Desde fuera, una plataforma inmobiliaria parece de nicho, pero por dentro reúne tres componentes que ya he entregado muchas veces: un marketplace con anuncios, búsqueda, filtros y mapa; un CRM para contactos, estados y el registro de quién llamó a quién; y reservas de visitas, calendarios y recordatorios. Al añadir IA, se convierte en uno de los mejores espacios para dar trabajo real a un modelo: mucho texto semiestructurado, fotos, preguntas repetitivas y un agente que siempre anda escaso de tiempo.
Empiezo por el modelo de datos, porque ahí estos productos salen adelante o fracasan. Un anuncio no es una fila con un campo de descripción: tiene tipo, historial de precios, estado (borrador, activo, reservado, vendido), ubicación con coordenadas, contenido multimedia y un propietario o agencia. Hace falta PostgreSQL con restricciones reales, PostGIS o al menos coordenadas indexadas para buscar en el mapa, búsqueda de texto completo en direcciones y descripciones, y una auditoría que registre quién cambió el precio y cuándo. Los duplicados son el problema clásico —el mismo piso publicado por tres agentes—, así que la deduplicación se diseña desde el principio y no se remienda después.
La parte pública usa Next.js con SSR o ISR para las páginas de los anuncios, porque en el sector inmobiliario el SEO significa tráfico: cada anuncio es una página de aterrizaje con datos estructurados, imágenes rápidas y una URL clara. El área de los agentes es un panel con el flujo de contactos, el calendario de visitas y notificaciones por correo o Telegram. En ambos lados, mobile-first: los compradores consultan el móvil y los agentes trabajan desde el coche.
Veo más valor en la IA cuando forma parte del flujo de trabajo y no se queda en un chatbot en la página de inicio. El modelo redacta una descripción clara a partir de unos campos y fotos; luego el agente la edita y aprueba. Extrae datos estructurados de un PDF desordenado, un anuncio pegado o una nota de voz. En la búsqueda semántica, «dos dormitorios, tranquilo, cerca de un parque y dentro del presupuesto» se convierte en filtros y embeddings sobre las descripciones. Para cualificar contactos, el modelo resume la conversación y sugiere el siguiente paso, pero decide el agente. El RAG sobre los documentos de la agencia —contratos, políticas y guías de barrios— hace que las respuestas incluyan su fuente.
Las protecciones son las mismas que aplico a cualquier producto de IA. El modelo nunca publica un precio, firma nada ni escribe a un cliente por su cuenta: prepara un borrador y una persona lo confirma. Cada generación se registra junto con su entrada para poder rastrear una respuesta incorrecta. Se minimizan los datos personales antes de enviarlos al proveedor y se limita el coste de cada flujo. OpenAI o Anthropic queda detrás de una interfaz, de modo que cambiar de modelo es modificar la configuración, no reescribir el sistema. Lanzo un flujo detrás de una feature flag, mido cuánto tiempo ahorra a cada agente y solo entonces añado el siguiente.
El mismo enfoque sirve para mucho más que el sector inmobiliario: plataformas de reservas, herramientas comerciales para hostelería, marketplaces y SaaS con mucho CRM; cualquier producto donde se maneja mucho texto y se repiten decisiones. Si estás creando uno, envíame el proceso manual que más detesta tu equipo. Te responderé con el producto más pequeño que lo automatice, los datos que necesita y el punto en el que debe intervenir una persona.
Dale al próximo producto alguien que se quede.
¿Listo para empezar? Envíame un mensaje: puedo comenzar ahora y quedarme. Colaboraciones a largo plazo, no una entrega de dos semanas. Hablemos de tu proyecto, requisitos y la mejor forma de avanzar.