Inmobiliaria Convierte el Doble de Leads Usando IA para Calificarlos
Descubre el paso a paso para que tu inmobiliaria deje de perder el tiempo con contactos fríos y centre a tu equipo solo en los clientes con intención real de comprar o alquilar.
¿Cuántas horas pierde tu equipo comercial persiguiendo leads que nunca van a comprar? En el sector inmobiliario, un formulario de contacto puede atraer desde compradores decididos hasta curiosos sin capacidad financiera. La diferencia entre una agencia que escala y otra que se estanca está en cómo filtra esas oportunidades. Este tutorial te muestra cómo una inmobiliaria mediana reorganizó su proceso de calificación con inteligencia artificial y logró resultados que transformaron su operación: el mismo volumen entrante, pero el doble de cierres. Sin magia, solo automatización y un buen prompt.
El problema que toda inmobiliaria conoce de sobra
Recibes leads a través de portales, formularios web, redes sociales y WhatsApp. Al principio todos parecen igual de valiosos. Los agentes los contactan, preguntan, esperan… y muchas veces la conversación se enfría. El resultado: tiempo comercial desperdiciado y oportunidades reales que se escapan mientras el equipo persigue espejismos.
La inmobiliaria que sirve de ejemplo operaba en tres ciudades, con una media de 150 leads semanales. Sin un filtro automático, cada nuevo contacto pasaba por las mismas fases de descubrimiento, consumiendo horas de llamadas y correos. Decidieron cambiar el enfoque: antes de que un humano dedicara un minuto, una IA analizaría el mensaje, el perfil del lead y las señales de intención para asignar una puntuación.
La lógica de la calificación automática con IA
El corazón del sistema es un modelo de lenguaje (ChatGPT vía API) que evalúa cada lead en función de:
- Claridad de la necesidad (¿busca comprar, alquilar, invertir?).
- Urgencia temporal.
- Presupuesto mencionado o deducible.
- Canal de entrada y comportamiento previo (si existe).
- Calidad de la interacción (lenguaje empleado, información voluntaria).
El objetivo no es sustituir al agente, sino ordenar la cola: los leads «calientes» saltan al comercial asignado en minutos; los «tibios» entran en una secuencia de nutrición automatizada; los «fríos» quedan registrados sin consumir energía del equipo.
A continuación verás cómo montar ese sistema paso a paso, sin tocar código y con herramientas que ya usas o puedes probar gratis.
Paso 1: Centraliza la entrada de leads en un solo punto
Para que el automatismo funcione, todos los leads deben llegar al mismo sitio estructurado. Lo más limpio es usar un formulario web único conectado a un CRM o a una hoja de cálculo que actúe como base de datos temporal.
En el caso que nos ocupa, la inmobiliaria ya usaba Typeform en su web y recibía mensajes de WhatsApp Business. Decidieron volcar ambas fuentes en una tabla de Google Sheets mediante Make (antes Integromat). Así quedó el mini flujo:
- Módulo Typeform «Watch Responses»: cada nuevo envío dispara el escenario.
- Módulo WhatsApp Cloud API «Watch Messages»: solo conversaciones nuevas con plantilla de bienvenida.
- Ambos terminan en un módulo «Google Sheets – Add a Row» que unifica los campos: nombre, teléfono, correo, mensaje original, fuente, fecha/hora.
Con esto ya tienes la materia prima ordenada. A partir de aquí, la IA tomará el control.
Paso 2: Prepara el asistente de IA para la calificación
Necesitarás acceso a la API de OpenAI (modelo gpt-4o-mini es más que suficiente y económico). Dentro de Make, el módulo «OpenAI – Create a Chat Completion» será el motor de puntuación.
La clave está en el prompt. Debe ser tan concreto que la respuesta sea siempre estructurada y fácil de procesar después. Este es el prompt utilizado (funciona tanto en español neutro como con modismos locales):
System prompt (rol del asistente): Eres un analista de leads inmobiliarios. Tu tarea es evaluar el mensaje de un posible cliente y devolver ÚNICAMENTE un JSON con los siguientes campos:
- score: número del 1 al 10 que refleje la probabilidad de conversión (1=muy frío, 10=comprador decidido).
- categoria: “caliente”, “tibio” o “frio”.
- resumen: frase breve (máximo 20 palabras) que describa la necesidad detectada.
- presupuesto_estimado: rango orientativo en euros, si es deducible; si no, “no especificado”.
- urgencia: “alta”, “media” o “baja”.
- proxima_accion: sugerencia concreta para el agente (ej: “Llamar hoy y enviar dossier de pisos en alquiler centro”). No añadas explicaciones adicionales, solo el JSON.
User prompt (contenido dinámico): Mensaje del lead: {mensaje_original} Fuente: {fuente} Nombre: {nombre}
Al mapear en Make, {mensaje_original}, {fuente} y {nombre} vienen de los campos de la fila recién añadida en Google Sheets. Así cada evaluación es personalizada.
Paso 3: Recibe la respuesta, limpia y almacena
La salida de OpenAI llega como texto. Para que el resto de la automatización la entienda, hay que convertirla en datos utilizables:
- Agrega un módulo «Text Parser – Match Pattern» (o usa un simple «Set Variable» con funciones de cadena) para extraer el JSON.
