AI para la selección de operaciones inmobiliarias: de la parcela de terreno a la decisión del comité de inversiones

1. Defina la decisión antes de automatizar el trabajo

Un sistema de cribado necesita un mandato de decisión preciso. «Encontrar suelo atractivo» es demasiado amplio. Un mandato útil define la geografía, las estrategias permitidas, el tamaño del ticket, el periodo de mantenimiento, los objetivos de rentabilidad, los límites de riesgo, la capacidad de desarrollo, las restricciones de financiación, los requisitos de sostenibilidad y la evidencia necesaria para escalar. El sistema debe saber si está cribando un activo en funcionamiento, un solar de desarrollo, una oportunidad de conversión, una plataforma operativa, una exposición en dificultades o una cartera. Cada uno tiene una unidad de análisis y una ruta de valoración diferentes.

El primer resultado es una decisión de triaje, no una valoración final. Un conjunto práctico de decisiones consiste en rechazar, mantener a la espera de evidencia, avanzar a un análisis preliminar de suscripción, avanzar con una excepción declarada o remitir a revisión especializada. El sistema nunca debe inventar hechos faltantes para alcanzar uno de esos resultados. Un extracto de título ausente, unos límites poco claros, un derecho de acceso inexistente o una capacidad de servicios no verificada se convierten en una laguna de evidencia con un responsable y un plazo. Una oportunidad puede seguir siendo atractiva mientras su estado de decisión sigue siendo «en espera de evidencia».

La materialidad debe determinar la profundidad. Una adquisición pequeña y estandarizada puede utilizar un cribado conciso. Un solar de desarrollo cuyo valor depende de la recalificación, la conexión a la red, la remediación del suelo y las preventas requiere una revisión más profunda antes de la primera deliberación del comité de inversiones. El mandato debe identificar qué variables pueden estimarse para el triaje y cuáles requieren evidencia fehaciente. Esta distinción evita que un modelo preliminar adquiera el estatus de una conclusión de diligencia debida finalizada.

También debe designarse al responsable de la decisión. Una máquina puede recopilar, comparar y calcular. El profesional de inversión sigue siendo responsable de explicar por qué la oportunidad encaja en el mandato, qué evidencia es fiable, dónde persiste la incertidumbre y qué podría invalidar la recomendación. La norma RICS AI sitúa el juicio profesional y la supervisión en el centro de un uso responsable en la práctica de la agrimensura.[3] NIST trata de forma similar la rendición de cuentas, la transparencia y la gestión de riesgos documentada como requisitos del ciclo de vida.[4][5]

Tabla 1. Registro mínimo de evidencia para un cribado de inmuebles asistido por AI

La evidencia requerida varía según la jurisdicción, el tipo de activo y la materialidad de la decisión.

2. Crear un único registro autoritativo de parcela

La identidad de la parcela es la base del filtro. Las oportunidades inmobiliarias llegan en forma de folletos, coordenadas, números de parcela, referencias de título, solicitudes de planeamiento, informes de valoración y hojas de cálculo de vendedores. Los nombres y linderos pueden diferir entre documentos. Un sistema AI puede extraer identificadores con rapidez, pero la precisión de la extracción no demuestra que los documentos se refieran al mismo interés jurídico. El sistema debería crear un único registro autoritativo de parcela y conservar cada identificador de origen como alias hasta que un revisor cualificado resuelva los conflictos.

El registro debe contener la jurisdicción, el registro, la referencia de título o equivalente, el número de parcela o lote, la geometría geoespacial, la tenencia, la titularidad, los derechos registrados, las restricciones, las servidumbres, las cargas y las fechas de vigencia de la evidencia. Cuando un polígono sea indicativo, debe seguir etiquetado como indicativo en el modelo de datos operativo. HM Land Registry explica que los polígonos del índice INSPIRE muestran extensiones indicativas en pleno dominio y proporcionan identificadores únicos; sirven de apoyo para la identificación y el emparejamiento, mientras que la evidencia de título sigue siendo una consulta separada.[7] Se aplica una disciplina similar en cualquier mercado donde los mapas públicos, los pines de brókeres y los registros oficiales tengan distinta condición jurídica.

La resolución de entidades debe utilizar métodos deterministas y probabilísticos. Los identificadores registrales exactos tienen prioridad. Las direcciones normalizadas, las coordenadas, los nombres de promotores y las mediciones de superficie pueden respaldar el emparejamiento. El sistema debe mostrar su puntuación de coincidencia y los motivos de ella. Un revisor debe poder ver que dos registros se unieron por una referencia de título compartida, o que una coincidencia más débil se basó en la proximidad y una dirección similar. Debe prohibirse la fusión automática cuando dos candidatos sigan siendo plausibles.

