El 46% de los corredores inmobiliarios en Estados Unidos ya usa inteligencia artificial para redactar descripciones de propiedades, según la encuesta tecnológica de NAR de septiembre de 2025. La adopción crece porque el problema es real: escribir fichas detalladas para un portafolio activo consume horas que compiten con el tiempo de venta.
El LLM puede reducir ese trabajo a minutos por ficha. El problema real no es que el modelo escriba mal: es que escribe con convicción aunque le falten datos. Y en real estate, un dato inventado en una ficha pública tiene consecuencias concretas.
Por qué las fichas son el primer caso de uso de IA en una inmobiliaria
Las fichas de propiedades tienen características que las hacen ideales para modelos de lenguaje: estructura predecible, patrones repetibles y un objetivo claro. El modelo no necesita entender tu negocio para ser útil aquí; solo necesita los datos correctos.
Para un agente independiente que capta 3 o 4 propiedades al mes, escribir fichas a mano es manejable. Para una agencia que gestiona 60 o 80 propiedades activas de forma simultánea, se convierte en trabajo administrativo que compite directamente con el tiempo de captación y atención al cliente.
La mayoría de los equipos resuelve esto de dos maneras: fichas incompletas (solo los datos básicos) o plantillas genéricas que dicen lo mismo en todas las propiedades. Ambas opciones reducen la conversión en portales donde el comprador compara varias fichas en paralelo y toma decisiones en segundos.
El informe de JLL de octubre de 2025 encontró que los pilotos de IA en real estate crecieron del 5% al 92% en solo tres años (según JLL, 2025). El dato preocupante: solo el 5% de las empresas reportó haber alcanzado todos sus objetivos en esos pilotos. Las fichas son uno de los casos donde la brecha entre piloto y resultado real es más corta, porque el ciclo de retroalimentación es inmediato: se publica, se mide el tráfico, se ajusta.
Qué le das al modelo y qué devuelve
El error más común al usar un LLM para fichas no está en el modelo; está en el prompt.
Un modelo bien instruido produce textos distintos según los datos que reciba. "Apartamento de 87 metros cuadrados, piso 8, tres habitaciones, dos baños, balcón con vista al parque, cocina equipada, edificio de 2018 con gimnasio y piscina" genera una ficha con información verificable. "Departamento bonito en zona premium cerca de todo" genera texto que el modelo completa con suposiciones.
Un prompt que funciona en la práctica tiene cinco elementos:
Los datos estructurados de la propiedad. Superficie exacta, número de habitaciones y baños, piso, orientación cardinal, año de construcción, características especiales. Números, no apreciaciones.
El contexto del proyecto o edificio. Nombre, referencia de ubicación precisa, lista de amenidades del conjunto. No "zona norte de la ciudad", sino el barrio o colonia exacta.
El canal de destino. Una ficha para un portal como Metrocuadrado o Vivanuncios tiene extensión y tono diferente a una para un correo de presentación a compradores. El modelo ajusta si lo especificas.
El límite de palabras. Sin restricción, los modelos tienden a generar entre 400 y 700 palabras con adjetivos que agregan poco. Un portal necesita entre 150 y 250 palabras; una presentación a comprador puede ir hasta 400.
Lo que no debe inventar. Esto es crítico: dile explícitamente qué información no tiene. "No menciones distancias a puntos de referencia a menos que te las proporcione. No menciones vistas específicas que no estén en los datos. No afirmes servicios del edificio que no estén en esta lista." La mayoría de los errores ocurre porque el modelo intenta ser útil completando lo que le falta.
Los cinco errores que comete el LLM en fichas inmobiliarias
Los modelos actuales son muy buenos generando texto plausible. Esa es exactamente la fuente del riesgo.
Inventa distancias y puntos de referencia. "A cinco minutos del centro comercial" suena natural; el modelo lo genera con confianza aunque el dato no esté en el prompt. Si el comprador llega y descubre que son 20 minutos de trayecto, el daño es de confianza, no de texto.
Asigna orientación sin respaldo. "Bañado por luz natural toda la mañana" implica orientación este. Si el apartamento da al oeste, la ficha es incorrecta. La orientación tiene que estar en los datos que le das al modelo; no se puede deducir de nada más.
Agrega amenidades del edificio por analogía. Un modelo entrenado con millones de fichas aprendió que ciertos tipos de edificios tienen gimnasio, piscina y salón de eventos. Si tu prompt no lista qué tiene este edificio específico, el modelo puede completar con las amenidades más comunes del segmento.
Modifica superficies con adjetivos. "Amplio apartamento de alrededor de 90 metros" cuando el título dice 87 m² exactos. O convierte 87 m² en "más de 85 metros cuadrados", que técnicamente es verdad pero no lo que informaste al propietario ni al portal.
Omite características no mencionadas en el prompt. Si el texto del prompt no incluye la terraza privada, el modelo no la inventa, pero tampoco la incluye. El resultado es una ficha técnicamente correcta pero incompleta. Este es un problema de prompt, no de revisión.
La revisión en cinco minutos antes de publicar
El objetivo de la revisión no es reescribir la ficha: es atrapar lo que el modelo no podía saber. Con esta estructura, la revisión toma entre 4 y 7 minutos por propiedad:
Verificar las cifras. Superficie, piso, número de habitaciones y baños. Compara contra el mandato del propietario o la ficha original. Un error de superficie puede generar conflictos con portales de Colombia y México que cruzan el dato con registros públicos.
Revisar los atributos de ubicación. ¿El texto menciona distancias a puntos de referencia? Si no estaban en el prompt, elimínalas. Si estaban, confirma que son correctas antes de publicar.
Leer las amenidades del edificio. Compara contra la lista documentada del proyecto. Si el modelo añadió algo que no está en tu lista, elimínalo o verifícalo con la administración antes de publicar.
Confirmar orientación y luz. Si el texto dice "luz natural en las mañanas", verifica que tengas la orientación este confirmada. Si no, reemplaza por lenguaje neutral: "espacios con buena iluminación natural".
Revisar el tono para el canal. Si generaste para portal público y el texto suena a presentación ejecutiva, dos minutos de ajuste dan una ficha más efectiva para ese contexto.
Qué hacer con esto
La adopción ya está ocurriendo. El 46% de los corredores en mercados maduros usa IA para descripciones de propiedades (según NAR, 2025). En agencias de Colombia, México y Panamá que gestionan volumen alto, las primeras en adoptar este proceso obtienen una ventaja operativa directa: fichas más completas, publicadas más rápido, con menos trabajo manual.
El riesgo de no adoptar es claro: horas de redacción que podrían ir a captación o seguimiento de clientes. El riesgo de adoptar sin protocolo también lo es: fichas con datos inventados que erosionan la confianza del comprador y pueden generar conflictos con propietarios que saben exactamente qué tienen.
La diferencia entre los dos resultados es el tiempo de revisión. No hay que elegir entre velocidad y precisión: el proceso donde la IA redacta el primer borrador y el agente audita en cinco minutos da las dos cosas.
Un ejercicio concreto para esta semana: toma las últimas tres fichas publicadas por tu equipo. Genera versiones con un LLM usando el prompt estructurado de la sección anterior. Compara qué capturó el modelo, qué inventó y qué omitió. Ese ejercicio define en media hora si el proceso está listo para escalar, o qué ajustar en el prompt antes de hacerlo.