රාත්රී 9.40ට Pattaya නියෝජිතායතනයක work chat එකට පණිවුඩයක් එයි: 'Jomtien හි වර්ග මීටර් 28ක studio එකක සැබෑ මාසික කුලී ලාභය කීයද, short-term rate එක නොව?' වසරකට පෙර මේ ප්රශ්නයට උත්තරයක් ලැබෙන්න දවසක් හමාරක් ගියා. පරණ deal ගන්නා, management companies දෙකකට කතා කරන, spreadsheet එකක් හදන. අද නියෝජිතයා AI assistant කෙනෙකුගෙන් අහනවා, ඒ assistant එකට property database සහ CRM එකට direct access තියෙනවා. විනාඩි කීපයකින් අවසන් වසර 12 තුළ අවසන් වූ contracts filter කරලා, floor එකෙන් සහ view එකෙන් වර්ග කරලා පෙන්වනවා. Manual verification එකට තවම පැයක් ගතවෙනවා. දවසක් හමාර නෙවෙයි නම්.
2026 හි සැබෑ වෙනස ආදර්ශ (models) වඩාත් බුද්ධිමත් වීම නෙවෙයි. ඒ වෙනුවට ඒවාට working systems තුළ ක්රියා කිරීමේ අයිතිය ලැබීම ය: data ගැනීම, deal status update කිරීම, tasks assign කිරීම. Industry එක AI features තනි products වලට එකට ගැළපුවා යනවිට ඉවතට ගිහින්, දැන් agentic workflows වලට මාරු වෙලා. එනම් assistant එකක් සම්පූර්ණ chain of steps එකක් තනිවම ක්රියාත්මක කරනවා.
2026 අවසන් වන විට brokerage firms 96%ක් අඩුම තරමින් එක function එකකට AI භාවිතා කරනවා. නමුත් ඒ bar එක අඩුයි: listing copy generate කිරීම විතරක් කරන agency එකකවත් ඒ ගණනට ඇතුළත් වෙනවා. සැබවින්ම rebuild කරපු workflows ගණන ඊටත් වඩා අඩුයි. ඒ gap එකෙහෙනම ඇත්තටම ගැළපෙන්නේ - පැයට පැයෙන් 10ක් ඉතිරි කරන නියෝජිතයෙක් සහ විනාඩි 10ක් විතරක් ඉතිරි කරන නියෝජිතයෙක් අතර වෙනස.
Thailand හි AI භාවිතය කොහොමද වර්ධනය වෙලා තියෙන්නේ?
2026 PropTech-AI stack එකට layers හතරක් තියෙනවා: lead generation, property valuation, listing production, සහ agentic functions සහිත CRM. Model Context Protocol (MCP) කියන standard එක නිසා CRM සහ property database දැන් Claude හෝ ChatGPT වගේ general-purpose model එකකට direct query කරන්න පුළුවන් source බවට පත් වෙලා. එකෙන් manual spreadsheet exports අවශ්ය නැති වෙනවා. Rechat, ATTOM Intelligence, සහ RealAnalytica Atlas Agents වගේ transactional platforms 2026දී general-purpose models වලට transactional data සහ workflows වලට access දුන්නා. AI දැන් නියෝජිතයාගේ workflow එක ඇතුළේ වැඩ කරනවා, පැත්තකින් නෙවෙයි.
Pattaya සහ Phuket හි ලැබෙන ප්රායෝගික ප්රතිලාභය මොකක්ද?
Pattaya හි agencies 67%ක් දැනටමත් foreign buyers සමඟ පලවෙනි contact point එකේම AI භාවිතා කරනවා, 2026 market data අනුව average deal cycle එක දින 28ක් දක්වා අඩු වෙලා, කලින් ඒක දින 42ක් තිබ්බ. Phuket හි නියෝජිතයෙක් සතියකට messaging apps සහ listing platforms තුනක් හරහා inbound messages 60-80ක් ලබා ගන්නවා. CRM එකට සම්බන්ධ agentic assistant එකක් ඒවා budget, timeline, property type අනුව sort කරලා, dated task එකක් හදලා, inquiry language එකෙන්ම first reply එකක් draft කරනවා. නියෝජිතයා ඒක edit කරලා send කරනවා. Technological breakthrough එකක් වගේ පේන්නෙ නැහැ, නමුත් එකෙන් දවසකට පැය 2-3ක් ආපහු ලැබෙනවා.
දෙවෙනියට වැඩිම impact එක තියෙන්නේ listing production එකට. භාෂා තුනකින් property description එකක්, freehold, leasehold 30+30, common area fee per sq m per month වගේ correct terminology සමඟ, දැන් විනාඩි කීපයකින් හැදෙනවා. කලින් ඒක quarterly copywriter bill එකක්.
Condo එකක අගය AI එකෙන් විශ්වාස කරන්න පුළුවන්ද?
