Por Que las Valoraciones Automaticas Mienten: 4 Casos

Una propietaria en Madrid me envio una captura el trimestre pasado y me pidio que confirmara una cifra. Su piso de un dormitorio, segun una herramienta popular de valoracion automatica, valia 342.000 €. El mismo edificio, cuarta planta, distribucion identica, se habia vendido tres semanas antes por 289.000 €. No me creyo cuando le dije la verdad. Le creyo al algoritmo.

Esta es la conversacion en la que cada asesor entra ahora. El propietario ha hecho los deberes — ha tecleado su direccion en una pagina de valoracion gratuita y ha recibido un numero. Ese numero rara vez es preciso. A veces es dramaticamente erroneo. Y el propietario, sentado en la mesa de la cocina esperandote, ha anclado sus expectativas a el.

El modelo de valoracion automatica no es malvado. Es una primera aproximacion util en mercados con datos profundos y recientes de transacciones comparables. El problema es que el sector inmobiliario esta lleno de casos en los que una o varias de esas condiciones se rompen — y el modelo no sabe que se ha roto. Simplemente produce un numero seguro de si mismo, con un rango ordenado, y el vendedor lo toma por verdad.

El modelo es matematicamente correcto e inutil en cuatro casos especificos

Hay un error de categoria en como los consumidores leen los resultados de un AVM. El numero se presenta como “tu casa vale X”, cuando lo que el algoritmo realmente calculo fue “casas estadisticamente similares a la tuya, en una ventana de ventas recientes, se cotizaron a X”. Son afirmaciones distintas. La primera es una valoracion. La segunda es una regresion sobre los datos disponibles.

Cuando los datos son ricos y recientes y la propiedad es generica, las dos afirmaciones convergen. Cuando alguna de esas condiciones falla, divergen — a veces un 5%, a veces un 25%, ocasionalmente mas. Los cuatro casos siguientes son donde la divergencia aparece con mayor consistencia.

Caso 1 — La propiedad unica

Los algoritmos odian las propiedades unicas porque la unicidad, por definicion, no tiene transacciones comparables de las que aprender. Un piso estandar de tres dormitorios en un barrio homogeneo es el mejor caso del AVM. Una casa adosada con planta baja reformada, una ampliacion permitida en 2017 pero nunca registrada limpiamente y un pequeno jardin privado es el peor caso.

Lo que el algoritmo hace en esos casos es recurrir a los comparables mas cercanos disponibles — generalmente propiedades que comparten dos o tres caracteristicas relevantes y faltan el resto. Despues promedia el resultado, presenta un rango de confianza y oculta la suposicion debajo. El vendedor ve un numero limpio. El valor real de mercado de esa propiedad lo determina que comprador entra por la puerta, que valora y cuan delgada es la oferta de viviendas similares ese trimestre.

He visto propiedades unicas vendidas un 40% por encima de la estimacion del AVM y un 30% por debajo. La varianza no es culpa del algoritmo. Es la consecuencia de pedirle a un modelo de regresion que valore algo que apenas ha visto. Un asesor que entra a esa cocina con doce referencias locales especificas y tres valoraciones recientes en persona de propiedades cercanas sabe cosas que el modelo no puede saber.

Caso 2 — El mercado local fino

El AVM asume que su conjunto local de comparables es estadisticamente significativo. En barrios con poco volumen de ventas — ciudades secundarias, pueblos pequenos, gama alta de cualquier mercado — el conjunto de comparables puede incluir solo seis u ocho transacciones en la ventana relevante. Ocho comparables no son un mercado. Son una coincidencia.

Cuando haces regresion sobre ocho puntos, un solo outlier — una venta forzada, una herencia, una propiedad de prestigio vendida a un comprador de fuera — distorsiona toda la salida. El vendedor no tiene forma de ver esa distorsion. El modelo presenta el mismo numero seguro que produciria en un barrio con 800 transacciones.

La conversacion en la cocina en un mercado fino es donde el asesor se gana la comision. No estas argumentando contra el algoritmo — estas explicando lo que el algoritmo no puede ver. Ventas recientes que se cerraron fuera del portal. Que dos de los ocho comparables visibles fueron ventas de herencia con precio bajo para liquidar rapido. El perfil de comprador actualmente activo en la zona, que determina que tipo de propiedad se mueve realmente y a que velocidad.