El control de versiones importa porque las parcelas pueden subdividirse, consolidarse, renumerarse o transmitirse. El registro debe mantener un historial de fechas de vigencia y no debe sobrescribir la geometría utilizada en un paquete de decisión anterior. Un filtro reproducible conserva la instantánea de evidencia utilizada en la fecha del comité, junto con actualizaciones posteriores. Esto respalda la revisión posterior a la inversión, la impugnación y la auditoría.

El diagrama muestra etapas de control; cada transformación conserva la fuente, la fecha, la licencia, la confianza y el revisor.

3. Separar los criterios eliminatorios del atractivo ponderado

El cribado falla cuando se permite que todas las variables se compensen entre sí. Una rentabilidad proyectada elevada no debería compensar la ausencia de acceso legal. Una demanda sólida no debería subsanar un conflicto de titularidad irresoluble. Por tanto, el marco separa los criterios eliminatorios de los factores ponderados. Los criterios eliminatorios determinan si la oportunidad puede avanzar con la evidencia actual. Los factores ponderados comparan oportunidades que han superado esos criterios, o que tienen una ruta claramente definida para superarlos.

Los criterios eliminatorios suelen abarcar el encaje en el mandato, la identidad de la parcela verificada, el derecho transferible, el uso permitido o alcanzable, el acceso legal, la infraestructura crítica, la exposición ambiental prohibida, la capacidad de la contraparte y la suficiencia mínima de datos. Un criterio puede estar superado, no superado, condicional o desconocido. El estado condicional requiere una vía específica, una fecha de decisión, un responsable y un coste. El estado desconocido no debe convertirse en una puntuación neutral.

Los factores ponderados evalúan después la profundidad de mercado, la microubicación, el encaje del producto, la oferta, el precio alcanzable, la certeza de costes, el programa de ejecución, la financiación, la protección a la baja, la liquidez de salida, el valor de opción estratégica y la capacidad de ejecución. Las ponderaciones deben reflejar el mandato del fondo o de la empresa. Deben aprobarse antes de que el equipo vea una operación favorecida, ya que cambiar las ponderaciones después de ver el resultado invita al sesgo de confirmación.

La puntuación debe seguir siendo interpretable. Una puntuación de mercado sobre diez necesita anclajes definidos. El registro debe mostrar qué observaciones impulsaron la puntuación, su confianza y el revisor. Las narrativas generadas automáticamente pueden resumir la evidencia, mientras que los enlaces a las fuentes y los valores estructurados permanecen disponibles bajo la narrativa. Una puntuación sin evidencia es una opinión presentada como datos.

Las puntuaciones y ponderaciones son hipotéticas; los criterios eliminatorios desconocidos impiden el avance automático.

Tabla 2. Ejemplo de criterios eliminatorios y factores ponderados

Los umbrales son decisiones de gobernanza; requieren aprobación específica del mandato y revisión periódica.

4. Construir una escala de calidad de datos antes de construir las variables

El equipo de cribado debe clasificar la evidencia antes de extraer variables predictivas. Las dimensiones útiles son la autoridad, el estado de la transacción, la actualidad, la precisión espacial, la comparabilidad de activos, la integridad, la licencia, la procedencia y la reproducibilidad. Una transacción registrada y completada suele tener más peso en la fijación de precios que un anuncio. Un registro oficial de planificación vigente tiene un estatus distinto del de la interpretación de un bróker. Un conjunto de datos de proveedor técnicamente rico puede seguir siendo inadecuado si su licencia prohíbe el uso previsto o si no pueden rastrearse sus transformaciones.

Los conjuntos de datos oficiales también tienen limitaciones. HM Land Registry Price Paid Data incluye ventas residenciales presentadas para registro, se actualiza mensualmente y puede revisarse. El editor declara que el mes en curso está incompleto como vista independiente y que no garantiza la exactitud de los datos ni su idoneidad para un fin concreto.[6] Los indicadores inmobiliarios de REGA de Arabia Saudí distinguen los datos brutos recientes de los indicadores históricos refinados; un modelo de cribado debe preservar esa distinción en lugar de tratar ambos como igualmente definitivos.[10] Los datos de transacciones abiertos de Dubái ofrecen campos amplios y actualización diaria, aunque una valoración en vivo sigue necesitando una comprobación del estado de la transacción, la conciliación de unidades y un análisis de mercado adecuado.[8][9]

El registro de linaje debe recoger la fuente original, el momento de extracción, la licencia, el valor bruto, el valor normalizado, el código de transformación, la confianza, el revisor y el uso en el modelo. Los datos derivados deben conservar sus datos de origen. Si el sistema calcula la distancia a una estación de metro, el registro debe identificar la geometría del emplazamiento, el conjunto de datos de estaciones, el sistema de coordenadas, el método de enrutamiento o de línea recta y la versión del cálculo. Esto permite corregir un error en su origen e identificar cada resultado de cribado afectado.

