Lease abstraction (contratos CRE → datos estructurados)

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

1. Recibe como entrada documentos desde File storage (SharePoint, Google Drive, Box, Dropbox) — PDFs escaneados, DOCX, copias firmadas con anotaciones manuscritas.
2. Clasifica el documento — lease, amendment, LOI, side letter, guaranty — y lo enruta a la plantilla de extraction adecuada.
3. Reconoce el texto mediante OCR, incluidos escaneos de baja calidad y tablas con tarifas base.
4. 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.
5. Vincula los amendments al master-lease, sobreescribiendo únicamente los campos que han cambiado y conservando el historial de versiones.
6. 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.
7. Carga el resultado en el CRM (registro de tenant, negociación, inmueble) o en el sistema de property management a través de la API.
8. 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.

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:

1. 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.
2. 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).
3. 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

1. Recopilar una muestra representativa de contratos de distintos tipos (office lease, retail lease, industrial, amendment, LOI) del portafolio actual.
2. 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.
3. Elaborar el gold standard — abstract manual de varias decenas de contratos a cargo de un analista sénior, se utiliza para validar la accuracy.
4. 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.
5. Ejecutar la muestra de prueba, medir la field-level accuracy, configurar los umbrales de confidence para la rama automática y la manual.
6. 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.
7. Activar el shadow-mode durante varias semanas — la IA en paralelo con el proceso manual, comparación de resultados campo por campo.
8. Migrar el equipo a un workflow AI-first, el analista controla únicamente los documentos marcados.

Componentes del pipeline

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.

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.