Agentes de IA para fotos inmobiliarias: guía de API para 2026

El cambio: de modelos que describen software a agentes que lo operan

Hasta hace poco, la relación de un modelo de IA con su software inmobiliario era de asesoramiento. Podía decirle qué escribir en el CRM. No podía abrir el CRM.

Esa frontera se desplazó en septiembre de 2026. OpenAI anunció GPT-6 Astra el 3 de septiembre con la frase "Anything you can do on a computer, Astra can do for you" («Todo lo que usted puede hacer en un ordenador, Astra puede hacerlo por usted»), y registra un 72,6 % en el benchmark de uso informático OSWorld 2.0 a unos 40 minutos por tarea, frente al 65,7 % en aproximadamente 75 minutos de su predecesor, GPT-5.6 Sol. Astra recibe texto e imágenes y devuelve únicamente texto. Su API cuesta 10 $ por millón de tokens de entrada y 50 $ por millón de tokens de salida a la tarifa estándar, y OpenAI también lista GPT-6.1 Sol a una quinta parte de eso (2 $ / 10 $). El proyecto con nombre similar de Google, Project Astra, es un prototipo de investigación independiente utilizado por un grupo limitado de evaluadores de confianza.

Para el material audiovisual inmobiliario, esto cambia quién presiona los botones. Una sesión de fotos de anuncio siempre ha sido una secuencia de operaciones de software: subir, seleccionar, amueblar virtualmente, mejorar, convertir, etiquetar, publicar. Todas ellas pueden ahora automatizarse de extremo a extremo, lo que plantea una pregunta que la mayoría de los equipos de proptech no han respondido: ¿cómo debe ser su arquitectura tecnológica para que un agente la gestione de forma segura?

La respuesta corta: el agente lee, clasifica y comprueba; una API de imágenes genera los píxeles; su código controla las claves, el presupuesto y las normas de divulgación; y una persona aprueba cualquier cosa que vaya a ver un comprador, inquilino o huésped.

El acceso a ChatGPT, los precios completos y las clasificaciones en benchmarks se encuentran en GPT-6 Astra para el sector inmobiliario. Este artículo trata sobre la fontanería interna.

Cómo es un flujo de procesamiento audiovisual dirigido por agentes

Una API de procesamiento de fotos es lo que hace que esto sea manejable: usted envía una foto y una instrucción (una herramienta y sus opciones) a través de HTTPS, y recibe una tarea cuyo progreso puede seguir hasta que la imagen editada esté lista. Alrededor de ella, el ciclo para una propiedad luce así:

Los pasos 2, 3, 6 y 8 son donde un modelo con capacidad de agencia justifica su presencia. El paso 4 es donde delega, porque GPT-6 Astra devuelve texto, no imágenes (consulte ¿Puede GPT-6 Astra hacer home staging virtual o generar imágenes?).

El agente debe llamar a una API, no hacer clics a través de una aplicación web. El uso del ordenador es una capa de compatibilidad para el software que carece de API. Cuando existe una API, utilizarla es más rápido, más económico, determinista y, la parte más relevante a las 3 de la madrugada, depurable.

Los hoteles que renuevan las fotos de sus habitaciones, las tiendas de muebles que amueblan virtualmente habitaciones de catálogo y los estudios de arquitectura que transforman planos en vistas 3D ejecutan el mismo ciclo; solo cambian las herramientas y las normas de aprobación.

Agente, script, lote o chat: elegir la vía adecuada

Un agente autónomo es la opción más pesada. Elija la más ligera que cumpla con el cometido:

Los lotes de la app se depositan en una carpeta de la Biblioteca con una descarga en ZIP, reembolsan las fotos fallidas y aceptan ajustes por foto, tales como ventanas, vistas y estación del año para interiores de día a atardecer (Cambio de hora en la app). Retocar admite después una corrección escrita ante un resultado imperfecto en home staging, Vaciar habitación, Eliminar objeto o resultados de atardecer en interiores. Los planes de pago comienzan en 12 $ al mes (precios); el procesamiento por lotes no está disponible en el plan Gratis.

Ejemplo práctico: un agente que realiza home staging en un anuncio mediante una API de imágenes

Este ejemplo utiliza la API de Roomagen porque podemos documentar su estructura exacta; el patrón se generaliza a cualquier API de imágenes basada en tareas. Documenta cada herramienta que admite (65 a fecha de octubre de 2026, incluidas virtual-staging, virtual-renovation, image-enhancement, day-to-dusk, item-removal y floor-plan-to-3d), procesa una imagen por tarea y otorga 50 imágenes gratuitas con la primera clave.

