Dos números definen el estado de la IA en LATAM en este momento. El 67% de las grandes empresas tiene al menos un proyecto de IA en producción. El 23% reporta impacto medible en sus indicadores de negocio. Son 44 puntos de diferencia entre hacer algo con IA y saber qué produce para tu negocio. Para el sector inmobiliario, los datos de este año apuntan a la misma distancia.
Lo que cuenta como "adoptar IA" y lo que no
En septiembre de 2025, la NAR publicó su encuesta de tecnología anual con 1.241 agentes activos en Estados Unidos. El 68% declaró usar IA activamente. Solo el 17% reportó un impacto positivo significativo en su negocio. Y el 46% afirmó no haber notado diferencia alguna después de adoptarla (según NAR Technology Survey, 2025). El patrón en LATAM es paralelo.
El problema no es de tecnología. Es de definición.
Usar ChatGPT para generar una descripción de propiedad es "adoptar IA". También lo es tener un formulario de contacto con respuesta automática. Y también lo es un sistema que predice qué propietario va a querer vender en los próximos seis meses y activa un seguimiento automatizado antes de que ese propietario publique en un portal. Los tres escenarios cuentan igual en una encuesta de adopción. Producen resultados completamente distintos en el balance de la agencia.
En LATAM, el 74% de las empresas inmobiliarias declara usar IA o realidad virtual, según Planok (2025). El mismo reporte cita datos de LinkedIn Learning: el 55% de los empleados evita las herramientas digitales por falta de capacitación o por temor a cometer errores. El software está instalado. El uso operacional que cambia métricas, no.
Por qué la brecha es un problema de gestión, no de tecnología
PwC publicó en 2025 su estudio global sobre performance de IA con más de 1.200 ejecutivos de 25 sectores. Su hallazgo central: lo que separa a las empresas que obtienen ROI de las que no notan diferencia son las decisiones de gestión, no la tecnología. Las variables que predicen el resultado son alinear los usos de IA con resultados de negocio críticos, construir fundamentos de datos adecuados, y hacer que la IA forme parte de los procesos operativos en lugar de ser una capa adicional (según PwC, Decoding ROI from AI, 2025).
Para LATAM específicamente, PwC encontró que la mayoría de los pilotos no llega a producción. Los directores de tecnología reportan que menos de un tercio de las pruebas de concepto genera impacto medible en el estado de resultados. El diagnóstico es preciso: las empresas de la región tienden a sub-invertir en calidad de datos y sobre-invertir en experimentación de modelos.
Dicho en términos de una inmobiliaria: contratan varios proveedores de IA, mantienen el CRM con campos vacíos y contactos duplicados, y no tienen ninguna métrica de antes/después con qué evaluar el resultado. Los datos faltantes más comunes son los del final del ciclo de ventas: el precio al que cerró realmente una propiedad (no el publicado), el tiempo exacto desde el primer contacto hasta la firma, los motivos por los que un lead no avanzó a visita. Sin esa información, cualquier modelo entrena sobre un historial incompleto y genera predicciones que no reflejan cómo opera ese equipo en particular.
McKinsey lo documenta a escala global en su State of AI 2025: el 78% de las organizaciones usa IA en al menos una función de negocio, pero solo el 39% reporta impacto en utilidades a nivel real. Solo el 6% califica como "alto performer de IA", con un efecto de 5% o más en el EBIT. La mayoría está atrapada en lo que McKinsey llama "purgatorio de pilotos": experimentos que no escalan porque no tienen las bases para hacerlo (según McKinsey, The State of AI in 2025).
Qué separa a las agencias que cierran la brecha
Las inmobiliarias que alcanzan el 23% que mide resultado comparten tres hábitos observables, independientemente del país o el tamaño.
Primero, definen una métrica de antes/después antes de implementar cualquier herramienta. No "usamos IA para el seguimiento de leads", sino "el tiempo promedio de primera respuesta hoy es de 340 minutos; en 60 días, ese número tiene que estar por debajo de 15". Sin línea de base, no hay comparación posible y el éxito queda en opinión. Una agencia sin ese número no puede distinguir si la mejora vino del sistema o del comportamiento del mercado ese trimestre.
Segundo, empiezan en el punto más cercano al ingreso, no en la productividad administrativa. Hay una tendencia a implementar IA en lo más visible: generar descripciones, resumir correos, responder preguntas frecuentes. Esos usos ahorran tiempo, pero su impacto en el resultado final es difuso y tarda en aparecer. Las agencias que miden ROI real empiezan en el flujo que más afecta las ventas: calificación de leads entrantes, tiempo de primer contacto, tasa de conversión de visita a oferta. Si una agencia cierra 4 operaciones por cada 100 leads y mejora esa tasa a 6 con un sistema de scoring, el impacto es directo y calculable.
Tercero, resuelven la calidad de los datos antes de escalar cualquier modelo. PwC encontró que las empresas que invierten en plataformas de datos con perspectiva multianual ven ROI de IA más rápido que las que financian pilotos trimestre a trimestre. Para una inmobiliaria, esto significa un CRM con etapas de pipeline completas, fecha de último contacto registrada, y precio de cierre final cargado después de cada operación. La IA no mejora datos malos: los amplifica.
El Ecosistema Startup (2026) señala que el 60% de los colaboradores en LATAM ya tiene acceso a herramientas de IA aprobadas por sus empresas, y que ese acceso creció 50% solo en 2025. La herramienta ya llegó a la mayoría de las organizaciones. Lo que no llegó, en la mayor parte de los casos, es el proceso para saber si está produciendo algo.
El 63% de las pymes inmobiliarias en LATAM considera cara la inversión en tecnología (KPMG, citado por Planok). Sin un número de retorno, la próxima revisión de presupuesto elimina primero las herramientas sin cifra asociada, sean o no las más valiosas. Las agencias que pueden mostrar "antes X, después Y" no tienen ese problema en la discusión presupuestaria.
Qué hacer con esto
Este mes, antes de contratar cualquier herramienta nueva, haz un inventario de las actuales: ¿cuántas están en uso operativo real?, ¿qué métrica tienes registrada para cada una?, ¿cuál era el número antes de implementarla?
Si la respuesta en la mayoría de los casos es "no hay número de antes", el primer paso no es más tecnología. Es definir dos o tres indicadores que afectan directamente el ingreso: tiempo promedio de primer contacto a un lead, tasa de conversión de lead a visita agendada, tasa de visita a oferta recibida. Registra esos números hoy con los datos que tienes. Eso convierte cualquier implementación futura en un experimento con resultado comparable, y cualquier renovación de contrato en una decisión con datos.
McKinsey estima que la IA agéntica en real estate podría liberar entre 430.000 y 550.000 millones de dólares en productividad a nivel global. Ese potencial requiere agencias que puedan medir, ajustar y escalar lo que funciona. Las que no miden no pueden ajustar porque no saben qué falla.
La brecha de 44 puntos entre adopción y resultado en LATAM no se cierra contratando más herramientas. Se cierra haciendo mejores preguntas: ¿qué cambió este trimestre gracias a la IA que usamos?, ¿qué número lo demuestra? Hasta que tu agencia pueda responder eso con cifras, la inversión en IA es un costo operativo, no una ventaja competitiva.