Detectamos un problema claro: la gestión diaria de propiedades en alquiler estaba plagada de tareas repetitivas, descentralizadas y propensas a errores.
Mi compañero Adrián, que ya llevaba tiempo enfrentándose a esta realidad en su día a día, conocía bien los puntos de fricción y por tanto cuál era el resultado que queríamos obtener: menos caos en la operativa y más control real sobre cada piso.
Nos pusimos a pensar en cómo podríamos abordar ese caos de manera estructurada. Queriamos crear un sistema que permitiera automatizar cada uno de esos procesos de forma modular y segura.
¿De verdad hacía falta seguir respondiendo mensajes a deshora, copiando datos a mano y rehaciendo contratos una y otra vez? ¿No era precisamente este el tipo de problema que la IA debía ayudarnos a resolver?
Objetivo: gestión inmobiliaria totalmente automatizada
Nuestro objetivo era ambicioso pero claro: centralizar y coordinar toda la operativa de gestión inmobiliaria (la comunicación con inquilinos, el análisis de rentabilidad de propiedades, la contabilidad y la generación de contratos legales) en un único sistema inteligente, sin intervención manual ni duplicación de esfuerzos.
Imaginábamos un asistente que captara cualquier entrada (mensaje, enlace, factura o formulario) y automáticamente iniciara el flujo de trabajo adecuado: entendiendo el contexto, ejecutando los pasos necesarios y entregando el resultado.
¿Qué significaría esto en la práctica? Pues que cada actor en el proceso obtendría justo lo que necesita, al instante y sin errores:
- Inquilinos atendidos en segundos, con respuestas claras a sus preguntas frecuentes o reporte de incidencias.
- Propietarios y gestores con análisis financieros claros (indicadores clave de rentabilidad) para tomar decisiones informadas sobre sus inversiones.
- Contabilidad al día, con cada factura de servicios o reparaciones automáticamente registrada en su lugar correspondiente y categorizada correctamente.
- Contratos de alquiler listos sin errores, generados con los datos de un formulario y cumpliendo la normativa, evitando el temido “corta y pega” manual que tantos sustos puede dar.
En conjunto, la solución actúa como un «asistente orquestador» que entiende todo lo que ocurre en el ecosistema inmobiliario, ejecutando cada paso necesario y dejando todo bien documentado.
Arquitectura en cuatro soluciones integradas
Para lograr esta visión, diseñamos una arquitectura compuesta por cuatro grandes bloques o flujos de trabajo, cada uno enfocado en uno de los retos clave que identificamos.
Cada pieza resolvía un problema específico, pero al integrarlas conseguíamos algo más potente: un sistema en el que las piezas se comunican y se refuerzan entre sí.
A continuación describo estos componentes, que en conjunto forman la sinfonía de nuestra automatización inmobiliaria.
1. Asistente conversacional por Telegram: el recepcionista 24/7 para inquilinos
El primer módulo fue un bot de Telegram pensado para atender a los inquilinos a cualquier hora.
Imaginemos a un inquilino que escribe a las 23:00 “Se me ha fundido la bombilla del pasillo, ¿qué hago?”. En vez de dejarlo en visto hasta la mañana siguiente, nuestro asistente conversacional analiza el mensaje al vuelo y le proporciona una respuesta útil al instante.
Este bot actúa como un recepcionista virtual: saluda, entiende la intención de la consulta, busca la información pertinente y responde de forma amable y precisa.
¿Cómo lo logramos? Detrás de la sencillez de chatear con un “agente inmobiliario virtual” en Telegram, hay varias capas trabajando en armonía.
Por un lado, usamos la API de Telegram para recibir mensajes y enviar respuestas en tiempo real.
La magia ocurre cuando entra en juego la IA: conectamos con un modelo de lenguaje que, apoyado en una base de conocimiento específica de las viviendas, genera respuestas personalizadas para cada inquilino.
El asistente está entrenado para no inventar datos (si no encuentra algo en la base de conocimiento, nos lo notifica para que una persona intervenga), lo cual es fundamental para mantener la confianza.
Además, implementamos una pequeña memoria de contexto: el sistema lleva un registro de cada conversación en una hoja de cálculo (Google Sheets) y en una base de datos ligera de estado.
2. Análisis automático de anuncios inmobiliarios:
El segundo gran bloque de nuestra arquitectura se enfoca en las oportunidades de inversión. Como propietarios o gestores, a veces vemos un anuncio en Idealista u otro portal inmobiliario y queremos saber al instante si vale la pena. Aquí entró nuestro analista virtual, un módulo que convierte el enlace de un anuncio en un informe completo de inversión.
La idea suena casi mágica: pegas la URL de un piso en venta en el chat de Telegram, y en un par de minutos recibes de vuelta un resumen con los datos clave: precio por metro cuadrado, rentabilidad bruta y neta estimada si se alquila, gastos aproximados, calidad de la zona, e incluso recomendaciones sobre si es una buena oportunidad o qué riesgos tendría esa compra.
¿Cómo es posible? Lo logramos combinando técnicas de web scraping e inteligencia artificial.
