ChatGPT vende una propiedad en Miami... o no?

Hay una historia circulando en Miami sobre un propietario que decidió vender su casa usando ChatGPT en lugar de contratar un agente. El titular suena provocador. La realidad, como casi siempre, es más matizada.

Según la nota, el vendedor quedó satisfecho con el proceso. Cinco ofertas en 72 horas. Misión cumplida, en apariencia. Pero hay un detalle que el vendedor probablemente no consideró: recibir cinco ofertas en tan corto plazo no es necesariamente una señal de éxito. A veces es exactamente lo contrario — una señal de que la propiedad salió al mercado por debajo de su valor real. Cuando el precio está bien calibrado, el mercado responde con interés. Cuando está por debajo, responde con urgencia.

La agente del comprador — quien terminó ejecutando el trabajo de ambos lados de la transacción, sin representar formalmente al vendedor — identificó de inmediato los problemas. El listado de la propiedad no enseñaba sus fortalezas. Estaba mal fotografiada. El backyard amplio, la piscina sobredimensionada, los detalles de diseño que cambian completamente la percepción de un inmueble en persona: nada de eso aparecía en el listing. La valuación, según la broker, dejó dinero significativo sobre la mesa — posiblemente más que la comisión que el vendedor intentó ahorrarse.

Vale la pena detenerse en eso un momento. El vendedor no solo dejó dinero en el precio. También operó sin representación exclusiva en una transacción donde la única orientación disponible vino de la parte contraria. Eso no es un ahorro — es una exposición. La agente del comprador actuó con profesionalismo e integridad, pero ese no es un escenario en el que un vendedor debería confiar por defecto.

La IA hizo el trabajo que podía hacer. Y se detuvo exactamente donde siempre se detiene, en el último 1%.

El tramo final es el que más cuesta

El avance de la inteligencia artificial es genuinamente impresionante. En casi cualquier industria, los modelos actuales pueden ejecutar tareas que hace cinco años habrían requerido años de formación especializada. Eso es real y no tiene sentido minimizarlo.

Pero hay un patrón que se repite: el progreso es rápido hasta un punto, y luego el último tramo se vuelve desproporcionadamente difícil de cerrar. Las herramientas llegan lejos — muy lejos — pero se frenan justo donde el trabajo deja de ser ejecución y se convierte en criterio. Y ese último tramo, en industrias donde las decisiones tienen consecuencias patrimoniales reales, no es un detalle menor. Es frecuentemente lo que separa un buen negocio de uno costoso.

Lo que no entra en ninguna base de datos

Hay algo que la agente de esta historia tenía y que ningún modelo puede replicar: conocía ese mercado de manera íntima, propiedad por propiedad, transacción por transacción. Sabía que, por ejemplo, ese backyard era un diferencial porque había visto suficientes propiedades en esa zona como para entender qué es escaso y qué es común. Y la escasez, en real estate, tiene precio — un precio que ningún sistema automatizado supo calcular.

Pero el conocimiento del mercado es solo una parte. La otra es el factor humano — y en real estate, ese factor se traduce directamente en valor económico de una manera que pocas industrias pueden igualar.

La compra o venta de un inmueble rara vez es una decisión puramente financiera. Incluso cuando se trata de una inversión, hay capas emocionales que mueven la negociación: el apego, la incertidumbre, el miedo a equivocarse, la expectativa. Un profesional experimentado lee esas capas en tiempo real y las usa para construir acuerdos, sostener procesos que de otra manera se caerían, y orientar decisiones en momentos donde la lógica sola no alcanza. Eso no es trabajo blando — es trabajo que tiene impacto directo en el resultado económico de la transacción.

Una herramienta no calma a un vendedor que cree que algo está saliendo mal. No lee la dinámica de una negociación tensa. No sabe cuándo ceder y cuándo sostener. Y no construye la confianza que permite que un proceso llegue a cierre cuando las cosas se complican — que es, con más frecuencia de lo que parece, casi siempre.

El sesgo que nadie menciona

Existe otro problema con los modelos de IA que rara vez entra en la conversación pública: tienden a decirte lo que querés escuchar.

Un colega en Nueva York — uno de los agentes más respetados del mercado de lujo — estuvo involucrado en una transacción de ocho cifras que casi se cae por esta razón exacta.

Comprador y vendedor, de manera independiente, consultaron al mismo modelo de inteligencia artificial:

• El vendedor recibió como respuesta que estaba vendiendo muy por debajo del valor de mercado.
• El comprador recibió que estaba pagando muy por encima.

Ambos, convencidos por la misma herramienta, en posiciones opuestas e irreconciliables.

Fue necesaria la intervención de los agentes para traer datos reales, contexto específico y un análisis fundamentado que permitiera a ambas partes entender que estaban frente a un negocio justo. La transacción cerró. Pero por poco.

Este no es un caso pintoresco. Es una ilustración de algo estructural: los modelos de lenguaje están entrenados para generar respuestas coherentes y satisfactorias — no para ser neutrales. En una negociación donde dos partes buscan validación de posiciones opuestas, eso puede ser exactamente lo más peligroso.

Los modelos de valuación llevan décadas entre nosotros

La inteligencia artificial en real estate no nació con ChatGPT. Lleva décadas en forma de modelos automatizados de valuación — los mismos que plataformas como Zillow popularizaron y que el artículo menciona de pasada.

¿El resultado? Esos mismos modelos publican, en su propia plataforma, márgenes de error de aproximadamente 7% en cualquier dirección.

Para ilustrarlo, según modelos como Zillow: un departamento valuado en $1.7 millones implica un rango real que va desde $1.58 hasta $1.82 millones. Casi $240,000 de incertidumbre en un solo activo.

Y eso antes de considerar los factores que el modelo nunca va a capturar: la vista desde el piso 18 versus el piso 30, el ruido de la avenida en el 4, el estado real de la unidad, la dinámica del edificio, o las condiciones del submercado en este momento específico.

Si ese nivel de precisión es suficiente para la decisión que estás tomando, la herramienta te alcanza. Si no, la conversación es otra.

Una herramienta sigue siendo una herramienta

Uso inteligencia artificial todos los días — varios modelos, para distintas propósitos. Me ayuda a procesar información, estructurar análisis, agilizar trabajo. Es probablemente el avance tecnológico más significativo que la humanidad ha presenciado, y sería ingenuo ignorarlo o resistirlo.

Y precisamente porque la uso con regularidad, tengo claro dónde termina su utilidad.

Una herramienta potencia el criterio de quien la opera. No lo reemplaza. En operaciones donde el margen de error tiene consecuencias reales, la toma de decisiones sigue siendo territorio humano — construido con tiempo, con experiencia directa, y con la capacidad de leer lo que no aparece en ninguna base de datos.

El vendedor de Miami aprendió esa lección. Por suerte, tuvo a alguien del otro lado con la integridad de enseñársela.