Paso 0: proporcione al agente una herramienta delimitada, no la clave de API. La mayoría de los frameworks de agentes describen herramientas con JSON Schema. Limítela a lo que permita su guía de estilo:

{
  "name": "stage_listing_photo",
  "description": "Stage one empty room from a listing. Returns a job_id; the image arrives later.",
  "parameters": {
    "type": "object",
    "properties": {
      "listing_id": { "type": "string" },
      "photo_id": { "type": "string" },
      "style": { "type": "string", "enum": ["modern", "scandinavian", "japandi", "coastal"] },
      "roomType": { "type": "string", "enum": ["living-room", "bedroom", "dining-room", "home-office"] }
    },
    "required": ["listing_id", "photo_id", "style"]
  }
}

Su código convierte esa llamada en la solicitud a la API: resuelve los identificadores en una URL de imagen, añade la clave, la URL del webhook y la clave de idempotencia, y comprueba el límite de gasto. El agente no puede inventar un estilo, nunca ve una credencial y no puede ser persuadido para enviar una URL procedente de un correo electrónico hostil.

Paso 1: una tarea por foto. Un encabezado realiza la autenticación, y cada tarea consiste en una imagen y una herramienta, cobrándose en el momento en que se crea:

curl -X POST https://api.roomagen.com/api/v1/jobs \
  -H "X-Api-Key: rmg_live_YOUR_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: listing-8842-photo-03" \
  -d '{
    "tool": "virtual-staging",
    "image_url": "https://cdn.yourapp.com/listings/8842/photo-03.jpg",
    "options": { "style": "scandinavian", "roomType": "living-room" },
    "webhook_url": "https://yourapp.com/hooks/roomagen"
  }'

La respuesta se devuelve antes de que termine la generación:

{
  "job_id": "3f1c9d4e-5b2a-4c8e-9f10-7d6a2b3c4e5f",
  "status": "processing",
  "images_charged": 1
}

Cuatro detalles son más importantes para un agente que para un integrador humano:

• Idempotency-Key es la barrera de seguridad. La misma clave y el mismo cuerpo devuelven la tarea original, sin un segundo cobro ni renderizado; la misma clave con un cuerpo diferente recibe 409 idempotency_conflict. Derive las claves de su propio registro (ID del anuncio más ID de la foto), nunca de forma aleatoria, o los reintentos no coincidirán.
• images_charged es el cobro, no el coste neto. Las tareas fallidas se reembolsan automáticamente, pero el campo no se reescribe, así que tome el gasto neto de las tareas completadas o de image_credits en GET /api/v1/account.
• tool es solo un slug. La misma llamada ejecuta la Mejora de Fotos, la Edición y Conversión de Fotos Día a Atardecer, la Eliminación de Objetos y Elementos con IA en Fotos o el Plano de Planta a 3D. Consulte GET /api/v1/tools en lugar de programar de forma fija slugs que un agente podría inventar, y valide las opciones usted mismo: el home staging rechaza las claves desconocidas, mientras que las demás herramientas siguen ejecutándose pero nombran cada clave ignorada en la lista warnings de la respuesta, así que haga que el agente compruebe dicha lista.
• No existe un endpoint para lotes. Una sesión de 40 fotos son 40 tareas, y la creación de tareas está limitada a 60 por minuto por clave (un 429 incluye Retry-After).

Paso 2: el resultado llega mediante un webhook. Cuando la tarea finaliza, la API envía una petición POST a su endpoint con un campo event (job.completed o job.failed):

{
  "job_id": "3f1c9d4e-5b2a-4c8e-9f10-7d6a2b3c4e5f",
  "tool": "virtual-staging",
  "status": "completed",
  "images_charged": 1,
  "result_urls": ["https://api.roomagen.com/api/uploads/9c2f7a10-render.jpg"],
  "error": null,
  "created_at": "2026-09-06T09:14:02.114Z",
  "completed_at": "2026-09-06T09:14:39.902Z",
  "processing_ms": 37788,
  "event": "job.completed"
}

