מה קרה כשביקשתי מ-Deep Research למצוא לי דירה להשקעה?

בעולם שבו מידע שווה ערך לכסף, היכולת לקבל מחקר שוק מעמיק ומבוסס נתונים תוך דקות ספורות היא לא פחות ממהפכנית. אז מה קורה כשמבקשים מ-Deep Research של OpenAI לבצע מחקר שוק על השקעה בנדל”ן בתל אביב? בדיוק את זה בדקתי, והתוצאות היו פשוט מדהימות. תוך 15 דקות קיבלתי דו”ח סופר מפורט, כולל מחירים, מגמות, תשואות, פילוח לפי אזורים ושכונות, יתרונות וחסרונות, וניתוח מקיף של כל האפשרויות להשקעה בעיר היקרה בישראל. יתרה מכך, כל טענה בדו”ח גובתה בהפניות למקורות חיצוניים, כך שיכולתי לאמת בעצמי את כל הנתונים ולוודא את אמינותם. אם אתם עוסקים בהשקעות נדל”ן, חוקרים שוק, או סתם סקרנים לדעת איך טכנולוגיה מתקדמת משנה את חוקי המשחק – הכתבה הזו בשבילכם.

איך Deep Research של OpenAI מבצע מחקר שוק?

הפיצ’ר Deep Research הוא כלי חדש הזמין למנויי ChatGPT Plus, Team, Edu ו-Enterprise, ומציע יכולת חיפוש אינטרנטי אוטונומי. משמעות הדבר היא שהמודל יכול לגשת למידע זמין ברשת, לקרוא, לנתח ולארגן אותו לכדי מחקר מובנה. המחקר מתבסס אך ורק על מקורות פומביים, כך שאין כאן גישה למידע חסוי, פנימי או מאגרי נתונים פרטיים. עם זאת, הוא אוסף מידע ממספר רב של מקורות, מצלב נתונים ומציג תובנות באופן מובנה ושיטתי – ממש כמו דו”ח מחקרי אקדמי או מקצועי. בנוסף, כל טענה שהוא מציג מגיעה עם הפניה למקור, כך שניתן לאמת את הנתונים באופן עצמאי.

ביקשתי מהמודל לבחון את מצב שוק הנדל”ן להשקעה בתל אביב, בתקציב של עד 4 מיליון ש”ח. הדו”ח שהתקבל כלל:

• ניתוח כללי של שוק הנדל”ן בעיר, כולל מחירים ממוצעים, מגמות עכשוויות ותנאי השוק.
• פילוח לפי אזורים מרכזיים (הצפון הישן, מרכז העיר, פלורנטין, נווה צדק, יפו, דרום תל אביב) עם פירוט על מחירי רכישה, תשואות שכירות, יתרונות וחסרונות לכל אזור.
• סקירת מגמות שוק 2023–2024, כולל נתונים על עליית מחירים, ירידת היקף העסקאות, והשפעת הריבית על השוק.
• אפשרויות מימון והשלכות כלכליות למשקיעים, כולל מגבלות משכנתא, מס רכישה והשפעת הריבית על החזרי הלוואות.

דיוק מרשים ויכולת לאמת נתונים

אחד הדברים שהרשימו אותי במיוחד היה רמת הדיוק של הדו”ח. הנתונים שסופקו תואמים את המידע שקיים בלוחות נדל”ן, דוחות בנקאיים ואתרי חדשות כלכליים מובילים. למשל, כשדובר על מחירי הדירות בצפון הישן, Deep Research הציג נתון ממוצע של 69,400 ש”ח למ”ר – מספר שתואם את מה שניתן למצוא ב-Madlan ובאתרי מדידה רשמיים.

באותה מידה, כאשר צוין כי תשואת השכירות הממוצעת בתל אביב עומדת על כ-2.1%–2.2%, הוא סיפק לכך אסמכתאות מ-Globes ואתרים כלכליים נוספים. כלומר, לא מדובר בניחושים או הערכות רנדומליות, אלא בנתונים שמגיעים ממקורות אמינים עם הפניות מסודרות. ושוב – נכון או לא נכון – זה בדיוק התפקיד שלכם להכריע! לעולם אל תקבלו את מה שהצ’ט כותבת לכם כאמת מוגמרת – לכו לבדוק אותו. כנסו גם למקורות שהוא מפנה אליהם, ובדקו אם הם מספיק אמינית לדעתכם. אולי גלובס לא נחשב מקור מספיק מקצועי מבחינתכם – זה כבר תלוי במערכת השיקולים והאמונות שלכם.

אגב, כשביקשתי מפרפלקסיטי לאמת את נתוני המחקר של דיפ ריסרץ’, הוא ציין שהם יחסית מאוד מדויקים וקרובים לנתונים שמופיעים במקורות אמינים ומדדים מקצועיים מהתעשייה.

