Las empresas inmobiliarias corporativas están adoptando con entusiasmo la inteligencia artificial, pero pocas están logrando los objetivos que esperaban de esta tecnología, según los resultados de una encuesta realizada a más de 1.000 líderes del sector inmobiliario en 16 mercados globales.

El número de empresas que llevan a cabo proyectos piloto de IA en el sector inmobiliario corporativo (CRE) se ha disparado del 5% al 92% en tan solo tres años, según indica Jones Lang LaSalle (JLL) en su encuesta global sobre tecnología inmobiliaria para 2025.

«Ahora la IA, que antes era un subconjunto de las tecnologías exploradas solo por un puñado de equipos de CRE, domina prácticamente todos los debates sobre innovación tecnológica en el sector inmobiliario. La velocidad de este cambio no tiene precedentes», afirma Yuehan Wang, directora global de investigación de tecnología inmobiliaria de JLL, en su informe.

Sin embargo, añade, el sector aún se encuentra en la fase inicial de experimentación, y la mayoría de las organizaciones están aprendiendo qué funciona antes de escalar a una implementación completa.

Si bien algunas empresas adoptan la tecnología de forma proactiva, basadas en una convicción genuina, según el informe, una parte considerable de los equipos de CRE implementan la IA no por elección, sino por mandato de la alta dirección, que considera la adopción de la IA como una necesidad competitiva.

«Esta brecha estratégica se traduce directamente en desafíos de ejecución», escribió Wang. «Si bien el 92% está implementando IA a modo de prueba, solo el 5% informa haber alcanzado la mayoría de los objetivos del programa. Aunque la implementación está generalizada, la mayoría de las iniciativas siguen siendo experimentales, con una escalabilidad limitada».

«Esto no se trata solo de madurez tecnológica», añadió. «Se trata de decisiones estratégicas, capacidades organizativas y enfoques sistemáticos que distinguen al 5% que logra resultados reales del 95% que aún busca su gran avance».

Mejor que una solución para el 5%.

Donatas Karciauskas, director ejecutivo de Exergio, una empresa de gestión energética con sede en Vilna, Lituania, coincidió con JLL en que muchas empresas no ven resultados. «Sin embargo, esto no es un fracaso de la IA, sino más bien una señal de que la mayoría de las organizaciones aún no la han integrado en sus sistemas energéticos o la utilizan solo superficialmente», afirmó en un comunicado.

“Cuando los algoritmos trabajan con datos en tiempo real en lugar de informes estáticos, empiezan a mejorar el edificio hora tras hora”, continuó. “Esto siempre se traduce en menos desperdicio y condiciones más estables para las personas que se encuentran dentro”.

“Cada instalación que gestionamos genera decenas de miles de puntos de datos diariamente —temperatura, caudal, presión, CO2 y ocupación—, lo que proporciona a los algoritmos el contexto necesario para ajustar los sistemas continuamente”, explicó Karciauskas. “Y nuestra tasa de éxito es significativamente superior al 5% mencionado en el informe. El secreto es sencillo: solo tenemos que usar la IA con criterio”.

Añadió que este enfoque basado en datos reduce habitualmente el desperdicio de energía de los sistemas de climatización entre un 20% y un 30%, y ahorra más de un millón de euros anuales en grandes instalaciones comerciales, todo ello gracias al software.

“La mayoría de las empresas de administración de propiedades no cuentan con la infraestructura técnica ni la experiencia necesarias para implementar la IA de manera efectiva”, afirmó Minna Song, cofundadora y CEO de EliseAI, desarrolladora de plataformas de IA conversacional para operaciones de vivienda y atención médica en la ciudad de Nueva York.

“Estas empresas no son startups tecnológicas”, declaró. “Son empresas operativas que necesitan soluciones integrales, pero hemos visto demasiadas que intentan implementar herramientas de IA de propósito general que no fueron diseñadas para los flujos de trabajo específicos del sector inmobiliario ni para sus requisitos de cumplimiento normativo. Estas soluciones horizontales pueden resolver bien una tarea, pero no se integran en toda la cadena de trabajo”.

“Las empresas buscan los mejores casos de uso para la IA general, y actualmente se está experimentando mucho”, comentó Kristen Hanich, directora de investigación de Parks Associates, una empresa de investigación de mercado y consultoría especializada en productos de tecnología de consumo, con sede en Dallas.

