क्लाइमेट रिस्क स्कोर हटे: रियल एस्टेट में AI की जरूरत

कई खरीदारों ने पिछले साल एक अजीब बात नोटिस की: जिस घर की लिस्टिंग ऑनलाइन “ठीक-ठाक” लग रही थी, वही घर पहली तेज़ बारिश में पानी भरने की ख़बरों में आ गया। नुकसान सिर्फ़ पैसों का नहीं था—विश्वास का भी। इसी भरोसे की डोर पर रियल एस्टेट चलता है।

अब इसी संदर्भ में एक बड़ा संकेत मिला: Zillow ने प्रॉपर्टी की climate risk scores (First Street जैसी क्लाइमेट रिस्क मॉडलिंग से आने वाले स्कोर) दिखाना बंद कर दिया—क्योंकि एजेंट्स ने शिकायत की कि स्कोर से बिक्री प्रभावित हो रही थी। मेरे हिसाब से यह कदम “कम विवाद, ज़्यादा सौदे” वाली सोच का उदाहरण है, लेकिन लंबे समय में यह खरीदारों और पूरे इकोसिस्टम—लेंडर, इंश्योरर, डेवलपर—सबके लिए जोखिम बढ़ाता है।

यह पोस्ट हमारी सीरीज़ “रियल एस्टेट और प्रॉपटेक में AI” का हिस्सा है। यहाँ हम एक सीधी बात करेंगे: अगर बड़े प्लेटफॉर्म्स पारदर्शिता घटा रहे हैं, तो AI-आधारित प्रॉपटेक के पास मौका है कि वह रिस्क को “डराने वाले स्कोर” की तरह नहीं, बल्कि “समझने योग्य निर्णय-सहायक” की तरह पेश करे—ऐसे कि खरीदार भी समझे, एजेंट भी काम कर सके, और सौदा भी ज़्यादा सुरक्षित बने।

Zillow ने क्लाइमेट रिस्क स्कोर क्यों हटाए—और इससे बाजार को क्या नुकसान होता है?

सीधा कारण: एजेंट्स की शिकायतें—स्कोर दिखने से कुछ खरीदार पीछे हटते हैं, बातचीत मुश्किल होती है, और डील साइकिल लंबी हो जाती है। प्लेटफॉर्म के लिए “फ्रिक्शन” कम करना आसान लक्ष्य होता है, इसलिए “दिखाना बंद” करना तात्कालिक समाधान बन जाता है।

नुकसान कहाँ होता है: रियल एस्टेट में जानकारी असमान (information asymmetry) रहती है—विक्रेता/एजेंट को एरिया की कमजोरियाँ ज़्यादा पता होती हैं, खरीदार को कम। जलभराव, जंगल की आग/धुआँ, हीटवेव, तटीय कटाव—ये सब “भविष्य की बातें” नहीं रहीं। 2025 के अंत में भी, कई शहरों में बीमा प्रीमियम और कवरेज शर्तें जलवायु जोखिम के साथ तेज़ी से बदल रही हैं।

पारदर्शिता हटाने से रिस्क खत्म नहीं होता—बस रिस्क खरीदार की फ़ाइल में छुप जाता है।

और जब खरीदार को देर से पता चलता है (इंस्पेक्शन के बाद, लोन प्रोसेस में, या मूव-इन के बाद), तब विवाद, कंसल्टेशन, रद्द सौदे और कानूनी जोखिम बढ़ते हैं।

“स्कोर” बनाम “संदर्भ”: असली समस्या क्या थी?

मैं मानता हूँ कि एक अकेला स्कोर कई बार गलत तरह से पढ़ा जाता है। “7/10 रिस्क” का मतलब क्या—बाढ़, आग, हवा, गर्मी, या सब? कितने वर्षों की अवधि? कौन-सा परिदृश्य? यही वह जगह है जहाँ कई प्लेटफॉर्म्स ने अधूरा UX दिया। और एजेंट्स ने इसे “सेल्स-स्टॉपर” मान लिया।

समाधान स्कोर हटाना नहीं था। समाधान था: स्कोर को संदर्भ, सबूत और विकल्पों के साथ दिखाना।

खरीदारों के लिए जलवायु जोखिम 2025 में “nice-to-know” नहीं रहा

सीधा तथ्य: जलवायु जोखिम अब affordability का हिस्सा है—सिर्फ़ “सेफ्टी” का नहीं। क्योंकि इसका असर पड़ता है:

