Los Agentes de IA Automatizan por Fin la Investigación de Propiedad en Bienes Raíces Comerciales, Poniendo Fin a Décadas de Trabajo Manual

Found this article helpful?

Share it with your network and spread the knowledge!

Los Agentes de IA Automatizan por Fin la Investigación de Propiedad en Bienes Raíces Comerciales, Poniendo Fin a Décadas de Trabajo Manual

La investigación de propiedad en bienes raíces comerciales ha resistido durante mucho tiempo la automatización, permaneciendo como un proceso manual incluso cuando otros flujos de trabajo de corretaje se digitalizaron. Según Dan Mosher, CEO y cofundador de DealGround, la razón es estructural: los registros de propiedad están fragmentados en 50 estados y miles de condados, y hasta hace poco, ninguna tecnología podía conectar eficientemente los múltiples pasos requeridos para rastrear a un propietario desde una presentación de LLC hasta un número de teléfono y dirección de correo electrónico.

Los registros de los condados se actualizan en diferentes plazos. Algunos se actualizan horas después de una transacción, otros tardan semanas. Las presentaciones de Secretaría de Estado varían en formato, accesibilidad y completitud. Y debido a que la mayoría de las propiedades comerciales están en manos de LLC o fideicomisos en lugar de nombres individuales, encontrar a la persona real detrás de una propiedad requiere navegar por múltiples sistemas distintos en secuencia. “Cada estado es diferente. Cada condado es diferente”, dice Mosher. “Hay una fragmentación de las propiedades porque todas se gestionan localmente”. El proceso implica al menos tres funciones separadas: identificar la LLC o fideicomiso que posee la propiedad, perforar esa entidad para encontrar al individuo detrás de ella, y localizar la información de contacto actual de esa persona. Cada paso se basa en diferentes fuentes de datos con su propia estructura, reglas de acceso y cadencia de actualización.

Según Mosher, el problema central nunca fue que la tecnología no pudiera manejar un solo paso, sino que ninguna tecnología podía manejar todos los pasos en secuencia. Filtrar hasta el conjunto correcto de propiedades para un cliente en particular era posible. Construir una herramienta para buscar presentaciones de Secretaría de Estado era posible. Construir una herramienta para buscar información de contacto era posible. Conectar esas tres funciones en un solo flujo de trabajo automatizado no lo era. “Probablemente podrías construir tecnología en cada uno de los tres pasos, pero nunca podrías encadenar todos los pasos juntos anteriormente”, dice Mosher. “Ahora puedes encadenarlos todos juntos, y eso es lo que ofrecemos, que nunca se ha hecho antes”.

Mosher atribuye el cambio a los procesos agénticos impulsados por IA, sistemas que ejecutan flujos de trabajo de múltiples pasos de forma autónoma y pasan de una función a la siguiente sin intervención humana en cada etapa. Describe esta capacidad como viable durante aproximadamente el último año, lo que ayuda a explicar por qué la investigación de propiedad siguió siendo manual incluso cuando otras partes del flujo de trabajo de corretaje se digitalizaron. Mosher dice que los corredores que hacen prospección activa pueden pasar de 10 a 20 horas por semana solo en investigación de propiedad. Describe conversaciones con clientes que registraban 15 horas semanales en este trabajo antes de adoptar un enfoque automatizado, y que ahora logran el mismo resultado en 15 a 30 minutos.

El costo de tiempo de la investigación manual de propiedad representa una restricción estructural en cuántas conversaciones productivas puede tener un corredor. Si un corredor pasa 15 horas a la semana identificando propietarios y localizando información de contacto, esas son horas que no se dedican a buscar y filtrar propiedades, llamadas, presentaciones o desarrollo de acuerdos. Mosher enmarca esto como una reasignación de capacidad productiva, no simplemente una mejora de conveniencia. La precisión agrava el problema. Los propietarios de propiedades que gestionan múltiples activos a través de LLC separadas tienden a cambiar los números de teléfono con frecuencia y mantener múltiples direcciones de correo electrónico. Un proceso de investigación manual que tarda días o semanas en completarse puede producir información de contacto que ya está desactualizada cuando el corredor intenta usarla. Para los corredores cuyos ingresos dependen de llegar a los propietarios antes que los competidores, los datos de contacto obsoletos no solo pierden tiempo. Cuestan acuerdos.

La plataforma de DealGround replica el proceso de investigación manual pero lo ejecuta a través de agentes impulsados por IA que pueden realizar múltiples búsquedas de propiedad simultáneamente. Un corredor puede enviar 100 LLC a la vez, y el sistema procesa las presentaciones de Secretaría de Estado, identifica a los individuos asociados y recupera la información de contacto actual sin que el corredor gestione cada paso. “Replicamos el proceso manual hoy, así que no es muy diferente, pero lo hacemos mucho más rápido porque todo es iniciado y ejecutado por agentes de IA”, dice Mosher. Mosher describe un caso en el que un corredor que buscaba parcelas de tierra en Texas, donde las presentaciones de Secretaría de Estado estaban incompletas, usó DealGround para sacar a la luz un nombre de propietario, dirección de correo electrónico y número de teléfono que la investigación manual no había logrado producir. “El hecho de que puedas descubrir esto, esto podría ser la diferencia entre ningún trato y un trato”, le dijo el corredor a Mosher, porque la parcela había sido inalcanzable mediante métodos convencionales.

Mosher señala que DealGround no es la única plataforma que aborda este problema. Posiciona la ventaja de la compañía en torno a la precisión y frescura de los datos, ejecutando búsquedas de propiedad bajo demanda para que los resultados reflejen información actual en lugar de una instantánea estática. Mosher dice que DealGround está operando actualmente con alrededor del 95% de precisión en los datos que extrae de los documentos. La barrera para automatizar la investigación de propiedad siempre fue la fragmentación de pasos a través de sistemas desconectados. Ahora que los agentes de IA pueden encadenar esos pasos en un solo flujo de trabajo, el cuello de botella que limitó la prospección de bienes raíces comerciales durante décadas se puede abordar de una manera que antes no era posible. Para obtener más información, visite DealGround.