La actualidad de los datos exige una política. Los datos de titularidad, planificación, transacciones, alquileres, tipos de interés, costes de construcción y riesgos evolucionan a velocidades distintas. El sistema debe marcar los registros que superen la antigüedad aprobada y distinguir «no se han encontrado cambios» de «no comprobado». El paquete para el comité debe indicar su fecha de corte de evidencia y las fuentes pendientes de actualización.

5. Evaluar la planificación urbanística, el acceso, los servicios públicos y las limitaciones físicas

La planificación y las infraestructuras a menudo determinan si el valor aparente del suelo puede materializarse. El cribado debe recoger el uso actual, los parámetros de desarrollo, la altura, la densidad, los retranqueos, el aparcamiento, las obligaciones de vivienda asequible o comunitaria, la ejecución por fases, las condiciones de diseño, el patrimonio, los límites ambientales y las aprobaciones necesarias para el proyecto propuesto. Una envolvente edificable permitida es un punto de partida legal y técnico; no es automáticamente el proyecto comercialmente ejecutable de mayor valor.

El acceso debe evaluarse como derecho legal y como ruta operativa. El emplazamiento puede colindar con una carretera y carecer al mismo tiempo de un derecho de acceso registrado suficiente. La logística de la construcción puede diferir del acceso permanente. Los vehículos pesados, la geometría de giro, los límites de los puentes, el tráfico escolar, los derechos sobre terrenos vecinos y las obras temporales pueden afectar al programa y al coste. El cribado debe indicar el nivel de evidencia en lugar de emitir una conclusión binaria de «accesible» a partir de un mapa.

Los servicios públicos merecen evidencia específica de cada proyecto. La capacidad de la red eléctrica, el agua, el alcantarillado, la refrigeración urbana, las telecomunicaciones y el transporte puede crear dependencias de largo plazo. Una red cercana no demuestra capacidad ni una fecha de conexión. El registro de cribado debe recoger la correspondencia con el proveedor, el estado de la solicitud, las mejoras necesarias, los cargos, las condiciones, la fecha de entrega y la parte responsable. Un proyecto de centro de datos, industrial o residencial de alta densidad puede ser económicamente atractivo y aun así no cumplir su programa objetivo porque una conexión crítica no está disponible.

El cribado físico y ambiental debe combinar mapas oficiales, estudios de gabinete, informes de emplazamiento y criterio especializado. El servicio de riesgo de inundación a largo plazo de Inglaterra cubre riesgos de ríos, mar, aguas superficiales, embalses y aguas subterráneas cuando hay datos disponibles, y declara explícitamente que no predice si una propiedad individual se inundará.[11] Esa limitación ilustra un control general: los datos de riesgos a nivel de zona pueden activar investigaciones y costes de escenarios; no deben presentarse como evidencia de ingeniería específica de una parcela.

6. Crear una escala de confianza para la evidencia de comparables

El análisis de comparables debe comenzar por el estado de la evidencia. La evidencia de mayor confianza suele ser una transacción verificada entre partes independientes para un interés legal, uso, estado de desarrollo, ubicación y fecha genuinamente comparables. La confianza disminuye a medida que la evidencia se acerca a informes de transacciones no verificados, operaciones antiguas, intereses diferentes, derechos de desarrollo materialmente distintos, precios solicitados e indicios anecdóticos. El sistema debe conservar tanto el valor observado como el grado de confianza.

El proceso de emparejamiento debe ser explicable. Puede utilizar la geografía, el uso permitido, la tenencia, el coeficiente de edificabilidad, la superficie bruta construida, el estado del emplazamiento, las infraestructuras, el estado de planificación, la fecha de la transacción, el perfil del comprador y las condiciones especiales. Cada comparable propuesto debe mostrar por qué se seleccionó y por qué puede diferir. Un revisor puede rechazar una coincidencia, ajustarla o conservarla como límite en lugar de como estimación puntual.

