftsresultatet (EBIT), ligger fast på omkring 37% og er ikke vokset år for år.
Hvorfor stiger AI-investeringerne hurtigere end det faktiske udbytte?
Det sker på enhver teknologibølge, og det er ikke en grund til at blive stående på sidelinjen. Men det er en grund til at være ærlig om, hvad man rent faktisk får for pengene.
Ifølge McKinsey/QuantumBlack-undersøgelsen fra 2026 investerer 28% af markedslederne mere end 10% af deres IT-budget i AI, og 60% planlægger at øge investeringen næste år. Samtidig angiver omkring 20% af virksomhederne, at de direkte driftsomkostninger ved AI begrænser, hvor meget de bruger modellerne. De tungeste investeringer findes i medicin og medtech, forsikring samt bank og finans, mens ejendomsbranchen ligger et godt stykke nede på listen. Det, der reelt skiller lederne fra resten, er ikke budgettets størrelse, men at de omlægger deres arbejdsgange omkring AI og sætter sig et mål om at transformere forretningen inden for tre år. De bruger AI til at skabe omsætning, ikke bare til at skære i omkostninger, og satser man udelukkende på besparelser, bliver resultatet ifølge undersøgelsen simpelthen dårligere.
Fungerer AI overhovedet i thailandsk ejendomshandel? Fire steder hvor det virker
Den første kontakt med en køber er i praksis nu næsten fuldautomatisk. En besked kommer ind via en chat-app, sproget genkendes, tre kvalificerende spørgsmål følger om budget, tidshorisont og formålet med købet, og tre relevante annoncer sendes retur. En dansk investor, der skriver klokken to om natten dansk tid, behøver ikke længere vente til Bangkok-kontoret åbner. Det er formentlig den hurtigste investering, der findes i branchen lige nu: opsætningen tager uger, ikke kvartaler.
Det andet område er tekstforfatning. En annoncetekst, der skal skrives til flere sprog og målgrupper, tog tidligere en tekstforfatter en hel dag for ti annoncer på tværs af engelsk, russisk og kinesisk. Nu tager det omkring fyrre minutter, inklusive korrekturlæsning. Og korrekturlæsning er ikke valgfri: modellerne oversætter rutinemæssigt 'leasehold' til noget der bare lyder som 'udlejning' uden at nævne løbetiden, og de kan gøre et Nor Sor 3 Gor-dokument til noget, der lyder som et fuldt skøde. En dansk køber læser det som en garanti, der ikke findes i virkeligheden.
Tredje område er dokumenter. Fodrer man en chanote, en købskontrakt og et condominiums vedtægter (juristic person bylaws) ind i en model med lang kontekst, sparer det en advokat de første to timers arbejde: modellen finder arealer, servitutter og betalingsplaner og markerer uoverensstemmelser. Men en autoriseret jurist skal stadig tage over derfra. Modellen tager ikke selv turen til Land Department.
Fjerde område er udlejningsstyring, og her er data faktisk solide: belægning, dagspriser og sæsonvariation pr. distrikt indsamles automatisk. Algoritmisk prisstyring for korttidsudlejning i Patong eller Kamala giver et reelt merudbytte, der kan aflæses i regnskabet, ikke kun i en flot præsentation.
Hvad virker ikke - og hvor bør man som dansk køber være mest på vagt?
Generativ virtuel staging ser fantastisk ud, lige indtil køberen står i lejligheden og finder en helt anden planløsning. Flere bureauer har allerede fået klager over renderinger, der ikke matcher virkeligheden - og det renommémæssige tab overstiger typisk det, man sparede på fotografen. Chatbots, der aldrig sender samtalen videre til et menneske, taber de tunge kunder allerede ved fjerde besked: en køber, der kigger på en villa til 40 millioner baht, gider ikke bevise sin seriøsitet over for en robot.
Værst af alt er AI-genererede juridiske svar om ejerstrukturer via et thailandsk selskab. De lyder velformulerede og modsiger regelmæssigt Land Departments faktiske praksis. Det er her flest danske købere risikerer at blive vildledt, fordi svaret virker autoritativt, selv når det er forkert eller forældet.
Kan en AI-model reelt vurdere prisen på en villa eller lejlighed?
Groft set, ja. Præcist, nej. Modellerne ser udbudspriser, ikke handelspriser, fordi Thailand ikke har et offentligt prisregister. Forskellen mellem udbudspris og den endelige salgspris på andenhåndsmarkedet kan løbe op i tocifrede procentsatser. Bestil altid en vurdering fra en autoriseret vurderingsmand, især hvis der er et lån involveret.
Det samme forbehold gælder juridiske spørgsmål. De 49% udenlandske kvote i condominiums, den 30-årige standardløbetid for leasehold, og selskabsbaserede ejerstrukturer er netop de områder, hvor en model giver et plausibelt, men forældet eller alt for generisk svar. Ingen model tjekker den resterende udenlandske kvote for dig, det tal ligger i bygningens juristic person-papirer, og det kræver et opslag, ikke et gæt.