Primero, el sistema detecta que el mensaje recibido es una URL y no una pregunta cualquiera.
Automáticamente lanza un scrapper que extrae la información principal del anuncio: por ejemplo, localización, tamaño, precio, número de habitaciones, etc.
Es como enviar a un asistente a leer el anuncio por ti.
Luego viene la parte inteligente: con esos datos en mano, llamamos a un modelo avanzado de IA entrenado en análisis inmobiliario. Este modelo no solo calcula métricas financieras (como la rentabilidad anual, teniendo en cuenta impuestos o gastos de comunidad), sino que también redacta un informe en lenguaje natural, destacando puntos fuertes y débiles.
Por ejemplo, puede señalar “la rentabilidad neta es atractiva, pero la antigüedad del edificio sugiere posibles costes de mantenimiento altos; atención a la eficiencia energética”.
Un punto fuerte de este flujo es que no se queda en lo superficial: si del anuncio falta algún dato (pongamos que no indica la cuota de comunidad), el sistema aplica criterios prudentes para estimarlo o avisa de que necesita más información.
Todo se registra en nuestra hoja de cálculo de seguimiento, de modo que vamos acumulando un historial de potenciales inversiones analizadas automáticamente.
En cierto modo, es como tener un analista financiero especializado en inversión inmobiliaria disponible a diario, que evalúa propiedades por nosotros mientras tomamos un café.
A continuación, os dejamos un ejemplo del análisis de un inmueble:
🏠 Resumen
- Título: Vivienda unifamiliar en Benicolet
- Ubicación: Benicolet, comarca de la Safor, Valencia
- URL: ND
- Tipo/Estado: Vivienda unifamiliar / Segunda mano
- Precio / m²: 1.300 € · 100 m² · 1.300 €/m²
📊 Comparativa de zona (€/m²)
- Promedio zona: 1.350 €/m² (dato de [ZONA])
- Desviación vs zona: -3,7 %
🧾 Compra y costes
- Impuestos: ITP 10% → 13.000 €; IVA 0% → 0 €; AJD 0% → 0 €
- Otros gastos: Notaría 900 € · Registro 600 € · Gestoría 400 € · Tasación 400 € · Otros 0 €
- Inversión total: 137.300 € (= 130.000 + 13.000 + 2.300)
🏦 Hipoteca
- Supuesto: 80% · 3% · 30 años
- Entrada: 26.000 € · Principal: 104.000 € · Cuota: 452 €/mes
💼 Ingresos y gastos
- Método renta: regla 4–6 (media 4,5%)
- Renta estimada: 488 €/mes · 5.856 €/año
- Gastos anuales: Comunidad 840 €/año · IBI 600 €/año · Seguro 300 €/año · Mantto 390 €/año · Total: 2.130 €
📈 Rentabilidades
- Bruta: 4,5 % · Neta s/deuda: 4,2 %
- Cash flow con deuda (mensual): 16 €/mes
- ROI sobre equity: 4,3 %
- Payback: s/deuda 24,3 años · equity 23,2 años
🔁 Flip (compra-venta)
- Umbral break-even: 95,5 %
- Margen teórico: +5% ⇒ 136.500 € ; +10% ⇒ 143.000 €
🗺️ Servicios y entorno
- Salud: Centro médico y servicios básicos
- Supermercados: No
- Educación: Escuela
- Ocio: Zona tranquila con ambiente rural, adecuada para residencias permanentes o segundas viviendas
- Transporte: Sin transporte público regular. Disponible acceso a N-340 y Gandia
- Accesos viarios: Carretera N-340
- Poblaciones cercanas: Gandia
🧭 Resumen de la zona
Benicolet es un municipio rural de la comarca de la Safor, en la provincia de Valencia, con una población menor a 1.000 habitantes. Presenta un entorno predominantemente agrícola y con pequeñas urbanizaciones, ideal para quienes buscan tranquilidad y estilo de vida rural. Sus servicios básicos incluyen centro médico y escuela, aunque los supermercados son limitados. La proximidad a la N-340 y a Gandia mejora el acceso, aunque el transporte público es escaso. El mercado inmobiliario se mantiene estable, con precios que oscilan entre 1.200 y 1.500 €/m². La economía está ligada a la agricultura cítrica y al turismo local, con un nivel económico medio-bajo. Cuenta con una alta sensación de seguridad y pocos cambios demográficos, siendo atractivo para residentes de segunda residencia o personas mayores.
🔒 Seguridad
- Nivel: Alto + No hay incidencias notorias recientes
⚠️ Riesgos
- Baja rentabilidad de alquiler por escasa demanda local
- Poca infraestructura de servicios y transporte público
- Limitada atractividad para compradores jóvenes o familiares
🟢/🟡/🛑 Conclusión
- Recomendación: Inversión con bajo riesgo, pero rentabilidad insuficiente para alquiler. Mejor opción como inversión a largo plazo con vistas a flip con valoración futura moderada.
3. Contabilidad
El tercer componente ataca uno de los dolores más grandes de cualquier arrendador: la contabilidad y organización de facturas.
