La ilusión de la inminencia: ¿Dónde está esa tan cacareada AI ?

Durante gran parte de la última década, el sector inmobiliario del Reino Unido ha hablado de Inteligencia Artificial algo que está por llegar: inminente, inevitable, pero siempre a la vuelta de la esquina. Las agendas de las conferencias están repletas de mesas redondas sobre PropTech, las estrategias de innovación están plagadas de referencias a data la automatización, y la mayoría de las grandes empresas pueden señalar al menos un puñado de proyectos piloto, iniciativas poco convincentes o pruebas de concepto. Y, sin embargo, para muchos profesionales sobre el terreno, el progreso sigue pareciendo vacilante y fragmentado. AI estar presente en todas partes en la retórica, pero solo está integrada de forma selectiva en la realidad.

Esta aparente apatía, sin embargo, oculta una realidad más matizada. La cuestión no es que AI encontrar su lugar en el sector inmobiliario, ni que la tecnología en sí misma sea inmadura. De hecho, AI ya AI aportando un valor tangible en las transacciones, la valoración, la gestión de activos y la explotación de edificios. La verdadera pregunta es por qué su adopción ha sido más lenta, más cautelosa y más desigual que en muchos sectores comparables. La respuesta radica menos en los algoritmos y mucho más en las características estructurales del propio sector inmobiliario británico.

Para comprender hacia dónde se dirige el sector, primero debemos ser sinceros sobre cuál es su situación actual.

El cambio: de la fase piloto a la integración en los flujos de trabajo

En los últimos doce a dieciocho meses se ha producido un cambio significativo. AI dejado atrás de forma decisiva la fase experimental para integrarse en los flujos de trabajo profesionales cotidianos. Hace solo un año, la mayoría de las iniciativas seguían planteándose como proyectos piloto, a menudo limitados a pequeños equipos de innovación que trabajaban en la periferia de la empresa. Estas iniciativas solían centrarse en herramientas conversacionales: chatbots diseñados para responder a preguntas básicas, redactar textos o extraer información de repositorios de documentos. Aunque útiles, rara vez estaban conectados con los procesos operativos fundamentales.

Hoy en día, el panorama es muy diferente. AI cada vez más integrada en el trabajo diario de topógrafos, analistas, gestores de activos y equipos operativos. La velocidad del cambio ha sido sorprendente. Mientras que gran parte de la actividad del año pasado giraba en torno al uso de modelos de lenguaje a gran escala (LLM) como asistentes pasivos, la atención se ha desplazado ahora hacia los sistemas agentivos: AI capaces de ejecutar tareas de varios pasos de forma autónoma, recopilar información, validar entradas, redactar resultados y escalar problemas para su revisión humana en momentos definidos.

Sin embargo, a pesar de esta aceleración, hay un principio que se ha mantenido prácticamente intacto en todo el sector inmobiliario del Reino Unido: AI utiliza como apoyo en la toma de decisiones, no como responsable de tomarlas. Esa distinción no es casual, ni se debe únicamente al conservadurismo cultural. Refleja una concepción profundamente arraigada de la responsabilidad profesional y el riesgo que sigue determinando hasta dónde las empresas están dispuestas y son capaces de llegar.

AI la práctica topográfica: ampliación, no automatización

Transacciones y diligencia debida

En la práctica, esto se hace más evidente en las transacciones y la diligencia debida, que siguen siendo el ámbito más consolidado en cuanto a AI . En este caso, la propuesta de valor es clara e inmediata. AI se utilizan ahora de forma habitual para leer y analizar grandes conjuntos de documentos, extraer cláusulas clave de los contratos de arrendamiento, resumir condiciones urbanísticas, certificados de eficiencia energética y manuales operativos, y generar primeros borradores de contratos de arrendamiento, listados e reports de diligencia debida. El concepto fundamental que sustenta todos estos casos de uso es el de la «primera pasada». AI los equipos detectar problemas más rápidamente, estructurar la información de forma más coherente y centrar la atención profesional donde más importa. No elimina la necesidad del criterio profesional y la experiencia; más bien, los agudiza.

