Durante gran parte de la \u00faltima d\u00e9cada, el sector inmobiliario brit\u00e1nico ha hablado de la Inteligencia Artificial como algo que est\u00e1 por llegar: inminente, inevitable, pero perpetuamente justo en el horizonte. Las agendas de las conferencias est\u00e1n repletas de paneles PropTech, las estrategias de innovaci\u00f3n est\u00e1n llenas de referencias a la data y la automatizaci\u00f3n, y la mayor\u00eda de las grandes empresas pueden se\u00f1alar al menos un pu\u00f1ado de pilotos, iniciativas deslucidas o pruebas de concepto. Y, sin embargo, para muchos peritos sobre el terreno, el progreso sigue pareciendo vacilante y fragmentado. La IA aparece presente en todas partes en la ret\u00f3rica, pero s\u00f3lo de forma selectiva en la realidad.<\/p>\n
Sin embargo, esta aparente apat\u00eda oculta una verdad m\u00e1s matizada. La cuesti\u00f3n no es que la IA no haya encontrado relevancia dentro del sector inmobiliario, ni que la tecnolog\u00eda en s\u00ed sea inmadura. De hecho, la IA ya est\u00e1 aportando un valor tangible en las transacciones, la valoraci\u00f3n, la gesti\u00f3n de activos y las operaciones de los edificios. La verdadera cuesti\u00f3n es por qu\u00e9 la adopci\u00f3n ha sido m\u00e1s lenta, m\u00e1s cautelosa y m\u00e1s desigual que en muchas industrias comparables. La respuesta reside menos en los algoritmos y mucho m\u00e1s en las caracter\u00edsticas estructurales del propio sector inmobiliario brit\u00e1nico.<\/p>\n
Para entender hacia d\u00f3nde se dirige la industria, primero debemos ser honestos sobre d\u00f3nde se encuentra actualmente.<\/p>\n
En los \u00faltimos doce a dieciocho meses se ha producido un cambio significativo. La IA ha salido decididamente de la fase experimental y se ha introducido en los flujos de trabajo profesionales cotidianos. Hace tan s\u00f3lo un a\u00f1o, la mayor\u00eda de las iniciativas a\u00fan se enmarcaban en proyectos piloto, a menudo confinados a peque\u00f1os equipos de innovaci\u00f3n que trabajaban en la periferia de la empresa. Estos esfuerzos tend\u00edan a centrarse en herramientas conversacionales; chatbots dise\u00f1ados para responder a preguntas b\u00e1sicas, redactar textos o sacar a la superficie informaci\u00f3n de repositorios de documentos. Aunque \u00fatiles, rara vez estaban conectados a los procesos operativos centrales.<\/p>\n
Hoy en d\u00eda, ese panorama parece notablemente diferente. La IA est\u00e1 cada vez m\u00e1s integrada en el trabajo diario de top\u00f3grafos, analistas, gestores de activos y equipos operativos. La velocidad del cambio ha sido sorprendente. Mientras que gran parte de la actividad del a\u00f1o pasado giraba en torno a la utilizaci\u00f3n de los modelos de gran lenguaje (LLM) como asistentes pasivos, la atenci\u00f3n se ha desplazado ahora hacia los sistemas ag\u00e9nticos; agentes de IA capaces de ejecutar tareas de varios pasos de forma aut\u00f3noma, recopilando informaci\u00f3n, validando entradas, redactando salidas y escalando problemas para su revisi\u00f3n humana en puntos definidos.<\/p>\n
Sin embargo, a pesar de esta aceleraci\u00f3n, un principio ha permanecido pr\u00e1cticamente intacto en todo el sector inmobiliario brit\u00e1nico: La IA se est\u00e1 desplegando como apoyo a la toma de decisiones, no como tomadora de decisiones<\/strong>. Esa distinci\u00f3n no es accidental, ni tampoco mero conservadurismo cultural. Refleja una comprensi\u00f3n profundamente arraigada de la responsabilidad y el riesgo profesionales que sigue determinando hasta d\u00f3nde est\u00e1n dispuestas a llegar, y pueden hacerlo, las empresas.