• इंश्योरेंस प्रीमियम और कवरेज: कुछ ज़ोन्स में प्रीमियम बढ़ते हैं, कुछ जगह कवरेज शर्तें सख्त होती हैं।
• रीसेल वैल्यू और डिमांड: खरीदार रिस्क को प्राइस में डिस्काउंट के रूप में मांगते हैं।
• मेंटेनेंस और रेट्रोफिट खर्च: ड्रेनेज, वॉटरप्रूफिंग, रूफ अपग्रेड, फायर-रेसिस्टेंट मैटेरियल—ये लागतें रियल हैं।
• लोन अप्रूवल/अंडरराइटिंग: कुछ संस्थान जोखिम वाले इलाकों में अतिरिक्त शर्तें जोड़ते हैं।

भारत के संदर्भ में: “नया” नहीं, बस अब नज़रअंदाज़ नहीं कर सकते

भारत में खरीदार पहले से पूछते हैं—“पानी तो नहीं भरता?”, “नाला कहाँ है?”, “सोसायटी में पंप है?”, “यह इलाका गर्म तो नहीं रहता?”—यानी लोकल इंटेलिजेंस मौजूद है, लेकिन बिखरी हुई है। डिजिटल प्लेटफॉर्म्स का काम इसे डेटा-समर्थित बनाना था।

जब प्लेटफॉर्म पर रिस्क संकेत गायब होंगे, तो खरीदार फिर whatsapp rumors और गली-मोहल्ले की सलाह पर लौटेगा। इससे निर्णय तेज़ नहीं, बल्कि धुंधला होता है।

AI और प्रॉपटेक: “रिस्क स्कोर” से आगे का बेहतर मॉडल

सीधा रास्ता: AI को एक नंबर देने के बजाय, कारण + प्रभाव + विकल्प बताने चाहिए। यानी जोखिम का “डायग्नोसिस” और “ट्रीटमेंट प्लान”।

1) मल्टी-फैक्टर क्लाइमेट प्रोफाइल (सिर्फ़ बाढ़ नहीं)

एक समझदार प्रॉपटेक सिस्टम प्रॉपर्टी का Climate Risk Profile बनाता है, जिसमें अलग-अलग जोखिम अलग दिखें:

• बाढ़/जलभराव (प्लूवियल + रिवराइन)
• जंगल की आग/धुआँ (क्षेत्रीय जोखिम)
• अत्यधिक गर्मी (heat stress, urban heat island)
• तूफान/तेज़ हवा
• पानी की उपलब्धता/सूखा

यहाँ AI का रोल सिर्फ़ अनुमान लगाना नहीं—डेटा को जोड़कर “क्या मायने रखता है” समझाना है।

2) Explainable AI: “यह स्कोर आया क्यों?”

एजेंट्स की सबसे बड़ी शिकायत अक्सर यही होती है: “खरीदार डर गया, पर मैं समझाऊँ क्या?”

AI अगर explainable हो—तो वह 3-5 कारण साफ़ दिखा सकता है:

• प्लॉट की ऊँचाई आसपास के औसत से X मीटर कम
• पिछले Y वर्षों में भारी बारिश के Z इवेंट्स
• नजदीकी ड्रेनेज/जलनिकासी दूरी
• ऐतिहासिक जलभराव रिपोर्ट/सेटेलाइट संकेत

इससे बातचीत “स्कोर से बहस” नहीं रहती—“तथ्यों पर योजना” बन जाती है।

3) Mitigation सुझाव: डर नहीं, काम की चीज़

मेरे अनुभव में खरीदार रिस्क सुनकर भागता नहीं—वह अनिश्चितता से भागता है।

AI-आधारित सिस्टम अगर साथ में बताए:

• कौन-से रेट्रोफिट काम 3-6 महीने में हो सकते हैं
• अनुमानित बजट रेंज (उदाहरण: ड्रेनेज सुधार ₹X–₹Y)
• बीमा/मेंटेनेंस पर संभावित असर
• सोसायटी/नगरपालिका स्तर पर कौन-सी चीज़ें निर्भर हैं

तो वही स्कोर “डील-ब्रेकर” नहीं, “डील-मैच्योरर” बनता है।

4) Agent-friendly टूलिंग: सेल्स नहीं, सलाहकार मॉडल

एजेंट्स को “डेटा से डर” इसलिए लगता है क्योंकि उनके पास उसे संभालने का टूल नहीं होता। AI यहाँ मदद कर सकता है:

• क्लाइंट-रेडी रिस्क ब्रीफ (1 पेज)
• आपत्ति-समाधान स्क्रिप्ट (फैक्ट-बेस्ड)
• तुलनात्मक विश्लेषण: इसी बजट में 3 प्रॉपर्टीज का जोखिम/कुल लागत

जब एजेंट सलाहकार बनता है, तब भरोसा बढ़ता है—और भरोसा ही लीड को क्लोज़ कराता है।

डेटा पारदर्शिता बनाम मार्केट प्रेशर: सही संतुलन कैसे बने?