Antes, era común pasar los fines de mes rodeado de tickets y recibos de luz, agua, reparaciones, intentando volcarlos en un Excel interminable. Nuestro proyecto quiso desterrar esa tortura. Implementamos un flujo que recibe las facturas (en PDF o incluso una simple foto desde el móvil) y las procesa automáticamente, clasificándolas y registrándolas en la contabilidad de la propiedad correspondiente.
El funcionamiento es fascinante, porque combina visión artificial y procesamiento de lenguaje: cuando enviamos una factura al bot , esta se descarga y pasa primero por un servicio de OCR (Reconocimiento Óptico de Caracteres), que extrae todo el texto de la imagen o PDF.
Acto seguido, alimentamos ese texto a un modelo de IA entrenado para leer facturas, el cual actúa como un contable digital.
Su misión es entender la factura: saber a qué mes y inmueble corresponde, qué importe e impuestos refleja, quién es el proveedor (¿es la factura del agua? ¿de la luz? ¿una reparación de fontanería?), y con esa información rellenar una entrada de contabilidad.
Programamos la respuesta de este modelo para que devolviera los datos en un formato estructurado (un JSON) y así poder importarlos fácilmente.
El sistema entonces decide dónde guardar esa factura: por ejemplo, asignarla al “Piso 2, Gas Natural, enero 2025, 45 euros”.
Como medida de seguridad, si la IA no está muy segura de algún dato (imaginemos que no puede leer bien la cifra de un importe), marcamos esa entrada como “pendiente de revisión” para revisarla manualmente luego.
4. Contratos al instante: generador automático de documentos legales
El último pilar de la plataforma se centró en algo muy delicado pero repetitivo: la generación de contratos de alquiler. Cualquiera que haya gestionado un alquiler sabe el ritual: recopilar datos del inquilino y del propietario, elegir una plantilla de contrato, reemplazar nombres, fechas, cifras de renta, añadir cláusulas específicas… y rezar por no dejarse ningún campo con el nombre anterior. Es un proceso propenso a errores humanos y consume bastante tiempo. Nosotros decidimos automatizarlo de cabo a rabo.
La solución fue integrar un generador de documentos legales que, a partir de un formulario web, creara el contrato completo en segundos.
Utilizamos una herramienta de formularios online (en nuestro caso, Tally) para recoger toda la información necesaria: datos personales de las partes, detalles del inmueble, duración del contrato, renta acordada, si hay avalista o no, etc. Cuando un formulario nuevo es enviado, nuestro sistema se activa: primero identifica qué tipo de contrato se necesita (por ejemplo, no es lo mismo un alquiler de vivienda completa que el alquiler de una habitación, y las cláusulas de un contrato con aval pueden variar). Según el caso, el sistema selecciona la plantilla adecuada de contrato que ya teníamos preparada en Google Docs.
A continuación, mediante la API de Google Docs, rellenamos automáticamente la plantilla con cada dato del formulario en los lugares correspondientes.
Generamos un PDF del contrato final y lo guardamos en Google Drive con un nombre ordenado.
Por último, ese PDF se envía por correo electrónico a todas las partes con un mensaje de instrucciones para la firma. ¿Y qué pasa si falta algún dato o algo no cuadra (imaginemos que el campo de la fecha de inicio está vacío, o que el DNI tiene un dígito de más)? En ese caso, el sistema detecta la inconsistencia y detiene el envío, avisándonos para corregir antes de mandar cualquier documento mal hecho.
Este generador de contratos nos dio muchísima tranquilidad porque garantiza que cada contrato salga bien, con todos los datos al día y sin el típico error de copiar y pegar.
Retos
Desarrollar este proyecto en el marco de un hackatón fue de todo menos lineal.
Desde el primer momento sabíamos que queríamos hacer algo ambicioso, pero la naturaleza del contrarreloj del hackaton nos puso a prueba.
Uno de los mayores retos fue lograr que todos los componentes se entendieran entre sí sin pisarse. Por ejemplo, asegurar que el bot de Telegram supiera derivar un enlace al módulo de análisis o un archivo al módulo de facturas, sin confundirlos, nos hizo devanarnos los sesos en la lógica de ruteo.
La colaboración con Adrián fue la clave. Cuando uno se atascaba, el otro venía con una perspectiva fresca. Esta sinergia de equipo hizo posible lo que inicialmente parecía titánico.
Reflexión final: un vistazo al futuro profesional
Al terminar el hackatón, se me quedó una sensación agridulce, debido a que por una parte teníamos la alegría de haber podido sacar la idea que teníamos en mente, funcional, pero también se nos quedaron cosas en el tintero, por falta de tiempo.
Mi conclusión, que sufrí en las propias carnes, es el descubrimiento explícito de comprobar cómo la IA aplicada puede transformar tareas en procesos mucho más eficientes y llevaderos. Ya no veo los chats de soporte, los análisis financieros o la gestión documental con los mismos ojos: ahora sé que detrás de cada tarea repetitiva hay una oportunidad para innovar y simplificar.La tecnología bien empleada no nos vuelve prescindibles, al contrario, nos hace más libres para aportar valor donde realmente importamos.