Los ajustes deben ser transparentes y evitar la doble contabilización. Si un comparable se ajusta por el estado de planificación, el modelo de desarrollo no debe añadir por separado la misma prima de planificación sin conciliación. El modelo debe mostrar si un ajuste está respaldado directamente por evidencia, se infiere de transacciones emparejadas, lo estima un valorador o se utiliza como supuesto de escenario. El marco de valor razonable de la IFRS 13 hace hincapié en los supuestos de los participantes del mercado en las condiciones de mercado actuales, mientras que las IVS otorgan una importancia explícita a los datos, las entradas, los modelos, la documentación y la presentación de informes.[1][2]

Los mercados poco líquidos requieren un conjunto de evidencia más amplio y un rango más amplio. La evidencia puede incluir transacciones de suelo, valores de activos existentes menos costes de transformación, márgenes de promotor, capitalización de rentas, coste de reposición, valoración residual y valor de opción. El sistema debe explicar cómo se relaciona cada método con el emplazamiento objeto. La coincidencia entre métodos débiles no genera evidencia sólida.

La confianza depende de la verificación, la relevancia y las condiciones actuales del mercado; la escala no prescribe una conclusión de valoración.

Tabla 3. Registro de selección, ajuste y confianza de comparables

Cada línea debe conservar el valor observado, la lógica de ajuste y el enlace a la fuente.

7. Construir un modelo residual y de desarrollo transparente

El valor del suelo a menudo es residual. El modelo estima el valor de la promoción terminada y luego deduce construcción, honorarios profesionales, infraestructura, financiación, costes de venta, impuestos cuando proceda, contingencias, el rendimiento exigido al promotor y otras obligaciones. El resultado es muy sensible a los supuestos de calendario, densidad, precio, coste, absorción, financiación y salida. AI puede alimentar y probar el modelo, mientras que la estructura del modelo y la lógica de decisión deben permanecer visibles para el revisor.

El programa base debería partir de la evidencia urbanística y técnica, no de una rentabilidad deseada. La mezcla de unidades, la superficie neta vendible o alquilable, la eficiencia, las fases, la fecha de inicio, la duración de la construcción, la curva de ventas o alquiler y la entrega deberían conciliarse. Las partidas de coste deberían indicar la fecha de precios, el alcance, las exclusiones, la inflación, la modalidad de contratación, la contingencia y si incluyen servicios públicos, espacio público, financiación y gastos generales del promotor.

Los supuestos de ingresos deberían separar la evidencia de mercado de la estrategia de producto. Las transacciones comparables pueden respaldar un rango para los precios actuales. La promoción propuesta puede requerir una prima o un descuento por especificación, vistas, marca, tamaño de unidad, momento y plan de pagos. El modelo debería mostrar la evidencia de cada ajuste y debería probar la absorción además del precio. Un supuesto de precio elevado que prolongue el periodo de ventas puede reducir el valor mediante costes financieros y de tenencia.

La financiación debería reflejar la estructura de capital real. El calendario de pago del suelo, los fondos propios, la deuda senior, la financiación mezzanine, los cobros de preventas, las condiciones de disposición, los intereses, las comisiones, los covenants y el efectivo mínimo determinan la liquidez. Un proyecto puede mostrar un valor actual neto positivo y aun así fracasar porque no puede financiar una necesidad máxima de caja. El análisis de selección debería presentar la necesidad máxima de financiación, su calendario y la holgura de covenant junto con las métricas de rentabilidad.

El modelo debería conciliar los supuestos nominales y reales, las medidas antes y después de impuestos, los rendimientos apalancados y no apalancados, y la fecha de valoración. Debería indicar si el resultado es valor del suelo, valor de empresa, valor de los fondos propios, oferta máxima o valor estratégico. Esto evita que un comité de inversiones compare cifras no homogéneas.

8. Presentar escenarios, distribuciones y sensibilidades de decisión

Un resultado puntual oculta la incertidumbre. El comité necesita un caso base, uno a la baja creíble, un caso severo pero plausible y uno al alza, junto con los supuestos que cambian entre ellos. Los escenarios deberían ser coherentes internamente. Un escenario a la baja que reduzca los precios de venta mientras mantiene sin cambios la absorción, el margen de la deuda, el coste de construcción y el rendimiento de salida puede subestimar el efecto combinado de un mercado más débil.

Las sensibilidades deterministas revelan las variables con mayor impacto. El análisis de selección debería probar precio, renta, rendimiento, coste de construcción, retraso, tipo de interés, densidad, velocidad de ventas y contingencia. Las tablas de doble entrada pueden revelar interacciones, como precio y coste o renta y rendimiento de salida. El análisis de umbrales responde a las preguntas operativas del comité: la caída de precio que elimina la rentabilidad objetivo, el retraso que agota la liquidez o el aumento de coste que reduce el valor del suelo por debajo de las expectativas del vendedor.