<\/p>\n En la pr\u00e1ctica, esto se hace m\u00e1s evidente en las transacciones y la diligencia debida, que siguen siendo el \u00e1rea m\u00e1s madura de la adopci\u00f3n de la IA. Aqu\u00ed, la propuesta de valor es clara e inmediata. Los sistemas de IA se utilizan ahora de forma rutinaria para leer y analizar grandes paquetes de documentos, extraer las cl\u00e1usulas clave de los contratos de arrendamiento, resumir las condiciones de planificaci\u00f3n, los EPC y los manuales operativos, y generar los primeros borradores de contratos de arrendamiento, listados y diligencias debidas reports. El concepto cr\u00edtico que sustenta todos estos casos de uso es el de la \u201cprimera pasada\u201d. La IA permite a los equipos sacar a la luz los problemas con mayor rapidez, estructurar la informaci\u00f3n de forma m\u00e1s coherente y centrar la atenci\u00f3n profesional donde m\u00e1s importa. No elimina la necesidad del juicio y la experiencia profesionales, sino que los agudiza.<\/p>\n Se puede observar un patr\u00f3n similar en la valoraci\u00f3n y los estudios de mercado. La IA se utiliza cada vez m\u00e1s para preseleccionar pruebas comparables, redactar comentarios iniciales sobre el mercado y ejecutar an\u00e1lisis de escenarios o de sensibilidad a una velocidad y escala que antes habr\u00edan sido impracticables. Sin embargo, el dictamen de valoraci\u00f3n en s\u00ed sigue perteneciendo firmemente (y desde el punto de vista legal) al tasador. Desde una perspectiva tanto profesional como de seguros, no puede ser de otro modo. La IA acelera el an\u00e1lisis, pero no firma, ni debe firmar, dict\u00e1menes de valor. Nunca lo har\u00e1.<\/p>\n En la gesti\u00f3n de activos y carteras, el \u00e9nfasis cambia de nuevo, de la velocidad a la perspectiva. La IA permite a las empresas interrogar sus carteras de nuevas formas, explorando cuestiones en torno a la sensibilidad a los tipos de inter\u00e9s, la exposici\u00f3n a las vacantes o las prioridades de asignaci\u00f3n de capital con mucha mayor profundidad y coherencia de lo que permiten los enfoques manuales. Una vez m\u00e1s, no se trata de automatizar la toma de decisiones, sino de aumentar el pensamiento estrat\u00e9gico.<\/p>\n Quiz\u00e1 la ilustraci\u00f3n m\u00e1s clara del potencial de la IA se encuentre en el funcionamiento de los edificios y la gesti\u00f3n energ\u00e9tica, donde la adopci\u00f3n ha sido m\u00e1s fuerte all\u00ed donde existe data de buena calidad. El mantenimiento predictivo, la optimizaci\u00f3n energ\u00e9tica y la detecci\u00f3n precoz de aver\u00edas se prestan de forma natural a los enfoques data-driven, y los beneficios financieros son a menudo f\u00e1ciles de cuantificar. Como era de esperar, estos casos de uso han encontrado menos resistencia que los que afectan al juicio profesional b\u00e1sico.<\/p>\n Dada esta amplitud de aplicaci\u00f3n, es razonable preguntarse por qu\u00e9 la adopci\u00f3n de la IA en la propiedad no parece m\u00e1s avanzada. La respuesta es que las principales limitaciones no son tecnol\u00f3gicas. Son estructurales y humanas, como suele ocurrir.<\/p>\n El reto m\u00e1s obvio, y el m\u00e1s persistente, es el data. El data de la propiedad est\u00e1 notoriamente fragmentado, es incoherente, su acceso es costoso y a menudo no est\u00e1 estructurado. El mismo bien puede aparecer bajo varios nombres (o direcciones) en distintos sistemas; los documentos se contradicen con frecuencia; la informaci\u00f3n cr\u00edtica suele estar enterrada en dep\u00f3sitos aislados de PDF, escaneos o largas cadenas de correos electr\u00f3nicos. Los sistemas de IA tienen dificultades para escalar en estas condiciones. Sin una data foundations s\u00f3lida, incluso los modelos m\u00e1s sofisticados rendir\u00e1n por debajo de sus posibilidades.