- Luego, un módulo «JSON – Parse JSON» convierte esa cadena en un objeto con los campos
score,categoria, etc. - Finalmente, actualiza la misma fila de Google Sheets con esos valores (módulo «Google Sheets – Update a Row») o, mejor aún, crea un nuevo registro en tu CRM.
En este punto, tu tabla contendrá columnas como: Nombre, Teléfono, Score, Categoría, Resumen IA, Urgencia, Próxima Acción. Visualmente ya es un panel de control comercial.
Paso 4: Dispara las acciones según la categoría
La verdadera ganancia de eficiencia ocurre cuando el sistema decide solo. Con un router en Make, encadenas caminos condicionales basados en el campo categoria.
Ruta 1: Leads calientes (score >= 8)
- Enviar un mensaje directo al comercial de guardia vía Slack o Telegram con: nombre, teléfono, resumen y la próxima acción sugerida.
- Crear una tarea automática en el CRM (HubSpot, Pipedrive…) asignada al agente con prioridad alta.
- Opcional: disparar un SMS o un mensaje de WhatsApp instantáneo al lead confirmando que un asesor le contactará en menos de 15 minutos.
Ruta 2: Leads tibios (score entre 5 y 7)
- Añadir a una secuencia de email marketing (ActiveCampaign, Mailchimp) con contenido segmentado según la necesidad detectada (por ejemplo, si busca alquiler, enviar guía de zonas y precios medios).
- Programar una tarea de seguimiento en el CRM con vencimiento a 48 horas.
- Enviar un resumen diario al jefe de ventas con los tibios acumulados.
Ruta 3: Leads fríos (score < 5)
- Solo almacenar la información. Si el volumen es muy alto, se puede automatizar un correo mensual de reenganche.
- No notificar al equipo comercial.
Esta discriminación automática fue lo que permitió a la inmobiliaria del ejemplo concentrar la energía de sus agentes en los contactos con más probabilidades reales. Según su feedback, el tiempo de primera respuesta para leads calientes pasó de varias horas a menos de 10 minutos, y la tasa de conversión de esos contactos prioritarios creció de manera notable.
Paso 5: Mide y ajusta el prompt cada semana
Ningún modelo de IA es perfecto en la primera iteración. Reserva un momento semanal para revisar una muestra de evaluaciones y ajustar:
- Si muchos leads marcados como calientes no responden, revisa si el prompt está sobrevalorando ciertas palabras («urgente», «comprar hoy»).
- Si leads que parecían fríos acaban convirtiendo por otro canal, añade esa señal al análisis (por ejemplo, si visitaron varias veces una ficha de propiedad, mételo como dato de entrada).
- Prueba a enriquecer el prompt con información de la ficha del inmueble que consultó, si tu formulario la captura.
El propio Make permite versiones de escenario; duplica el escenario, modifica el prompt y compara resultados durante dos semanas. Así afinas la máquina sin romper lo que ya funciona.
Cómo trasladar esto a tu inmobiliaria (o cualquier negocio con leads)
Aunque el ejemplo se centra en el sector inmobiliario, la lógica sirve para agencias de viajes, concesionarios, servicios B2B… cualquier modelo que reciba contactos comerciales no cualificados de primeras. Lo único que cambia es el contenido del prompt.
Para ponerte en marcha esta misma semana, sigue esta lista de comprobación:
- Unifica tus fuentes de leads en una sola base de datos (Google Sheets, CRM).
- Crea una cuenta en Make y conecta los módulos de entrada.
- Obtén una API key de OpenAI e inserta el prompt de calificación adaptado a tu negocio.
- Configura el parseo del JSON y las rutas condicionales.
- Arranca el escenario en modo «una sola ejecución» con datos de prueba; revisa los resultados.
- Publica el escenario y monitoriza durante la primera semana.
El coste operativo es mínimo: el modelo gpt-4o-mini cuesta fracciones de céntimo por evaluación. La inversión real está en las horas de configuración inicial, que no superan una tarde si ya tienes cierta soltura con automatizaciones.
Si después de leer esto te quedas con ganas de implementar la calificación inteligente pero prefieres partir de una base ya probada, en AutomatizayEscala tenemos una plantilla gratuita de Make con el prompt optimizado para inmobiliarias y las conexiones listas para Google Sheets y Slack. Solo tendrás que añadir tu API key y personalizar los mensajes. Puedes descargarla desde nuestra zona de recursos.
Y si tu equipo maneja un volumen alto de leads y quieres ir un paso más allá, te recomendamos explorar las capacidades de los asistentes de OpenAI integrados directamente en el CRM; en otro artículo te contamos cómo hacerlo sin depender de terceros. Mientras tanto, automatiza el filtro y libera a tus agentes para lo que mejor saben hacer: cerrar ventas.
Sobre el autor
Iván Jiménez MorenoEspecialista en automatización · Fundador de AutomatizayEscala.com
Analiza herramientas de automatización, IA y productividad para emprendedores y PYMEs hispanohablantes. Más de 180 herramientas evaluadas con metodología propia en 5 dimensiones.