El análisis probabilístico puede aportar valor cuando las distribuciones y dependencias se fundamentan en evidencia. No debería convertir supuestos subjetivos en una aparente verdad estadística. El modelo debería divulgar las elecciones de distribución, las correlaciones, el tamaño de la muestra, el tratamiento de las colas y la diferencia entre probabilidad modelizada y frecuencia observada. Un gráfico de abanico puede mostrar cómo se amplía la incertidumbre a lo largo del programa y dónde es más débil la protección del capital.

La decisión debería centrarse en condiciones controlables. El equipo de inversión puede mejorar la protección a la baja mediante precio, contraprestación diferida, estructura de opción, condición urbanística, condición de servicios públicos, exclusividad, reparto de costes o una adquisición por fases. El análisis de selección resulta comercialmente útil cuando conecta los riesgos con los términos de la transacción y las prioridades de diligencia debida.

Los valores son puntos de índice hipotéticos; el gráfico muestra la ampliación y contracción de la incertidumbre, no una previsión.

Tabla 4. Conjunto ilustrativo de escenarios coherentes

Todos los valores son hipotéticos y demuestran gobernanza del modelo, no previsiones de mercado.

9. Validar el modelo y monitorizar su rendimiento

La validación debe ser proporcional a la materialidad y debe abarcar la solidez conceptual, la implementación, los datos, los resultados y el uso. La guía revisada de 2026 de la Reserva Federal sobre gestión del riesgo de modelos hace hincapié en un enfoque basado en riesgos, funciones claras, validación, monitorización continua y comprensión de los modelos de proveedores para las organizaciones bancarias dentro de su ámbito de aplicación.[12] Los principios proporcionan una referencia útil de gobernanza para cualquier modelo de selección material, aunque su aplicabilidad legal depende de la institución y la actividad.

La revisión conceptual pregunta si el modelo representa la decisión real. Un clasificador entrenado con operaciones cerradas puede seleccionar emplazamientos similares a las operaciones que se cerraron, en lugar de emplazamientos que crearon valor. Los datos históricos de cierre también incorporan sesgo de selección, régimen de mercado y estrategia institucional. La validación debe comprobar si la variable objetivo, las características y la función de pérdida se alinean con el mandato de inversión.

La revisión de implementación prueba la extracción, las transformaciones, las fórmulas, las unidades, las divisas, las fechas, las uniones, las versiones del modelo y las interfaces. Un método correcto puede fallar por un error decimal, de sistema de coordenadas, de registro duplicado o de periodo. Los casos de prueba deben incluir parcelas ordinarias, casos límite, datos faltantes, documentos contradictorios y entradas adversariales. Los resultados materiales de hojas de cálculo deben conciliarse con una referencia calculada de forma independiente.

La monitorización de resultados compara las selecciones iniciales con la diligencia debida, las ofertas, las adquisiciones y los resultados realizados posteriores. Las medidas útiles incluyen falsos rechazos, falsos avances, lagunas de evidencia detectadas tarde, sobrescrituras de comparables, error de valoración, variación de costes y del programa, tiempo de decisión y carga de trabajo de los revisores. El rendimiento debe segmentarse por geografía, tipo de activo, régimen de mercado y disponibilidad de datos. Un modelo puede rendir bien en general y fallar en un submercado reducido.

El control de cambios debe identificar nuevos datos, código, prompts, modelos, umbrales e interfaces. Los cambios materiales requieren pruebas y aprobación antes de la producción. Las actualizaciones de proveedores no deben entrar en el proceso de decisión de forma silenciosa. El registro debe consignar la versión aprobada utilizada para cada paquete del comité y la ruta de reversión.

10. Gobernar la AI generativa y la extracción de documentos

La AI generativa es útil para extraer covenants, condiciones de planeamiento, manifestaciones del vendedor, hallazgos de informes e inconsistencias. Su resultado debe permanecer como una extracción propuesta hasta que se vincule a la fuente y se revise en el nivel requerido. El sistema debe mostrar el documento, la página, el pasaje relevante, la confianza de la extracción y cualquier fuente en conflicto. Un resumen sin ubicación de la fuente es difícil de verificar y no debe impulsar una decisión material.

El diseño de prompts y de recuperación requiere gobernanza. El sistema debe restringir la recuperación a la evidencia aprobada para el asunto, evitar la fuga de datos entre operaciones, registrar la versión del modelo y del prompt, y controlar el acceso a documentos confidenciales. Debe distinguir las instrucciones contenidas en los documentos de origen de las instrucciones autorizadas del flujo de trabajo. Un documento puede contener texto adversarial o irrelevante; el flujo de extracción debe tratarlo como evidencia y no como autoridad operativa.

