Una desarrolladora inmobiliaria en Guadalajara tardaba tres semanas en producir el análisis de mercado que precede a cada proyecto: un analista revisando portales, cruzando datos del INEGI, leyendo PDFs de avalúos anteriores y llenando una hoja de cálculo a mano. El resultado era correcto, pero lento y difícil de repetir cuando cambiaban las condiciones del mercado.
El problema no era falta de datos. Era que los datos existían en formatos que ninguna herramienta convencional podía leer de forma automática: PDFs escaneados, tablas en HTML sin estructura consistente, reportes en Word con campos en distintas posiciones según quién los escribió. Ahí es donde los LLMs tienen un rol concreto y medible.
Qué hacen los LLMs en un análisis inmobiliario (y qué no hacen)
Un LLM no es un oráculo de precios. No va a decirte cuánto va a valer un departamento en Monterrey en 18 meses. Lo que sí hace bien es leer texto no estructurado y convertirlo en datos estructurados.
Ejemplos concretos:
- Tomar 200 PDFs de avalúos y extraer: superficie, precio por m², colonia, fecha, tipo de inmueble.
- Leer 500 listings de Inmuebles24 y normalizar campos inconsistentes (“Colonia del Valle”, “Col. del Valle”, “Del Valle” → mismo valor).
- Procesar actas del Registro Público de la Propiedad y extraer monto de transacción, fecha de escritura y uso de suelo.
El output no es un análisis terminado. Es una tabla limpia que un analista —o un modelo predictivo— puede usar sin pasar horas de limpieza manual. El LLM es el paso de ETL, no el paso de decisión.
Fuentes de datos públicos que realmente funcionan en México
Antes de hablar de modelos, hay que hablar de datos. Estas son las fuentes que tienen cobertura suficiente para análisis serios:
INEGI — Índice de Precios de la Vivienda (IPVI): precio promedio por m² a nivel estatal y algunas ciudades. Actualización trimestral. Útil para tendencias macro, no para análisis por colonia.
Registro Público de la Propiedad: disponibilidad varía por estado. Ciudad de México, Jalisco y Nuevo León tienen portales de consulta. Los datos de escrituras permiten reconstruir precios de cierre reales, no precios de lista.
Portales de listings (Inmuebles24, Lamudi, Vivanuncios): datos de oferta activa. No reflejan precio de cierre, pero sí inventario disponible, tiempo en mercado y distribución geográfica. Se pueden obtener via scraping con términos de uso revisados.
SEDATU — Polígonos de uso de suelo: datos geoespaciales de zonificación. Críticos para evaluar si un predio tiene potencial de densificación.
Lo que observamos en Eurema con clientes del sector inmobiliario es que la mayoría ya tiene acceso a estas fuentes, pero las usa de forma manual y no sistemática. El cuello de botella no es conseguir los datos sino procesarlos a escala.
Arquitectura de un pipeline básico
Un pipeline funcional para una desarrolladora mediana no necesita ser complejo. Una versión mínima viable tiene cuatro pasos:
1. Ingesta: scripts que descargan datos de las fuentes públicas en intervalos definidos (semanal para listings, mensual para INEGI). Formato de salida: JSON o CSV estandarizado.
2. Extracción con LLM: un modelo como GPT-4o o Claude 3.5 Sonnet recibe cada documento y devuelve un JSON con los campos definidos. El prompt incluye ejemplos de extracción correcta (few-shot) para reducir errores en campos ambiguos.
3. Validación: reglas de negocio que detectan outliers obvios antes de que entren a la base de datos. Precio por m² fuera de rango para la zona, fechas imposibles, campos vacíos en campos obligatorios.
4. Dashboard: visualización de inventario, precios por colonia, tendencias de tiempo en mercado. Herramientas como Metabase o Looker Studio son suficientes para empezar; no se necesita infraestructura custom.
El costo operativo de este pipeline en producción —llamadas a API del LLM más hosting— ronda los 200–500 USD mensuales para una desarrolladora procesando 2,000–5,000 documentos al mes. No es gratis, pero es predecible.
Dónde el análisis con LLMs falla (y cómo mitigarlo)
Ser directo sobre las limitaciones evita proyectos que mueren a los tres meses:
Alucinaciones en extracción de datos: los LLMs pueden inventar campos cuando el documento es ambiguo o de baja calidad. La mitigación es doble: validación automática con reglas de negocio y revisión humana de una muestra aleatoria del 5–10% de los registros.
Documentos escaneados sin OCR: un PDF escaneado sin capa de texto es invisible para un LLM. Necesitas un paso de OCR previo (Tesseract, AWS Textract, Google Document AI). La calidad del OCR determina la calidad de la extracción.
Datos públicos desactualizados o incompletos: el IPVI es trimestral y el Registro Público tiene rezagos de meses en algunos estados. Un análisis basado solo en datos públicos va a tener puntos ciegos. La solución es complementar con datos internos de la empresa: precios de cierre históricos propios, costos de construcción reales.
Drift del mercado: un modelo entrenado con datos de 2022–2023 puede no capturar la dinámica de 2025 en mercados que se movieron rápido. Los pipelines necesitan reentrenamiento o ajuste periódico, no son set-and-forget.
En proyectos de Análisis de datos que hemos estructurado para el sector, el criterio que usamos en Eurema para decidir si vale la pena automatizar es simple: si el proceso manual toma más de 8 horas por análisis y se repite más de una vez al mes, el ROI de automatizarlo es positivo en menos de 6 meses.
Qué puede hacer un analista humano que el pipeline no puede
El pipeline produce datos. El analista produce juicio.
Un LLM no sabe que el desarrollo de uso mixto que anunció el municipio va a cambiar el perfil de demanda en esa colonia en 24 meses. No sabe que el desarrollador que vendió barato en el Q3 lo hizo porque tenía un problema de flujo de caja, no porque el mercado cayó. No sabe que ese predio tiene un problema de servidumbre que no aparece en ningún documento público.
El valor del analista está en contextualizar lo que el pipeline no puede ver. El pipeline libera al analista de las horas de captura y limpieza para que pueda dedicar tiempo a eso.
Una desarrolladora con la que trabajamos en Eurema pasó de producir un análisis de mercado cada tres semanas a producir uno cada tres días, con el mismo equipo. El analista no desapareció; cambió lo que hacía durante esas horas.
Por dónde empezar si tienes una operación inmobiliaria mediana
Si estás evaluando si esto aplica para tu empresa, el primer paso no es elegir un modelo de IA. Es mapear cuánto tiempo invierte tu equipo hoy en captura y limpieza de datos de mercado, y en qué decisiones usa esos datos.
Si la respuesta es “más de 20 horas al mes” y las decisiones tienen tickets de varios millones de pesos, la automatización tiene sentido económico. Si es menos, probablemente una hoja de cálculo bien estructurada es suficiente por ahora.
Para el sector inmobiliario en LatAm, el stack que funciona no es el más sofisticado —es el que tu equipo puede operar y mantener sin depender de un ingeniero de ML a tiempo completo. Puedes ver cómo estructuramos ese tipo de soluciones en nuestra página de Análisis de datos o en los proyectos que desarrollamos para la industria inmobiliaria.
El siguiente paso concreto: documenta un análisis de mercado que hayas hecho recientemente, paso a paso, con tiempos. Ese documento es el insumo para diseñar qué automatizar y en qué orden.