Valoración e investigación de mercado

Se observa una tendencia similar en el ámbito de la valoración y los estudios de mercado. AI utiliza cada vez más para seleccionar datos comparables, redactar comentarios iniciales sobre el mercado y realizar análisis de escenarios o de sensibilidad a una velocidad y a una escala que antes habrían sido inviables. Sin embargo, la opinión de valoración en sí misma sigue recayendo firmemente (y legalmente) en el valorador. Tanto desde el punto de vista profesional como desde la perspectiva de las aseguradoras, no puede ser de otra manera. AI el análisis, pero no da, ni debe dar, el visto bueno a los dictámenes de valoración. Nunca lo hará.

Gestión de activos y carteras

En la gestión de activos y carteras, el énfasis vuelve a cambiar, pasando de la rapidez a la perspectiva. AI las empresas analizar sus carteras de nuevas formas, explorando cuestiones relacionadas con la sensibilidad a los tipos de interés, la exposición a la desocupación o las prioridades de asignación de capital con mucha mayor profundidad y coherencia de lo que permiten los enfoques manuales. Una vez más, no se trata de una automatización de la toma de decisiones, sino de una mejora del pensamiento estratégico.

Gestión de instalaciones y gestión energética

Quizás el ejemplo más claro del potencial AIse encuentre en la gestión de instalaciones y la gestión energética, ámbitos en los que su implantación ha sido mayor allí donde data de buena calidad. El mantenimiento predictivo, la optimización energética y la detección temprana de averías se prestan de forma natural a enfoques data, y los beneficios económicos suelen ser fáciles de cuantificar. Como era de esperar, estos casos de uso han encontrado menos resistencia que aquellos que afectan al criterio profesional fundamental.

Las limitaciones estructurales de la adopción en el Reino Unido

Dada esta amplia gama de aplicaciones, es lógico preguntarse por qué AI en el sector inmobiliario no parece estar más avanzada. La respuesta es que las principales limitaciones no son de carácter tecnológico, sino estructurales y humanas, como suele ocurrir.

El Desafío de Data

El reto más evidente, y también el más persistente, son data. data inmobiliarios data notoriamente fragmentados, incoherentes, de difícil acceso y, a menudo, no estructurados. Un mismo activo puede aparecer con múltiples nombres (o direcciones) en distintos sistemas; los documentos suelen contradecirse entre sí; y la información crítica suele quedar oculta en repositorios aislados de archivos PDF, escaneos o largas cadenas de correos electrónicos. AI tienen dificultades para escalar en estas condiciones. Sin data sólida, incluso los modelos más sofisticados rendirán por debajo de lo esperado.

También hay en juego una cuestión más profunda y específica del sector. El sector inmobiliario es, por naturaleza, un sector no estandarizado. No hay dos activos que sean realmente iguales. Las características físicas varían, al igual que las estructuras de tenencia, los paquetes de incentivos y los matices contractuales. A diferencia de las materias primas o los bienes de consumo, las transacciones inmobiliarias son de alto valor, bajo volumen e intrínsecamente únicas. Esto hace que la creación de conjuntos de datos limpios y estadísticamente sólidos resulte mucho más difícil que en los sectores que trabajan con productos estandarizados que se comercializan a gran escala.

Aunque el Reino Unido cuenta con un amplio data relacionados con el sector inmobiliario (y con conjuntos de datos contextuales aún más completos), superior al de la mayoría de sus homólogos de la UE, presenta notorias lagunas en sus conjuntos data . No existen data fiables sobre arrendamientos, ni API del Registro de la Propiedad del Reino Unido que permitan extraer transacciones de venta a gran escala; data urbanísticos están fragmentados y data innumerables cortafuegos, y las autoridades locales están mal integradas a data nacional. Si bien, en algunos aspectos, existe el riesgo de verse desbordados por data, persisten importantes lagunas que limitan los posibles casos AI .

