La paradoja de la revisión: por qué oscilás entre revisar todo y no revisar nada
Cuando empezás a usar ChatGPT, Claude, o cualquier AI que redacte tus follow-ups y descripciones de listing, leés cada palabra. Comparás contra el MLS. Reescribís la mitad. A ese ritmo, invertís más tiempo revisando que si hubieras escrito vos desde cero.
Después de semanas de outputs limpios, te relajás. Luego más. Y un día estás aprobando en piloto automático — justo cuando un square footage inventado o un email con tono fuera de lugar llega al inbox de un buyer.
El riesgo no es un output malo aislado. Es la deriva gradual de revisión cuidadosa a cero revisión, que pasa tan despacio que no te das cuenta hasta que un cliente sí lo nota.
En nuestro post sobre qué confiar y qué verificar cubrimos el framework de tres niveles de confianza. Este artículo te da la pieza que faltaba: tiempos exactos y un patrón de escaneo físico que hacen cada nivel sostenible día tras día, no solo durante la primera semana de entusiasmo.
Protocolo cronometrado: cuántos segundos por tipo de tarea
Las categorías de confianza sirven para clasificar. Pero lo que un agente necesita en la práctica es un número — ¿cuántos segundos le dedico a esto? Sin ese dato, 'revisión rápida' significa algo distinto cada día según tu carga y tu humor.
| Tipo de tarea | Nivel | Tiempo de revisión | Qué verificar |
|---|---|---|---|
| Confirmación de cita, tag en CRM | 1 — Auto | 0–15 seg | Solo el subject line |
| Follow-up email, recap de showing, post social | 2 — Vistazo | 30–60 seg | Nombres, dirección, precio, tono |
| Descripción de listing, resumen CMA para buyer | 2–3 | 90–120 seg | Todos los datos contra MLS, lenguaje de compliance, disclosures |
| Sugerencia de cláusula contractual, recomendación de precio, borrador de disclosure | 3 — Decidir | 2–3 min | Lectura completa, cruce con documentos fuente, verificar con broker si aplica |
Estos tiempos asumen que ya tenés guardrails antes de la generación (los cubrimos más abajo). Si tu AI está inventando features de propiedades regularmente, el problema no es tu velocidad de revisión — es tu configuración de prompts.
El patrón de escaneo: cómo revisar en 30 segundos sin perder lo importante
Leer de principio a fin es cómo revisarías el trabajo de un colega. Pero los errores de AI se concentran en puntos predecibles. Un escaneo dirigido atrapa el 90% de los problemas reales en una fracción del tiempo.
- Nombres propios primero: nombre del cliente, dirección de la propiedad, vecindario, nombre del agente. Son los errores que el cliente nota al instante y que la AI falla con más frecuencia.
- Números segundo: precio, square footage, bedrooms/bathrooms, lot size, HOA fees. Cruzá contra MLS si algo se ve raro.
- Lenguaje de cumplimiento tercero: frases de Fair Housing, requisitos de disclosure estatales, disclaimers del brokerage. Marcá cualquier cosa que suene a garantía o referencia a una clase protegida.
- Tono al final — y solo si te queda tiempo: ¿Suena como vos? Si los datos están bien y el compliance es limpio, una palabra diferente no vale la pena corregir.
Este orden importa. Los agentes que empiezan por el tono gastan todo su presupuesto de revisión puliendo frases y pierden el error factual enterrado en el tercer párrafo. Nombres y números primero. Siempre.
Tu registro de errores personal (miss tracker)
Cada herramienta AI tiene patrones en lo que falla. ChatGPT tiende a inventar features que suenan plausibles. Claude a veces alucina detalles de HOA. El AI de tu CRM puede defaultear al nombre del agente equivocado en cuentas de equipo. Estos patrones son específicos a tu setup.
Un miss tracker es una lista corriente — una nota en tu teléfono, un sticky en tu monitor, una columna en un spreadsheet. Cada vez que la AI se equivoca, anotá qué fue. Después de 20 entradas, vas a ver el patrón.
- Square footage equivocado en propiedades de más de 3,000 sf (pasó 3 veces en abril)
- Inventó 'cocina remodelada' en listings donde MLS dice 'condición original'
- Usó el nombre del cónyuge en vez del contacto principal del CRM
- Agregó 'walking distance to downtown' para una propiedad a 2.3 millas
- Defaulteó a saludo solo en inglés para contactos con preferencia de español
Este log hace dos cosas. Primero, entrena tu ojo — sabés exactamente dónde mirar durante esos 30 segundos. Segundo, te da datos para ajustar niveles. Si la AI no cometió errores factuales en follow-up emails en 50+ outputs, quizás esa tarea baja de Nivel 2 a Nivel 1. Si las descripciones de listings siguen inventando features, se quedan firmes en Nivel 3.
Reducí la carga de revisión antes de que el output exista
La mejor revisión es la que no necesitás hacer. Los agentes que menos tiempo pasan revisando no son mejores escaneando — configuraron sus herramientas para que cometan menos errores desde el principio.
- Adjuntá datos MLS directamente: si tu AI extrae del registro real del listing en vez de adivinar de memoria, no puede inventar square footage ni bedroom count.
- Usá templates estructurados como system prompts: un template de follow-up con campos fijos (dirección, precio, nombre del agente desde CRM) significa que esos datos nunca necesitan revisión.
- Limitá la longitud del output: un recap de showing de 3 oraciones tiene menos lugares donde fallar que uno de 3 párrafos. Output más corto = revisión más rápida.
- Prohibí frases genéricas en tus instrucciones de prompt: decile a la AI que no use 'nestled,' 'boasts,' 'sought-after' ni el filler que tu brokerage ya te marcó. Los clientes huelen el slop.
Los agentes que usan Reddy reciben parte de esto built-in: datos MLS adjuntos a borradores, templates estructurados por tipo de tarea, longitudes de output limitadas. Pero incluso si corrés prompts manualmente en ChatGPT, invertir 10 minutos configurando un system prompt adecuado te ahorra horas de revisión downstream a través de cientos de outputs. Desglosamos de dónde vienen esas horas en nuestro post sobre cómo la AI ahorra 15 horas por semana.
Que el hábito dure: batching, topes diarios y equipos
La fatiga de revisión no es un problema de voluntad. Es un problema de diseño. Si revisás outputs uno por uno a medida que se generan durante el día, cada uno interrumpe tu trabajo profundo. Si los agrupás, entrás en 'modo revisión' una vez y limpiás la cola en un bloque concentrado.
- Poné un presupuesto diario: 8–12 minutos totales. Si lo excedés regularmente, tu setup necesita mejores guardrails o estás sobre-revisando tareas de Nivel 1.
- Agrupá revisiones de Nivel 2: revisá borradores de follow-up y posts sociales dos veces al día (mañana y después del almuerzo) en vez de uno por uno.
- Revisá Nivel 3 en el momento: resúmenes de pricing y outputs adyacentes a contratos se revisan apenas se generan porque requieren contexto que perdés si esperás.
- En equipos: revisa la persona más cercana al cliente — no la que prompteó la AI. Si tu ISA genera un follow-up para tu lead, vos lo revisás. Si tu TC redacta un reminder de documentos, el TC verifica datos y vos revisás tono.
Los agentes que siguen usando herramientas AI después del primer mes no son los que confían ciegamente ni los que desconfían de todo. Son los que construyeron un hábito de revisión que cuesta 10 minutos al día en vez de 60 — y atrapa los errores que realmente importan.
