En dos años, el porcentaje de agencias sin ningún uso de IA cayó del 24.8% al 3.9% (según Delta Media Group, agosto 2026). La velocidad del cambio ya no sorprende a nadie. Lo que sí sorprende es la dirección que está tomando: la adopción no produjo un promedio. Produjo una barra de pesas. Dos extremos que crecen, y un centro que se comprime.
Las grandes construyen ventaja que se acumula
CBRE invirtió cerca de 1.700 millones de dólares en hardware y software en 2025, un aumento de 300 millones respecto al año anterior. JLL comprometió alrededor de 450 millones de dólares en 55 startups proptech desde 2018, a través de JLL Spark. El CEO de CBRE proyecta una reducción del 25% en costos de investigación gracias a la IA. Ya registra ese mismo porcentaje de ahorro en tiempo de procesamiento manual de contratos de arrendamiento, aplicado en más de mil millones de pies cuadrados de propiedad administrada (según Propmodo, 2026). Cushman & Wakefield tomó un camino distinto: una alianza con Microsoft en lugar de construir infraestructura propia. La forma varía; la escala de inversión, no.
El patrón que forman estas cifras tiene una lógica clara. Las grandes firmas no solo compran herramientas: construyen bases de datos propias que ningún proveedor de SaaS puede replicar. El modelo entrenado sobre décadas de transacciones internas es cualitativamente diferente al que usa una agencia con acceso solo a datos públicos. Cada nueva transacción propia mejora el modelo. La ventaja se acumula con el tiempo.
En LATAM, la misma dinámica opera a escala regional. QuintoAndar construyó su posición en Brasil sobre millones de transacciones de arriendo y compraventa, con datos que ningún competidor puede replicar desde afuera. Habi, primer unicornio proptech en español hablante de la región, construyó su ventaja sobre modelos que leen mercados donde otros solo ven opacidad. La Haus captó más de 158 millones de dólares para construir infraestructura similar en Colombia y México (según SceniusLatam, 2026). No es coincidencia que cada uno de ellos tenga equipos enteros dedicados a datos propios. La herramienta es el pretexto; la base de datos construida a lo largo de los años es la ventaja.
Colombia acumula hoy cerca de 200 empresas proptech y más de 1.000 millones de dólares invertidos en el sector. La concentración de capital en pocos jugadores grandes define el patrón: los datos se acumulan donde hay transacciones, y las transacciones van hacia quien ya tiene datos.
La boutique que compite sin presupuesto de nueve dígitos
Terra CRG es una agencia boutique de Brooklyn especializada en inmuebles comerciales locales. Sin infraestructura masiva, superó a las cinco mayores firmas del mercado en las recomendaciones que producen los modelos de lenguaje para su zona de operación (según Propmodo, 2026). La razón técnica no es misterio: Terra publica con consistencia análisis de operaciones, datos de cierre y evaluaciones del mercado en su área específica. Los modelos de lenguaje leen esa producción como señal de autoridad y la traducen en recomendación.
Esta ruta no requiere capital. Requiere disciplina editorial y especialización real. Una agencia que cubre Laureles en Medellín, Miraflores en Lima o Polanco en Ciudad de México con datos propios publicados de forma sistemática, tiempos de absorción documentados, precios de cierre organizados, inventario analizado, construye exactamente la señal que los modelos valoran. No compite en cobertura con QuintoAndar. Compite en profundidad con cualquier plataforma que no tenga ese nivel de foco en esa zona.
El efecto ya es observable: agencias pequeñas bien posicionadas en un nicho específico ganan visibilidad en búsquedas con IA a un ritmo que antes era imposible sin presupuesto masivo de marketing. Es un reordenamiento del canal de adquisición de clientes. Las agencias que lo han entendido lo tratan como un activo estratégico, no como una táctica de contenido.
El segmento más expuesto: el medio
El análisis de Delta Media Group (agosto 2026) sobre adopción de IA en el sector revela un patrón que presiona al segmento medio. Las firmas con más de 100 agentes y las de 11 a 50 agentes reportan 100% de adopción de IA entre su fuerza comercial. Las de 10 o menos agentes llegan al 81.8%, con los independientes de menor tamaño como el único grupo con rezago real: 9.1% sin adopción, el más alto del sector. Solo el 1.9% del sector no planea usar IA en 2026, frente al 10.6% en 2024.
La adopción existe. Pero no es suficiente por sí sola. Una firma mediana usa las mismas plataformas de SaaS que una boutique: lead scoring, staging virtual, síntesis de llamadas. Pero no tiene la especialización de nicho que le da diferenciación frente a sus competidores directos. Tiene más agentes que una boutique, pero no el volumen de datos propios acumulados que tienen los jugadores grandes de la región.
En LATAM, el segmento de 15 a 50 agentes representa la mayoría de las inmobiliarias establecidas en ciudades secundarias y en zonas residenciales de las grandes capitales. Tienen historia, relaciones con propietarios, reputación local. También tienen el mayor riesgo de quedar comprimidas entre los dos extremos: las plataformas que escalan con datos propios y las boutiques que escalan con reputación de zona.
Por qué LATAM amplifica la presión
La encuesta de JLL sobre el futuro del trabajo en LATAM, publicada en agosto de 2026 con 150 líderes en Argentina, Brasil, Colombia y México, reveló una tensión específica de la región. El 47% de esos líderes pone la transformación impulsada por IA como prioridad estratégica. Al mismo tiempo, la IA obtuvo el nivel de preparación más bajo entre los ocho escenarios evaluados en la encuesta. La región quiere la transformación y tiene las condiciones menos maduras para ejecutarla.
Los obstáculos que citan los encuestados son concretos: el 35% señala la complejidad regulatoria como barrera principal, y el 33% la escasez de talento técnico especializado. El 49% expresó incertidumbre sobre el impacto de la IA en sus espacios de trabajo, frente al 40% a nivel global.
Este desajuste tiene un efecto directo sobre la estructura del mercado. En un entorno donde los catastros digitales son fragmentados, los datos de transacciones son opacos y el talento para trabajar con IA es escaso, la brecha entre las firmas que ya construyeron su base de datos propia y las que recién comienzan es mucho más difícil de cerrar. La ventaja de las grandes se acumula más rápido cuando los datos de calidad son escasos y el resto del mercado no puede acceder a ellos con la misma facilidad.
Qué hacer con esto
La barra de pesas describe una estructura, no un destino. La posición en la que tu agencia termina depende de decisiones que se pueden tomar ahora.
Si tienes más de 50 agentes, la prioridad no es adoptar más herramientas. Es construir tu propia capa de datos: un CRM con captura sistemática, historial de transacciones organizadas por zona y tipo de activo, comportamiento documentado de propietarios e inquilinos a lo largo del tiempo. Las plataformas de IA de terceros mejorarán, pero la ventaja duradera viene de datos que solo tú tienes y que nadie más puede comprar.
Si tu agencia tiene menos de 15 agentes, la especialización es la ruta más eficiente. Elige una zona, un nicho de activo o un perfil de cliente específico, y sé consistente. Publica tus datos de cierre, analiza tu inventario, documenta el comportamiento de tu mercado local. Esa consistencia es lo que los modelos de lenguaje leen como autoridad. La boutique que cubre una zona con profundidad real puede superar en visibilidad a plataformas con presupuestos de marketing mucho mayores.
Si estás en el rango de 15 a 50 agentes, la pregunta no es qué herramientas de IA adoptar. El mercado ya respondió eso. La pregunta es en qué posición competitiva vas a ser difícil de reemplazar. Los dos extremos tienen respuestas distintas. El centro, por ahora, no tiene ninguna clara.