Las pruebas de fiabilidad deben reflejar el trabajo real. Una prueba de referencia puede medir la extracción de identificadores de parcela, la clasificación de condiciones de planeamiento, el estado de comparables, la extracción numérica, la reconstrucción de tablas, la conversión de unidades, la exactitud de las citas y la abstención cuando faltan evidencias. La prueba de referencia debe incluir escaneos de baja calidad, enmiendas, calendarios en conflicto y varios idiomas cuando proceda.

La revisión humana debe estar basada en el riesgo. Un profesional cualificado debe revisar los datos de valoración significativos, las conclusiones jurídicas y urbanísticas, el estado de los criterios eliminatorios, las excepciones y la recomendación final. Los campos administrativos de bajo riesgo pueden usar un control por muestreo cuando se haya demostrado su exactitud. RICS exige que un tasador cualificado designado tome y documente una decisión sobre la fiabilidad cuando el resultado de AI afecte de forma significativa al trabajo profesional dentro de su ámbito.[3]

11. Diseñar el expediente de evidencia del comité de inversiones

El expediente del comité debe hacer que la decisión sea reproducible. Comienza con la idoneidad del mandato, la decisión propuesta, el importe, la estructura, el rango de rentabilidad y las condiciones principales. A continuación, presenta la identidad de la parcela, los criterios eliminatorios, la calidad de la evidencia, el análisis de mercado y de comparables, el concepto de desarrollo, los escenarios financieros, la financiación, los riesgos, el plan de diligencia debida y la autoridad solicitada. Cada cifra significativa debe enlazar con una celda del modelo y con el registro de la fuente.

El expediente debe separar los hechos, las conclusiones profesionales y los supuestos hipotéticos de modelización. Los hechos indican la fuente y la fecha de vigencia. Las conclusiones profesionales identifican al revisor y la evidencia considerada. Los supuestos indican su responsable, su justificación, su sensibilidad y su fecha de caducidad. Esta estructura permite al comité cuestionar la capa correcta.

Las excepciones deben ser destacadas. El expediente debe enumerar los criterios eliminatorios no resueltos, la evidencia faltante, las limitaciones del modelo, las sobrescrituras, las opiniones discrepantes y las consecuencias del retraso. Una recomendación de avance puede estar condicionada a la confirmación de titularidad, la capacidad de suministros, una opinión urbanística, la validación de costes o un precio revisado. El acta debe conservar las condiciones y quién tiene autoridad para confirmarlas.

El flujo de trabajo de decisión también debe prevenir el sesgo de automatización. Una puntuación alta no debe decidir el resultado. El comité puede rechazar un emplazamiento con una puntuación alta por concentración, reputación, capacidad o estrategia. Puede hacer avanzar un emplazamiento con una puntuación inferior porque tiene una opción valiosa, siempre que la justificación y las condiciones estén documentadas. El análisis de sobrescrituras pasa entonces a formar parte del seguimiento del modelo.

El árbol rige el escalado; los niveles de autoridad vigentes dependen del marco de delegación aprobado por la organización.

Tabla 5. Derechos de decisión y registro de control

Los roles son ilustrativos y deben alinearse con las delegaciones y obligaciones profesionales de la organización.

12. Caso práctico hipotético de screening

Considérese una parcela hipotética de 42.000 metros cuadrados en el borde urbano, propuesta para un desarrollo residencial mixto. El vendedor proporciona un folleto, una coordenada de ubicación, una volumetría conceptual y un precio indicativo. El identificador registral está presente, mientras que el mapa indicativo y el plano del vendedor muestran una pequeña diferencia de linderos. El sistema extrae ambas geometrías, identifica la discrepancia e impide la normalización automática de la superficie. La revisión jurídica confirma el derecho inscrito y explica la diferencia de cartografía antes de que la parcela pase a la siguiente fase.

El filtro urbanístico identifica una calificación residencial adoptada, un rango de densidad y un requisito de contribución al transporte. El concepto se sitúa cerca del límite superior de densidad. La evidencia de servicios confirma una vía de agua, mientras que la capacidad de la red sigue sujeta a un estudio formal. Por tanto, el cuadro de evaluación registra la planificación como aprobada con una sensibilidad de diseño y la electricidad como condicional. La condición tiene un responsable, una fecha de respuesta prevista, un coste de solicitud y un impacto negativo en el programa.

El motor de comparables encuentra 34 registros candidatos. Once son precios de oferta, siete carecen de una coincidencia urbanística fiable, cuatro son anteriores al periodo aprobado y tres no pueden conciliarse con una parcela. Quedan nueve para revisión detallada. Tres transacciones verificadas reciben confianza alta, cuatro reciben confianza media tras ajustes transparentes y dos se conservan solo como límites de rango. El revisor rechaza una coincidencia algorítmica porque un intercambiador de transporte creó una prima de ubicación ausente en el emplazamiento objeto de análisis.

