Un agente de una inmobiliaria promedio en Buenos Aires o Bogotá escribe entre 15 y 20 fichas nuevas por semana. A razón de 15 a 20 minutos por descripción, eso son entre 3 y 6 horas de trabajo repetitivo, sin contar actualizaciones ni traducciones entre portales. Properati cuantificó el problema en su propia red de agentes antes de construir su solución: 2 a 3 horas diarias perdidas exclusivamente en redactar descripciones. La IA no fue la primera opción; fue la respuesta a un costo que ya no se podía ignorar.
El tiempo que nadie contabiliza
Una ficha inmobiliaria tiene partes fijas: superficie, habitaciones, precio, zona. Y tiene partes variables: el tono, el énfasis, la audiencia objetivo. La parte fija tarda minutos. La variable puede durar media hora si el agente no tiene claro cómo presentar una propiedad para inversores versus para una familia con hijos.
En la agencia promedio de LATAM, ese tiempo se repite por cada listado, sin sistema, sin plantilla estándar, sin revisión de calidad. Según datos de Propimap analizados sobre agencias argentinas en 2026, el proceso manual completo de carga por propiedad (fotos, datos, descripción, publicación) toma entre 25 y 40 minutos. La descripción escrita a mano consume entre 15 y 20 de esos minutos. En una agencia que publica 20 propiedades por mes, eso es entre 5 y 6 horas mensuales solo en texto, por agente.
El otro costo es menos visible: inconsistencia. Dos agentes del mismo equipo escriben el mismo tipo de propiedad de forma completamente distinta. Uno enfatiza la ubicación; el otro, los acabados. Ninguno sabe cuál genera más consultas. Sin datos históricos sobre qué descripciones convierten, la decisión es intuición.
Lo que Properati hizo con 120.000 descripciones
Properati, uno de los portales inmobiliarios más grandes de Argentina, construyó una solución interna antes de ofrecerla a su red de agentes: tomaron 120.000 descripciones de propiedades reales publicadas en su plataforma, las usaron para ajustar un modelo GPT-4 y entrenaron el sistema para reconocer los patrones de la escritura inmobiliaria rioplatense. El resultado no es un prompt genérico enviado a ChatGPT; es un modelo calibrado con datos de un mercado específico.
El proceso funciona así: el agente ingresa los datos estructurados de la propiedad (tipo, ubicación, metraje, características, precio, perfil de comprador objetivo) y el sistema entrega una descripción de 180 a 220 palabras en 30 segundos. El tono cambia según la audiencia: más técnico para inversores, más descriptivo para familias, más enfocado en estilo de vida para profesionales jóvenes.
Los resultados medidos en la red de Properati (según Develop Argentina, noviembre 2025): 15 horas semanales recuperadas por agente, y un aumento del 23% en el click-through rate de las publicaciones frente a las escritas manualmente. Ese segundo número importa porque no mide solo eficiencia; mide calidad percibida por el comprador.
El dato de Propimap refuerza la magnitud: con IA, el tiempo por propiedad baja de 25-40 minutos a 2-5 minutos. En 20 propiedades mensuales, eso devuelve entre 8 y 12 horas al mes por agente para tareas de mayor valor.
Donde la IA falla en las fichas
Un 23% de mejora en CTR y 15 horas semanales recuperadas parecen un argumento definitivo. Pero hay dos puntos de falla concretos que ninguna agencia debería ignorar antes de implementar.
El primero es la inexactitud factual. En una auditoría de 500 listados generados con IA publicada en 2026 (según Sellabl), el 4% contenía al menos un error factual: superficies incorrectas, amenidades que no existían, o referencias de ubicación imprecisas. En una transacción inmobiliaria, un 4% de error no es estadístico; es un riesgo legal y de reputación real.
El segundo problema es la sobreoptimización. El mismo análisis detectó que las publicaciones que usaban más de tres palabras clave de alto tráfico en la descripción registraban una caída del 9% en la tasa de consultas. Los compradores perciben el texto como generado para el algoritmo, no para ellos, y el efecto es el contrario al buscado.
Hay un tercer problema específico de LATAM que el análisis de Propimap señala con precisión: las herramientas genéricas de Estados Unidos no funcionan aquí. No reconocen Zonaprop, Argenprop, Inmuebles24, Encuentra24, ni Lamudi. No entienden las expensas en pesos, los contratos en UF en Chile, o las dinámicas de arrendamiento en Colombia. Forzar un modelo entrenado en el mercado de Zillow sobre un mercado de Bogotá produce texto que suena ajeno. A veces correcto, pero ajeno.
El flujo que funciona a nivel de agencia
La diferencia entre un equipo que gana tiempo con IA en las fichas y uno que gana problemas está en el protocolo alrededor del modelo, no en el modelo en sí.
El punto de partida es la estructura del input. Una instrucción genérica como "escribe la descripción de este apartamento de 2 habitaciones en Chapultepec" produce un resultado genérico. Un input estructurado que incluye tipo de propiedad, ubicación exacta, metraje, características destacadas, precio y perfil de comprador objetivo produce un resultado calibrado. Cuanto más datos estructurados entran, menos trabajo de edición sale.
El segundo elemento es la revisión de hechos. Antes de publicar, alguien del equipo debe confirmar que la descripción no menciona características que no existen, que el metraje coincide con el expediente y que la ubicación está descrita con precisión. No es una revisión de estilo; es una revisión de exactitud. Ese paso, que toma 2 minutos, es lo que separa el 96% de publicaciones correctas del 4% que generan problemas.
El tercer elemento es la diferenciación por portal. Una descripción de 300 palabras para un portal como Metrocuadrado no es el mismo texto que un copy de 80 palabras para la ficha de Instagram de la agencia. El flujo debe incluir variantes cortas para redes sociales y versiones largas para portales, generadas en el mismo ciclo de producción.
Según AdAI News (marzo 2026), el 63% de los agentes ya usa alguna herramienta de IA para redactar fichas. En los equipos de mejor rendimiento, esa cifra llega al 75%. El margen entre los que lo hacen con protocolo y los que lo hacen con un prompt cualquiera es donde está la diferencia de resultado.
Qué hacer con esto
Si tu agencia publica más de 10 propiedades al mes y cada agente redacta sus propias descripciones sin plantilla estándar, ya tienes el punto de partida. El costo acumulado en tiempo es entre 5 y 12 horas mensuales por persona, que podrías reorientar a captación o seguimiento.
El primer paso no es comprar una herramienta. Es documentar el input estándar que tu equipo necesita para producir una buena ficha: tipo de propiedad, ubicación, metraje, características ordenadas por relevancia, precio, perfil de comprador. Con ese template definido, cualquier modelo de lenguaje razonablemente bueno puede generar el texto en menos de un minuto.
El segundo paso es el protocolo de revisión. No publiques descripciones generadas sin que alguien confirme los datos factuales. Cuatro por ciento de error en listados con datos incorrectos es un problema que una revisión de 2 minutos elimina por completo.
Lo que hizo Properati con 120.000 descripciones y un ajuste fino específico para Argentina no está al alcance de la mayoría de las agencias. Pero el principio es replicable: cuanto más específico sea el input y más calibrado esté el sistema con el tipo de propiedades y el mercado de tu agencia, menos edición humana se necesita después. Una agencia que publica 50 propiedades al mes y documenta qué descripciones generan más visitas tiene los datos para mejorar su flujo de IA continuamente. Esa retroalimentación, que empieza siendo manual, es lo que construye una ventaja operativa real.