Gobernanza, rendición de cuentas y riesgo

Más allá de data, cobran gran importancia las cuestiones relacionadas con la rendición de cuentas, la gobernanza y data . La mayoría de las actividades del sector inmobiliario están estrictamente reguladas y los gobiernos suelen mostrarse (a menudo con razón) reacios a adoptar cambios que puedan afectar a la ciudadanía. Cuando Artefact AI prácticos AI a través de la Royal Institution of Chartered Surveyors (RICS), estas mismas preocupaciones surgen una y otra vez. ¿Quién es el propietario de un resultado AI? ¿Quién es responsable si es erróneo? ¿Con qué data entrenó el modelo y adónde va la información del cliente una vez procesada? No se trata de preguntas abstractas. Los tasadores manejan información altamente sensible y sigue existiendo un malentendido generalizado sobre cómo funcionan los grandes modelos de lenguaje, especialmente en lo que respecta a data , el entrenamiento y el riesgo. Hasta que estas cuestiones no se aborden claramente mediante la gobernanza y las políticas, muchas empresas seguirán mostrándose cautelosas, prefiriendo proyectos piloto limitados al despliegue a gran escala.

Inercia cultural y organizativa

Los factores culturales y organizativos agravan aún más esta cautela. El sector inmobiliario del Reino Unido es, por naturaleza, de evolución lenta y reacio al riesgo. Los ingresos son a largo plazo y relativamente predecibles (en particular para los grandes REIT y las constructoras), los márgenes están bajo presión y las condiciones del mercado siguen siendo difíciles. En un entorno así, la preservación de la liquidez suele tener prioridad sobre la experimentación. Además, las empresas inmobiliarias suelen operar con una plantilla relativamente reducida en comparación con el valor de los activos o los ingresos, lo que significa que las mejoras en la eficiencia no siempre se traducen en reducciones inmediatas del coste por empleado a tiempo completo. Esto puede hacer que el retorno de la inversión sea más difícil de cuantificar en términos tradicionales.

Los factores demográficos también influyen. La edad media en el sector sigue aumentando, y la industria tiene dificultades para atraer a jóvenes talentos, AI, capaces de impulsar el cambio desde dentro. No se trata simplemente de una cuestión de competencias, sino de mentalidad y de que las herramientas digitales se consideren algo habitual y no un complemento.

El papel de la RICS: Impulsar una adopción responsable

La RICS está asumiendo un papel de liderazgo mundial a la hora de preparar a la profesión de la tasación para la adopción responsable de AI. Reconociendo que AI ya AI transformando la práctica diaria, desde el apoyo a la valoración y la modelización de riesgos hasta data . La RICS ha publicado recientemente una innovadora norma profesional global sobre el uso responsable de AI. Esta norma no pretende frenar la innovación, sino apoyar una adopción segura y ética, estableciendo expectativas básicas claras en materia de competencia, gobernanza y rendición de cuentas entre sus 150 000 tasadores colegiados en todo el mundo.

La nueva norma de conducta se aplica a todos los miembros de la RICS y a las empresas reguladas en las que AI tienen un impacto significativo en la prestación de servicios. El marco, elaborado en colaboración con figuras clave del sector —entre las que se encuentra Artefact el grupo de trabajo—, se centra en reforzar el criterio profesional al tiempo que potencia los conocimientos especializados. La norma describe los requisitos fundamentales en cinco áreas: establecer una base de AI ; reforzar la gestión de la práctica profesional mediante la gobernanza y los registros de riesgos; introducir expectativas claras en materia de diligencia debida a la hora de adquirir AI de terceros; reforzar el criterio profesional, el escepticismo y la transparencia al confiar en AI ; y establecer expectativas de responsabilidad para quienes participan en el desarrollo AI .