El modelo residual utiliza un índice hipotético base de precios de venta de 100, un índice de costes de construcción de 100, una provisión de programa de tres meses y un coste total de financiación senior del 7,5 %. El escenario adverso combina un índice de precios de 91, un índice de costes de 110, un retraso de nueve meses y un coste de financiación del 9,0 %. El caso severo utiliza 82, 120, quince meses y el 10,5 %. Estas cifras demuestran un diseño de escenarios coherente y no son observaciones sobre ningún mercado.

El caso base respalda el avance, mientras que el caso severo deja poco valor de fondos propios y genera una necesidad máxima de financiación sustancialmente mayor. El análisis de umbrales muestra que el precio, la densidad y el retraso de construcción dominan la decisión. Por ello, el equipo propone un rango de precio, una condición sobre la capacidad de servicios, una revisión confirmatoria de costes y un dictamen de densidad urbanística antes de una oferta vinculante. El comité hace avanzar la oportunidad a un análisis preliminar de la operación con esas condiciones y deja constancia de que no se ha aprobado ninguna valoración final.

El caso muestra cómo la velocidad y el control pueden reforzarse mutuamente. La extracción automatizada reduce el conjunto de evidencias, identifica conflictos, prepara el cuadro de evaluación y ejecuta escenarios. El equipo humano resuelve la cuestión jurídica de la parcela, evalúa la relevancia de los comparables, asume la responsabilidad de las hipótesis y diseña las condiciones de la transacción. El resultado es más rápido porque los revisores se centran en excepciones materiales y decisiones comerciales.

13. Hoja de ruta de implementación

La implementación debe comenzar con el modelo de decisión de inversión y de evidencia, en lugar de con una adquisición de tecnología a gran escala. La primera fase mapea el flujo de trabajo actual de screening, los derechos de decisión, las fuentes de datos, los errores recurrentes, el tiempo de ciclo y los resultados. Identifica un tipo de transacción y una geografía con evidencia suficiente para un piloto controlado. El equipo define puertas obligatorias, anclas de puntuación, jerarquía de fuentes y el paquete mínimo para el comité.

La segunda fase construye el registro de la parcela, el registro de evidencias y el modelo transparente. Las hojas de cálculo existentes pueden seguir formando parte del flujo de trabajo si su lógica está controlada y las interfaces se someten a pruebas. El sistema debe automatizar primero la recuperación, la extracción, la conciliación y la detección de evidencias faltantes. La clasificación predictiva debe llegar solo después de que la organización disponga de etiquetas estables y pueda explicar el objetivo de decisión.

La tercera fase ejecuta el nuevo proceso en paralelo con revisores experimentados. El piloto registra la precisión de extracción, las coincidencias falsas, la evidencia faltante, los cambios de los revisores, la variación de la valoración, el tiempo de decisión y los incidentes del modelo. El equipo fija umbrales de aceptación y documenta cuándo debe abstenerse el sistema. La revisión independiente debe examinar tanto el modelo cuantitativo como el proceso operativo.

La cuarta fase introduce el uso controlado en producción. Se aprueban los controles de acceso, privacidad, retención, proveedores, ciberseguridad, modelo, licencias y continuidad del negocio. Los cambios siguen un proceso de publicación. Cada paquete para el comité registra la versión del modelo y de los datos. El seguimiento compara las decisiones de screening con la diligencia debida posterior y los resultados realizados.

La quinta fase se amplía con cautela a distintas geografías y clases de activos. No debe suponerse que un modelo validado con transacciones residenciales del Reino Unido funcione para suelo industrial saudí, desarrollo sobre plano UAE o reconversión de activos de ciencias de la vida en EE. UU. Cada ampliación requiere datos locales, mapeo legal y urbanístico, casos de referencia, revisores cualificados y umbrales de decisión aprobados.

14. Limitaciones y conclusión

El cribado apoyado en AI no puede sustituir la investigación de títulos, el asesoramiento urbanístico, los estudios topográficos, el juicio de valoración, la diligencia debida técnica, la evaluación ambiental, el análisis de financiación ni la autoridad de aprobación de inversiones. Los datos públicos y de proveedores pueden estar incompletos, retrasados, revisados, licenciados para usos limitados o no ser adecuados para conclusiones a nivel de parcela. Las transacciones históricas incorporan el régimen de mercado y efectos de selección. Los mercados poco líquidos y los activos novedosos pueden generar rangos amplios incluso cuando el flujo de trabajo está bien gobernado.

