AI định giá sai nhiều nhất ở tài sản lạ vì nó học từ những gì đã thấy, mà tài sản lạ là thứ nó chưa thấy đủ. Khi không có đủ giao dịch tương tự, mô hình buộc phải ngoại suy từ những tài sản "gần giống", và cái gần giống đó có thể khác ở đúng chỗ quyết định giá. Kết quả thường là một con số trông rất tự tin nhưng lệch xa thực tế.
Tài sản lạ không chỉ là đồ cổ hay biệt thự. Một căn nhà phố nở hậu bất thường, một chiếc xe máy đã độ lại, một lô máy móc chuyên dụng của một ngành hẹp, một bộ bàn ghế gỗ đóng tay theo đơn, đều nằm ngoài vùng dữ liệu dày. Bài này giải thích cơ chế sai, cách nhận ra mình đang rơi vào vùng đó, và cách dùng AI cho đúng việc nó còn làm được. Mọi con số minh hoạ là ví dụ giả định.
Cơ chế: mô hình giỏi nội suy, kém ngoại suy
Hình dung một mô hình học giá căn hộ trong một khu với diện tích từ 45 đến 120 mét vuông. Trong khoảng đó, mỗi căn mới đều có hàng chục căn tương tự để so, mô hình chỉ việc "chen" vào giữa, gọi là nội suy. Khi bạn đưa vào một căn áp mái 250 mét vuông có sân thượng riêng, mô hình phải kéo dài quy luật nó học được ra ngoài vùng đã thấy, gọi là ngoại suy. Không có gì bảo đảm quy luật ấy vẫn đúng ở đó.
Các mô hình dạng cây quyết định có thói quen riêng khi ngoại suy: chúng thường "kẹt" ở mức giá của nhóm tài sản lớn nhất mà chúng từng thấy, nên tài sản đặc biệt bị kéo về mức trung bình của nhóm gần nhất. Mô hình hồi quy tuyến tính thì ngược lại, có thể kéo dài đường thẳng tới những con số phi lý. Cả hai kiểu đều cho ra kết quả trông bình thường trên màn hình.
Chatbot đa năng cũng chịu cơ chế tương tự theo cách khác. Nó không có kho giao dịch, nên khi gặp tài sản hiếm, nó dựa vào các mô tả chung trên mạng và có xu hướng trả lời theo khuôn của tài sản phổ biến. Nó hiếm khi tự nói "không đủ dữ liệu", trừ khi bạn yêu cầu thẳng như vậy.
Những loại tài sản thường nằm ngoài vùng dữ liệu
Danh sách dưới không đầy đủ, nhưng gom những trường hợp người dùng hay mang đi hỏi AI rồi thất vọng.
- Nhà đất hình dạng hoặc vị trí đặc biệt: thửa tóp hậu, nở hậu mạnh, nhà góc ba mặt tiền hẻm, nhà trên đất dốc, nhà sàn, nhà có một phần nằm trong quy hoạch.
- Bất động sản ở nơi ít giao dịch: xã vùng cao ở Lào Cai, Điện Biên, vùng ven biển ở Cà Mau, nơi một năm chỉ có vài giao dịch tương tự.
- Xe đã độ, xe đời cũ hiếm: phụ tùng độ có thể cộng giá với người chơi nhưng trừ giá với người mua phổ thông.
- Thiết bị bản giới hạn hoặc bản thị trường khác: điện thoại bản quốc tế hiếm, máy tính cấu hình đặt riêng.
- Máy móc chuyên dụng: máy in công nghiệp đời cũ, dây chuyền đóng gói của một ngành hẹp, nơi người mua lại đếm được trên đầu ngón tay.
- Đồ thủ công, đồ sưu tầm: giá phụ thuộc người làm, câu chuyện, độ hiếm, gu của một nhóm nhỏ người mua.
- Tài sản có quyền đi kèm: mặt bằng kèm hợp đồng thuê dài hạn, cửa hàng kèm tập khách quen. Phần vô hình không nằm trong dữ liệu giá tài sản hữu hình.
Điểm chung của cả danh sách: giá phụ thuộc vào một nhóm người mua nhỏ và đặc thù, trong khi AI học từ hành vi của số đông người mua.
Dấu hiệu nhận biết bạn đang ở vùng AI dễ sai
Khoảng giá rộng bất thường. Nếu công cụ có hiện khoảng giá và khoảng đó rộng hơn nhiều so với những lần bạn tra tài sản phổ biến, đó là cách mô hình nói "không chắc".
Tài sản so sánh không giống. Mở danh sách so sánh mà thấy chúng khác diện tích gấp đôi, khác loại hình, cách xa vài cây số, thì con số dựa trên chúng không đáng tin.