<\/p>\n Tambi\u00e9n hay en juego una cuesti\u00f3n m\u00e1s profunda y espec\u00edfica del sector. La propiedad inmobiliaria es fundamentalmente no estandarizada. No hay dos activos realmente iguales. Las caracter\u00edsticas f\u00edsicas var\u00edan, 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 gran valor, poco voluminosas e intr\u00ednsecamente \u00fanicas. Esto hace que la creaci\u00f3n de datasets limpios y estad\u00edsticamente robustos sea mucho m\u00e1s dif\u00edcil que en las industrias que tratan con productos estandarizados comercializados a escala.<\/p>\n Aunque el Reino Unido cuenta con un rico panorama data relacionado con la propiedad (y datasets contextuales a\u00fan m\u00e1s ricos), m\u00e1s fuerte que la mayor\u00eda de sus hom\u00f3logos de la UE, tiene notorias lagunas en los datasets. No existe un data fiable de arrendamientos, ni API al Registro de la Propiedad de HM para extraer transacciones de venta en masa, un data de planificaci\u00f3n fragmentado tras interminables cortafuegos y unas autoridades locales poco integradas a nivel nacional de data. Aunque en algunos aspectos existe el riesgo de verse desbordado por la data, siguen existiendo importantes lagunas que limitan los posibles casos de uso de la IA.<\/p>\n M\u00e1s all\u00e1 del data, las cuestiones de responsabilidad, gobernanza y protecci\u00f3n del data se ciernen sobre nosotros. La mayor\u00eda de las actividades del sector inmobiliario est\u00e1n estrictamente reguladas y los gobiernos suelen ser (a menudo con raz\u00f3n) lentos a la hora de adoptar cambios que puedan afectar al p\u00fablico. Cuando Artefact imparte cursos pr\u00e1cticos de IA a trav\u00e9s de la Royal Institution of Chartered Surveyors (RICS), las mismas preocupaciones afloran una y otra vez. \u00bfA qui\u00e9n pertenece un resultado generado por IA? \u00bfQui\u00e9n es responsable si es err\u00f3neo? \u00bfCon qu\u00e9 data se ha entrenado el modelo y ad\u00f3nde va a parar la informaci\u00f3n del cliente una vez procesada? No son preguntas abstractas. Los encuestadores manejan informaci\u00f3n muy delicada y sigue habiendo un malentendido generalizado sobre el funcionamiento de los modelos de gran lenguaje, sobre todo en relaci\u00f3n con la retenci\u00f3n, la formaci\u00f3n y el riesgo del data. Hasta que estas cuestiones no se aborden claramente a trav\u00e9s de la gobernanza y la pol\u00edtica, muchas empresas seguir\u00e1n siendo cautelosas y preferir\u00e1n los proyectos piloto contenidos a la implantaci\u00f3n a gran escala.<\/p>\n Los factores culturales y organizativos agravan a\u00fan m\u00e1s esta cautela. El sector inmobiliario brit\u00e1nico es, por naturaleza, lento y reacio al riesgo. Los ingresos son a largo plazo y relativamente previsibles (en particular para los grandes REIT y los constructores de viviendas), los m\u00e1rgenes est\u00e1n bajo presi\u00f3n y las condiciones del mercado siguen siendo dif\u00edciles. En un entorno as\u00ed, preservar el efectivo suele primar sobre la experimentaci\u00f3n. Adem\u00e1s, las empresas inmobiliarias tienden a operar con plantillas relativamente peque\u00f1as en comparaci\u00f3n con el valor de los activos o los ingresos, lo que significa que el aumento de la eficiencia no siempre se traduce en reducciones inmediatas de los costes ETC. Esto puede hacer que el rendimiento de la inversi\u00f3n sea m\u00e1s dif\u00edcil de articular en t\u00e9rminos tradicionales.<\/p>\n La demograf\u00eda tambi\u00e9n desempe\u00f1a un papel. La edad media dentro del sector sigue aumentando y la industria lucha por atraer a talentos m\u00e1s j\u00f3venes, nativos de la IA, capaces de impulsar el cambio desde dentro. No se trata simplemente de una cuesti\u00f3n de aptitudes, sino de mentalidad y familiaridad con las herramientas digitales por defecto y no como un complemento.