Los resultados de los modelos pueden fallar por errores en las fuentes, errores de extracción, errores de resolución de entidades, deriva conceptual, defectos de implementación, objetivos inadecuados, cambios ocultos de proveedores y sesgo humano hacia la automatización. La gobernanza reduce estos riesgos mediante linaje de datos, validación, monitorización, cuestionamiento independiente, abstención y derechos de decisión documentados. No elimina la incertidumbre de la inversión inmobiliaria.

El valor comercial del marco procede de un enfoque disciplinado. Los equipos pueden rechazar antes los desajustes evidentes, identificar más pronto la evidencia faltante, comparar oportunidades de forma consistente y dirigir la atención profesional a los supuestos que importan. Los comités de inversiones reciben un rango, la calidad de la evidencia, condiciones y una trayectoria a la baja en lugar de una puntuación refinada con fragilidad oculta.

Un sistema sólido parte, por tanto, de la verdad a nivel de parcela, separa los filtros eliminatorios del atractivo, clasifica la evidencia comparable, modela escenarios coherentes y mantiene el control en profesionales responsables. El resultado es una ruta más rápida desde la oportunidad hasta una decisión defendible, con un rastro de evidencia que sigue siendo utilizable a lo largo de la diligencia debida, la negociación, la financiación y la revisión posterior a la inversión.

Referencias

1. Consejo de Normas Internacionales de Valoración, Normas Internacionales de Valoración, en vigor desde el 31 de enero de 2025, incluidas las IVS 104, IVS 105, IVS 106, IVS 400 e IVS 410. https://ivsc.org/standards/
2. Fundación IFRS, IFRS 13 Medición del valor razonable. https://www.ifrs.org/issued-standards/list-of-standards/ifrs-13-fair-value-measurement/
3. Royal Institution of Chartered Surveyors, Uso responsable de la inteligencia artificial en la práctica de la agrimensura, norma profesional en vigor desde el 9 de marzo de 2026. https://www.rics.org/content/dam/ricsglobal/documents/standards/Responsible-use-of-artificial-intelligence-in-surveying-practice_September-2025.pdf
4. National Institute of Standards and Technology, Marco de Gestión de Riesgos de Inteligencia Artificial (AI RMF 1.0), NIST AI 100-1, enero de 2023. https://doi.org/10.6028/NIST.AI.100-1
5. Instituto Nacional de Estándares y Tecnología, Núcleo del Marco de Gestión de Riesgos (RMF) de AI. https://airc.nist.gov/airmf-resources/airmf/5-sec-core/
6. HM Land Registry, descargas de datos de precios pagados. https://www.gov.uk/government/statistical-data-sets/price-paid-data-downloads
7. HM Land Registry, datos espaciales de polígonos de índice INSPIRE. https://www.gov.uk/guidance/inspire-index-polygons-spatial-data
8. Departamento de Tierras de Dubái, datos inmobiliarios. https://dubailand.gov.ae/en/open-data/real-estate-data/
9. Digital Dubái, datos abiertos de transacciones del Departamento de Tierras de Dubái. https://www.dubaipulse.gov.ae/data/dld-transactions/dld_transactions-open
10. Autoridad General de Bienes Raíces, indicadores inmobiliarios de Arabia Saudí. https://rei.rega.gov.sa/en
11. Gobierno del Reino Unido y Agencia de Medio Ambiente, Consulte el riesgo de inundación a largo plazo de una zona en Inglaterra. https://www.gov.uk/check-long-term-flood-risk
12. Junta de Gobernadores del Sistema de la Reserva Federal, SR 26-2, Guía revisada sobre gestión del riesgo de modelos, 17 de abril de 2026. https://www.federalreserve.gov/supervisionreg/srletters/SR2602.htm
13. Instituto Nacional de Estándares y Tecnología, Manual de implementación del RMF de AI. https://airc.nist.gov/airmf-resources/playbook/
14. Royal Institution of Chartered Surveyors, AI en valoración inmobiliaria, proyecto de guía global. https://www.rics.org/profession-standards/rics-standards-and-guidance/sector-standards/valuation-standards/ai-in-real-estate-valuation
15. HM Land Registry, datos públicos. https://www.gov.uk/government/publications/hm-land-registry-data/public-data
16. Federal Housing Finance Agency, Normas de control de calidad para modelos automatizados de valoración, información sobre la regla final. https://www.fhfa.gov/regulation/federal-register/rin-2590-aa62
17. Banco de Pagos Internacionales, Inteligencia artificial y procesamiento de información en finanzas, Documento de trabajo n.º 1194, junio de 2024. https://www.bis.org/publ/work1194.htm