Hai công cụ chênh nhau rất xa. Với tài sản phổ biến, các công cụ thường cho kết quả không quá xa nhau. Khi chúng chênh đến một phần ba, mỗi công cụ đang đoán theo cách riêng.
Đổi một chi tiết nhỏ, giá nhảy mạnh. Thử thay đổi diện tích vài mét vuông hay số km vài nghìn. Nếu con số dao động mạnh, mô hình đang ở vùng không ổn định.
Chatbot trả lời trơn tru nhưng không nêu tài sản nào để so. Câu trả lời đầy đủ lý lẽ chung mà không có một ví dụ cụ thể nào là dấu hiệu nó đang suy diễn từ khuôn mẫu phổ thông.
Cách tự điều chỉnh khi tài sản của bạn là ngoại lệ
Bạn không cần bỏ AI, chỉ cần đổi cách dùng: tách tài sản thành phần phổ thông và phần đặc biệt, để AI làm phần nó giỏi.
- Tìm "phiên bản phổ thông" gần nhất của tài sản: căn nhà cùng khu nhưng hình dạng chuẩn, chiếc xe cùng đời nhưng chưa độ. Cho AI ước giá phiên bản đó, nơi nó có dữ liệu.
- Liệt kê từng điểm khác biệt giữa tài sản của bạn và phiên bản phổ thông, mỗi điểm một dòng.
- Với mỗi điểm, hỏi: điều này làm giá tăng hay giảm với nhóm người mua thực tế của tài sản này, chứ không phải với mình.
- Ước mức điều chỉnh cho từng điểm bằng phép so sánh cặp nếu có: hai tài sản giống nhau chỉ khác đúng điểm đó. Không có thì ghi khoảng rộng.
- Cộng trừ các điều chỉnh để ra khoảng giá, không phải một con số.
- Hỏi ý kiến người trong nhóm mua đặc thù: thợ, câu lạc bộ người chơi, môi giới chuyên khu đó. Một ý kiến của người trong nghề đáng hơn mười lần tra máy.
- Nếu việc định giá phục vụ thế chấp, góp vốn hay chia tài sản, chuyển sang thẩm định viên và mang theo bảng điều chỉnh này làm tài liệu tham khảo.
Ví dụ giả định: một căn nhà phố tóp hậu ở Huế. AI ước căn cùng khu, cùng diện tích nhưng hình chữ nhật chuẩn khoảng 3 tỷ đồng. Bạn liệt kê điểm khác: mặt tiền hẹp hơn, phần sau khó bố trí phòng. Người môi giới trong khu cho biết loại nhà này thường bán chậm và chịu giảm giá. Khoảng giá hợp lý lúc này là thấp hơn con số máy một đoạn, và độ rộng khoảng phản ánh mức không chắc thật.
Ví dụ giả định đi trọn: một máy đóng gói đã qua sử dụng
Một xưởng nhỏ ở Bắc Ninh muốn bán lại máy đóng gói túi chuyên cho một loại sản phẩm, mua cách đây vài năm. Chủ xưởng hỏi chatbot và nhận một con số khá cao, kèm lời giải thích về khấu hao theo năm. Con số đó dựa trên logic chung của máy móc công nghiệp, không dựa trên việc ai sẽ mua chiếc máy này.
Đi theo cách tách phần trong bài, chủ xưởng làm lại. Phần phổ thông: những máy đóng gói cùng loại, cùng công suất có được rao bán lại không, rao ở mức nào so với giá mới. Phần đặc biệt: khuôn của máy chỉ hợp với một kích cỡ túi, đổi khuôn tốn thêm chi phí; linh kiện thay thế phải đặt từ nhà sản xuất, thời gian chờ lâu; số xưởng trong vùng làm đúng sản phẩm này rất ít. Mỗi điểm đều kéo giá với người mua phổ thông xuống.
Khi hỏi thêm hai đơn vị thu mua máy cũ, họ đưa mức thấp hơn nhiều so với con số đầu tiên, vì họ phải tính chi phí tháo dỡ, vận chuyển và thời gian chờ người mua. Trong khi đó, một xưởng cùng ngành ở tỉnh bên cạnh lại sẵn sàng trả cao hơn mức thu mua, vì máy dùng được ngay không cần đổi khuôn. Khoảng giá thật trải từ mức thu mua tới mức người cùng ngành chịu trả. AI hữu ích ở chỗ giúp lập danh sách điểm khác biệt và viết thư chào bán, còn con số cuối cùng đến từ việc tìm đúng người mua.
