En agosto de 2025, EliseAI cerró una Serie E de $250 millones liderada por Andreessen Horowitz, con una valoración de $2,200 millones. La empresa gestiona hoy más de dos millones de apartamentos en Estados Unidos: el 10% del parque multifamily del país. El 75% de los 50 mayores operadores institucionales usa su plataforma. Anunció $200 millones en ARR en junio de 2026. Ninguna gestora de arriendo en LATAM usa esa plataforma todavía, pero el modelo que construyeron explica con precisión por qué muchas gestoras locales pierden negocios antes de responder el primer mensaje.
Lo que EliseAI no hizo
La mayoría de las gestoras en LATAM sigue el mismo patrón: toman su flujo actual, le añaden un chatbot para el primer contacto y llaman a eso "implementar IA". El resultado es predecible: el chatbot responde preguntas genéricas, el prospecto pide información específica, el chatbot escala al humano, y el humano responde cuando puede.
EliseAI tomó una decisión diferente. Diseñó el flujo de gestión alrededor de la IA desde el inicio, no como capa adicional sino como infraestructura central. Comunicación con prospectos, clasificación de solicitudes de mantenimiento, seguimiento de renovaciones, gestión de morosidad y auditoría de contratos son procesos que la IA opera de punta a punta.
La plataforma cubre seis momentos del ciclo: atención al prospecto, tour de la unidad, firma del contrato, atención al residente durante el arriendo, solicitudes de mantenimiento y proceso de renovación. No como módulos independientes, sino como un sistema donde la información de cada etapa alimenta a las siguientes.
El resultado más documentado viene de Kittle Property Group, uno de sus clientes: una reducción del 65% en el tiempo entre el primer contacto de un prospecto y la firma del contrato, y una mejora del 8% en la tasa de conversión (según ThesisDriven, mayo 2026). Esas ganancias no provienen de tecnología más sofisticada. Provienen de eliminar el tiempo muerto entre el interés del prospecto y la primera respuesta, especialmente fuera del horario de oficina.
Un dato que el sector rara vez discute: la rotación de personal en gestión de propiedades supera el 40% anual (según SiliconAngle, agosto 2025). Cada gestor que se va lleva consigo el contexto de propietarios, inquilinos y proveedores que manejaba. Una IA no renuncia, no toma vacaciones y no olvida el historial de una unidad.
Los tres momentos donde la IA opera sin supervisión
No toda la operación de una gestora es automatizable al mismo costo ni en el mismo tiempo. Los resultados más concretos aparecen en tres puntos del ciclo. Automatizarlos en orden cambia la operación de forma visible. Empezar por el cuarto o el quinto antes de tener los primeros tres resueltos produce frustración sin retorno visible.
Primer contacto con el prospecto. La ventana entre el mensaje de alguien interesado en una unidad y la primera respuesta humana es, en muchas gestoras de LATAM, de varias horas o del día siguiente. Cuando eso ocurre, una fracción relevante de los prospectos ya contactó a otro operador o siguió buscando. Una IA que responde en segundos, cualquier día de la semana, con preguntas de calificación, información de disponibilidad y opciones para coordinar una visita, captura leads que el equipo nunca llegaría a ver. En Colombia, México y Panamá, donde parte del inventario de arriendo se gestiona sin un sistema central, esa ventana sin respuesta puede durar desde la tarde del viernes hasta el lunes por la mañana.
Clasificación de solicitudes de mantenimiento. Una gestora con 150 unidades recibe tickets que van desde una cerradura que no cierra hasta una fuga de agua con riesgo de daño estructural. Clasificarlos manualmente, priorizar y asignar al proveedor correcto toma tiempo y depende de quién esté de turno en ese momento. Una IA que clasifica por tipo, urgencia y unidad, y abre la orden con el proveedor correspondiente sin escalar al gestor, reduce el tiempo hasta la asignación de horas a minutos. El impacto es concreto: menos llamadas de emergencia que no son emergencias, y más velocidad en las que sí lo son.
