En octubre de 2025, JLL publicó los resultados de una encuesta a más de 1,000 ejecutivos de real estate en 16 mercados globales. El dato central: el 92% de las compañías ya tiene proyectos piloto de IA en curso. Solo el 5% ha logrado cumplir la mayoría de sus objetivos (según JLL, 2025). La brecha no es tecnológica. En la mayoría de los casos, el obstáculo es el estado de los datos que la IA recibe.
El piloto que no escala: qué dice el diagnóstico
La misma encuesta identifica el problema con claridad: más del 60% de las organizaciones necesita resolver problemas tecnológicos fundamentales antes de poder aprovechar la IA. El 81% de las empresas del sector reporta al menos tres sistemas existentes que no cumplen sus expectativas.
Para una inmobiliaria en Bogotá, Ciudad de México o Ciudad de Panamá, eso suena reconocible: el portal de publicación no sincroniza con el CRM de contactos, el CRM no tiene el historial de visitas, y las actualizaciones de precio llegan al agente por un grupo de WhatsApp. Cada sistema opera de forma independiente. La IA que se conecte a ese entorno hereda la fragmentación.
La secuencia importa. El 88% de las organizaciones en el sector asigna presupuesto para actualizar su infraestructura tecnológica, pero muchas priorizan instalar la IA antes de resolver lo básico. El resultado: los modelos aprenden sobre datos incompletos y reproducen los mismos errores, solo que a mayor velocidad.
El primer problema: datos que nunca llegan bien desde el origen
Un estudio de Validity con 602 usuarios de CRM (2025) encontró que el 76% de las organizaciones afirma que menos de la mitad de sus datos son precisos y completos. El 37% de los empleados reconoce que ingresa datos incorrectos para satisfacer campos obligatorios del sistema.
En una inmobiliaria, eso ocurre en el momento de mayor presión: el lead acaba de llegar, el agente tiene tres conversaciones activas en WhatsApp, y el formulario pide zona de interés, rango de precio, fuente de origen y tipo de propiedad. Lo que queda en el CRM es el nombre y el teléfono. Los demás campos quedan vacíos o con datos genéricos.
El 25% de los datos de cualquier CRM se vuelve inexacto cada año sin un proceso de higiene activa (según CRMside, 2025). Los registros con teléfonos cambiados, correos desactualizados o fichas incompletas se acumulan sin que nadie los vea. En una agencia que recibe 1,500 leads anuales, eso son 375 contactos que se degradan en silencio cada doce meses. Cuando la IA los procesa, aprende los patrones equivocados.
El segundo problema: la fuente del lead sin rastrear
Una plataforma de IA inmobiliaria aprende de la relación entre acciones y resultados. Para construir ese aprendizaje necesita saber: de qué portal vino el lead, qué tipo de propiedad consultó, cuánto tardó en responder el agente, y si el contacto terminó en visita, en propuesta o en abandono. Si algún eslabón de esa cadena falta en el CRM, el modelo no puede cerrar el ciclo.
La fuente del lead es una de las variables más frecuentemente omitidas en agencias de América Latina. Los leads llegan de portales como Inmuebles24, Vivareal, Portalinmobiliario o EasyBroker, de campañas en redes sociales, y de WhatsApp directo, muchas veces sin un mecanismo que registre su origen de forma automática. Cuando el sistema no lo captura, la IA no puede distinguir qué portal produce leads que terminan en cierre y cuáles generan contactos que nunca responden.
El modelo entrena sobre los casos de éxito y queda ciego a la información de lo que no funcionó. Con el tiempo, los sesgos en los datos se vuelven sesgos en las recomendaciones del sistema.
El tercer problema: el seguimiento que no queda en el sistema
El dato más citado de IA para real estate en mercados como México: el tiempo de respuesta promedio a un lead cae de 4.2 horas a menos de 5 segundos cuando la IA gestiona el primer contacto (según Trichter Consulting, 2025). Ese resultado existe en los contextos donde ocurre. El supuesto que no siempre se menciona: el sistema sabe qué decirle al lead cuando responde.
Si el historial del contacto está vacío, si no hay ficha de la propiedad que consultó, o si el contacto aparece duplicado en el CRM, la respuesta llega en 5 segundos pero contiene información genérica. Y una respuesta genérica en 5 segundos produce el mismo resultado que una genérica en 4 horas: el lead la ignora y sigue buscando.
Las agencias que sí documentan resultados concretos, como los análisis de 3,300 interacciones gestionadas entre 2024 y 2026 publicados por Trichter, reportan que el show rate sube de 28% a 62% y el costo de adquisición baja de 32,000 a 14,200 pesos mexicanos. Eso ocurre en ambientes donde hay registro completo de cada punto de contacto previo: no solo del primer mensaje enviado, sino de la propiedad de interés, el canal de entrada y el contexto de cada interacción anterior.
El 5% que sí obtiene resultados: qué tiene diferente
JLL encontró que solo el 33% de los equipos en real estate se siente adecuadamente entrenado para trabajar con herramientas de IA. Ese dato importa porque la IA amplifica lo que existe: si el proceso de captura de datos funciona bien, produce más resultados; si tiene errores estructurales, los reproduce con mayor velocidad.
Las organizaciones dentro del 5% que cumple sus objetivos comparten una secuencia: primero resolvieron los problemas de datos, luego construyeron automatización de seguimiento encima, y solo después conectaron IA. No invirtieron el orden.
El volumen del mercado hace que estos problemas escalen más rápido de lo que parece. En Colombia, el 40% de los hogares vive en arriendo: 7 millones de familias, un mercado que mueve alrededor de 55 billones de pesos al año (según Ciencuadras, 2025). Una inmobiliaria administradora de arriendos en Bogotá puede manejar cientos de contratos activos con propietarios, inquilinos y leads simultáneos. Si el CRM tiene un 25% de datos inexactos, eso son decenas de registros con información desactualizada gestionándose al mismo tiempo.
Qué hacer con esto
Antes de evaluar cualquier plataforma de IA, hay tres preguntas que cualquier gerente de inmobiliaria puede responder con un reporte básico del CRM que ya tiene.
La primera: ¿qué porcentaje de los leads del último trimestre tiene el campo de fuente de origen completado? Si el número está por debajo del 80%, hay un problema de captura en la entrada que va a contaminar cualquier modelo conectado encima. La solución es operativa: un proceso claro de registro al momento de cargar el contacto, no una herramienta nueva.
La segunda: ¿cuántos contactos duplicados hay en el sistema, identificados por número de teléfono o correo? Más del 10% de duplicados indica que no hay un proceso de verificación al ingresar datos. La mayoría de los CRM inmobiliarios tienen esta funcionalidad nativa; usarla con regularidad es parte del mantenimiento básico del sistema.
La tercera: ¿qué porcentaje de los leads tiene más de un evento registrado, ya sea una llamada, un correo o una visita? Si más del 40% tiene solo el primer contacto y nada más, el CRM no está capturando el proceso de seguimiento real, sino solo la entrada del lead.
No hay atajos en esta secuencia. La IA que llegue encima de un CRM con esos tres puntos resueltos va a producir resultados medibles. La que llegue encima de un CRM con datos desordenados va a producir ruido con mayor velocidad. La diferencia entre ambos escenarios rara vez es el modelo: casi siempre es el trabajo previo.