En octubre de 2025, tres portales de Estados Unidos lanzaron búsqueda en lenguaje natural en el mismo lapso de días: Homes.com con Smart Search, Realtor.com con reconocimiento de más de 300 atributos de propiedad, y Zillow integrado dentro de ChatGPT. Una encuesta de Realtor.com de ese mes reveló que el 82% de los compradores en EE.UU. ya usa IA para iniciar su proceso de búsqueda de vivienda. En LATAM, los portales dominantes no están ahí todavía. Eso no cambia lo que viene.
Por qué el filtro de tres campos no alcanza
El buscador típico de un portal inmobiliario pide precio, número de habitaciones y zona. Eso es suficiente para eliminar lo que definitivamente no sirve. No es suficiente para encontrar lo que sí.
Un comprador que busca "departamento luminoso con vista al parque, a diez minutos del metro y cocina abierta para recibir" no puede expresar eso en tres menús desplegables. El resultado: revisa 80 propiedades en lugar de 8. Se cansa antes de llegar al agente, y cuando llega, sus preferencias están vagas porque el formulario las aplastó.
La búsqueda semántica parte de una premisa diferente: el lenguaje del comprador ya contiene la información necesaria para hacer el match. En vez de pedirle que traduzca sus preferencias a filtros estructurados, un sistema con IA toma la descripción libre y la traduce a atributos concretos: orientación del inmueble, nivel de ruido de la zona, tipo de vista, proximidad a servicios y colegios, metraje útil. Luego ordena el inventario por esa intención.
La distancia entre "tres menús" y "descripción libre" es técnica: requiere embeddings de texto, búsqueda vectorial y un modelo que entienda la intención detrás de las palabras. Pero el efecto operativo es directo: el comprador llega al agente habiendo ya visto propiedades que sí le interesan, con una idea más clara de lo que busca. El agente, en consecuencia, trabaja con un brief más preciso y un ciclo de visitas más corto.
Hay un segundo problema que la búsqueda semántica resuelve y que pocas agencias nombran: los atributos que no están en las fichas. Un comprador que quiere "algo tranquilo, de poca circulación" no puede filtrar por eso porque ese campo no existe en el portal. Pero la propiedad que sí le conviene puede estar ahí, publicada con 40 fotos y una descripción genérica que nunca menciona el nivel de ruido. La brecha es de datos, no de inventario.
La semana que cambió el estándar en portales globales
Homes.com lanzó Smart Search en octubre de 2025. La interfaz entiende consultas como "casa estilo ranch con piscina en Austin cerca de parques" y devuelve resultados sin que el usuario toque un menú. Incluye búsqueda por voz y soporte para consultas multi-ciudad, lo que permite buscar en varias zonas simultáneamente con una sola descripción.
La misma semana, Realtor.com anunció que su herramienta de búsqueda natural reconoce más de 300 términos, incluyendo atributos visuales como "techos abovedados" o "cocina moderna" extraídos directamente de las fotos y descripciones de cada ficha. No son filtros que el agente llena: son señales que el modelo extrae automáticamente del contenido publicado.
Zillow tomó un camino distinto: se convirtió en la primera aplicación de bienes raíces dentro de ChatGPT en octubre de 2025. Un usuario puede preguntar "departamentos de dos cuartos en Denver con mascotas permitidas y menos de $2,000 al mes" y recibe resultados con fotos y mapa, dentro del chat, en tiempo real. Redfin siguió en febrero de 2026 con su propia integración: búsqueda de listados, datos de mercado y evaluación de poder adquisitivo a través de una conversación dentro de ChatGPT. Homes.com, en paralelo, declaró que avanza hacia una interfaz completamente sin filtros, donde el asistente de IA reemplaza los menús desplegables por completo.
El patrón que siguen estos portales tiene una lógica operativa clara: cada vez que un usuario usa lenguaje libre en lugar de filtros, el portal captura intención real. Esa intención retroalimenta el modelo, que mejora con cada búsqueda. La ventaja acumulada es difícil de replicar para quien empiece tarde.
