– Forskningen vår viser at automatiserte estimater av verdien på en bolig kan være mer pålitelige enn de vurderingene meglere ofte har gjort, sier boligøkonomi-forsker Are Oust til forskning.no.

– For boligtyper det omsettes mye av, så treffer AVM veldig bra, konkluderer han.

I byer og utkantstrøk

Automatisk boligtaksering fungerer altså klart best i områder der det selges mange boliger. 

Og ekstra bra for boligtyper det omsettes mye av, som for eksempel små toromsleiligheter.

Det som i bransjen kalles automatiserte verdivurderingsmodeller – forkortet AVM – er klart mindre til å stole på om du vil selge eller kjøpe en bolig i utkantstrøk, viser forskningen til Oust og kollegene hans.

Datamaskinen er mer objektiv

Ved taksering av eiendom handler mye om å sammenligne med lignende boliger som er solgt.

Det er ikke vanskelig å forstå at en datamaskin kan gjøre den jobben bedre enn et menneske.

– Fordelen med disse automatiske takseringene av boliger er at de opptrer veldig objektivt, sier forskeren.

– Ulempen er at det ikke er all informasjon de klarer å få med seg. 

Dårlig på kveldssol

Foreløpig kan ikke en AVM rusle rundt inne i en bolig og se seg omkring, slik en eiendomsmegler kan gjøre.

AVM kan også gå glipp av en fin utsikt. 

Den får heller ikke med seg nabohuset som skygger for kveldssola på verandaen.

Men disse utfordringene jobber datautviklere nå med å løse, forteller Oust. En enkel løsning er at en person går rundt inne i en bolig – og setter en skår fra én til ti på det vedkommende ser rundt seg. 

Så kan disse vurderingene bli en del av takstberegningen.

Både i Norge og andre land foregår det nå mye arbeid med å gjøre automatiserte verdivurderingsmodeller for boliger enda bedre.

Bad betyr veldig mye

Are Oust og kollegene hans har også gått dypere ned i AVM-takseringene norske eiendomsmeglere nå bruker, for å se om de legger ekstra mye vekt på visse ting. 

De fant at baderom betyr i overkant mye. 

Kanskje på bekostning av noe annet.

Husets ytre tilstand, og slikt som tak, vegger og dører inne i boligen, bryr AVM-beregningen – og dermed eiendomsmeglerne – seg kanskje for lite om.

Brukes til riktig skatt

NTNU-forskeren ser for seg at også offentlige etater kan ta i bruk AVM. 

Her går Trondheim nå foran, og Oust mener at hjemkommunen til universitetet hans allerede er på god vei til å få på plass et bedre grunnlag for å fastsette innbyggernes eiendomsskatt.

Men automatisert taksering av boliger kan fort gjøre mange mistenksomme.

Forskeren er derfor opptatt av at alt knyttet til automatisert taksering av boliger må være så enkelt – og forklarbart – som bare mulig. 

Bare sånn kan kommuner som tar i bruk AVM til å fastsette innbyggernes skatt, oppnå at boligeierne oppfatter skatten som rettferdig.

Viktig at folk forstår

– Det er viktig at folk forstår hvordan skatt fastsettes, understreker økonomiprofessoren.

Forskeren forteller at AVM også er på full fart inn i næringslivet.

– Dette verktøyet kan jo brukes til veldig mye. For en eiendomsinvestor kan AVM bli veldig nyttig. 

– Eller la oss si at du er utbygger og ønsker å oppføre et nytt leilighetsbygg. Da kan AVM trolig gi deg en god pekepinn om hva du kan regne med å få solgt de nye boligene for.

Minst til å stole på i utkantstrøk

AVM er altså minst til å stole på om du vil selge eller kjøpe en bolig i et utkantstrøk.

Det henger sammen med at den da har mindre å sammenligne med.

– Men da er også eiendomsmegleren sin vurdering mindre til å stole på. Hun eller han har jo også færre andre boliger å sammenligne med.

Referanser:

Oust, Are; Westgaard, Sjur; Waage, Jens Erik; Yemane, Nahom Kidane: «Assessing the Explanatory Power of Dwelling Condition in Automated Valuation Models», Journal of Real Estate Research, 2023

Birkeland, Kristoffer; D'Silva, Allan Daniel; Füss, Roland August; Oust, Are: «The predictability of house prices: “human against machine”», International Real Estate Review (IRER), 2021

Oust, Are; Hansen, Simen Nygaard; Pettrem, Tobias R.: «Combining Property Price Predictions from Repeat Sales and Spatially Enhanced Hedonic Regressions», Journal of real estate finance and economics, 2019