Proptech

Búsqueda semántica en el archivo de una promotora: qué es RAG

Cómo funciona la búsqueda semántica sobre documentación inmobiliaria, qué aporta RAG frente a un buscador clásico y en qué casos no merece la pena montarlo.

·Arquitecto y fundador de GU Studio·
Búsqueda semántica en el archivo de una promotora: qué es RAG

Un director de expansión pregunta si en alguna promoción anterior se resolvió una servidumbre de paso parecida a la que está bloqueando un suelo en estudio. La respuesta existe: está en un informe jurídico de hace nueve años, dentro de una carpeta compartida, en un PDF escaneado que nadie ha vuelto a abrir. El técnico que lo redactó ya no está en la empresa. Recuperar ese documento cuesta tres correos, dos llamadas y, con suerte, dos días. Lo más habitual es que nadie lo busque y se vuelva a pagar un informe nuevo.

Ese es el problema que resuelve la búsqueda semántica aplicada al archivo histórico de una promotora. Y RAG es la arquitectura técnica que la hace posible sin tener que reentrenar ningún modelo.

Qué es RAG en términos operativos

RAG son las siglas de Retrieval Augmented Generation: generación aumentada por recuperación. La idea es sencilla y por eso funciona. En lugar de preguntar a un modelo de lenguaje lo que sabe (que sobre los documentos internos de una promotora es nada), se busca primero en el archivo propio los fragmentos relevantes para la pregunta y se le pasan al modelo como contexto para que redacte la respuesta a partir de ellos. El modelo no aporta conocimiento inmobiliario: aporta comprensión del lenguaje y capacidad de resumir.

Indexar: trocear el archivo en unidades con sentido

Cada documento se divide en fragmentos y cada fragmento se convierte en un vector, una representación numérica de su significado. Dos textos que hablan de lo mismo con palabras distintas quedan cerca en ese espacio vectorial. Aquí se hace también el trabajo sucio: OCR de escaneados, extracción de tablas, y sobre todo metadatos —promoción, fase, tipo de documento, fecha, estado— porque sin ellos la recuperación es un pozo sin fondo.

Recuperar: encontrar los fragmentos que importan

La pregunta del usuario se convierte también en vector y el sistema devuelve los fragmentos más próximos. En la práctica se combina con filtros clásicos por metadatos y con búsqueda por palabras clave, porque los códigos de referencia catastral, los números de expediente y los nombres propios se recuperan mejor por coincidencia literal que por similitud semántica.

Generar: redactar con citas

El modelo responde usando solo esos fragmentos y enlaza al documento y la página de origen. Esa trazabilidad no es un extra: es la diferencia entre una herramienta que un director técnico usa y una que abandona la segunda semana.

Búsqueda semántica frente a búsqueda por palabras clave

El buscador del gestor documental encuentra lo que se llama como tú lo llamas. Si el informe dice «afección por conducción eléctrica en alta» y tú buscas «problema con torre de la luz», no hay resultado. La búsqueda semántica sí lo encuentra, porque compara significados y no cadenas de caracteres. Esa es la ganancia real en un archivo inmobiliario, donde el mismo concepto aparece nombrado de cinco maneras distintas según si lo redactó un arquitecto, un abogado, un comercial o el ayuntamiento.

El otro cambio es la forma de preguntar. Se pasa de buscar documentos a hacer preguntas: «¿qué incidencias de humedades por cubierta hemos tenido en promociones entregadas en los últimos cinco años?». La respuesta se compone de fragmentos de actas de postventa, informes periciales y correos de dirección de obra que nunca habrían aparecido juntos en una búsqueda por nombre de fichero.

Qué hay en el archivo de una promotora que justifique el esfuerzo

El material típico está más ordenado de lo que parece y peor aprovechado de lo que se cree: memorias de calidades de todas las fases, licencias y sus condicionados, informes geotécnicos y topográficos, actas de replanteo y de recepción de obra, contratos con constructoras y proveedores con sus anexos, modificados de proyecto, reclamaciones de postventa, informes de due diligence de suelos que se compraron y de suelos que se descartaron, estudios de mercado, argumentarios comerciales y el histórico del CRM.

Ese conjunto es la memoria técnica y comercial de la compañía. Hoy vive repartida entre el ERP, el gestor documental, unidades de red, buzones de correo y, con frecuencia, la cabeza de tres o cuatro personas con veinte años de casa.

