JLL (через Cadastral): точні витяги з договорів оренди і LOI за секунди, сотні тисяч доларів зекономлено на рік. Colliers: час вилучення значно знижено.
Que hace
Un contrato de arrendamiento de inmuebles comerciales (lease) es un texto jurídico de 50–150 páginas donde las condiciones comerciales críticas están dispersas en distintas secciones, exhibits y amendments. El agente de IA de Lease abstraction extrae automáticamente estas condiciones en una tabla estructurada que se integra en el CRM, en el sistema de property management o en un informe para el asset manager.
Qué hace la automatización
- Recibe como entrada documentos desde File storage (SharePoint, Google Drive, Box, Dropbox) — PDFs escaneados, DOCX, copias firmadas con anotaciones manuscritas.
- Clasifica el documento — lease, amendment, LOI, side letter, guaranty — y lo enruta a la plantilla de extraction adecuada.
- Reconoce el texto mediante OCR, incluidos escaneos de baja calidad y tablas con tarifas base.
- Extrae el conjunto básico de campos: tenant, landlord, premises, commencement date, expiration date, base rent, escalations, security deposit, renewal options, termination rights, use clause, CAM reimbursement, insurance requirements.
- Vincula los amendments al master-lease, sobreescribiendo únicamente los campos que han cambiado y conservando el historial de versiones.
- Devuelve referencias a las páginas de origen para cada campo — el abogado o el asset manager verifica los campos controvertidos sin necesidad de releer el documento completo.
- Carga el resultado en el CRM (registro de tenant, negociación, inmueble) o en el sistema de property management a través de la API.
- Marca para revisión los documentos en los que la confianza del modelo está por debajo del umbral — la persona lee únicamente los fragmentos dudosos, no todo el archivo.
Qué NO hace la automatización
- No reemplaza el due diligence jurídico — el agente de IA extrae hechos del documento, pero no emite juicio sobre los riesgos, el compliance con la legislación local ni la aceptabilidad de las condiciones para el landlord o el tenant.
- No crea un lease abstract desde cero a partir de un LOI o de una posición negociadora — trabaja únicamente con textos ya redactados, firmados o acordados.
- No decide por el asset manager si firmar o no el amendment — proporciona datos estructurados para la toma de decisiones, pero no la decisión en sí ni una recomendación.
Como funciona
La automatización de Lease abstraction se basa en dos patrones: extracción de datos no estructurados y clasificación con enrutamiento. El núcleo es un LLM con vision-capability, que procesa texto, tablas, leyendas y diagramas de planos de planta en un solo paso.
Arquitectura
Los documentos pasan por un pipeline de tres capas:
- Ingest — el conector con File storage (SharePoint, Google Drive, S3-bucket, Box) rastrea nuevos archivos en la carpeta de contratos. Cada archivo pasa por una verificación previa de tamaño, MIME-type y número de páginas.
- Extract — el agente de IA ejecuta OCR (para copias escaneadas), clasificación del tipo de documento y, a continuación, field extraction según la plantilla del tipo. Para cada campo extraído, el modelo devuelve value + confidence + citation (número de página y bounding box).
- Write — el resultado estructurado se valida según el esquema de campos (dates como ISO, currencies como decimal + currency code), se guarda en el CRM como registro de objeto o transacción, o bien en el sistema de property management como lease record.
Pasos de implementación
- Recopilar una muestra representativa de contratos de distintos tipos (office lease, retail lease, industrial, amendment, LOI) del portafolio actual.
- Definir el esquema de campos — qué 30–60 atributos son necesarios para las operaciones y cuáles son nice-to-have. Comenzar con 15–20 campos must-have.
- Elaborar el gold standard — abstract manual de varias decenas de contratos a cargo de un analista sénior, se utiliza para validar la accuracy.
- Configurar las plantillas de extraction en la plataforma vertical-SaaS (Cadastral, Leverton, Kira Systems o equivalente) o en un custom-pipeline sobre LLM con structured output.
- Ejecutar la muestra de prueba, medir la field-level accuracy, configurar los umbrales de confidence para la rama automática y la manual.
- Integrar con el CRM — mapeo de campos del abstract en objetos CRM (Deal, Property, Tenant, Clause). Resolver la cuestión del dedupe: nuevo lease vs actualización de un amendment.
- Activar el shadow-mode durante varias semanas — la IA en paralelo con el proceso manual, comparación de resultados campo por campo.
- Migrar el equipo a un workflow AI-first, el analista controla únicamente los documentos marcados.
Componentes del pipeline
Componente | Rol | Ejemplos de herramientas |
|---|---|---|
File storage | Fuente de documentos | SharePoint, Google Drive, Box, S3 |
OCR y layout | Texto y estructura desde PDF | Integrado en vertical-SaaS |
Classifier | Tipo de documento | Fine-tune o zero-shot LLM |
Extractor | Campos + citation | Cadastral, Leverton, LLM + JSON schema |
Validator | Formato y business rules | Rule engine en el pipeline |
CRM sync | Registro del resultado | HubSpot, Salesforce, MRI, Yardi |
Dónde falla
Los escaneos de baja calidad con anotaciones manuscritas en los márgenes generan texto OCR ruidoso — los campos de Exhibit C pueden omitirse. Los amendments sin referencia clara al master-lease requieren vinculación manual. Las clauses no estándar (co-tenancy, radio de exclusión, COVID force majeure) se derivan a human review. Los lease multilingües (Latam en español o documento bilingüe EU) requieren una configuración de modelo y una muestra de prueba independientes.