<\/p>\n La RICS est\u00e1 asumiendo un papel de liderazgo mundial en la preparaci\u00f3n de la profesi\u00f3n topogr\u00e1fica para la adopci\u00f3n responsable de la IA. Reconociendo que la IA ya est\u00e1 transformando la pr\u00e1ctica diaria, desde el apoyo a la valoraci\u00f3n y el modelado de riesgos hasta la extracci\u00f3n de data. La RICS ha publicado recientemente una innovadora norma profesional global sobre el uso responsable de la IA. Esta norma est\u00e1 dise\u00f1ada no para sofocar la innovaci\u00f3n, sino para apoyar una adopci\u00f3n confiada y \u00e9tica mediante el establecimiento de unas expectativas b\u00e1sicas claras de competencia, gobernanza y responsabilidad entre sus 150.000 peritos colegiados de todo el mundo.<\/p>\n La nueva norma de conducta se aplica a todos los miembros de RICS y a las empresas reguladas en las que los resultados de la IA tengan un impacto material en la prestaci\u00f3n de servicios. Desarrollado con el liderazgo clave de la industria, incluido el Artefact que copreside el grupo de trabajo, el marco se concentra en reforzar el juicio profesional al tiempo que aumenta la experiencia. La norma esboza los requisitos fundamentales en cinco \u00e1reas: establecimiento de una base de conocimientos sobre IA; refuerzo de la gesti\u00f3n de la pr\u00e1ctica a trav\u00e9s de la gobernanza y los registros de riesgos; introducci\u00f3n de expectativas claras de diligencia debida al adquirir herramientas de IA de terceros; refuerzo del juicio profesional, el escepticismo y la transparencia al confiar en los resultados de la IA; y establecimiento de expectativas de responsabilidad para quienes participan en el desarrollo de sistemas de IA.<\/p>\n Este enfoque proactivo es crucial para gestionar los nuevos riesgos profesionales introducidos por la IA, garantizar una pr\u00e1ctica coherente y proteger la confianza de los clientes. La RICS cree que al proporcionar este marco compartido, la profesi\u00f3n puede adoptar la innovaci\u00f3n sobre una base \u00e9tica y profesional s\u00f3lida, atrayendo talento \u2018nativo de la IA\u2019 e impulsando la industria hacia adelante.<\/p>\n Fundamentalmente, las nuevas normas forman parte de un ecosistema m\u00e1s amplio y exhaustivo de RICS para impulsar la adopci\u00f3n responsable de la IA. Esto incluye la adaptaci\u00f3n de las Evaluaciones de Competencia Profesional (APC), la realizaci\u00f3n de cursos de formaci\u00f3n pr\u00e1ctica (como el muy popular \u2018Global Harnessing AI & Data in the Built Environment\u2019) y la publicaci\u00f3n de documentos de orientaci\u00f3n pr\u00e1ctica. Este esfuerzo concertado proporciona a los top\u00f3grafos un completo conjunto de herramientas que les permite desplegar la IA con mayor confianza e integridad y garantiza que la RICS siga siendo relevante en la era digital.<\/p>\n El reto inherente radica en el elemento humano: quienes forman parte del sector inmobiliario muestran a menudo una reticencia, incluso una aversi\u00f3n, a adoptar cambios significativos. Si bien es cierto que la inercia normativa desempe\u00f1a un papel, existe una barrera m\u00e1s fundamental en las actitudes predominantes. En las conversaciones con los altos ejecutivos del sector inmobiliario y con los top\u00f3grafos surgen con frecuencia principios como \u201csi no est\u00e1 roto, no lo arregles\u201d.\u201d<\/em> \u201cninguna IA sustituir\u00e1 mis d\u00e9cadas de profunda experiencia contextual\u201d.\u201d<\/em> o \u201cnuestros clientes no nos pagan por utilizar la IA\u201d.\u201d<\/em> Aunque estas perspectivas contienen una pizca de verdad, se\u00f1alan m\u00e1s a menudo a un liderazgo preocupado por preservar el statu quo que por perseguir una eficacia transformadora.