Este enfoque proactivo es fundamental para gestionar los nuevos riesgos profesionales que plantea AI, garantizar una práctica coherente y proteger la confianza de los clientes. La RICS considera que, al proporcionar este marco común, la profesión puede adoptar la innovación sobre una base ética y profesional sólida, atrayendo a talentosAI e impulsando el avance del sector.

Es fundamental destacar que las nuevas normas forman parte de un ecosistema más amplio e integral de la RICS destinado a impulsar AI responsable AI . Esto incluye la adaptación de las Evaluaciones de Competencia Profesional (APC), la organización de cursos de formación práctica (como el muy popular «Global Harnessing AI Data the Built Environment») y la publicación de documentos de orientación práctica. Este esfuerzo concertado proporciona a los topógrafos un conjunto de herramientas completo, que les permite implementar AI mayor confianza e integridad y garantiza que la RICS siga siendo relevante en la era digital.

Adopción pragmática: los principios fundamentales

El reto inherente radica en el factor humano: quienes forman parte del sector inmobiliario suelen mostrar reticencia, e incluso aversión, a aceptar cambios significativos. Si bien la inercia normativa sin duda influye, existe una barrera más fundamental en las actitudes predominantes. En las conversaciones con altos ejecutivos del sector inmobiliario y tasadores suelen surgir principios como«si no está roto, no lo arregles», «ninguna AI mis décadas de profunda experiencia contextual» o «nuestros clientes no nos pagan para que utilicemos AI». Aunque estas perspectivas contienen una pizca de verdad, suelen indicar un liderazgo preocupado por preservar el statu quo en lugar de buscar una eficiencia transformadora.

La avalancha inicial de mensajes exagerados y, a menudo, contradictorios en torno a AI contraproducente, ya que generó escepticismo y confusión. Sin embargo, ahora estamos superando con firmeza el «valle de la desilusión» y comenzando a ascender por la «pendiente de la iluminación» (un patrón reconocible en el ciclo de hype de Gartner). Esta transición implica que el enfoque debe pasar de «qué pasaría si» a «cómo». Para el topógrafo individual, esto ha generado incertidumbre sobre el punto de partida práctico para su adopción.

Para impulsar un cambio auténtico, es esencial adoptar un enfoque doble que combine el «poder blando» y el «poder duro».

Desde una perspectiva de «poder blando», las organizaciones deben apoyar y fomentar de forma visible a AI internos AI . Esto implica llevar a cabo de forma sistemática sesiones informativas y formativas atractivas, establecer un ciclo continuo en el que se demuestren los primeros éxitos tangibles, compartir abiertamente los recursos, documentar los fracasos y las conclusiones, y garantizar la mejora continua de las competencias de los compañeros. Es fundamental señalar que este cambio cultural no puede afianzarse sin que los niveles más altos de la dirección den un ejemplo claro, coherente y activo.

Estas iniciativas culturales deben complementarse de manera sólida con el «poder duro» que suponen las reformas estructurales y operativas. Esto requiere un cambio irrevocable en las formas de trabajar actuales, la exigencia de certificaciones AI técnicos AI para puestos clave, el rediseño de las estructuras organizativas, el perfeccionamiento de los modelos operativos y la actualización de las matrices RACI. El objetivo es garantizar que AI de tratarse como una actividad voluntaria y «secundaria», para integrarse plenamente en el funcionamiento habitual de la empresa (BAU). Esta integración debe extenderse a las asignaciones presupuestarias y a los indicadores de rendimiento, considerando AI como un motor fundamental del negocio, y no como un proyecto tecnológico periférico.