LATAM: la brecha en datos y dónde están las apuestas
Colombia es el tercer mercado de proptech en América Latina, con más de 120 startups activas en el sector, según datos publicados por Semana en 2025. Habi, que opera en Colombia y México, aplica IA en valuaciones instantáneas, verificación de documentos y gestión de visitas: sus transacciones se cierran un 35% más rápido que el promedio del mercado y la compañía ha reportado una reducción de costos operativos de cerca del 50% en algunos de sus productos. La Haus en Colombia y portales como Inmuebles24 en México incorporan recomendaciones basadas en el comportamiento de navegación del usuario.
Pero la diferencia entre "recomendar según historial de clics" y "entender una descripción en lenguaje libre" es considerable. La mayoría de los portales en LATAM sigue entregando resultados por filtros estructurados.
El dato que calibra el momento viene de JLL: en su encuesta global de tecnología en real estate de 2025, el 92% de los equipos reportó haber iniciado pilotos de IA o planear hacerlo ese mismo año. Solo el 5% declaró haber alcanzado la mayoría de sus objetivos. La brecha entre experimentar y obtener resultados reales está, en gran parte, en los datos: sin información enriquecida de propiedades, ningún modelo de lenguaje puede hacer un match útil. Ese es exactamente el mismo problema en Bogotá, en Ciudad de México o en Panamá que en cualquier mercado global.
Lo que una agencia puede construir antes de que el portal llegue
Los portales de LATAM van a implementar búsqueda semántica. La pregunta para una agencia es si va a esperar o si va a construir esa capa sobre su propio portafolio primero.
Construirla no requiere ser un portal. Requiere tres cosas.
La primera es enriquecer los datos del inventario. Las fichas estándar registran precio, metraje, habitaciones y zona. No registran luminosidad, nivel de ruido de la calle, tipo de vista, proximidad caminable a servicios, características del entorno inmediato. Muchos de esos atributos se pueden generar con un LLM a partir de la descripción existente y de datos de la zona: dirección, orientación cardinal, fotos del inmueble. El resultado son etiquetas adicionales que viven como campos en el CRM.
La segunda es capturar la intención del comprador en lenguaje libre. Agregar un campo de texto al formulario de contacto ("Descríbenos en dos o tres frases lo que buscas") cuesta poco. Lo que los clientes escriben ahí es el insumo para el match semántico. Sin eso, el sistema no tiene con qué trabajar.
La tercera es registrar ese historial como un activo de datos. Las descripciones de búsqueda acumuladas revelan cómo los compradores en cada zona hablan de lo que quieren. Eso retroalimenta cómo se etiquetan las propiedades nuevas y qué atributos le faltan al portafolio para cubrir la demanda real. Con el tiempo, ese corpus es más valioso que el portafolio mismo: es la demanda mapeada en el lenguaje de los compradores reales.
La agencia que trabaja esas tres capas hoy tiene una ventaja concreta cuando los portales de la región lleguen a la búsqueda semántica: datos ya preparados para aprovechar esa infraestructura desde el primer día.
Qué hacer con esto
El punto de entrada no es tecnológico. Es una auditoría de datos.
Toma las últimas 50 propiedades del portafolio y revisa qué atributos están registrados. Luego toma las últimas 50 conversaciones de primer contacto con compradores (por WhatsApp, email o llamada) y lista qué términos usan para describir lo que buscan. La diferencia entre esas dos listas es la brecha semántica del inventario: los atributos que los compradores mencionan y que las fichas no capturan.
Con esa brecha identificada, el siguiente paso es priorizar. No hay que estructurar todos los atributos faltantes: solo los que aparecen con frecuencia en las preferencias de los compradores y que el portafolio puede satisfacer. Eso define las etiquetas que hay que agregar a las fichas existentes y a las nuevas que lleguen.
El tercer paso es técnico: elegir cómo hacer el match. Puede ser tan simple como un LLM que recibe la descripción libre del comprador y las fichas enriquecidas del portafolio y devuelve un ranking de las más relevantes. No es un proyecto de seis meses. Lo que sí toma tiempo es que los datos estén bien. Los portales de LATAM van a llegar a la búsqueda semántica. La agencia que ya preparó sus datos va a saber exactamente qué hacer con esa herramienta desde el primer día.