Dónde se nota primero

Los usos que devuelven valor rápido son los que hoy consumen horas de perfiles caros. Análisis de suelos: comprobar si un condicionado urbanístico parecido ya se resolvió antes y cómo. Licitaciones y contratación: recuperar cláusulas y precios de contratos anteriores con la misma constructora. Postventa: identificar si una incidencia es puntual o un patrón de una solución constructiva repetida en varias promociones. Onboarding: un técnico nuevo pregunta al archivo en lugar de interrumpir al jefe de obra. Y respuesta a requerimientos, ya sean de una administración, de una auditoría o de una comunidad de propietarios.

Lo que puede salir mal y lo que cuesta

Aquí está el trabajo de verdad, y conviene decirlo antes de firmar nada.

El primer riesgo es la respuesta con aparente autoridad basada en un documento derogado. Un archivo histórico está lleno de versiones: el proyecto básico, el de ejecución, tres modificados y el as built. Si el sistema no distingue vigencia, dará por bueno un detalle constructivo que se cambió en obra. La solución no es tecnológica sino de gobierno del dato: marcar estado y versión, y aceptar que eso exige criterio humano documento a documento en el material más sensible.

El segundo es la calidad de la digitalización. Planos escaneados torcidos, faxes de los noventa, tablas de mediciones que el OCR convierte en sopa de números. Un fragmento mal extraído no da error: da una respuesta plausible y equivocada. Presupuestar un proyecto de búsqueda semántica de documentación inmobiliaria sin presupuestar la limpieza previa es la forma más habitual de que el piloto no llegue a producción.

El tercero son los permisos. El archivo contiene datos personales de compradores, condiciones económicas confidenciales y contratos con cláusulas de confidencialidad. El sistema debe heredar los permisos de origen y aplicarlos en la recuperación, no solo en la interfaz. Si un comercial puede preguntar y obtener márgenes de una promoción, el problema no es de IA: es de seguridad.

Y hay coste recurrente. Indexación de nuevos documentos, consumo de modelos, evaluación periódica de la calidad de las respuestas con un conjunto de preguntas de control, y alguien responsable de mantenerlo. No es una implantación con fecha de fin; es un servicio que se mantiene.

Cuándo no merece la pena

Si el archivo tiene poco volumen y está bien nombrado, un buen gestor documental con metadatos y filtros resuelve el noventa por ciento de las consultas a una fracción del coste. Si el histórico está mayoritariamente en papel sin digitalizar, el proyecto que hay que aprobar es de digitalización, no de IA. Si nadie ha identificado tres o cuatro preguntas concretas que hoy cuestan horas de trabajo, el sistema se convertirá en una demo bonita sin usuarios. Y si la organización no puede decidir quién es el dueño del dato documental, cualquier capa de búsqueda encima heredará ese desorden y lo hará más visible.

La búsqueda semántica no arregla un archivo mal gobernado. Lo expone, con mejor interfaz.

Cómo empezar sin comprometer tres presupuestos

Un alcance razonable para una primera fase es un dominio documental cerrado —por ejemplo, todo lo urbanístico y jurídico de las promociones de los últimos diez años— y una lista de veinte a treinta preguntas reales recogidas de los equipos que van a usarlo. Con eso se puede medir si el sistema responde bien, no si «parece» que funciona. La adopción se gana cuando la herramienta vive donde ya trabaja la gente: dentro del CRM, del intranet o del gestor documental, no en otra pestaña más.

No todo esto exige software a medida. Los componentes de indexación y búsqueda vectorial están disponibles como servicio y hay suites que traen RAG integrado. Lo que casi nunca es estándar es la parte específica del negocio: el modelo de metadatos de una promotora, las reglas de vigencia documental, la integración con el ERP y la lógica de permisos por promoción y por rol. Ahí es donde se decide si el proyecto se usa o se archiva.

El criterio para decidir

La pregunta que ordena la decisión no es «¿podemos hacer RAG?». Es «¿cuántas horas al mes dedican perfiles técnicos y jurídicos a buscar algo que la casa ya sabe, y cuántas decisiones se toman sin ese conocimiento porque nadie lo encuentra?». Si la respuesta es incómoda, hay caso. Si nadie en la organización sabe estimarla, el primer proyecto es medirla.

En GU Studio trabajamos esto en búsqueda semántica documentación inmobiliaria. Si quieres ver cómo encajaría en tu caso, cuéntanoslo.

RAGBúsqueda semánticaGestión documentalPropTechInteligencia artificial

¿Tienes un caso parecido?

Cuéntanos el proceso. Te decimos si tiene sentido automatizarlo, y qué haríamos primero.