Por encima de todo, las organizaciones deben fomentar un entorno que anime a la experimentación, aunque ello implique pequeños fracasos. Para ello, es necesario promover debates sinceros y data sobre la utilidad práctica de AI las mejoras verificables en la eficiencia que aporta (o sobre los casos en los que simplemente se trata de una «herramienta llamativa» con un valor limitado). Las aplicaciones de AI más impactantes AI en Artefact aquellas que se integran a la perfección en los flujos de trabajo existentes. Si la adopción de una herramienta requiere un esfuerzo significativo para obtener una ganancia marginal, inevitablemente será abandonada en masa. Por el contrario, el mayor éxito suele provenir de aquellas aplicaciones que no son necesariamente visibles, pero que silenciosamente facilitan de manera demostrable la vida profesional al automatizar tareas repetitivas, manuales y «desmoralizantes». Ser deliberado y preciso a la hora de identificar e implementar estos casos de uso de alto impacto y baja fricción es fundamental para impulsar una adopción real y sostenida.

¿Cómo se presenta el futuro?: Tres horizontes temporales, más o menos

De cara al futuro, las oportunidades para AI en el sector inmobiliario del Reino Unido pueden analizarse en tres grandes horizontes temporales.

A corto plazo (próximos 6 meses): logros prácticos y de bajo riesgo

Las mejoras más convincentes son aquellas que resultan prácticas y entrañan un riesgo reducido. La estandarización de la recepción de instrucciones, la automatización de los primeros borradores de reports referencias claras a las pruebas, la extracción de listas de verificación estructuradas de los contratos de arrendamiento y los documentos de planificación, y la implementación de herramientas de conocimiento interno que respondan a preguntas como «¿cómo abordamos esto la última vez?», todo ello supone un ahorro de tiempo inmediato. Cabe destacar que es probable que algunas de las mayores ventajas se encuentren en funciones administrativas como RR. HH., finanzas y marketing, lo que libera a los peritos para que se centren en las relaciones con los clientes y en el trabajo de asesoramiento de mayor valor.

Plazo medio (de 6 a 18 meses): Integración del proceso agencial

El verdadero valor surge de la integración de los procesos. Los flujos de trabajo de transacciones de extremo a extremo impulsados por AI agentiva, las plataformas de gestión de activos que combinan data el estado, el cumplimiento normativo, la energía y los gastos de capital, y las herramientas que facilitan la rehabilitación y la optimización hacia el consumo neto cero entran todos en esta categoría. El éxito en este ámbito depende menos de AI más avanzados y más de un diseño e integración de procesos bien pensados. Todos los modelos fundamentales han dado pasos de gigante recientemente en el desarrollo y la estandarización de capacidades agentivas, de modo que su implementación se ha convertido en un juego de niños.

A más largo plazo (de 18 a 36 meses): un análisis más profundo y nuevos servicios

Las empresas centrarán cada vez más su atención en obtener un conocimiento más profundo, lo que incluye la planificación, el análisis geoespacial y de riesgos climáticos, los gemelos digitales a nivel de cartera y nuevos servicios de asesoramiento data. Sin embargo, estas ambiciones solo se harán realidad si ya se cuenta con data sólida y con datos de calidad.

Aún más a largo plazo (más de 36 meses): angustia existencial

Los usuarios de «X», o incluso quienes siguen de forma ocasional las noticias generales, pueden sentir una sensación de pánico abrumador, casi existencial. El ritmo AI es imparable. Estamos viendo cómo los robots humanoides sustituyen a los trabajadores de fábrica e incluso se utilizan como soldados; cómo los coches autónomos por fin están alcanzando su pleno potencial; cómo Neuralink promete aumentar las capacidades humanas; cómo la computación cuántica se acerca poco a poco a la realidad; cómo se produce una aceleración masiva en la investigación científica; y cómo se generaliza el dominio deAI ».

Sin embargo, a pesar de esta incesante cascada de descubrimientos y avances, el mayor interés actual se centra en la posible culminación de los esfuerzos a largo plazo hacia la IGA (Inteligencia Artificial General) —un AI mucho más complejo y sensible al contexto que, en teoría, podría igualar, si no superar, al cerebro humano— y en los profundos cambios sociales que esto implica. ¿Impulsará realmente la productividad hasta tal punto que el empleo se convierta en algo opcional y que recurrir a la renta básica universal se convierta en una vía prometedora hacia el futuro?