כש-Deep Research נכנס לשוק הנדל”ן – כל תל אביב על המפה

לא מדובר בעוד רשימה גנרית של מספרים, אלא בניתוח מעמיק של מה שקורה בשטח, כמו שאנליסט נדל”ן אמיתי היה עושה. ושוב – אין לראות בכתוב פה כהמלצה כזו או אחרת – זו רק סקירה של תוצאות המחקר שלו!

הנה טעימה מהתובנות שעלו:

תוך רגעים ספורים קיבלתי סקירה על הצפון הישן – בועת יוקרה שמבטיחה יציבות אך עם תשואה מצחיקה, פלורנטין – שכונת האנדרדוג שהפכה לנכס חם לצעירים, ויפו – עם פוטנציאל השבחה מטורף אבל גם לא מעט סימני שאלה. בכל אזור, המודל לא רק סיפק מספרים אלא שם את הדברים בפרספקטיבה, כולל יתרונות, חסרונות וניתוח כלכלי מבוסס.

למשל, בצפון הישן קיבלתי את הסיפור המלא של הנדל”ן היוקרתי – כן, זה אזור מבוקש שמחזיק בערך, אבל אם אתם מחפשים תשואה מהשכירות – שכחו מזה. שם, כמו גם בלב העיר, המודל הדגיש שתשואה נמוכה היא חלק מהמשחק, כי כולם שם מהמרים על עליית ערך הנכסים בעתיד. טענה מעניינת. אני בטוח שיש הרבה אנשי מקצוע שיחלקו עליה, ולבטח יש גם סיפורי הצלחה אישיים רבים. ועם זאת – מדובר בניתוח שוק ובחינה של דעות ועובדות רבות בסקייל גדול, מה שהוביל לתמונה מסוימת. פה התפקיד שלי להחליט אם התמונה הזו תואמת את האג’נדה שלי כמשקיע.

פלורנטין, לעומת זאת? המודל קלט מיד את הדינמיקה של השכונה. בנייה חדשה מתערבבת עם בניינים ישנים, רחובות מתחדשים לצד סמטאות מוזנחות, והאוכלוסייה מורכבת מסטודנטים, צעירים, הייטקיסטים והיפסטרים. הנתונים הראו תשואה מעט גבוהה יותר מאשר בצפון, אבל עם מגבלות כמו תשתיות לא מושלמות, שוכרים שלא תמיד נשארים לאורך זמן, והמון רעש ולכלוך.

יפו הייתה הדובדבן שבקצפת – אזור שהמודל הבין מצוין את הקונטרסט שבו. מחירים נמוכים יחסית, אבל לא כל יפו היא אותו הדבר. חלקים מסוימים קרובים לשוק הפשפשים ולנמל, שם הנכסים חמים והשכירות גבוהה, אבל אזורים אחרים עדיין רחוקים שנות אור משוק יציב. המודל סימן פה שונות גדולה בתוך השכונה, דבר שאפילו משקיעים ותיקים לפעמים מפספסים.

בשורה התחתונה? לא קיבלתי רק “נתונים יבשים”, אלא תמונה ברורה של איך העיר הזו נראית מבחינה נדל”נית בזמן אמת. ועם כל מקור מידע שצורף לכל מספר וטענה, קל היה להבין שזה לא רק כלי שעושה חיפושים בגוגל – הוא ממש יודע איך לנתח את השוק ולהנגיש את המידע בצורה ברורה

האם Deep Research שינה את כללי המשחק?

התשובה היא חד משמעית – כן! זה לא סתם כלי – זה משנה את חוקי המשחק. לקבל מחקר שוק ברמה כזו, תוך דקות, עם נתונים מדויקים, ניתוחים מעמיקים והפניות למקורות אמינים, זה משהו שפעם דרש שעות של עבודה (או תשלום כבד ליועצים). עכשיו? זה פשוט שם, בהישג יד, וכל מה שצריך לעשות זה לשאול את השאלה הנכונה. מי ירוויח מזה הכי הרבה? כל מי שצריך החלטות מבוססות נתונים, ומהר. משקיעי נדל”ן שרוצים להבין את השוק לפני עסקה, חוקרים ואנליסטים שצריכים נתונים מדויקים בלי לבזבז ימים על איסוף מידע, וסוכני תיווך שרוצים תמונת מצב עדכנית כדי לייעץ ללקוחות. במילים אחרות – כל מי שמתעסק בנדל”ן ולא אוהב לעבוד על עיוור.

אם אתם מנויי ChatGPT Plus (או Team, Edu, Enterprise) – הכלי הזה כבר זמין לכם. והחלק המדהים? העלות שלו היא 20 דולר בלבד בחודש – הרבה פחות מהסכומים שהיו נדרשים כדי לקבל מחקרים דומים עד כה.