<\/p>\n La avalancha inicial de mensajes hiperb\u00f3licos y a menudo contradictorios en torno a la IA result\u00f3 contraproducente, pues foment\u00f3 el escepticismo y la confusi\u00f3n. Sin embargo, ahora navegamos firmemente m\u00e1s all\u00e1 del \u201cLa depresi\u00f3n de la desilusi\u00f3n\u201d<\/em> y comenzando a ascender el \u201cPendiente de la Ilustraci\u00f3n\u201d<\/em> (un patr\u00f3n reconocible en el Hype Cycle de Gartner). Esta transici\u00f3n significa que el enfoque debe pasar del \u2018qu\u00e9 pasar\u00eda si\u2019 al \u2018c\u00f3mo\u2019. Para el encuestador individual, esto ha creado incertidumbre sobre el punto de partida pr\u00e1ctico para la adopci\u00f3n.<\/p>\n Para fomentar un cambio genuino, es esencial un enfoque dual que combine el \u2018poder blando\u2019 y el \u2018poder duro\u2019.<\/p>\n Desde una perspectiva de \u2018poder blando\u2019, las organizaciones deben defender y animar visiblemente a los evangelizadores internos de la IA. Esto implica llevar a cabo de forma coherente sesiones de informaci\u00f3n y formaci\u00f3n atractivas, establecer un ciclo continuo de demostraci\u00f3n de \u00e9xitos tempranos y tangibles, compartir abiertamente los recursos, documentar los fracasos y los hallazgos, y garantizar la actualizaci\u00f3n continua de las competencias de los colegas. Resulta crucial que este cambio cultural no pueda arraigar sin un ejemplo claro, coherente y activo por parte de los niveles de liderazgo m\u00e1s altos.<\/p>\n Estos esfuerzos culturales deben complementarse en\u00e9rgicamente con el \u2018poder duro\u2019 de la reforma estructural y operativa. Para ello es necesario cambiar irrevocablemente las formas de trabajar existentes, exigir certificaciones de alfabetizaci\u00f3n t\u00e9cnica en IA para los puestos clave, redise\u00f1ar las estructuras organizativas, perfeccionar los modelos operativos y actualizar las matrices RACI. El objetivo es garantizar que la IA deje de tratarse como una actividad voluntaria, \u201cal margen del escritorio\u201d, y se integre plenamente en la actividad empresarial habitual (BAU). Esta incrustaci\u00f3n debe extenderse a las asignaciones presupuestarias y a las m\u00e9tricas de rendimiento, tratando el despliegue de la IA como un motor empresarial central, no como un proyecto tecnol\u00f3gico perif\u00e9rico.<\/p>\n Por encima de todo, las organizaciones deben cultivar un entorno que fomente la experimentaci\u00f3n, incluso si conduce al fracaso a peque\u00f1a escala. Para ello es necesario fomentar debates honestos, data-driven sobre la utilidad pr\u00e1ctica de la IA y las ganancias de eficiencia verificables que aporta (o cuando simplemente representa una \u2018herramienta brillante\u2019 con un valor limitado). Las aplicaciones m\u00e1s impactantes de la IA presenciadas en Artefact son aquellas que se integran perfectamente en los flujos de trabajo existentes. Si la adopci\u00f3n de una herramienta requiere una fricci\u00f3n significativa para obtener un beneficio marginal, inevitablemente ser\u00e1 abandonada en masa. Por el contrario, el mayor \u00e9xito suele venir de aquellas aplicaciones que no son necesariamente visibles pero que silenciosamente hacen la vida profesional demostrablemente m\u00e1s f\u00e1cil automatizando tareas repetitivas, manuales y \u2018destructoras del alma\u2019. Ser deliberado y quir\u00fargico a la hora de identificar y desplegar estos casos de uso de alto impacto y baja fricci\u00f3n es primordial para impulsar una adopci\u00f3n real y sostenida.<\/p>\n De cara al futuro, las oportunidades para la adopci\u00f3n de la IA en el sector inmobiliario del Reino Unido pueden considerarse en tres amplios horizontes temporales.