La cantidad sin precedentes de capital que se está destinando a data , potencia de cálculo e infraestructura para lograr la IA general es asombrosa. Sin duda, esta inversión dará lugar a importantes correcciones del mercado a corto y medio plazo. Es probable que el retorno de la inversión sea más lento de lo previsto y que el bombo publicitario supere el impacto real. No obstante, está llamado a ejercer una influencia dramática e impredecible sobre nuestro entorno construido y nuestra interacción con él. Las empresas deben mantenerse ágiles y ser plenamente conscientes de esta realidad si quieren no solo sobrevivir, sino prosperar en este futuro tan incierto.

Lo imprescindible: criterio, confianza y escrutinio

En todo este proceso, es fundamental mantener una visión clara de las limitaciones AI AI reduce la responsabilidad profesional; la concentra. El criterio no se puede delegar. Si bien AI ayudar en el análisis, no puede sustituir la intuición y la experiencia acumuladas a lo largo de décadas, ni puede tener en cuenta el comportamiento humano, emocional y a menudo irracional, que caracteriza a los mercados inmobiliarios. Los tasadores siguen siendo legalmente responsables de su asesoramiento en todo momento, y esa realidad no va a cambiar.

La transparencia con los clientes es igualmente fundamental. Cuando AI influye AI en la forma en que se presta un servicio, se debe informar a los clientes. No se trata solo de una cuestión de cumplimiento normativo, sino de confianza. La explicabilidad y la auditabilidad también son esenciales. Si un profesional no puede explicar de dónde procede un resultado, qué data utilizado y qué supuestos se han planteado, defender ese resultado ante un tribunal puede resultar difícil.

No se deben subestimar los riesgos relacionados con la fiabilidad. AI pueden parecer fiables aunque estén equivocados, por lo que la revisión, el muestreo y el escrutinio resultan indispensables. Por último, data y la confidencialidad siguen siendo innegociables. Las indicaciones son registros. Las herramientas deben ser aprobadas y evaluadas. data de los clientes data estar controlados. Estos son elementos fundamentales de la práctica profesional, no extras opcionales.
En última instancia, AI no AI los topógrafos. Lo que sustituirá son las búsquedas manuales, la redacción repetitiva y el trabajo administrativo de escaso valor. En definitiva, el camino del sector inmobiliario británico hacia AI no depende de la adopción de nuevas tecnologías, sino de su voluntad de corregir viejos hábitos: integrar data , adoptar el marco de gobernanza de la RICS y elevar conscientemente el juicio humano por encima de las tareas que la tecnología ya puede gestionar con confianza.

Acerca de Artefact Chris de Gruben, FRICS

Artefact es una AI global que ofrece servicios integrales Data AI . Nos ocupamos de todo, desde data y AI , la evaluación de riesgos y el cumplimiento normativo, hasta la definición de las posibilidades que ofrecen AI el aprendizaje automático, pasando por la implementación y, posteriormente, la gestión del cambio y la adopción. Artefact su amplia experiencia tanto en el sector inmobiliario como en Data y AI para ayudar a las empresas a integrar estratégicamente AI sus operaciones de forma responsable y con confianza.

Chris es director sénior de la Artefact en el Reino Unido, donde dirige el equipo inmobiliario y gestiona a todos los clientes del sector inmobiliario británico. Es perito colegiado desde hace 15 años y sigue defendiendo con firmeza el uso responsable de AI el sector inmobiliario del Reino Unido. Chris también ejerce como vicepresidente del Grupo Profesional de Valoración, forma parte de varios grupos de trabajo AI y es formador principal de la RICS Academy, en particular del curso «Global Harnessing AI Data the Built Environment» (que ha demostrado ser el curso más popular de la RICS hasta la fecha). Actualmente, Chris se dedica a redactar una guía práctica sobre el uso de AI tasadores colegiados. Por último, es ponente habitual en conferencias sobre PropTech e inmobiliarias a nivel mundial.