Caso 3 — El mercado en transicion

Los algoritmos aprenden del pasado. Los mercados en transicion — tipos de interes moviendose, regulacion cambiando, un empleador grande llegando o yendose, una nueva linea de metro — producen un periodo de seis meses durante el cual los comparables de ayer dejan de predecir los precios de manana. El AVM, por diseno, ira retrasado.

Un barrio que acaba de hacerse accesible por una nueva parada de metro, una ciudad que acaba de anunciar una recalificacion importante, un mercado que acaba de absorber un movimiento rapido de tipos — todos son lugares donde el numero de confianza del AVM estara equivocado, y con seguridad equivocado, durante dos a cuatro trimestres antes de que los datos de entrenamiento se pongan al dia. Durante ese desfase, el vendedor que mira el numero de la web esta leyendo una foto de la era anterior.

Es tambien el caso mas caro de leer mal para un vendedor. En un mercado en transicion al alza, listar al numero del AVM deja dinero real sobre la mesa — a veces un 8-15% del valor. En un mercado enfriandose, listar al numero del AVM deja la propiedad sin vender durante meses mientras cada bajada destruye el apalancamiento.

Caso 4 — El outlier de condicion

Los AVM no pueden ver dentro de la propiedad. Ven la direccion, los metros cuadrados registrados, el ano de construccion, a veces un numero basico de habitaciones — y eso es todo. No ven la cocina reformada, las ventanas nuevas, el problema estructural, la humedad, la falta de luz natural, la vista desde la terraza ni el hecho de que las zonas comunes estan ancladas en 1987.

Para una propiedad en condicion media para su edificio y barrio, esto es un error pequeno. Para cualquier propiedad que se desvie significativamente de la norma local — al alza o a la baja — es un error grande. Un piso de 600.000 € con una reforma de 60.000 € hecha el ano pasado no es un piso de 600.000 € para el comprador que lo recorre. Un piso de 400.000 € con humedades severas, tejado por reemplazar y cocina de otra decada tampoco lo es.

Aqui es donde la visita fisica del asesor produce informacion a la que ningun algoritmo tiene acceso. Los 90 minutos dentro de la propiedad — y la conversacion de valoracion que la rodea — generan un conjunto de juicios que ningun AVM tiene los inputs para hacer. Condicion, acabado, luz, distribucion, olor, ruido, sensacion de la escalera. Los compradores ponen precio a todo eso. Los modelos no.

La conversacion que gana la captacion

Los vendedores no llegan hostiles. Llegan anclados. El error que cometen los asesores es tratar el numero del AVM como un competidor que vencer. No es un competidor. Es el primer numero que el vendedor escucho, y tu trabajo es hacer aterrizar un numero mas util en el mismo lugar.

La frase de apertura que funciona: “Me alegra que ya hayas mirado una valoracion algoritmica — es un buen punto de partida y me dice que has hecho los deberes. Dejame explicarte que es lo que el algoritmo no puede ver en tu caso especifico, y luego comparamos lo que produjo con el trabajo que hice antes de esta reunion.”

Esa frase hace tres cosas en doce segundos. Valida la investigacion del vendedor en lugar de atacarla. Senala experiencia sin arrogancia. Y prepara el unico marco en el que la conversacion en la cocina funciona — no “yo tengo razon, la web esta equivocada”, sino “la web fue un punto de partida, esto es lo que incluye una valoracion real”.

Los asesores que ganan captaciones consistentemente contra vendedores anclados al AVM no son mejores discutiendo. Son mejores explicando. Nombran cual de los cuatro casos aplica. Muestran comparables especificos recientes. Describen la actividad de compradores que han visto en los ultimos 30 dias. Recorren la propiedad con el vendedor y atan observaciones al precio. Al final de la conversacion, el vendedor ha actualizado su estimacion interna — no porque fuera derrotado, sino porque le dieron mas informacion.

El AVM no se va a ir. Las expectativas del consumidor de un primer numero instantaneo son ya permanentes. El trabajo del asesor ya no es ser la primera fuente de un numero — esa partida esta perdida. Es ser la fuente del numero correcto, con el razonamiento adjunto, en una conversacion que el vendedor no podia tener con una pagina web. Esa conversacion es donde se firma el contrato, y es la misma conversacion cuando los datos del mercado y el precio se contradicen — los datos puros nunca son la respuesta; el asesor lo es.