Requisitos previos
La automatización de Lease abstraction arranca en 6–10 semanas si los documentos fuente están disponibles, el esquema de campos está definido y existe un CRM o sistema de property management para registrar el resultado.
Datos y acceso
- Repositorio de contratos actuales en File storage con acceso API habilitado (SharePoint, Google Drive, Box, S3).
- Muestra representativa de contratos de distintos tipos para configurar las plantillas de extraction.
- Gold standard — varias decenas de abstracts etiquetados manualmente para medir la accuracy.
- Acceso al CRM o al sistema de property management (API key, webhook endpoint, service account).
- Esquema de campos acordado — lista de 15–60 atributos que deben extraerse regularmente.
Preparación del equipo
- Senior lease analyst o asset manager que finaliza el esquema de campos y participa en el etiquetado del gold standard.
- El gestor operativo que toma la decisión sobre el umbral de confidence y el SLA de revisión manual de los documentos marcados.
- IT o integrador externo para configurar los conectores al File storage y al CRM.
Cronograma
- Semanas 1–2: esquema de campos, recopilación de la muestra, etiquetado del gold standard.
- Semanas 3–5: configuración de las plantillas de extraction, pruebas sobre la muestra, ajuste de los umbrales de confidence.
- Semanas 6–8: integración con CRM o con el sistema de property management, validación sobre documentos recientes.
- Semanas 9–10: shadow-mode con proceso manual paralelo, transición del equipo al flujo de trabajo AI-first.
Una cartera de leases pequeña raramente justifica el setup — la rentabilidad cae bajo el umbral por el coste de configuración y validación.
Problemas
- Revisión — cuello de botella
- Caos en documentos
- Errores en operaciones manuales
- Ingreso manual de datos
FAQ
¿Cuánto tiempo lleva la implementación?
El plazo típico es de 6–10 semanas con un volumen de cartera medio. Las primeras 2 semanas se destinan al esquema de campos y la anotación del gold standard. Las siguientes 3–4 semanas corresponden a la configuración de plantillas de extraction e integración con el CRM. Las 2–4 semanas restantes se ejecutan en shadow-mode en paralelo con el proceso manual, tras lo cual el equipo pasa a un AI-first workflow con control únicamente de los documentos marcados.
¿Qué ocurre si no tenemos un gold standard anotado para la validación?
El gold standard se elabora durante el proceso de setup: un senior lease analyst abstrae varias decenas de contratos de forma manual según el esquema de campos final. Esto verifica a la vez la adecuación del propio esquema. Sin gold standard no es posible medir la field-level accuracy ni seleccionar el umbral de confidence para la rama automática, por lo que este paso no se omite.
¿Cuáles son los riesgos y dónde falla el sistema?
Los escaneos de baja calidad con anotaciones manuscritas generan texto OCR ruidoso y omisiones de campos en los exhibits. Los amendments sin referencia explícita al master-lease requieren vinculación manual. Las cláusulas no estándar (co-tenancy, fuerza mayor, restricción de radio) van a human review. Los lease multilingües requieren configuración específica. Una accuracy por debajo del umbral aceptable exige control manual obligatorio antes del registro en el CRM.
¿Funciona para nuestro tipo de propiedad inmobiliaria?
Lease abstraction se configura para office, retail, industrial, multifamily y mixed-use — los esquemas de campos varían. El retail-lease incluye percentage rent, co-tenancy, radius restriction. El industrial — floor load, ceiling clearance, loading docks. El office — TI allowance, parking ratio. La configuración para el tipo específico de cartera está incluida en el proyecto; el cambio de tipo requiere una plantilla de extraction adicional y una muestra de prueba independiente.
¿Es necesario procesar toda la cartera desde cero o solo los nuevos contratos?
Ambos escenarios son viables. El backfill de la cartera histórica carga de una sola vez varios cientos o miles de contratos en pocos días y crea la base para la analítica de asset management. A continuación, los nuevos lease y amendments pasan por el mismo pipeline en modo flujo. El backfill aumenta el rendimiento porque los abstracts retrospectivos permiten analizar las obligaciones de toda la cartera, no solo de las nuevas operaciones.
¿Cómo se vinculan los amendments al master-lease?
Los amendments se enrutan por número de lease, dirección del objeto y tenant name. El agente de IA extrae estas claves del amendment y busca el master-lease correspondiente en el CRM. En caso de ambigüedad, el documento se marca para vinculación manual. Tras la vinculación, la IA sobrescribe únicamente los campos modificados en el master-record, conservando el historial de versiones para auditoría y para reporting sobre obligaciones activas.
¿Qué ocurre con la confidencialidad de los datos?
Los contratos contienen datos personales del tenant, condiciones financieras y, en ocasiones, cláusulas NDA. Las soluciones Vertical-SaaS se despliegan en un tenant privado con cifrado at rest e in transit. Un custom-pipeline sobre LLM requiere un acuerdo específico de data processing — las tarifas enterprise de los principales proveedores garantizan no-training sobre datos del cliente. La opción concreta se selecciona según los requisitos de compliance del portfolio owner.
Quieres esto en tu negocio?
Reserva una auditoria gratuita — te mostraremos como funcionara esta automatizacion para ti.