Análisis de mercado inmobiliario con LLMs y datos públicos

El problema real: datos hay, capacidad de interpretarlos no

Una desarrolladora inmobiliaria en Monterrey con tres proyectos activos genera internamente más datos de los que puede analizar: precios de cierre, tiempos de absorción, perfil del comprador, comparativos de zona. Fuera de la empresa, existe otro volumen igual o mayor en fuentes públicas — catastro, INEGI, permisos de construcción — que nadie procesa porque hacerlo manualmente toma semanas.

El resultado práctico es que las decisiones de inversión se toman con información parcial o con intuición de mercado. No porque los datos no existan, sino porque el pipeline para convertirlos en inteligencia accionable no existe. Ahí es donde los LLMs tienen una utilidad concreta y medible.

Qué hace el LLM y qué no hace

Antes de hablar de implementación, conviene ser preciso sobre el rol del modelo de lenguaje en este contexto. Un LLM no es una base de datos y no genera datos de mercado por sí solo. Lo que sí puede hacer bien:

• Extraer datos estructurados de documentos no estructurados: actas notariales en PDF, reportes de catastro con formato inconsistente, minutas de asamblea municipal.
• Interpretar tablas y responder preguntas de negocio: “¿En qué colonias creció más el precio por m² en los últimos 18 meses?” sin que el analista escriba SQL.
• Redactar resúmenes ejecutivos a partir de datos ya procesados, con el nivel de detalle que el receptor necesita (un director financiero vs. un arquitecto de proyecto).

Lo que el LLM no hace: inventar precios de mercado, validar la calidad de los datos de entrada, ni sustituir el juicio de un analista sobre variables locales que no están en ningún dataset público.

Las fuentes de datos públicos que realmente funcionan en México

El ecosistema de datos abiertos en México es irregular — algunas fuentes son robustas, otras tienen años de retraso o cobertura parcial. Las que en la práctica aportan señal útil para análisis inmobiliario:

INEGI

• Marco Geoestadístico Nacional: polígonos de manzana, AGEB, municipio.
• Directorio Estadístico Nacional de Unidades Económicas (DENUE): densidad comercial por zona, útil para estimar demanda en usos mixtos.
• Encuesta Nacional de Ingresos y Gastos de los Hogares (ENIGH): perfil socioeconómico por región.

CONAVI y RUV

• Registro Único de Vivienda: inventario de vivienda nueva con coordenadas, precio y estatus de venta. Uno de los datasets más subestimados del sector.
• Subsidios otorgados por municipio: proxy de demanda real en segmentos de interés social y medio.

Registros Públicos de la Propiedad

• Traslados de dominio por período: permite calcular absorción histórica por zona sin depender de portales privados.
• La cobertura varía por estado — Nuevo León y CDMX tienen mejor digitalización que el promedio nacional.

Portales de listings (scraping ético)

• Precios de oferta en portales como Inmuebles24 o Lamudi no son precios de cierre, pero sirven como proxy de precio de mercado percibido. La diferencia entre precio de lista y precio de cierre suele estar entre 5–12% en mercados activos de Monterrey, según datos de operaciones que hemos visto en proyectos de análisis.

Cómo se conecta el pipeline en la práctica

Un pipeline básico para análisis de mercado inmobiliario con LLMs tiene cuatro capas:

1. Ingesta y normalización: scripts de Python que descargan o reciben los datos de las fuentes anteriores, los convierten a formato tabular consistente y los almacenan en una base de datos (PostgreSQL con extensión PostGIS para datos geoespaciales es el stack que usamos en Eurema para este tipo de proyectos).

2. Enriquecimiento geoespacial: cruzar coordenadas de propiedades con capas de INEGI (distancia a vialidades, AGEB de referencia, uso de suelo). Esto convierte un registro de precio en un registro de precio con contexto de ubicación.

3. Capa de consulta con LLM: un agente conectado a la base de datos que puede responder preguntas en lenguaje natural. El modelo recibe el schema de la BD y genera queries SQL, ejecuta, recibe el resultado y lo interpreta. Herramientas como LangChain o LlamaIndex facilitan este patrón; lo que varía es la calidad del schema y de los prompts de sistema.

4. Generación de reportes: el LLM redacta el reporte ejecutivo con los datos ya procesados. El analista revisa y valida — el modelo acelera la redacción, no la elimina.

El cuello de botella en el 80% de los proyectos que hemos visto no es la integración del LLM. Es la limpieza de datos internos de la empresa: precios de cierre en hojas de Excel con formatos distintos por vendedor, coordenadas capturadas manualmente con errores, categorías de producto sin estandarizar.

Qué resultados son razonables esperar

Sin prometer resultados que dependen de variables fuera de control, estos son rangos que tienen base en proyectos similares:

El valor no está en el volumen de reportes — está en poder evaluar más oportunidades de inversión con el mismo equipo. Una desarrolladora que antes descartaba zonas por falta de tiempo para analizarlas puede incorporarlas al pipeline sin costo adicional significativo.

Por dónde empezar si tu operación es mediana

Si tienes entre 3 y 10 proyectos activos y un equipo de análisis de 1–3 personas, el punto de entrada más eficiente no es construir el pipeline completo desde el día uno. El criterio que usamos en Eurema para priorizar es: ¿cuál es la decisión de negocio que más veces al año se toma con información incompleta?

Casi siempre la respuesta es la evaluación inicial de zonas nuevas — la due diligence de mercado antes de comprometer capital. Ese es el caso de uso donde un pipeline de datos públicos + LLM entrega ROI más rápido, porque reemplaza trabajo manual repetible con un proceso automatizable.

Una vez que ese flujo funciona y el equipo confía en los outputs, se puede expandir a análisis de absorción, seguimiento de competencia o reportes para inversores.

Si quieres revisar si tu operación tiene el volumen de decisiones que justifica este tipo de sistema, el servicio de Análisis de datos de Eurema incluye una evaluación inicial de fuentes disponibles y casos de uso prioritarios antes de proponer cualquier desarrollo.

El siguiente paso concreto

Mapea las tres últimas decisiones de inversión de tu empresa y anota qué datos usaste, cuánto tiempo tomó conseguirlos y qué información te hubiera gustado tener pero no tenías. Ese ejercicio de 30 minutos define con más precisión qué parte del pipeline vale la pena construir primero — y cuál puedes ignorar por ahora.