<\/p>\n Las victorias m\u00e1s convincentes son pr\u00e1cticas y de bajo riesgo. La estandarizaci\u00f3n de la entrada de instrucciones, la automatizaci\u00f3n de los primeros borradores de reports con referencias de pruebas claras, la extracci\u00f3n de listas de comprobaci\u00f3n estructuradas de los contratos de arrendamiento y los documentos de planificaci\u00f3n, y el despliegue de herramientas de conocimiento interno que respondan a preguntas como \u201c\u00bfc\u00f3mo enfocamos esto la \u00faltima vez?\u201d suponen un ahorro de tiempo inmediato. En particular, es probable que algunas de las mayores ganancias se encuentren en las funciones administrativas como RRHH, finanzas y marketing, liberando a los peritos para que se centren en las relaciones con los clientes y en el trabajo de asesoramiento de mayor valor.<\/p>\n El valor real surge de unir procesos. Los flujos de trabajo de transacciones de extremo a extremo impulsados por la IA ag\u00e9ntica, las plataformas de gesti\u00f3n de activos que combinan el estado, el cumplimiento, la energ\u00eda y los gastos de capital data, y las herramientas que apoyan la modernizaci\u00f3n y la optimizaci\u00f3n neta cero entran todos en esta categor\u00eda. Aqu\u00ed el \u00e9xito depende menos de modelos de IA m\u00e1s avanzados y m\u00e1s de un dise\u00f1o y una integraci\u00f3n meditados de los procesos. Todos los modelos fundacionales han dado grandes pasos recientemente en el desarrollo y la estandarizaci\u00f3n de las capacidades de los agentes, de modo que su aplicaci\u00f3n se convierta en un juego de ni\u00f1os.<\/p>\n Las empresas centrar\u00e1n cada vez m\u00e1s su atenci\u00f3n en un conocimiento m\u00e1s profundo, incluyendo la planificaci\u00f3n, el an\u00e1lisis geoespacial y de riesgos clim\u00e1ticos, los gemelos digitales a nivel de cartera y los nuevos servicios de asesoramiento data-driven. Sin embargo, estas ambiciones s\u00f3lo se har\u00e1n realidad cuando ya se disponga de un data governance s\u00f3lido y de calidad.<\/p>\n Los usuarios de \u2018X\u2019, o incluso los seguidores ocasionales de las noticias generales, pueden sentir una sensaci\u00f3n de pavor abrumador, casi existencial. El ritmo de desarrollo de la IA es implacable. Estamos viendo c\u00f3mo los robots humanoides sustituyen a los trabajadores de las f\u00e1bricas e incluso son desplegados como soldados, c\u00f3mo los coches autoconducidos alcanzan por fin su punto \u00e1lgido, c\u00f3mo Neuralink promete aumentar las capacidades humanas, c\u00f3mo la computaci\u00f3n cu\u00e1ntica se acerca cada vez m\u00e1s a la realidad, c\u00f3mo se produce una aceleraci\u00f3n masiva de la investigaci\u00f3n cient\u00edfica y c\u00f3mo se generaliza el dominio de la \u2018bazofia de la IA\u2019.<\/p>\n Sin embargo, a pesar de esta cascada continua de descubrimientos y progresos, el mayor entusiasmo actual se centra en la posible culminaci\u00f3n de los esfuerzos a largo plazo hacia la AGI (Inteligencia Artificial General) -un sistema de IA mucho m\u00e1s consciente del contexto y complejo que podr\u00eda te\u00f3ricamente igualar, si no superar, al cerebro humano- y los profundos cambios sociales que esto implica. \u00bfImpulsar\u00e1 realmente la productividad hasta tal punto que el empleo se convierta en algo opcional y la dependencia de la Renta B\u00e1sica Universal se convierta en un camino feliz hacia el futuro?