Uno de cada tres mandatos entra al mercado con un precio que supera en más del 5% su valor real de cierre. El estudio "The Price is Right" de Indiana Realtors, que analizó decenas de miles de transacciones residenciales, encontró que solo el 25% de los listings se vende dentro del 1% de su precio de publicación. Una propiedad correctamente pricéada pasa a contrato en un promedio de 5 días. Una sobrevaluada entre un 9% y un 11%: entre 19 y 87 días, incluso después de bajar el precio.
El efecto se acumula. Más de uno de cada cuatro mandatos nunca llega a cierre (Relitix, 2025). Para una agencia con 40 mandatos activos, eso son diez propiedades que van a consumir visitas, reuniones de seguimiento, ajustes de precio y comunicaciones con el propietario durante meses, sin producir ninguna comisión al final. La IA puede calcular ese riesgo antes de que el agente firme.
El costo que no aparece en ningún reporte
El modelo de ingresos de cualquier agencia es de riesgo compartido: el agente invierte tiempo y no cobra hasta que hay cierre. Esa asimetría crea un problema que la agencia suele subestimar.
Un mandato de riesgo alto no es un mandato que simplemente no cierra. Es el que genera más trabajo que los demás precisamente porque no cierra: más visitas sin oferta, más reuniones con el propietario para convencer de ajustar el precio, más seguimiento, más retrasos. La propiedad que más tiempo ocupa en el equipo casi siempre es la que entró al mercado con expectativas de precio irreales. Incluso después de bajar el precio, las propiedades sobrevaluadas tardan entre 4 y 5 veces más en cerrarse que las que estaban bien pricéadas desde el inicio, según el estudio de Indiana Realtors.
Lo que el mercado está confirmando en 2026 es que el volumen de mandatos estancados crece. En EE.UU., 78.395 propiedades salieron del mercado sin venderse en una sola semana de abril de 2026, un incremento del 83% respecto a dos años antes (REDX, 2026). El 44,6% de esos propietarios relistan la propiedad en menos de 35 días, generalmente con una nueva agencia y en muchos casos sin ajustar el precio de forma suficiente.
El problema no es exclusivo del mercado norteamericano. Es estructural en cualquier mercado donde la expectativa del vendedor y el precio que los compradores están dispuestos a pagar no convergen desde el inicio.
El contexto en LATAM: inventarios que crecen, tiempos que se estiran
En América Latina el patrón es consistente, aunque cada mercado tiene sus propias dinámicas.
En Colombia, las ventas de vivienda nueva cayeron un 11% en los primeros dos meses de 2026 frente al mismo período de 2025, con 157.000 unidades disponibles en cerca de 2.990 proyectos activos a nivel nacional (según vivienda.com.co, 2026). Para vivienda usada en Bogotá, el tiempo promedio de venta ronda los 145 días, pero puede extenderse hasta los 258 días en casas de estratos altos. Las propiedades usadas en Colombia se venden en promedio entre un 4% y un 8% por debajo del precio de publicación, lo que confirma que el sobrevalúo inicial es la norma, no la excepción.
En México, el tiempo promedio de venta fue de 167 días en 2024, aunque esa cifra esconde una dispersión amplia (Doorvel, noviembre 2025): en Querétaro, el mercado más líquido, el promedio baja a 4,2 meses con una absorción anual del 87%. En mercados turísticos como la Riviera Maya, la absorción fue del 43% en 2024, lo que implica que el 57% del inventario disponible quedó sin venderse al cierre del año.
En Panamá, el inventario residencial por encima de $500.000 acumula entre 12 y 24 meses de oferta disponible. Solo el segmento entre $180.000 y $300.000 muestra liquidez razonable, con 3 a 5 meses de inventario.
En todos esos mercados, el tiempo que una propiedad tarda en cerrarse no es solo un dato de mercado. Es una variable que el agente puede anticipar antes de firmar el mandato.
Las señales que el modelo lee antes de que el agente firme
Un sistema de riesgo previo al mandato cuantifica qué tan alejada está la propiedad candidata de las condiciones que históricamente producen cierres en esa zona y categoría. Las señales que el modelo procesa son las mismas que un agente experimentado intuitivamente evalúa, pero de forma documentada y comparable entre mandatos:
Precio versus comparables. La señal con mayor peso predictivo. Una propiedad publicada entre el 5% y el 10% por encima del rango de cierres recientes en la zona tiene, según el estudio de Indiana Realtors, entre el 50% y el 200% más de tiempo en mercado que una correctamente pricéada, incluso si después baja el precio. Solo el 25% de los listings cierra dentro del 1% de su precio de publicación.
