El Zestimate de Zillow tiene una mediana de error de 1.74% en propiedades listadas activamente, pero 7.20% en propiedades que no están en el mercado (Zillow, 2025). Esa brecha cuadruplica el margen de error y explica por qué un AVM no reemplaza al corredor que conoce la zona, especialmente en un mercado como Panamá donde gran parte del inventario nunca pasa por una base centralizada.
Cómo aprende un AVM moderno
Un modelo de valuación automatizada toma un conjunto de transacciones recientes, las características de cada propiedad y el contexto del entorno. Después busca patrones que predicen el precio. La generación previa usaba regresión lineal o random forests sobre datos estructurados como metros cuadrados, número de habitaciones, edad, ubicación. La generación actual incorpora dos cosas más.
Primero, modelos multimodales que procesan fotos. Un estudio publicado en 2025 por MDPI mostró que una arquitectura que combina visión por computadora con datos tabulares mejora la precisión del avalúo en residencias de altura cuando se alimentan fotos del interior, planos y especificaciones constructivas (MDPI, 2025). Para apartamentos de uno y dos cuartos, el modelo logró 100% de exactitud frente a transacciones recientes en su muestra de Melbourne.
Segundo, modelos de lenguaje. Un paper del Journal of Real Estate Practice and Education de 2025 demostró que un LLM puede extraer señales de valor desde el texto descriptivo de un anuncio: terminaciones de lujo, vista al mar, renovación reciente, conflictos con vecinos cercanos. Esas señales se convierten en features numéricos que entran al modelo y reducen el error residual (Taylor & Francis, 2025).
La consecuencia es directa. Donde antes el AVM solo veía "apartamento de 120 m² en Costa del Este, piso 18", ahora también lee "vista al mar abierta, cocina renovada en 2024, piso de mármol importado, asignación de dos estacionamientos cubiertos". El modelo ya no tiene que adivinar el premium por terminaciones; lo lee del texto.
Por qué 7.20% es un problema en Panamá
El mercado panameño es opaco comparado con Estados Unidos. No hay un MLS público con cobertura nacional. ACOBIR publica indicadores semestrales y la base MLS de socios es la fuente más completa, pero queda lejos del volumen y la frescura del NAR en Estados Unidos. En la mayoría de los barrios de la Ciudad de Panamá, un AVM tendría que operar como Zillow lo hace para una propiedad off-market: con datos estancados, sin comparables recientes, sin texto fresco para alimentar al LLM.
Eso lleva el error esperable a un rango similar al 7.20% del Zestimate off-market, posiblemente mayor. Sobre una propiedad de $350,000 (precio promedio del MLS Acobir H2 2025), un 7.20% son $25,200. Si tú entregas un avalúo automatizado a un propietario sin advertirle ese margen, el propietario va a anclar su expectativa al número y vas a pelear por cada dólar al cierre.
Una mediana de error del 7.2% sobre el precio de listado significa que la mitad de las predicciones del modelo se aleja más del 7.2% del valor real, y la otra mitad se aleja menos. No es el peor caso. Es el caso típico.
Los tres usos del AVM que sí funcionan para un corredor en Panamá
Esto no es una excusa para ignorar la herramienta. Es una guía de uso. Hay tres workflows donde un AVM bien calibrado le ahorra horas al corredor.
Triage de inventario nuevo
Cuando llegan 30 nuevos listados a tu pipeline en una semana, no puedes hacer avalúo manual de cada uno. Un AVM te da un número rápido para clasificar: este parece sobrevalorado 20% (probable trampa de tiempo), este parece subvaluado 8% (probable oportunidad), este parece alineado (vale la captación seria). Acordarte que el rango de confianza es amplio.
Primer pitch al propietario
Antes de visitar una propiedad nueva, llegas con un rango estimado y los comparables que lo soportan. Si el AVM dice $385,000 y el propietario quiere $450,000, ya tienes la conversación delimitada. La diferencia con presentar solo tres comparables manuales es que el AVM evalúa decenas y eso da más confianza al propietario, siempre que tú expliques el margen.
Detección de outliers en MLS
Un AVM bien entrenado detecta listados publicados muy lejos de su valor probable. Eso te ayuda a identificar propiedades sobrevaloradas que llevan meses sin moverse y donde el propietario probablemente está listo para escuchar un ajuste, o propiedades subvaloradas que van a desaparecer rápido y donde tu comprador necesita actuar el mismo día.
Lo que viene en los próximos 18 meses
McKinsey estima que la IA generativa puede aportar entre $110 mil millones y $180 mil millones al sector inmobiliario global, y un análisis posterior del McKinsey Global Institute eleva el rango a $430 mil millones a $550 mil millones anuales al incluir agentic AI (McKinsey, 2025). La mayor parte de ese valor no va a aparecer como un AVM mejor. Va a aparecer en agentes de IA que coordinan tareas que hoy ocupan a los corredores: descripciones de propiedades, seguimiento de leads, agendamiento de visitas, redacción de contratos.
El AVM mejorará con datos visuales y de texto, pero su techo en Panamá está limitado por la falta de un MLS público completo. Las empresas que resuelvan la cobertura de datos van a tener una ventaja estructural sobre las que solo importen modelos entrenados en mercados con cobertura plena. Si tú quieres adelantarte, invierte tiempo en mantener tu propia base de comparables actualizada, no en buscar el AVM "perfecto" en el mercado.
Qué hacer con esto
Si usas un AVM hoy, ponle un letrero mental: confianza alta cuando hay tres o más comparables transados en los últimos seis meses dentro de 500 metros y misma tipología, confianza baja en cualquier otra circunstancia. Documenta el margen cuando entregues el número al propietario. La confianza se construye siendo honesto con el rango, no presentando un número exacto que vas a tener que defender.
Para el próximo año, dedica una hora a la semana a depurar tu base personal de transacciones cerradas. Cada cierre tuyo o de tu equipo es un dato que ningún modelo público va a tener. Esos datos son lo que te diferencia cuando el AVM dice $385,000 y tú sabes que el último cierre comparable en el mismo edificio fue $402,000 hace tres meses con dos estacionamientos.
Y si trabajas zonas premium como Santa María, Punta Pacífica o Ocean Reef, asume que ningún AVM gratuito va a darte precisión útil. El volumen de transacciones es bajo, el producto es heterogéneo y el premium por vista, piso y orientación pesa más que en cualquier modelo entrenado. En ese segmento, tu cabeza sigue siendo la mejor máquina disponible. La pregunta es cuánto tiempo más.