Restb.ai procesó más de 1.000 millones de fotos de propiedades en abril de 2026, a través de 26 MLSs en Estados Unidos y Canadá, alcanzando a más de un millón de agentes. El anuncio, realizado el 20 de abril de 2026, incluye a socios como el San Francisco Association of Realtors y Greater Vancouver Realtors. Cada imagen que entra al sistema se clasifica por tipo de habitación, se etiqueta por características detectadas y se verifica antes de que el agente publique la ficha. Los portales de LATAM no ofrecen nada equivalente.
Por qué el análisis automático de fotos cambia la operación del agente
Cuando una foto de un dormitorio entra al MLS integrado con visión computacional, el modelo la examina en menos de un segundo: clasifica el tipo de habitación, detecta características físicas (piso de madera, closet empotrado, ventana), asigna una puntuación de condición (nueva, buena, requiere renovación) y verifica que cumpla los criterios técnicos del portal (resolución mínima, ausencia de personas en la imagen, ángulo legible). Todo esto ocurre antes de que el agente publique.
El 85% de los compradores de vivienda considera que las fotos son el factor más importante al evaluar una propiedad en línea (NAR, septiembre 2025). El 70% descarta propiedades basándose exclusivamente en imágenes deficientes. Las consecuencias son cuantificables: propiedades con fotografía profesional se venden en un promedio de 89 días, frente a 123 días para las que no la tienen, según datos de Redfin citados por Roomagen (febrero 2026). Las fichas con menos de nueve fotos tienen un 20% menos de probabilidad de venderse en los primeros 60 días.
Con esos datos, el análisis automático no es un accesorio: es un control de calidad que afecta directamente cuánto tiempo tarda en venderse cada propiedad.
La brecha de estándar entre el portal de Norteamérica y los de LATAM
En el modelo de MLS de Norteamérica, el análisis automático eleva el piso de calidad de toda la plataforma. Una agencia que sube fotos deficientes recibe retroalimentación antes de publicar. El portal, al tener estándares verificables, asegura que los compradores encuentren fichas por encima de cierto umbral en toda la oferta disponible.
En LATAM, ese mecanismo no existe. Un portal como Mercado Libre Inmuebles o Lamudi acepta cualquier foto que el agente suba, sin análisis ni retroalimentación automática. El resultado es dispersión notable dentro de la misma plataforma: algunas fichas tienen 25 fotos bien tomadas, otras tienen tres en baja resolución. Esa dispersión perjudica al comprador que pierde tiempo filtrando, y a las agencias que invierten en fotografía profesional porque compiten en el mismo contexto visual que quienes no lo hacen.
La brecha es especialmente visible cuando una inmobiliaria comparte el mismo portal que otras del mercado. En Ciudad de México, Bogotá o Panamá, una agencia con 80 propiedades activas compite por la atención del comprador en una plataforma donde la calidad de presentación varía enormemente entre fichas. El comprador que ve una ficha con tres fotos mal tomadas asocia esa impresión a la agencia que la publica, no solo a la propiedad.
El 39% de los agentes en Estados Unidos ya usa IA específicamente para la edición y selección de fotos de sus fichas (según RPR, citado por Roomagen, 2026). En LATAM no existe un dato equivalente publicado, pero el punto de partida estructural es diferente: la ausencia de análisis en el portal hace que cada agencia deba resolver la calidad de fotos de forma individual, sin el respaldo de un estándar mínimo de la plataforma.
La IA que se adopta y la que genera impacto: una brecha confirmada
En 2025, el 68% de los agentes inmobiliarios en Estados Unidos reportó usar herramientas de IA, según la encuesta tecnológica de NAR con 1.241 agentes activos (septiembre 2025). Solo el 17% reportó un impacto significativamente positivo en su negocio. El 46% dijo que no notó ningún cambio.
La distribución de herramientas explica parte de esa brecha: ChatGPT (58% de adopción entre agentes), Gemini (20%), Copilot (15%). La IA que la mayoría adopta es IA de texto, orientada a redactar descripciones y responder correos. La IA de visión, que analiza imágenes y produce datos estructurados directamente utilizables en el CRM o en el portal, tiene una adopción diferente: 39% para edición de fotos (RPR, 2025) y apenas 3% para herramientas de voz y activos digitales conectados.
La tendencia se confirma a nivel global: en su encuesta con 1.500 tomadores de decisión en 16 mercados (octubre 2025), JLL reportó que el 88% de los inversores e inmobiliarias institucionales tenía proyectos piloto de IA activos, pero solo el 5% alcanzó la mayoría de sus objetivos. El patrón se repite en gestión de propiedades en arriendo: según TechnBrains (julio 2026), la adopción de IA en ese segmento saltó de un 20% en 2024 a un 58% en 2025, pero solo el 8% de las empresas ha automatizado completamente algún proceso.
El volumen de herramientas en uso no es proporcional al cambio en los flujos operativos. Lo que diferencia a quienes ven resultados es haber integrado la IA en un paso específico del flujo de trabajo, no haberla probado en varios a la vez.
Qué está disponible para una agencia en LATAM hoy
La tecnología subyacente que alimenta el análisis de 1.000 millones de fotos al mes está disponible como API: Google Vision AI, AWS Rekognition, y modelos multimodales como GPT-4o o Gemini 1.5 Flash. Una agencia o un proveedor de software inmobiliario puede construir un flujo de verificación que analice cada imagen antes de subir la ficha al portal.
El flujo puede ser directo: el agente sube las fotos de una nueva captación, el modelo las examina, devuelve una lista ordenada de las mejores, señala las que tienen problemas evidentes (sobreexposición, ángulo incorrecto, objetos que distorsionan el espacio), y extrae las características detectadas para pre-llenar el CRM. Lo que Restb.ai implementó a escala institucional con 26 MLSs, una agencia en Colombia, México o Panamá puede aproximarlo en su proceso interno sin esperar a que el portal lo haga.
El costo de procesamiento con los modelos actuales es bajo: analizar 25 fotos por propiedad cuesta aproximadamente $0.03 en total. Para una agencia con 50 captaciones al mes, el costo mensual de ese análisis es menor a $2.
Qué hacer con esto
El primer paso no es contratar un proveedor ni esperar que el portal de tu mercado implemente el análisis automático. Es hacer un diagnóstico del portafolio activo con tres preguntas: qué porcentaje de fichas tiene más de nueve fotos, qué porcentaje tiene fotos en condiciones técnicas aceptables, y cuánto tarda en promedio cada propiedad en generar el primer contacto desde el portal.
Esos tres números orientan la decisión. Si la mayoría de las propiedades tiene pocas fotos o de calidad dispar, la visión computacional tiene impacto directo y la implementación es técnicamente simple: un paso en el flujo de carga que llame a la API de un modelo de visión antes de subir cada lote de fotos al portal. Si las propiedades ya tienen fotos consistentes pero los tiempos de contacto son largos, el problema puede estar en la descripción o en el precio, y el análisis de fotos no lo resolverá.
Lo que los MLSs de Norteamérica tardaron años en estandarizar a nivel de plataforma, una agencia en LATAM puede incorporarlo como proceso interno. No como un proyecto de IA: como un paso más en el flujo de carga de una nueva propiedad.