McKinsey cuantificó el potencial de la IA agéntica en real estate entre US$430 mil millones y US$550 mil millones en valor anual a nivel global. En ese mismo período, el porcentaje de operadores que reportaba un impacto "transformador" cayó del 12% al 1% en un solo año. Esos dos datos no se contradicen: la oportunidad existe, pero la mayoría de las organizaciones la ejecuta mal.
Lo que hace diferente a la IA agéntica
La distinción importa antes de hablar de resultados. Un asistente de IA que redacta fichas de propiedades o responde preguntas frecuentes es útil, pero no es agéntico. Lo que McKinsey denomina IA agéntica son sistemas de agentes coordinados que extraen datos, redactan comunicaciones, sintetizan hallazgos y actualizan múltiples sistemas en secuencia, sin intervención manual en cada paso.
Para una inmobiliaria en Medellín o en Ciudad de México, la diferencia práctica es esta: no es un chatbot que responde el WhatsApp de los compradores. Es un sistema que detecta el momento en que un lead lleva más de cuatro horas sin respuesta, envía el primer contacto, califica la intención del prospecto, agenda la visita en el calendario del agente, actualiza el CRM y deja el registro del contacto, todo en un flujo continuo.
Esa coordinación entre sistemas es lo que separa la automatización de tareas aisladas del rediseño de procesos completos. Y es donde están los resultados medibles.
Los tres dominios de alto impacto
Del análisis de McKinsey emergen tres áreas donde la IA agéntica entrega resultados con métricas verificables:
Captación y atención de leads (front-end): El cambio central es la transición del modelo de atención de 9 a 5 a uno de 24 horas, 7 días. Los primeros despliegues de IA agéntica en este dominio redujeron los tiempos de respuesta a leads en más del 90%. El agente sigue siendo quien cierra, pero el sistema garantiza que ningún contacto se pierda por tiempo de respuesta. Para agencias que operan en ciudades con tráfico intenso y horarios fragmentados, como Ciudad de México o Bogotá, esto no es un detalle menor.
Operaciones de propiedad: La asignación automática de tickets de mantenimiento y el despacho de técnicos es el segundo dominio. Los primeros despliegues reportan reducciones de más del 30% en el tiempo de coordinación operativa. Para una gestora que administra 150 unidades en Bogotá o en Santiago, ese porcentaje es tiempo que el equipo deja de gastar en cadenas de mensajes para dedicarlo a retención de propietarios.
Back-office y reportes financieros: Aquí McKinsey encontró los resultados más pronunciados: reducciones de entre el 60% y el 80% en el tiempo dedicado a procesos de reporte financiero cuando se diseñan como flujos de extremo a extremo. El impacto en el margen operativo neto llega a entre el 10% y el 30% cuando los agentes coordinan a través de workflows completos. Para una gestora con 200 contratos activos, esto significa liquidaciones mensuales a propietarios que pasan de ser un proceso de dos días a una automatización que se ejecuta sola. El freno que enfrentan las gestoras de LATAM en este dominio no es tecnológico: es la calidad inconsistente de los datos de contratos, fechas y cuentas bancarias que alimentan el proceso. Un contrato sin número de cuenta verificado detiene la liquidación automática tan eficientemente como la ausencia del software.
La brecha de LATAM: prioridad alta, preparación baja
La encuesta de JLL sobre futuros del trabajo en LATAM 2026 relevó a 150 líderes en Argentina, Brasil, Colombia y México durante el primer trimestre de 2026. El 47% identifica la transformación impulsada por IA como su prioridad estratégica número uno. Es el escenario que más votos recibió de los ocho evaluados.
Sin embargo, ese mismo escenario registró el nivel de preparación más bajo de todos los evaluados.
La brecha no se explica por falta de voluntad. JLL encontró que los líderes de LATAM señalan como barreras principales la complejidad regulatoria y de cumplimiento (35%) y la escasez de talento técnico especializado (33%). Estas barreras son distintas a las que dominan el promedio global, donde la brecha de habilidades de IA lidera. En LATAM, la regulación llega antes que el talento.
Al mismo tiempo, el 49% de los encuestados de LATAM ve la incertidumbre sobre el impacto de la IA en el espacio de trabajo como un riesgo de portafolio, frente al 40% del promedio global. Eso refleja que el real estate corporativo en LATAM también está redefiniendo cuánto espacio necesita, y esa presión llega directamente a las gestoras que administran esos activos.
KPMG reporta que el 64% de las organizaciones en las Américas ya está en fase de escalamiento de IA o más avanzado. El escalamiento sin preparación es exactamente la condición que produce el dato de McKinsey: más adopción, menos impacto medible.
La disciplina que separa el 12% del 48%
La encuesta AI Pulse de KPMG del tercer trimestre de 2026 identificó un indicador revelador: solo el 12% de las organizaciones evalúa el valor de su IA en relación con su costo de manera consistente. Entre las organizaciones que ya tienen ROI establecido, ese número sube al 48%.
Las organizaciones líderes no tienen mejores herramientas. Tienen mejores sistemas de medición y gobernanza alrededor de esas herramientas.
McKinsey señala tres condicionantes que distinguen a quienes capturan valor: datos estructurados como base (un agente construido sobre datos desordenados produce resultados desordenados, sin excepción), objetivos claros por dominio (no "implementar IA" sino "reducir el tiempo de reporte financiero a propietarios en un 50% este trimestre") y capacidad interna de ejecución (alguien dentro de la organización responsable de los resultados, no del despliegue).
Para una inmobiliaria de LATAM, los tres condicionantes son históricamente deficitarios: las bases de datos de CRM tienen duplicados y campos vacíos, los objetivos de IA se miden por herramientas adoptadas y no por resultados operativos, y la responsabilidad interna recae en el proveedor tecnológico en lugar de en el equipo de operaciones.
Qué hacer con esto
El punto de partida de menor riesgo entre los tres dominios de McKinsey es el back-office financiero. La razón: es un proceso interno, los errores no afectan la relación con el cliente de inmediato y las métricas de base son fáciles de establecer antes de empezar (cuántas horas toma generar un informe de propietario esta semana, comparado con el mismo proceso en tres meses).
Antes de desplegar cualquier agente en ese proceso, el paso necesario es auditar la calidad de los datos de entrada: contratos activos, fechas de pago, cuentas bancarias de propietarios. McKinsey es directo en esto: los datos erróneos producen resultados erróneos, sin importar qué tan avanzado sea el modelo que los procesa.
Con el proceso de back-office corriendo con métricas de referencia claras, el orden lógico es expandir hacia operaciones de propiedad y, desde ahí, hacia atención de leads. Ese orden no es arbitrario: empieza donde el error tiene menor costo, establece la capacidad interna de medición y escala cuando hay evidencia propia del sistema.
La barrera regulatoria que JLL identifica en LATAM no es razón para posponer, sino para construir la capa de gobernanza desde el principio: qué datos de clientes entran al sistema, cómo se procesan, quién tiene la responsabilidad. Ese diseño inicial cuesta menos que el remedio posterior.
El valor potencial está cuantificado. La pregunta no es si la IA agéntica funciona en real estate, sino si la organización está preparada para capturarlo o si va a sumar al 94% que la adopta sin verlo.