මෙතන පැහැදිලි ස්ථාවරයක් තියෙනවා: තායිලන්තයේ property එකකට AI එකෙන් final valuation එකක් හදන්න ඉඩ දෙන්න එපා. Model එක confident number එකක් දෙනවා, නමුත් ඒක train වෙලා තියෙන්නේ listing portals වල asking prices මත, එතන unit එකක් මාස 18ක් තිස්සේ ඇත්තටම විකුණන ගණනට වඩා 20-25%ක් වැඩි ගණනකට list වෙලා ඉන්න පුළුවන්. ඇමරිකාවේ models වලට closed MLS transactions වලින් data ගන්න පුළුවන්. තායිලන්තයට ඒ වගේ data layer එකක් නැහැ. Land Department වල transaction data machine-readable form එකකින් publish වෙන්නේ නැහැ, tax purposes සඳහා යන official appraisal value එකත් actual market sale price එකට ගැළපෙන්නේ නැහැ. MCP connector එකකටත් ඒ data එක invent කරන්න බෑ.
ප්රායෝගික උපදෙසය: AI එකකින් initial price range එකක් සහ comparable listings list එකක් ගන්න පුළුවන්. ඊට එහාට management companies වලට call කරන්න, real lease agreements බලන්න, actual occupancy figures ගන්න ඕන. Automatically calculate කරපු yield එකක් මත investment decision එකක් ගන්නවා නම්, කවුරුත් verify කරලා නැති numbers මතයි ඒක ගොඩනගෙන්නේ. Exception එකක් තියෙනවා: transparent price lists සහ clear phase-by-phase sales data තියෙන developer projects. එතන model එක සාධාරණ ලෙස වඩා හොඳින් වැඩ කරනවා, මොකද underlying data එක public සහ structured. Bangkok සහ Phuket හි ප්රමුඛ agencies දැනටමත් AVMs භාවිතා කරනවා, ඒවායින් seconds 3ක් තරම් කෙටි කාලයකින් initial valuation එකක් හැදෙනවා, කලින් දවස් ගණන් ගිය manual work එකට වඩා. ඒත් ඒ speed එකටත් local comparables සමඟ human verification අවශ්යයි.
EU AI Act එක Thailand හි නියෝජිතයන්ට බලපානවාද?
ඔබේ client කාගෙන් හරි EU resident කෙනෙක් ඉන්නවා නම්, AI Act එකේ disclosure සහ human-oversight requirements ඔබටත් අදාළයි, office එක Bangkok හි තිබුණත්. අවම වශයෙන් match එකක් හෝ initial reply එකක් system එකකින් generate වුණා කියලා client දැනගන්න ඕන, final decision එක human කෙනෙක් ගන්නවා කියලත්. මේ interactions වල logs තියාගන්න. Thailand හි තවම ඊට සමාන regulation එකක් නැහැ, ඒත් client එකේ jurisdiction එක office එකේ location එකට වඩා වැදගත්.
AI භාවිතා කිරීමට පෙර නියෝජිතායතනයක් කරගත යුතු දේ මොනවාද?
- සතියක් ඔබේ පැය කොහෙද යන්නේ කියලා track කරන්න: inbound leads sort කිරීම, descriptions ලිවීම, owner reports සකස් කිරීම. සතියට පැය 5කට වඩා යනවා නම් ඒක automate කරන්න වටිනවා.
- AI tool එකකට හස්සන් නොදී CRM එකේ data එක clean කරන්න. Duplicates සහ empty fields තියෙන CRM එකකට සම්බන්ධ assistant එකක් garbage එකක් වේගයෙන් හදනවා විතරයි.
- ඔබ දැනටමත් භාවිතා කරන assistant එකට MCP-compatible data source එකක් සම්බන්ධ කරන්න, ඔබේම property database එකෙන් පටන් ගන්න.
- Lead triage, භාෂා තුනකින් property description, monthly owner report සඳහා prompt templates හදන්න.
- Model එකෙන් එන yield, square meter number, ඕන figure එකක්ම client එකකට යවන්න කලින් original source එකට එරෙහිව verify කරන්න.
- පලවෙනි automated reply එකේ disclosure line එකක් දාන්න. දෙයක් වාක්ය දෙකකින් ඇති.
තායිලන්ත දේපළ හරහා Phuket හි කොන්දෝ එකක් සොයන Sinhala buyer කෙනෙක් නම්, AI එකෙන් ලැබෙන ලාභ ගණන් ගන්න කලින් සැම විටම management company එකට කතා කරලා real occupancy verify කරන එක අත්යවශ්යයි.
AI තායිලන්ත දේපළ නියෝජිතයන් ආදේශ කරයිද?
නැහැ. Brokerages 96%ක්ම AI use කරද්දිත්, negotiation, risk assessment, client doubts handle කිරීම human functions ලෙසම පවතිනවා. Automate වෙන්නේ administrative layer එකයි, deal එක තමා නෙවෙයි.
මූලාශ්රය: Kalinka Thailand