Thuật toán mua nhà không theo kịp thị trường

Zillow nổi tiếng là trang web xem nhà và giá ước tính của từng căn. Tháng 4/2018, công ty tuyên bố sẽ tự mua và bán nhà, bắt đầu ở Phoenix rồi đến Las Vegas. Dịch vụ này, sau gọi là Zillow Offers, đưa ra giá mua nhanh bằng tiền mặt, sửa sang nhà rồi bán lại.

Đến năm 2021, tốc độ mua rất lớn. Theo kết quả kinh doanh được HousingWire đưa tin, riêng quý 3 năm đó Zillow mua 9.680 căn và bán 3.036 căn. Tháng 10, công ty tạm dừng mua mới, với lý do không đủ năng lực xử lý thêm nhà.

Ngày 2/11/2021, Zillow tuyên bố đóng Zillow Offers. Công ty ghi giảm giá trị số nhà đang giữ khoảng 304 triệu USD, vì đã mua với giá cao hơn mức nay dự kiến bán được, và cảnh báo sẽ lỗ thêm 240 đến 265 triệu USD. Khoảng một phần tư nhân viên mất việc.

Tổng giám đốc Rich Barton nói công ty nhận ra rằng việc dự báo giá nhà khó lường hơn rất nhiều so với dự tính ("unpredictability in forecasting home prices far exceeds what we anticipated").

Giá Zillow trả dựa vào dự báo mỗi căn nhà sẽ bán được bao nhiêu sau vài tháng. Mọi dự báo kiểu này đều học từ các giao dịch trong quá khứ. Khi thị trường đổi chiều nhanh, quá khứ không còn là kim chỉ nam tốt, và dự báo có thể sai cùng một hướng cho rất nhiều căn một lúc. Chính Zillow giải thích đơn giản rằng giá nhà khó đoán hơn họ tưởng rất nhiều.

Quy mô làm mọi chuyện tệ hơn. Sai giá một căn nhà chỉ là chuyện nhỏ. Cùng một sai số lặp lại trên hàng nghìn giao dịch, trả tiền thật ngay từ đầu, sẽ thành khoản lỗ hàng trăm triệu đô la.

Mô hình AI cũng vậy. Nó học quy luật từ dữ liệu cũ và mặc định ngày mai giống hôm qua. Khi khách hàng, giá cả hay quy định thay đổi, độ chính xác giảm dần một cách lặng lẽ, và bản thân mô hình không hề báo động. Rủi ro càng lớn khi dự đoán của nó tự động kéo theo việc chi tiền thật.

Ý tưởng đằng sau vụ nàyBài học: Máy học như thế nào →

1. 1Hỏi mô hình được học từ dữ liệu của giai đoạn nào, và thế giới bây giờ có còn giống giai đoạn đó không.
2. 2Theo dõi độ chính xác thực tế so với kết quả thật mỗi tuần, chứ không chỉ nhìn điểm kiểm thử lúc ra mắt.
3. 3Đặt giới hạn số tiền hoặc số quyết định mà mô hình được phép đưa ra trước khi có người xem lại.
4. 4Mở rộng từ từ khi vào thị trường hay mùa vụ mới, và tự động tạm dừng khi sai số bắt đầu lệch hẳn về một phía.
5. 5Lên kế hoạch trước: sẽ làm gì nếu mô hình sai suốt cả một quý.