Uno de cada cinco compradores descarta un anuncio que no incluye plano. En el mercado norteamericano, el plano ya aparece en un tercio de los nuevos listados, arriba del 2% que representaba en 2022. En los portales de Colombia, México y Panamá esa cifra todavía es marginal: la mayoría de los anuncios activos publica dos o tres fotos, una descripción de texto variable, y ningún plano. El punto importa porque lo que la IA puede extraer de un portafolio depende directamente del tipo de dato disponible. La foto sola no alcanza.
La foto sola deja datos fuera del análisis
La visión computacional aplicada a fotos de propiedades ya está madura. Plataformas como Restb.ai procesan cerca de un millón de fotografías al día y auto-completan más de 450 campos estandarizados por propiedad: estilo arquitectónico, estado de la cocina, tipo de piso, presencia de garaje o piscina. En comparación con el llenado manual, la IA detecta en promedio 17 características por listado, un 28% más que la entrada por agentes, y las identifica con el doble de consistencia. Cuando los modelos de valuación automatizada (AVM) incorporan esos datos visuales estructurados, el margen de error promedio baja hasta un 18%.
Ese resultado es útil y medible. Pero la foto tiene un límite estructural: muestra superficies, acabados y luz, y no comunica la distribución espacial. Si el dormitorio principal da al corredor, si la cocina es abierta o separada del comedor, cuánto mide realmente el baño de servicio. Esa información no está en la fotografía. Está en el plano. Y en la mayoría de los portafolios de agencias en LATAM, el plano no existe.
El plano: la capa que más falta en LATAM
Cuando se agrega el plano al análisis, la IA trabaja con un tipo de dato diferente: estructura relacional. El plano muestra qué espacio conecta con cuál, en qué dirección y con qué dimensiones aproximadas.
El impacto del plano en la conversión de anuncios está documentado. Un listado con plano recibe 52% más clics, 60% más vistas y 79% más guardados que uno sin plano, según datos de CubiCasa de 2026. El 85% de los compradores considera el plano muy o extremadamente valioso. Uno de cada cinco ignora directamente los anuncios que no lo incluyen.
El argumento de costo ya no se sostiene. Herramientas como CubiCasa generan un plano desde el teléfono en menos de cinco minutos, con un margen de error de 1% a 5%, suficiente para marketing y para análisis de IA. El costo por plano está por debajo de los 20 dólares en la mayoría de los mercados de la región. El obstáculo en LATAM no es técnico ni económico: es que el proceso de captación todavía no contempla el plano como paso obligatorio durante la toma de datos.
Cuando la IA tiene el plano, puede cruzarlo con las fotos. Un análisis combinado detecta inconsistencias: la descripción dice "dormitorio amplio", pero el plano muestra 8 m² y las fotos muestran una ventana que da a un corredor interior. Ese tipo de inconsistencia es difícil de detectar manualmente en un portafolio de 300 propiedades activas, y es exactamente lo que un comprador descubrirá en la visita.
La descripción como tercera fuente de datos
La descripción de texto agrega lo que ni la foto ni el plano pueden contener: las afirmaciones del propietario o del agente. "Piso renovado en 2024", "calentador nuevo", "vistas despejadas al norte". Un modelo de lenguaje extrae esas afirmaciones, las clasifica por tipo y las contrasta con lo que la imagen y el plano muestran.
Eso tiene valor práctico en dos momentos del ciclo. Durante la captación, un análisis automático del anuncio de un dueño directo detecta señales de sobrevaluación o de propiedad problemática antes de agendar la primera visita. Durante la comercialización, el sistema genera una descripción coherente con los tres tipos de datos, sin afirmaciones que la imagen o el plano contradigan.
Los modelos de valuación multimodal combinan los tres tipos de datos formalmente. Un estudio publicado en la revista Information (MDPI, 2025) diseña un AVM que integra descripciones narrativas, fotografías y datos geoespaciales. La conclusión: cada capa aporta información independiente que las otras no capturan, y la combinación produce estimaciones más robustas. Esto es especialmente relevante en mercados delgados, donde los comparables son escasos. En ciudades secundarias de Colombia, México o Panamá, esa escasez de datos es la norma.
La brecha entre adoptar y usar bien
La encuesta tecnológica de la NAR de 2025, aplicada sobre 49.000 agentes activos en julio de ese año, encontró que el 68% ya usa alguna herramienta de IA. Solo el 17% reporta un impacto positivo significativo en su negocio. El 46% no ve diferencia notable.
La brecha entre esos números no se explica por falta de herramientas. Se explica por cómo se usan: en capas separadas. IA para generar la descripción, un portal para subir las fotos, y el plano si es que existe. Cuando los tres tipos de dato no están integrados en un mismo flujo de trabajo, el análisis combinado no ocurre. La herramienta trabaja sobre datos incompletos y produce resultados mediocres.
En LATAM, ese problema se amplifica. Los portales de la región aceptan listados sin plano, con dos o tres fotos de calidad irregular y descripciones genéricas. Un agente en Bogotá o en Ciudad de México que publica una propiedad en varios portales rara vez tiene un sistema que organice los tres tipos de datos en un expediente coherente por inmueble. El resultado es un portafolio que la IA no puede analizar bien, no porque sea incapaz, sino porque los datos que necesita no están.
El 17% que ve resultados reales hace algo diferente: captura los tres tipos de datos desde el inicio y los organiza en un lugar donde las herramientas pueden leerlos.
Qué hacer con esto
El primer paso es medir el estado actual del portafolio: ¿qué porcentaje de las propiedades activas tiene plano? ¿Cuántas tienen seis o más fotos de buena calidad? ¿En cuántas la descripción incluye información verificable sobre el inmueble? Esas tres preguntas definen el punto de partida real, no el aspiracional.
El segundo paso es incluir el plano como parte del proceso de captación, no de publicación. Si el plano se genera en la visita de toma de datos, el costo marginal es prácticamente cero. Si se pide después de la firma, cuando el propietario quiere publicar rápido, siempre queda pendiente.
El tercer paso es centralizar los tres tipos de datos en el expediente digital de cada propiedad: fotos estructuradas, plano y ficha de texto, en un lugar que las herramientas de análisis puedan leer. Ese expediente es el activo que hace posible el análisis combinado: para valuación, para matching con compradores, para detectar inconsistencias antes de que las encuentre quien visita.
Una agencia que construye ese expediente para cada captación está generando el tipo de dato que las herramientas de IA necesitan para dar resultados reales, y no los mediocres que el 83% reporta hoy.