Hvad betyder det for det danske marked på Phuket lige nu?
Efterspørgslen fra udlandet stiger uafhængigt af AI-udviklingen. Den udenlandske ejerandel i Bangkoks centrale condo-marked steg til 32% i 2026, op fra omkring 18% året før, mens udenlandske købere stod for 67% af alle condo-salg på Phuket i første halvår af 2026. Salget til udenlandske købere på Phuket voksede med mere end 45% i H1 2026 sammenlignet med samme periode i 2025, med købere fra blandt andet Storbritannien, Rusland, Canada og USA. Bang Tao og Cherng Talay forbliver de centrale områder for denne udvikling. Det er en strukturel bevægelse, ikke noget der primært drives af AI-værktøjer.
Sådan kommer du i gang: min anbefaling
Min holdning er klar: køb ikke en samlet "AI-platform til ejendomsmæglere". Vælg i stedet tre eller fire snævre processer, hvor du reelt kan måle tid og penge sparet, og løs dem med målrettede abonnementsværktøjer. Har du færre end tyve transaktioner om året, kan du roligt ignorere det meste af dette; manuelt arbejde er billigere for dig, og token- og træningsomkostninger vil aldrig løbe hjem. Det er nøjagtig det, de 20% ovenfor beskriver, andelen af virksomheder, hvor AI's driftsomkostning er blevet en flaskehals snarere end en fordel.
- Mål dit udgangspunkt i to uger. Registrer minutter fra henvendelse til første svar, timer brugt på at forberede en annonce, og prisen for at oversætte en dokumentpakke.
- Ret op på svartiden først. Sæt en autosvarer op med sprogdetektering og tre kvalificerende spørgsmål på WhatsApp, Line og Telegram. Sigt efter under 5 minutter, døgnet rundt. Byg en obligatorisk overdragelse til et menneske ind ved ord som 'villa', 'investering' eller 'fremvisning'.
- Byg én fast annonceskabelon med obligatoriske felter: ejerform (freehold eller leasehold), leasehold-løbetid, resterende udenlandsk kvote, chanote-registreret areal, henlæggelser (sinking fund) og månedlige gebyrer. Modellen udfylder, et menneske godkender.
- Kør dokumenter gennem en model med lang kontekst før advokatmødet, ikke i stedet for det. Listen af spørgsmål til advokaten bør komme direkte ud af denne gennemgang.
- Tilføj algoritmisk prissætning til din udlejningspulje, hvis du administrerer mere end ti enheder. Under ti enheder: beregn manuelt, gevinsten dækker ikke abonnementet.
- Hold budgettet i snor. Markedslederne ligger over 10% af IT-budgettet på AI, men det er virksomheder med et dedikeret dataspecialist-team. Start med et fast kvartalsbeløb og vurder resultaterne, før du forlænger.
Efter 90 dage, sammenlign med dit oprindelige udgangspunkt. Hvis svartid og forberedelsestid til annoncer ikke er mindst halveret, har du automatiseret det forkerte.
Ofte stillede spørgsmål
Kan AI sætte en realistisk pris på en lejlighed i Bangkok eller på Phuket?
Groft set ja, præcist nej. Modellerne ser kun udbudspriser, ikke de faktiske handelspriser, fordi Thailand ikke har et offentligt prisregister. Forskellen mellem udbudspris og endelig salgspris på andenhåndsmarkedet kan nå tocifrede procentsatser. Brug altid en autoriseret vurderingsmand, især ved lånefinansiering.
Vil AI overflødiggøre ejendomsmæglere?
I 2026-undersøgelsen forventer virksomheder større personalenedskæringer end året før, men de faktiske nedskæringer det seneste år lå under forventningerne. Det, der forsvinder, er ikke faget selv, men det rutinemæssige: første korrespondance, oversættelse, dokumentindsamling. Fremvisninger, forhandling og arbejdet med Land Department forbliver hos mennesker.
Hvor meget koster det for en lille virksomhed at komme i gang med AI?
En grundpakke med en henvendelsesbot, en tekstgenerator til annoncer og dokumentgennemgang kan dækkes af abonnementer til nogle få hundrede dollars om måneden, plus tid til opsætning. Omkostningerne stiger markant, når man går videre til en skræddersyet model trænet på egne data.
Kan man stole på AI til juridiske spørgsmål om thailandsk ejendom?
Nej. De 49% udenlandske kvote, den 30-årige leasehold-løbetid og selskabsbaserede ejerstrukturer er netop de områder, hvor en model giver et plausibelt, men forældet eller alt for generisk svar. Brug det til at formulere spørgsmål til din advokat, ikke til at besvare dem.
Kilde: Nation Thailand