<\/p>\n El capital sin precedentes que se est\u00e1 canalizando hacia los centros data, la potencia de c\u00e1lculo y la infraestructura para lograr la AGI es asombroso. Sin duda, esta inversi\u00f3n provocar\u00e1 importantes correcciones en el mercado a corto y medio plazo. Es probable que el retorno de la inversi\u00f3n sea m\u00e1s lento de lo previsto y que el bombo publicitario supere al impacto en el mundo real. No obstante, est\u00e1 preparada para ejercer una influencia dr\u00e1stica e impredecible en nuestro entorno construido y en nuestra interacci\u00f3n con \u00e9l. Las empresas deben ser \u00e1giles y conscientes de esta realidad si quieren no s\u00f3lo sobrevivir, sino prosperar en este futuro tan incierto.<\/p>\n En todo esto, es esencial tener claras las limitaciones de la IA. La IA no reduce la responsabilidad profesional, sino que la concentra. El juicio no puede delegarse. Aunque la IA puede ayudar al an\u00e1lisis, no puede sustituir a la intuici\u00f3n y la experiencia desarrolladas durante d\u00e9cadas, ni puede dar cuenta del comportamiento humano emocional y a menudo irracional que conforma los mercados inmobiliarios. Los peritos siguen siendo legalmente responsables de su asesoramiento en todo momento, y esa realidad no cambiar\u00e1.<\/p>\n La transparencia con los clientes es igualmente cr\u00edtica. Cuando la IA afecte materialmente a la forma en que se presta un servicio, los clientes deben ser informados. No se trata simplemente de una cuesti\u00f3n de cumplimiento, sino de confianza. La explicabilidad y la auditabilidad tambi\u00e9n son esenciales. Si un profesional no puede explicar de d\u00f3nde procede un resultado, qu\u00e9 data se utiliz\u00f3 y qu\u00e9 suposiciones se hicieron, defender ese resultado ante un tribunal puede resultar dif\u00edcil.<\/p>\n No deben subestimarse los riesgos de fiabilidad. Los sistemas de IA pueden sonar autoritarios mientras est\u00e1n equivocados, lo que hace que la revisi\u00f3n, el muestreo y el escrutinio sean indispensables. Por \u00faltimo, la protecci\u00f3n y la confidencialidad data siguen siendo innegociables. Los avisos son registros. Las herramientas deben ser aprobadas y evaluadas. La data del cliente debe ser controlada. Estos son elementos centrales de la pr\u00e1ctica profesional, no extras opcionales.La IA en la pr\u00e1ctica topogr\u00e1fica: Aumento, no automatizaci\u00f3n<\/h2>\n
Transacciones y diligencia debida<\/h3>\n
Valoraci\u00f3n e investigaci\u00f3n de mercado<\/h3>\n
Gesti\u00f3n de activos y carteras<\/h3>\n
Explotaci\u00f3n de edificios y gesti\u00f3n energ\u00e9tica<\/h3>\n
Las limitaciones estructurales de la adopci\u00f3n en el Reino Unido<\/h2>\n
El reto de la Fundaci\u00f3n Data<\/h3>\n
Gobernanza, responsabilidad y riesgo<\/h3>\n
Inercia cultural y organizativa<\/h3>\n
El papel de la RICS: Impulsar la adopci\u00f3n responsable<\/h2>\n
Adopci\u00f3n pragm\u00e1tica - Los principios clave<\/h2>\n
\u00bfQu\u00e9 aspecto tiene el futuro? Tres horizontes temporales<\/h2>\n
A corto plazo (pr\u00f3ximos 6 meses): Ganancias pr\u00e1cticas y de bajo riesgo<\/h3>\n
Medio plazo (de 6 a 18 meses): Integraci\u00f3n de procesos ag\u00e9nticos<\/h3>\n
A m\u00e1s largo plazo (de 18 a 36 meses): Conocimiento m\u00e1s profundo y nuevos servicios<\/h3>\n
A m\u00e1s largo plazo (36+ meses): Pavor existencial<\/h3>\n
Los no negociables: Juicio, confianza y escrutinio<\/h2>\n
\nEn \u00faltima instancia, la IA no sustituir\u00e1 a los top\u00f3grafos. Lo que sustituir\u00e1 son las b\u00fasquedas manuales, la redacci\u00f3n repetitiva y el trabajo administrativo de escaso valor. En \u00faltima instancia, el camino del sector inmobiliario brit\u00e1nico hacia la adopci\u00f3n de la IA no depende de la adopci\u00f3n de una nueva tecnolog\u00eda, sino de su voluntad de arreglar los viejos h\u00e1bitos: incorporar la calidad data, adoptar el marco de gobernanza RICS y elevar conscientemente el juicio humano por encima de las tareas que la tecnolog\u00eda puede manejar ahora con confianza.<\/p>\nAcerca de Artefact & Chris de Gruben, FRICS<\/h2>\n