- El autor, director General de Prosperia, ofrece una visión práctica sobre cómo la inteligencia artificial transforma el análisis y la originación inmobiliaria en México: menos especulación, más datos dinámicos y decisiones mejor fundamentadas antes de comprometer capital
Si usted desarrolla, invierte o planea ciudades en México, seguramente ha sentido lo mismo que yo: estamos trabajando con el freno de mano puesto.
La revisión del T-MEC se volvió un ejercicio anual que mantiene a la inversión industrial en modo de espera; la vacancia de naves en el norte, que hace tres años rozaba mínimos históricos, hoy obliga a repensar planes completos; las tasas van a la baja pero el comprador de vivienda sigue cauteloso y la demanda se movió hacia la renta.
Y cada recorte a las proyecciones de crecimiento se traduce, tarde o temprano, en absorciones más lentas y comités más duros.
Y sin embargo, aquí seguimos: comprando terrenos, firmando fideicomisos, estructurando proyectos de miles de viviendas. Porque nuestro negocio tiene una particularidad: las decisiones más importantes se toman años antes de conocer sus resultados. El que compra tierra hoy apuesta sobre la demanda, las tasas y la competencia de 2029. Nadie nos quita esa apuesta. La pregunta es con qué calidad de información la hacemos. Nunca había sido tan caro equivocarse —y nunca habíamos tenido mejores herramientas para no hacerlo—. Hablemos de inteligencia artificial. Pero en serio, sin humo.
Primero, lo que la IA no hace
Bajémosle dos rayitas al entusiasmo. La IA no elimina la incertidumbre: ningún modelo sabe cómo terminará la revisión del tratado ni qué hará el consumidor el próximo año. El que les venda certezas, les está vendiendo otra cosa. Lo que sí cambia, y de fondo, es la economía del análisis: cuánto cuesta entender un mercado, cuánto tarda, cuántos escenarios se evalúan antes de comprometer capital y qué tan viva se mantiene la información después. Suena menos glamoroso que «predecir el futuro». Es mucho más rentable.
El estudio de mercado era una fotografía
Durante décadas, el análisis inmobiliario funcionó como fotografía: un estudio se levantaba una vez, costaba semanas de campo y empezaba a envejecer el día de su entrega. Por eso tantas decisiones descansaban en la intuición —que es un activo real, lo he comprobado mil veces, pero se formó en un México más predecible que el actual—. Cuando las reglas cambian cada trimestre, hasta la mejor experiencia necesita datos frescos que la calibren.
La IA ataca justo ahí: no sustituye el criterio, reduce drásticamente el costo de alimentarlo. Cruzar censos económicos con oferta competitiva, homologar comparables de fuentes que no se hablan entre sí, leer reglamentos completos: lo que exigía semanas hoy se resuelve en horas y se repite cada vez que el mercado se mueve. El análisis deja de ser un evento y se convierte en un proceso. La pregunta del comité ya no es «¿qué decía el estudio?» sino «¿qué dice el mercado hoy?».
Esa línea va a separar a los originadores de la próxima década de los del pasado. Y precisamente porque la vimos venir, en Prosperia construimos Dataria, nuestra plataforma de inteligencia de mercado inmobiliario.
¿De dónde viene Dataria?
Permítanme un paréntesis, porque cuando alguien les presente una plataforma de IA la pregunta correcta no es «¿qué tecnología usa?» —esa hoy la tenemos todos— sino: ¿qué sabe?
Prosperia nació en 2008 en San Pedro Garza García con una convicción que entonces sonaba ingenua: los negocios inmobiliarios deben diseñarse desde la demanda real de las personas, no desde el inventario existente. A esa disciplina la llamamos Originación Inmobiliaria y llevamos 18 años ejerciéndola: más de 1,900 proyectos analizados, más de 40 distritos cocreados, más de 20 millones de m² estudiados y más de 3 mil millones de dólares en inversión asesorada, en 57 ciudades de México, Estados Unidos y Sudamérica.
Cada proyecto dejó algo: un supuesto cumplido o fallido, una absorción real contra la proyectada, un producto que el mercado premió o castigó. Ese archivo es nuestra metodología DIGO®, y es lo que le da vida a Dataria. Cuando llegó la IA, no empezamos de cero: le dimos de comer 18 años de oficio.
Y ahí está la idea que más quisiera que se llevaran de este artículo: la inteligencia artificial, desde cero, inventa; con experiencia, potencializa. Un modelo sin contexto rellena los huecos con lo que suena plausible —y en este negocio, lo plausible mal fundamentado cuesta millones—. Ese mismo modelo, alimentado con 1,900 casos reales y gobernado por reglas de negocio probadas en la cancha, no inventa: amplifica. Por eso Prosperia es el legado de Dataria, y también la razón para creer en lo que logra: no les promete lo que la IA podría hacer algún día; les entrega lo que ya sabemos hacer, a velocidad y escala de máquina.
Leer la demanda que sí puede pagar
México siempre ha sido difícil de leer con datos: la información está regada entre censos, portales que se contradicen y una informalidad invisible para la estadística.
En Estados Unidos, plataformas que convierten la huella de movilidad de millones de teléfonos en mapas de tráfico peatonal ya resolvieron parte del problema. Ese estándar está llegando a Latinoamérica, y ese es el terreno donde juega Dataria: integrar densidad de establecimientos por giro, patrones de movilidad, oferta competitiva y capacidad de crédito real de los hogares para producir una lectura de demanda segmentada por capacidad de pago.