सीधी बात: प्लेटफॉर्म्स “फ्रिक्शन” घटाना चाहते हैं, लेकिन रियल एस्टेट में फ्रिक्शन का कुछ हिस्सा जरूरी सुरक्षा है। जैसे KYC झंझट लगता है, पर धोखाधड़ी रोकता है।

पारदर्शिता का व्यावहारिक मॉडल (जो बिक्री भी बचाए)

यहाँ एक ऐसा ढांचा काम करता है जो खरीदार और एजेंट—दोनों की जरूरत मानता है:

1. लेयरड डिस्क्लोज़र: लिस्टिंग पर “रिस्क फ्लैग” + क्लिक पर डीटेल
2. कॉन्फिडेंस/अनिश्चितता दिखाना: मॉडल कितना निश्चित है
3. टाइम-हॉराइज़न: 5, 15, 30 साल का अलग दृश्य
4. तुलना: “आपकी शॉर्टलिस्ट में यह घर 10 में 6 है, बाकी 10 में 4”
5. एक्शन प्लान: कौन-सी चीज़ें तुरंत जाँचें (इंस्पेक्शन चेकलिस्ट)

उद्देश्य खरीदार को डराना नहीं—खरीदार को सक्षम बनाना है।

आपके लिए एक प्रैक्टिकल चेकलिस्ट: क्लाइमेट रिस्क के बिना भी स्मार्ट निर्णय

अगर किसी प्लेटफॉर्म पर स्कोर दिखना बंद हो गया है, तो भी आप अपनी ड्यू डिलिजेंस मजबूत कर सकते हैं:

1. बारिश के दिन एरिया विज़िट: 30 मिनट की विज़िट बहुत कुछ बता देती है।
2. सोसायटी/पड़ोसी से 3 सवाल: पिछली भारी बारिश में क्या हुआ, बेसमेंट/पार्किंग, पंप/ड्रेनेज व्यवस्था।
3. बीमा कोट जल्दी लें: प्रीमियम/कवरेज शर्तें संकेत देती हैं।
4. इंस्पेक्शन में “वॉटर एंट्री पॉइंट्स”: दीवारों की सीलन, ढलान, ड्रेनेज।
5. रीसेल सोचें: आप जितना सवाल पूछ रहे हैं, अगला खरीदार भी पूछेगा।

एजेंट्स के लिए भी सलाह: क्लाइमेट रिस्क को छुपाने की कोशिश न करें। पहले बताइए, फिर प्लान दिखाइए। यही तरीका लीड को “सीरियस” बनाता है।

प्रॉपटेक कंपनियों के लिए अवसर: स्कोर हटे तो क्या—विश्वास बढ़ाने वाला प्रोडक्ट बनाइए

Zillow का कदम एक संकेत है कि बाजार में डेटा-ट्रांसपेरेंसी और सेल्स-इंसेंटिव की खींचतान तेज़ होगी। ऐसे में AI प्रोडक्ट टीमों को तीन चीज़ें सही करनी होंगी:

• UX: स्कोर नहीं, “समझ + अगला कदम”
• गवर्नेंस: मॉडल बायस, अपडेट फ्रीक्वेंसी, अनिश्चितता डिस्क्लोज़र
• डिस्ट्रिब्यूशन: एजेंट वर्कफ़्लो में फिट—CRM, लिस्टिंग, व्हाट्सऐप शेयर, पीडीएफ ब्रीफ

मैं साफ़ मानता हूँ: जो प्रॉपटेक क्लाइमेट रिस्क को “डर” नहीं, “निर्णय” की भाषा में बदलेगा—वही 2026 में सबसे ज़्यादा भरोसेमंद ब्रांड बनेगा।

आगे क्या: पारदर्शिता लौटेगी, लेकिन नए रूप में

क्लाइमेट रिस्क स्कोर हटाने से समस्या कुछ महीनों के लिए शांत हो सकती है, पर खरीदारों का अनुभव खराब होगा—और खराब अनुभव आखिरकार प्लेटफॉर्म और एजेंट दोनों को ही नुकसान पहुँचाता है। रियल एस्टेट में भरोसा धीरे बनता है और एक बारिश में टूट जाता है।

अगर आप खरीदार हैं, तो अपनी ड्यू डिलिजेंस को “ऐच्छिक” न रखें। अगर आप एजेंट/डेवलपर/प्रॉपटेक फाउंडर हैं, तो यह समय है AI-आधारित प्रॉपर्टी रिस्क इंटेलिजेंस को सही तरीके से पेश करने का—स्पष्ट, समझने योग्य और कार्रवाई योग्य।

अगला बड़ा सवाल यही है: क्या 2026 में प्रॉपर्टी लिस्टिंग सिर्फ़ “BHK और लोकेशन” बताएगी, या “भविष्य की लागत और जोखिम” भी उतनी ही साफ़ बताएगी?