Absorción histórica de la zona. No todos los barrios se mueven igual. El modelo compara la propiedad candidata con el tiempo promedio de cierre de inmuebles similares en el mismo microbarrio durante los últimos 6 y 12 meses. Una zona con baja liquidez exige expectativas distintas desde el primer día.
Historial del inmueble en portales. Las propiedades que estuvieron publicadas, generaron poco interés y se retiraron tienen tasas de cierre menores cuando se relistan. El estigma es medible: los compradores activos en portales recuerdan los anuncios que vieron meses antes y perciben la reedición como una señal de que algo no cuadra.
Motivación del vendedor. Un propietario que quiere probar el mercado a un precio aspiracional tiene un perfil de riesgo completamente diferente al que vende por necesidad, cambio de ciudad o liquidación de activos. Esa motivación se puede procesar a partir del lenguaje en la conversación de captación.
Condición del inmueble versus precio pedido. Una propiedad que requiere reformas y se publica a precio de inmueble en buen estado reduce el universo de compradores calificados a quienes tienen capital para la compra y para reformar. Esa brecha entre condición y precio es una de las causas más frecuentes de mandatos estancados en la región.
El modelo no produce un "sí" o un "no". Produce un score que cuantifica cuánto de cada problema está presente, y permite tener una conversación diferente con el propietario el día de la captación.
Cómo un modelo de riesgo cambia la conversación de captación
Relitix, la plataforma de analytics para corredores que lanzó en 2025 su sistema predictivo de riesgo de listings, clasifica mandatos en tres categorías: rojo (el modelo predice que ya debería haberse vendido, dado el precio, la zona y el tiempo), amarillo (requiere atención activa) y verde (en rango normal para el mercado). El score se calcula con los mismos inputs que cualquier agente tiene disponibles: precio de publicación, comparables de la zona, tiempo en mercado, tipo de propiedad.
Lo que cambia cuando ese score se calcula antes de firmar es la conversación con el propietario. En lugar de llegar a la reunión de captación con una opinión sobre el precio, la agencia llega con un análisis: según los cierres de los últimos seis meses en esta zona, propiedades de estas características se venden en un promedio de X días a un precio entre Y y Z. A este precio pedido, el tiempo esperado de cierre sería N meses y la probabilidad de cerrar antes de los 90 días, según el modelo, es del P%. Si ajustamos el precio a este rango, esa probabilidad mejora.
El impacto en el precio final también es concreto. Realtor.com documentó en marzo de 2026 que los mandatos que cierran en las primeras cuatro semanas se venden a un 1,8% por encima del precio de lista; los que tardan 18 semanas o más terminan a un 1,3% por debajo. La diferencia acumulada entre un mandato bien pricéado desde el inicio y uno que entró alto y ajustó tarde es de más de 3 puntos porcentuales sobre el valor de la propiedad. Para un inmueble de $200.000 en Ciudad de México o $180.000 en Bogotá, eso equivale a entre $5.400 y $6.000 de diferencia en el precio final, además de los meses de trabajo adicional.
No se trata de rechazar mandatos con riesgo alto. Se trata de condicionar la firma: precio ajustado desde el inicio, exclusividad, o acuerdo previo de reforma. La agencia que respalda esa conversación con datos tiene un argumento que la que opera solo por intuición no tiene.
Qué hacer con esto
El primer paso no es implementar un modelo de IA. Es construir el proceso de evaluación previa.
Define qué señales va a revisar tu equipo antes de cada captación: precio versus comparables de la zona, absorción histórica, historial del inmueble en portales, motivación del vendedor, condición versus precio pedido. Aplica esa evaluación de forma sistemática, aunque sea con una ficha estandarizada y manual. Ese solo cambio, aplicado de forma consistente por todos los agentes del equipo, mejora la calidad del portafolio activo.
El segundo paso es conectar los datos. El CRM debe registrar, por cada mandato cerrado y no cerrado, el precio inicial, el precio de cierre, el tiempo en mercado y la zona. Sin ese historial propio, no hay modelo posible. En la mayoría de las agencias de LATAM ese dato existe de forma fragmentada: en hojas de cálculo separadas, en notas de agentes, en conversaciones de WhatsApp. Centralizarlo es el trabajo previo a cualquier scoring automatizado.
El tercer paso, cuando el historial está disponible, es construir o adquirir el modelo. Plataformas como Relitix ofrecen esto como servicio para mercados anglosajones. Para LATAM, el camino más directo hoy es construir el scoring con datos propios del CRM, usando módulos de analytics de las herramientas que el equipo ya usa o desarrollando el modelo internamente con los datos históricos de la agencia.
La pregunta que un gerente de agencia debería hacerse esta semana no es cuántos mandatos tiene activos. Es cuántos de esos mandatos tienen probabilidad real de cerrar en los próximos 90 días, y qué haría el equipo de forma diferente si pudiera responderla con un número.