El 92% de las empresas de real estate ya tienen pilotos de IA en marcha, según la Encuesta Global de Tecnología Inmobiliaria de JLL de octubre de 2025, que incluyó a más de 1.000 directivos en 16 mercados. Solo el 5% reporta haber alcanzado la mayoría de sus objetivos de programa. Una de las razones más comunes de esa brecha: los equipos aplican la IA a procesos internos, pero no la usan todavía para la pregunta que más impacta en la agenda de la agencia: dónde enfocar la captación el próximo trimestre.
La predicción de demanda por zona no es una aplicación exótica. Es la capacidad de identificar qué colonias, barrios o sectores van a registrar un incremento de demanda en los próximos seis a doce meses, antes de que ese movimiento sea visible en el precio.
Las señales que el mercado emite antes de que el precio las refleje
El precio de cierre es la señal más tardía que produce un mercado inmobiliario. Cuando el promedio por metro cuadrado en una zona sube de manera sostenida, la presión ya lleva meses acumulándose. Los modelos de predicción de demanda procesan señales anteriores a ese cambio.
La primera es el empleo por sector. El crecimiento de empleo en logística, manufactura, salud o tecnología precede el aumento de demanda habitacional en un radio dado, con frecuencia por 12 a 18 meses. El caso de México es el más documentado en la región: el nearshoring está agotando el inventario en Ciudad de México, Guadalajara y Monterrey. En la capital, el inicio de nuevos proyectos residenciales cayó de 120-150 unidades por trimestre en 2016-2018 a 45-60 en la actualidad, mientras la demanda laboral sigue llegando (según Vanguardia, abril de 2026). La demanda llegó antes que la oferta, y el precio siguió.
La segunda es la actividad de permisos de construcción. Un aumento de solicitudes en una zona indica que los desarrolladores ya hicieron su apuesta sobre el potencial del lugar. Ese dato es público en la mayoría de los municipios de la región y precede la nueva oferta entre 18 y 36 meses.
La tercera es la migración interna. LATAM tiene flujos migratorios activos entre ciudades: del interior hacia Bogotá o Ciudad de Panamá, de los estados del sur hacia el Bajío y la frontera norte en México. Los registros de conexión de servicios, los cambios de domicilio y el volumen geolocalizado de búsquedas en portales son trazas medibles de ese movimiento.
La cuarta es el volumen de búsquedas en portales. Un aumento sostenido de búsquedas en una zona sin un incremento equivalente en inventario activo es, matemáticamente, presión de demanda latente. Plataformas como Properati en Colombia o Lamudi en México producen datos de ese tipo que no aparecen en ningún indicador oficial de precio.
Cómo la IA procesa estas señales
El modelo que más se cita como referencia en el mercado anglosajón es el de HouseCanary, que genera proyecciones a 12 meses por código postal. El sistema combina historiales de transacciones, tendencias de precio, datos de empleo por sector, flujos de migración, actividad de construcción nueva y velocidad de absorción del inventario existente. El resultado es una puntuación por zona que expresa la probabilidad de apreciación o aumento de demanda en el período proyectado.
Ese proceso no es predicción del futuro. Es detección temprana de desequilibrios que los datos ya reflejan pero que ningún equipo podría identificar manualmente, porque la cantidad de variables supera la capacidad de análisis sin automatización.
La diferencia con un análisis tradicional de mercado no es de dirección sino de velocidad y granularidad. Un informe trimestral te dice qué pasó en los últimos tres meses por ciudad. Un modelo de predicción por zona te dice qué sectores específicos van a moverse en los próximos seis meses, a nivel de colonia o barrio. Para una agencia que decide dónde contratar agentes, qué zonas priorizar en captación y dónde expandir su presencia, esa diferencia de resolución y de horizonte temporal tiene impacto directo en la operación.
Zillow aplica una lógica similar, integrando aprendizaje automático con datos de comportamiento de búsqueda, historial de transacciones e indicadores de oferta a nivel de vecindario. Para una agencia en LATAM, esas plataformas no están disponibles en versión regional. El método, sin embargo, es replicable con las fuentes que sí existen en la región.
El problema de datos en LATAM y cómo trabajarlo
El obstáculo principal para aplicar predicción de demanda por zona en Colombia, México o Panamá no es la tecnología. Es la fragmentación de los datos.
Los registros públicos de transacciones son parciales o llegan con retraso. Los permisos de construcción no están digitalizados en muchos municipios. Los datos de migración interna tienen latencia de meses. Esa realidad explica parte del hallazgo de JLL: el 81% de las empresas del sector reporta que al menos tres de sus sistemas tecnológicos no cumplen los objetivos para los que fueron implementados, y más del 60% necesita resolver problemas tecnológicos de base antes de poder explotar la IA de manera efectiva.
La respuesta pragmática de las agencias que sí lo están aplicando es combinar cuatro tipos de fuentes disponibles en la región.
Tendencias de búsqueda en portales regionales. Properati y Lamudi publican datos de volumen por zona y tipología. Un equipo puede hacer seguimiento semanal de esas tendencias sin herramientas adicionales.
Anuncios de inversión en infraestructura pública. Cada línea de metro, corredor urbano o zona económica especial anunciada genera desplazamiento de demanda que tarda entre 12 y 36 meses en reflejarse en precio. Los comunicados de gobierno son públicos y gratuitos.
Empleo sectorial por zona. Los boletines de cámaras industriales, los anuncios de expansión de parques de manufactura y los reportes de grandes empleadores anticipan demanda habitacional con meses de margen. El patrón del nearshoring en México aplica, con sus variantes, en las zonas logísticas de Bogotá o en el Corredor Norte de Ciudad de Panamá.
Actividad en portales de segunda mano. Un incremento de propietarios publicando o buscando moverse hacia una zona específica es una señal débil por sí sola, pero consistente cuando se combina con las otras tres.
PropTech Latam Connection identifica la valorización estratégica de los datos como uno de los cinco ejes centrales del proptech en la región para 2026, precisamente porque las agencias que aprenden a leer sus señales de mercado con mayor anticipación capturan ventaja frente a las que solo reaccionan al precio actual.
Qué hacer con esto
El primer paso no es implementar un modelo de IA. Es construir el mapa de señales de tu mercado.
Toma las tres o cuatro zonas donde tu agencia opera o quiere operar los próximos seis meses. Para cada una, responde: ¿qué están buscando los compradores en portales este trimestre versus el anterior? ¿Qué permisos de construcción o anuncios de infraestructura hay en un radio de dos kilómetros? ¿Qué empleadores o proyectos están llegando a esa zona?
Ese ejercicio, hecho con regularidad, ya te da más información de la que usa la mayoría de los competidores que solo leen el precio de cierre.
El segundo paso es convertirlo en proceso. Que alguien en el equipo actualice ese mapa mensualmente. Que la decisión de dónde intensificar la captación se tome con esa información sobre la mesa, no solo con la percepción de dónde se está vendiendo hoy.
El precio confirma lo que el mercado ya decidió. Las señales de demanda te dicen lo que todavía no está en el precio. Ahí es donde se arma la captación que llega primero.