Señaló que uno de los principales desafíos que enfrentan las empresas está relacionado con la estructura y la calidad de los datos, aspectos cruciales para la confiabilidad y la validez de la IA general. Otro desafío clave es que ciertos casos de uso que se podrían considerar fáciles de implementar para la IA general, como la abstracción de contratos de arrendamiento, tal vez no lo sean en la práctica, y que las alucinaciones pueden causar problemas operativos y legales, añadió.

“Integrar la IA general en flujos de trabajo específicos tiene mucho potencial para los casos de uso adecuados, pero requiere un enfoque específico para el diseño de sistemas: flujos de trabajo virtualizados bien definidos y comprendidos, modelos cuidadosamente entrenados, etc., para crear la confiabilidad y la consistencia que las empresas necesitan”, dijo Hanich.

“Para quienes usan modelos de IA públicos, también existe el riesgo de que se filtren datos”, agregó. “Hemos visto empresas sortear esto utilizando modelos privados”.

Por qué los atajos de la IA no funcionan.

“El auge de los proyectos piloto de IA no es solo una moda pasajera; está impulsado por la promesa de una integración de datos más rápida y una toma de decisiones en tiempo real”, dijo Ahmed Harhara, ingeniero y fundador de HoustonHomeTools, una plataforma de datos que ayuda a los residentes a comprender los riesgos ambientales y de vivienda a nivel vecinal, en Houston.

“El desafío radica en que muchas empresas se lanzan a la IA sin flujos de datos estructurados ni métodos de validación claros”, declaró. “Esperan que la IA ‘salte’ las brechas existentes, pero los modelos solo son tan buenos como la calidad de los datos que los respaldan. Sin un control sistemático de la calidad de los datos, los resultados de la IA se vuelven poco fiables, especialmente en sectores de alto riesgo como el inmobiliario o las infraestructuras”.

El informe de JLL señaló que la promesa del salto tecnológico —donde las organizaciones omiten pasos intermedios para adoptar soluciones de vanguardia— ha cautivado durante mucho tiempo a los líderes empresariales que se enfrentan a brechas tecnológicas. En teoría, la IA ofrece la oportunidad definitiva para dar ese salto, afirmó, permitiendo a las empresas con sistemas obsoletos evitar las actualizaciones incrementales y pasar directamente a soluciones basadas en IA.

“Sin embargo”, advirtió, “nuestra investigación revela una realidad preocupante. En lugar de igualar las condiciones, la adopción de la IA está ampliando la brecha entre los líderes tecnológicos y los rezagados, y las empresas que ya cuentan con programas tecnológicos exitosos se están adelantando aún más en los resultados de la IA”.

Las organizaciones no pueden saltarse los requisitos necesarios para una implementación exitosa de la IA. “Lo que realmente se requiere es un cambio de mentalidad, porque esto empieza a transformar el modelo de negocio, la forma de comercializar, de vender, de negociar contratos y de encontrar inquilinos”, afirmó Daniel Burrus, de Burrus Research, una empresa de consultoría estratégica con sede en Milwaukee.

“La IA exige una perspectiva totalmente distinta de la organización y una nueva forma de pensar”, declaró. “No se trata solo de que dos personas en la organización cambien su forma de pensar. Si se va a implementar algo de gran envergadura y que afecte a toda la empresa, es necesario un cambio de mentalidad en todos los empleados, y eso no se consigue de un día para otro”.

La IA no puede solucionar los problemas de datos deficientes.

La IA no mejora las bases digitales débiles; las agrava, añadió Jason Chen, fundador y director técnico de JarnisTech, fabricante de placas de circuitos impresos con sede en Shenzhen, China. “Una empresa con datos deficientes y estancada en tecnología obsoleta puede esperar resultados mediocres aún más rápidos con los modelos de IA”, declaró.

“La verdad es que las empresas que esperaban que la IA llenara los vacíos tecnológicos de la última década estaban equivocadas”, afirmó. “En realidad, la IA funciona mejor con datos limpios, conectados y actualizados. En otras palabras, no se puede saltarse pasos en la madurez digital. Hay que construirla”.

“La IA no es una solución milagrosa”, añadió Pasquale Zingarella, CEO de Invest Clearly, una plataforma de inversión inmobiliaria en línea con sede en Dover, Delaware. “Es un recurso en constante evolución que requiere supervisión”.

“No se pueden implementar recursos exponenciales como la IA en sistemas, datos y procesos heredados y esperar resultados milagrosos”, declaró. “Si no se implementa de forma eficaz, puede generar resultados inexactos y poco fiables, lo que podría exponer a las organizaciones a riesgos”.