Bắt AI nói thật về giới hạn của nó
Chatbot có xu hướng làm hài lòng người hỏi. Bạn hỏi giá bao nhiêu, nó cố đưa một con số. Muốn nó trung thực về vùng không chắc, phải yêu cầu rõ. Một câu lệnh mẫu: "Tài sản này có những đặc điểm hiếm sau. Trước khi ước giá, bạn hãy đánh giá xem dữ liệu chung có đủ để ước giá tin cậy không. Nếu không, hãy nói rõ, rồi chỉ ước giá cho phiên bản phổ thông và liệt kê các điều chỉnh cần chuyên gia xác nhận."
Một câu lệnh khác hữu ích: "Hãy đóng vai người mua phổ thông và người mua chuyên biệt, mỗi vai giải thích họ trả giá thế nào cho tài sản này và vì sao." Cách này làm lộ ra rằng tài sản hiếm có hai mức giá: giá với số đông thường thấp, giá với đúng người thì có thể cao hơn nhiều. Việc của bạn là tìm đúng người, không phải ép máy ra một con số chung.
Nếu phải mô tả tài sản cho AI, nhớ bỏ thông tin định danh như địa chỉ cụ thể, số khung, tên người thợ làm đồ theo đơn nếu họ không muốn công khai.
Nên tin AI tới đâu với từng mức độ "lạ"
Bảng gợi ý mức tin và việc nên làm, theo kinh nghiệm chung, không phải quy tắc cố định.
| Mức độ lạ | Ví dụ | Mức tin con số AI | Việc nên làm |
|---|---|---|---|
| Phổ thông | Căn hộ hai phòng ở dự án lớn, điện thoại đời phổ biến | Khá | Dùng làm điểm khởi đầu, kiểm chéo nhẹ |
| Hơi khác | Nhà hẻm có hình dạng hơi lệch, xe thay vài phụ tùng | Trung bình | Ước bản phổ thông rồi điều chỉnh |
| Khác rõ | Nhà sàn, xe độ nhiều, máy bản hiếm | Thấp | Chỉ dùng AI để lập danh sách điều chỉnh |
| Độc bản | Đồ thủ công theo đơn, máy chuyên dụng ngành hẹp | Rất thấp | Hỏi người trong nghề, cân nhắc thẩm định |
Bảng này cũng là cách giải thích cho người thân hay đối tác vì sao bạn không dùng con số tra trên mạng làm căn cứ, khi tài sản đang bàn thuộc hai dòng cuối.
Câu hỏi thường gặp
Tài sản hiếm thì giá cao hơn hay thấp hơn con số AI ước?
Không có chiều cố định. Với đúng nhóm người mua, tài sản hiếm có thể đáng giá hơn. Với người mua phổ thông, nó thường khó bán và bị trừ giá. Con số AI thường gần mức người mua phổ thông hơn, vì nó học từ số đông.
Có công cụ AI nào chuyên cho tài sản hiếm không?
Một số ngành như đồ sưu tầm hay máy móc có cơ sở dữ liệu đấu giá, giao dịch chuyên ngành, nhưng phạm vi hẹp và thường không có cho thị trường Việt Nam. Với tài sản hiếm, con người trong nghề vẫn là nguồn chính.
Xe máy đã độ có nên khai phần độ khi nhờ AI ước giá không?
Nên khai, nhưng hỏi hai câu riêng: giá xe nguyên bản cùng đời, và phần độ cộng hay trừ với người mua phổ thông. Phần độ hợp pháp, không làm xe sai khác với đăng ký, khác hẳn phần độ khiến xe có thể gặp rắc rối khi lưu hành hay sang tên.
Nhà ở xã ít giao dịch thì lấy gì để so?
Mở rộng vùng so sánh ra các xã lân cận có điều kiện tương tự, kéo dài khoảng thời gian, và ghi rõ hai sự mở rộng đó làm giảm độ tin. Hỏi thêm người dân, cán bộ địa phương về các giao dịch gần đây cũng là nguồn tốt.
Vì sao AI ước giá đồ thủ công thường rất thấp?
Vì nó so với hàng công nghiệp cùng công năng. Một chiếc bàn gỗ đóng tay bị so với bàn sản xuất hàng loạt. Giá trị của tay nghề, câu chuyện và độ hiếm không có trong dữ liệu đó, nên phải định giá theo cách khác như chi phí làm và giá các tác phẩm cùng người làm.
Khi nào tài sản lạ cần thẩm định giá chính thức?
Khi con số dùng cho vay thế chấp, góp vốn bằng tài sản, chia tài sản có tranh chấp, bồi thường hay giao dịch có giá trị lớn mà hai bên chênh kỳ vọng xa. Lúc đó cần thẩm định viên theo quy định hiện hành.