Porque la pregunta que importa no es «¿cuánta gente quiere vivir aquí?» sino «¿cuántos hogares pueden pagar este producto, con qué financiamiento, y qué pasa si la tasa baja un punto o el empleo formal de la zona se contrae?». Lo digo con conocimiento de causa: hemos diseñado la mezcla de proyectos de miles de viviendas segmentando por elegibilidad crediticia real, y construido matrices de renta comercial que se actualizan continuamente, para negociar contra el mercado de este mes y no contra el recuerdo del de hace un año. En un entorno estable, esa diferencia es marginal. En el actual, esa diferencia es la utilidad del proyecto.
El territorio también habla
Buena parte del riesgo inmobiliario en México no es de mercado sino regulatorio y físico: un predio con demanda de sobra se vuelve inviable por un uso de suelo, una zona de reserva, una pendiente que dispara los costos de urbanización o un lindero mal documentado. Todos conocemos historias de terror así. Despejar esas incógnitas era lento y caro; hoy podemos, en horas, convertir un levantamiento topográfico en un modelo digital del terreno, calcular qué porcentaje del predio es realmente desarrollable, y pedirle a un modelo generalista —Claude o ChatGPT lo hacen sorprendentemente bien— que lea completa la ley de desarrollo urbano del estado y señale qué artículos condicionan el proyecto. Todo antes de la primera visita de campo. Lo hacemos de rutina en predios de decenas y cientos de hectáreas, de Reynosa a Los Cabos. El perito y el abogado no desaparecen: concentran su tiempo donde su juicio vale oro —validar, interpretar, defender—.
Iterar antes de comprometer
En el modelo tradicional, correr un valor residual —cuánto vale realmente un terreno según el producto que puede soportar— era tan artesanal que en la práctica se evaluaban dos o tres escenarios. Sean honestos: ¿cuántos corrieron en su última compra de tierra?
Hoy ese ejercicio se industrializa. En Dataria lo convertimos en un complemento que llamamos DPO, Definición de Producto Óptimo: probar 20 mezclas sobre el mismo predio —venta o renta, comercio en planta baja o pad, densidad alta o media— y observar cómo responde el valor de la tierra ante cada combinación, cada absorción, cada tasa.
La disciplina que impone es profunda: el precio de un terreno deja de ser el que pide el vendedor o el que pagó el vecino, y pasa a ser el que el producto óptimo puede sostener. Con márgenes de error tan estrechos como los de hoy, esa disciplina separa al proyecto que resiste un cambio de ciclo del que no.
La operación de todos los días
Y la IA no solo vive en las grandes decisiones. La mitad del valor está en las cosas pequeñas que se comen el tiempo de los equipos caros —y aquí, transparencia total: mucho de esto no requiere Dataria ni ninguna plataforma especializada—.
Una herramienta de seguimiento de tareas a la medida de un proyecto —quién debe qué, para cuándo, en qué estatus va cada trámite— hoy se construye en unas horas describiéndosela en español a Claude o a ChatGPT, o con plataformas como Lovable o Bolt que convierten esa descripción en una aplicación funcionando. Un tablero de avance de obra y permisos, igual. Una minuta con acuerdos y responsables sale en minutos de una junta grabada con herramientas como Fireflies, Otter o tl;dv —o subiendo el audio al propio modelo—. Y los flujos repetitivos —el reporte semanal que se arma solo, la alerta cuando un trámite se atora— se orquestan con Make o Zapier, sin escribir una línea de código.
¿Por qué le doy tanta importancia a algo tan poco glamoroso?
Porque el costo oculto más grande de nuestra industria no está en el software: está en las horas de directores y gerentes persiguiendo información y coordinando por mensajes lo que debería vivir en un tablero.
Y en la comunicación: la IA convierte un modelo de 70 variables en el resumen de una página que el comité sí va a leer, y traduce del estructurista al inversionista. El ciclo se acorta y la decisión se toma con el dato de esta semana.
En este mercado, la velocidad de decisión es una ventaja competitiva por sí misma. Así nació, honestamente, buena parte de Dataria: herramientas que primero nos resolvieron un dolor, se calibraron en proyectos reales y sólo después se volvieron producto. Desconfíen del camino inverso.
La advertencia que todo experto merece
La IA produce respuestas fluidas y aparentemente precisas incluso cuando está equivocada. En un negocio donde una cifra mal fundamentada mueve cientos de millones de pesos, la falsa precisión es más peligrosa que la ignorancia declarada. Por eso en Dataria operamos —y les recomiendo exigir a cualquier herramienta o consultor— tres principios: trazabilidad, cada dato se rastrea a su fuente; calibración, los resultados se contrastan contra casos reales cerrados; y el más importante, revisión humana: ningún análisis con consecuencias sale sin que un experto lo revise y autorice. La IA propone; el criterio dispone. Invertir ese orden es automatizar errores a velocidad de máquina.
El suelo sigue siendo el mismo; el oficio no
La incertidumbre actual no es una anomalía que haya que esperar a que pase: muy probablemente es la condición estructural de los próximos años. En ese entorno, la ventaja ya no está en el acceso a la información —esa se democratiza a toda velocidad— sino en la calidad de las preguntas, la velocidad para responderlas y la disciplina para actuar. Los que industrialicemos el análisis no vamos a predecir el futuro; vamos a equivocarnos menos, detectar antes cuándo nos estamos equivocando y corregir mientras otros siguen defendiendo un estudio que envejeció hace un año. Esa no es una ventaja tecnológica. Es la ventaja.
Y si se quedaron con la inquietud de qué diría el dato sobre ese terreno que traen entre manos, ya saben dónde encontrarnos. Esa conversación es, literalmente, nuestro oficio.
