Algorytm wycenia Twoje mieszkanie: co się dzieje, gdy ceny nieruchomości ustala maszynowy model

Wycena mieszkania dawniej wyglądała tak: rzeczoznawca przyjeżdżał na miejsce, oglądał lokal, porównywał oferty w okolicy i sporządzał operat. Dziś zanim cokolwiek takiego się zacznie, cenę sugeruje już model: platforma ogłoszeniowa pokazuje sprzedającemu „szacowaną wartość” domu, bank opiera wstępne decyzje kredytowe na maszynowych wycenach, a inwestorzy instytucjonalni kupują nieruchomości na podstawie prognoz algorytmów. Kiedy model się myli, myli się nie jedna transakcja, tylko cały rynek.

Model, który kupował domy

Najgłośniejszy przykład przyszedł ze Stanów Zjednoczonych. Firma Zillow przez lata rozwijała model Zestimate, który szacuje wartość milionów domów, a w 2018 roku ruszyła z programem Zillow Offers: skupem nieruchomości bezpośrednio od właścicieli, z cenami ustalanymi przez maszynowy model prognozujący przyszłą wartość. W 2021 roku program się załamał — firma kupiła tysiące domów po cenach zawyżonych przez model, a potem musiała je odsprzedawać ze stratą. W listopadzie 2021 roku Zillow ogłosiła wygaszanie Zillow Offers, odpisy strat idące w setki milionów dolarów i redukcję około jednej czwartej pracowników.

To nie był tylko problem jednej spółki. Rynek zobaczył na własne oczy, co się dzieje, gdy model nie tylko szacuje cenę, ale zaczyna ją tworzyć: skoro algorytm kupuje domy po zawyżonych cenach, to właśnie te transakcje stają się nowym punktem odniesienia dla sąsiednich wycen. Błąd modelu zaczyna napędzać sam siebie.

Skąd się biorą błędy modelu

Wycena nieruchomości to problem, który matematycznie wygląda prosto — porównaj podobne domy, uwzględnij trendy — a w praktyce jest pełen pułapek. Model uczony na danych historycznych zakłada, że przeszłe trendy się utrzymają; w ruchliwym rynku zdarza się odwrotnie. Dane o transakcjach są niepełne i opóźnione, bo cena w umowie zna się dopiero po jej zawarciu. A cechy trudne do zmierzenia — stan techniczny lokalu, sąsiedztwo, hałas, dojazd — potrafią zmieniać realną wartość o dziesiątki procent, choć w tabeli danych nie mają żadnej kolumny.

Do tego dochodzi mechanizm sprzężenia zwrotnego: platforma ogłoszeniowa pokazuje sprzedającym sugestię ceny opartą na modelu, sprzedający ustalają ceny ofertowe pod tę sugestię, a model uczy się z tych nowych ofert. Sugestia zaczyna działać jak kotwica — i nawet jeśli nikt nie chce nikogo oszukać, rynek zaczyna krążyć wokół liczby wygenerowanej przez maszynę, a nie wokół rzeczywistej wartości.

Sterowanie, a nie szacowanie

Zillow Offers był przypadkiem jawnego skupu, ale wpływ modeli na ceny nie kończy się na jednej firmie. Algorytmiczne narzędzia wyceny, używane przez banki, mają realny wpływ na decyzje kredytowe. Na rynku najmu w sierpniu 2024 roku amerykański Departament Sprawiedliwości wraz z prokuratorami generalnymi ośmiu stanów wniósł przeciwko firmie RealPage pozew antymonopolowy: zarzuca jej, że zbierała od konkurencyjnych wynajmujących niepubliczne, wrażliwe konkurencyjnie dane o czynszach i innych warunkach najmu, by trenować i zasilać algorytm ustalający rekomendacje cen — co w ocenie pozwu ułatwiało wynajmującym uzgadnianie stawek i pozbawiało najemców korzyści z konkurencji. „Wytrenowanie maszyny do łamania prawa wciąż oznacza łamanie prawa”, oceniła zastępca prokuratora generalnego Lisa Monaco.

Dla kupującego i sprzedającego wynik jest podobny: cena, którą widzi na ekranie, nie jest już zapisem negocjacji między ludźmi, tylko wyjściem z modelu, którego logiki nikt nie zna i który nie ponosi odpowiedzialności za swój błąd.

Jak zweryfikować wycenę

Rzeczoznawca majątkowy nie zniknął z rynku — i po przypadkach maszynowych wycen jego rola jest dziś bardziej potrzebna niż kiedykolwiek. Sprzedaż domu czy mieszkania to dla większości ludzi największa transakcja w życiu; warto ją potraktować z należytą uwagą:

• traktuj „szacowaną wartość” z platformy jako punkt wyjścia, nie wyrocznię — porównaj co najmniej kilka realnych ofert z okolicy,
• przy decyzji kredytowej pytaj, na jakiej podstawie bank wycenił nieruchomość i czy wycena przeszła przez człowieka,
• w tej samej okolicy ceny potrafią różnić się o dziesiątki procent między podobnymi lokalami — maszynowa średnia nie widzi, co widzi rzeczoznawca na miejscu,
• jeśli modelowa wycena odbiega od realnych ofert, to podejrzenie, że dane w modelu są nieaktualne — nie, że reszta rynku się myli.

Algorytm wyceny nieruchomości to narzędzie, które dobrze działa jako podpowiedź — i katastrofalnie, gdy zamiast podpowiadać, zaczyna decydować. Granica między jednym a drugim przechodzi dziś przez człowieka, który musi na końcu powiedzieć „tak” albo „nie”.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.