Gestión de renovaciones. Una gestora que no inicia la conversación de renovación con 90 días de anticipación tiene una probabilidad alta de perder al inquilino sin que este haya buscado activamente irse. El problema no es competencia: es ausencia de contacto. Una IA que inicia esa conversación, hace seguimiento a los 60 días y a los 30, y escala al gestor humano solo cuando hay señales de rechazo, convierte una tarea que depende de la memoria del equipo en un proceso predecible.
Estos tres flujos cubren los momentos de mayor fricción en el ciclo del arrendatario: la entrada, los incidentes y la continuidad. Son también los tres más susceptibles de funcionar sin intervención humana en la mayoría de los casos.
El mercado en LATAM: gran demanda, sistemas fragmentados
El mercado de gestión de propiedades en América Latina crece más lento que el global. La mayor parte de la inversión en software específico para el sector se concentra en mercados desarrollados, mientras en LATAM predominan herramientas no integradas: un portal para publicar, WhatsApp para comunicarse y una hoja de cálculo para el control.
La encuesta 2026 de JLL para América Latina, con más de 2,200 encuestados en 21 mercados y representación de Argentina, Brasil, Colombia y México, encontró que el 47% de los líderes de la región identifica la transformación impulsada por IA como su prioridad estratégica principal. Ese mismo escenario tiene el nivel de preparación más bajo de los ocho evaluados en el estudio. El 35% cita la complejidad regulatoria como la restricción principal, por encima del déficit de talento técnico.
Traducido al terreno: muchas gestoras con 100 a 500 unidades no tienen definido quién responde el primer mensaje de un prospecto un domingo a las 11 pm, ni con qué herramienta, ni en cuánto tiempo. Eso no es un problema de IA. Es un problema de proceso que la IA después no puede resolver sola.
El orden que decide si la IA funciona o no
El 76% de las empresas de real estate ya explora o implementa IA, según el CRE Outlook 2026 de Deloitte. Solo el 5% de los equipos que pilotean IA reporta haber alcanzado la mayoría de sus objetivos, según JLL (2025). La diferencia entre esos dos grupos no es presupuesto ni acceso a tecnología: es la secuencia de implementación y el estado de los datos antes de empezar.
El error más frecuente en gestoras de LATAM es implementar IA en el proceso que se ve más visible, una ficha de propiedad más detallada, un reporte de portafolio más rápido, antes de resolver el proceso que más duele. Para una gestora con 50 a 500 unidades, el flujo que más duele suele ser el mismo: el primer contacto fuera de horario. Después, la clasificación de mantenimiento. Después, las renovaciones.
Esos tres, en ese orden, son los que EliseAI automatizó antes de añadir auditoría de contratos, análisis de portafolio y herramientas de control de calidad. Llegar a los primeros tres no requiere $2,200 millones de valoración. Requiere que los procesos existan documentados, que los datos del CRM estén ordenados y que el equipo tenga claro qué hace la IA y qué hace el humano.
Qué hacer con esto
Antes de evaluar una plataforma de IA, documenta cuánto tarda la primera respuesta a un prospecto en tu gestora. Si el número es más de 30 minutos en horario de oficina, o más de cuatro horas fuera de él, ese es el primer problema a resolver. Se puede trabajar con herramientas que ya operan en Colombia, México o Panamá, sin requerir el presupuesto de un operador institucional de EE.UU.
Después, documenta cómo llegan y se clasifican los tickets de mantenimiento. Si la respuesta es "por WhatsApp según quien esté disponible", el segundo problema está identificado. Con esos dos procesos bajo control, el tercero, renovaciones con seguimiento sistemático, es más accesible de lo que parece.
El modelo de EliseAI no se exporta directo a una gestora de 80 unidades en Medellín. Pero su lógica sí: resolver primero los flujos que impactan más la experiencia del prospecto y del inquilino, no los que se ven bien en una presentación. Los resultados de Kittle Property son reproducibles en escala menor, con las herramientas correctas implementadas en el orden que corresponde.