En noviembre de 2025, el Departamento de Justicia de Estados Unidos llegó a un acuerdo con RealPage por coordinar precios de arrendamiento entre propietarios competidores. Lo que llamó la atención no fue solo el proceso legal, sino la escala: el algoritmo controlaba la fijación de precios de cerca del 95% de las unidades en los mercados estudiados, y los operadores aceptaban sus recomendaciones entre el 80% y el 90% de las veces. En LATAM, la mayoría de las gestoras todavía ajusta el precio de renta una vez al año, siguiendo el IPC. Hay un camino intermedio que vale la pena entender.
Qué es el revenue management en arrendamiento residencial
El revenue management nació en las aerolíneas en los años ochenta y migró a los hoteles en los noventa. La idea es directa: el precio óptimo de una unidad cambia según la demanda del momento, no según una tarifa fija anual. En arrendamiento residencial multifamiliar, esto significa ajustar el precio de cada apartamento, de forma periódica, en función de señales concretas.
Los modelos actuales analizan entre 50 y 200 variables por unidad: atributos físicos (piso, orientación, superficie, estacionamiento), condiciones del mercado (inventario disponible en la zona, días en oferta de la competencia, tasas de vacancia), patrones temporales (mes del año, días hasta la expiración de contratos vigentes) e historial propio (precio al que se arrendó la unidad antes, cuánto tardó en ocuparse, si el inquilino renovó o se fue). Con eso, el sistema produce una recomendación de precio por unidad, generalmente con una cadencia diaria o semanal.
Según CBRE en su U.S. Real Estate Market Outlook 2025, operadores que implementan revenue management en carteras estabilizadas reportan mejoras de entre 2% y 5% en el NOI (ingreso operativo neto). Para una gestora con 200 unidades a USD 600 de renta promedio mensual, eso equivale a USD 28,800 adicionales al año en el escenario conservador. El impacto no viene de subir precios de forma arbitraria, sino de reducir las unidades que se subarrendan por debajo del mercado y los períodos de vacancia que se extienden más de lo necesario.
Por qué el modelo de datos compartidos fue demasiado lejos
Lo que convirtió a RealPage en un problema no fue el revenue management en sí, sino cómo obtenía los datos. La plataforma YieldStar agregaba información confidencial, en tiempo real, de los propios competidores de sus clientes: precios de lista, condiciones de contratos, tasas de ocupación. Al entrenar el algoritmo con esa mezcla, los operadores que usaban el mismo software terminaban alineando sus precios sin necesidad de hablar entre ellos.
El DOJ documentó que los operadores aceptaban las recomendaciones del software entre el 80% y el 90% de las veces, reemplazando la decisión independiente de precio. En los mercados con alta concentración de usuarios de RealPage, los precios subieron un 40% por encima de los índices de referencia en ciertos años. Una estimación citada en el proceso calculó que el sistema le costó a los arrendatarios cerca de USD 4,000 millones solo en 2023 (según Propmodo, 2025).
El acuerdo de noviembre de 2025 establece que RealPage no puede usar datos de competidores con menos de 12 meses de antigüedad, prohíbe modelos geográficos por debajo del nivel estatal, e impone un monitor externo durante tres años. La señal que quedó para el mercado es precisa: analizar los datos propios para optimizar el precio es legítimo; usar datos privados de la competencia en tiempo real crea un riesgo regulatorio y anticompetitivo que ninguna gestora quiere asumir.
Dónde está la gestora de LATAM en esta curva
En LATAM, el punto de partida es diferente. En Colombia, el ajuste legal de renta está atado al IPC del año anterior, lo que lleva a la mayoría de las gestoras a revisar el precio una vez al año siguiendo ese parámetro fijo, sin análisis de mercado a nivel de unidad. En México, la práctica más común en el segmento residencial medio es negociar renovaciones caso por caso, sin un sistema que respalde la decisión con datos. En Panamá, los contratos a largo plazo con ajuste anual son la norma en el mercado formal.
El mercado de software de gestión inmobiliaria en América Latina facturó USD 213.3 millones en 2025, con expectativa de crecimiento de 4.5% anual hasta 2033, según Grand View Research. Es un mercado que existe, pero que todavía no ha llegado al nivel de sofisticación del revenue management unidad por unidad.
Eso es, en realidad, una ventaja. Las gestoras de LATAM que empiezan ahora a incorporar análisis de precios pueden construir sobre datos propios y fuentes públicas, sin caer en el modelo de datos compartidos que creó el problema en Estados Unidos. No necesitan repetir el mismo error para obtener el beneficio legítimo de la herramienta.
Lo que ya es posible hacer sin los riesgos
El primer paso no requiere una plataforma de revenue management dedicada. Requiere datos propios organizados. Para una gestora con cartera de 50 o más unidades, la base es: precio de lista por unidad, días hasta la primera oferta recibida, precio final firmado, fecha de inicio y duración del contrato, motivo de salida si hubo rotación. Con ese registro, en seis meses ya es posible identificar patrones: qué unidades se ocupan en menos de siete días (señal de que el precio está por debajo del mercado), cuáles tardan más de 30 (señal de que el precio es alto o hay un problema de producto), y cuáles renuevan sistemáticamente (señal de que el precio no se ha revisado en mucho tiempo).
El segundo paso es incorporar señales externas a través de portales públicos. En Colombia, Metrocuadrado y Properati publican precios de lista con atributos suficientes para construir un índice por zona y tipología. En México, Inmuebles24 y Lamudi ofrecen datos comparables. Ninguno de esos datos es privado: son precios publicados, accesibles sin acuerdos ni intermediarios. Eso los hace completamente utilizables para calibrar si el precio propio está dentro o fuera del rango del mercado.
El tercer paso, para carteras más grandes, es automatizar la comparación. Plataformas como Rentana o RentVision están diseñadas para el mercado norteamericano, pero su lógica de análisis (historial de vacancia, velocidad de ocupación, relación precio-tiempo-en-mercado) es aplicable a cualquier cartera con datos bien estructurados. La adaptación a LATAM requiere ajustar los modelos a contratos más cortos, mercados menos formalizados y menor historia digitalizada, pero el concepto subyacente es el mismo.
Qué hacer con esto
El caso RealPage no es una advertencia contra el revenue management: es una advertencia contra un modelo de datos específico. Analizar sistemáticamente el precio propio, el comportamiento del mercado y la velocidad de ocupación de cada unidad es legítimo, útil y adoptable sin riesgos regulatorios, siempre que se construya sobre datos propios y fuentes públicas.
Para una gestora en Bogotá, Ciudad de México o Panamá, el punto de partida práctico es auditar cuántas unidades de la cartera tienen una historia de precio registrada. Si la respuesta es pocas, el trabajo inmediato no es comprar un software, sino estructurar el dato básico desde el próximo contrato: precio de lista, días en mercado, precio firmado.
El ajuste anual por IPC seguirá siendo la norma regulatoria donde aplique. Pero entre ese ajuste y el próximo, la gestora que entiende cuál de sus unidades está subpreciada y cuál tardará 40 días en ocuparse toma mejores decisiones que la que espera doce meses para revisar sus números.