Verifique la firma antes de confiar en un solo byte. Los encabezados X-Roomagen-Event, X-Roomagen-Timestamp y X-Roomagen-Signature: v1=<hex> transportan un HMAC-SHA256 sobre {timestamp}.{raw body}, firmado con su secreto whsec_:

const crypto = require("crypto");

function verify(rawBody, headers, secret) {
  const ts = headers["x-roomagen-timestamp"];
  const expected =
    "v1=" + crypto.createHmac("sha256", secret).update(`${ts}.${rawBody}`).digest("hex");
  const got = headers["x-roomagen-signature"];
  if (got.length !== expected.length) return false;
  if (!crypto.timingSafeEqual(Buffer.from(got), Buffer.from(expected))) return false;
  return Math.abs(Date.now() / 1000 - Number(ts)) < 300;
}

Calcule el resumen criptográfico sobre los bytes del cuerpo sin procesar (raw), no sobre un JSON vuelto a serializar, y rechace las marcas de tiempo con más de unos cinco minutos de antigüedad. Las entregas se cancelan por tiempo de espera tras 10 segundos y no siguen redirecciones; la referencia de webhooks contiene el contrato completo.

Paso 3: sondeo como mecanismo de respaldo. Los webhooks fallan, y una entrega se da por abandonada tras cinco intentos a lo largo de unos 36 minutos. GET /api/v1/jobs/{id} devuelve el mismo objeto, por lo que un ciclo de supervisión puede reconciliar cualquier elemento atascado en processing:

async function waitForJob(jobId, timeoutMs = 5 * 60 * 1000) {
  const deadline = Date.now() + timeoutMs;
  while (Date.now() < deadline) {
    const res = await fetch(`https://api.roomagen.com/api/v1/jobs/${jobId}`, {
      headers: { "X-Api-Key": process.env.ROOMAGEN_API_KEY },
    });
    if (res.status === 429) {
      const wait = Number(res.headers.get("Retry-After") || 5);
      await new Promise((r) => setTimeout(r, wait * 1000));
      continue;
    }
    const body = await res.json();
    if (!res.ok) throw new Error(body.error.code); // e.g. job_not_found, key_revoked
    if (body.status !== "processing") return body; // completed or failed
    await new Promise((r) => setTimeout(r, 3000));
  }
  throw new Error(`job ${jobId} still processing: route it to a person`);
}

Las tareas suelen tardar entre 20 y 60 segundos en completarse, por lo que conviene sondear cada 2-5 segundos y tratar cualquier tarea que supere unos minutos como atascada. Las consultas de tareas están limitadas a 300 por minuto por clave, así que con decenas de tareas en curso, deje que los webhooks hagan el trabajo y sondee únicamente las rezagadas. Copie las imágenes terminadas en su propio almacenamiento, ya que las URL de los resultados están sujetas a límites de retención.

Paso 4: errores en los que el agente debe bifurcar su lógica. Toda respuesta que no sea 2xx es { "error": { "code", "message", "doc_url" } }. Bifurque según el valor de code, nunca según el de message. Estos son los códigos con los que se topará una ejecución autónoma (la referencia de errores los incluye todos):

Sin una bifurcación explícita para cada uno de estos casos, un agente reintentará a ciegas y consumirá créditos inútilmente.

Por qué los agentes necesitan herramientas deterministas, no interfaces de chat

La incómoda verdad del material audiovisual gestionado por agentes: el cuello de botella no es la inteligencia del modelo, es el determinismo de la herramienta. El GenAI Security Project de OWASP señala un riesgo relacionado, "Excessive Agency" («Agencia excesiva»), y lo atribuye a una funcionalidad, permisos o autonomía excesivos. Las propiedades que hacen que una interfaz sea adecuada para agentes carecen de glamour:

• Idempotencia, para que un reintento sea gratuito en lugar de facturable.
• Códigos de error legibles por máquina y estables, para que la gestión de fallos sea una bifurcación y no una suposición.
• Un endpoint de descubrimiento y una validación estricta de opciones, para que el agente compruebe en lugar de asumir. Donde un proveedor sea permisivo, como lo es el nuestro fuera del home staging, valide en su propio código.
• Notificaciones push firmadas con sondeo de respaldo, para que la finalización no dependa de que el agente permanezca activo.
• Coste en la respuesta, un endpoint de saldo y una política de fallos publicada, para que el gasto sea observable por acción y el coste de un renderizado fallido se conozca de antemano.

Una ventana de chat o una interfaz de pulsar y hacer clic no ofrecen casi nada de esto a un agente. Por eso la idea de "el agente simplemente usará nuestra app web" queda muy bien en las demos pero opera mal: cada cambio en la interfaz gráfica rompe la ejecución, nada es idempotente y un fallo se parece a una captura de pantalla en lugar de a un código.

Los modos de fallo para los que nadie presupuesta

Inyección de instrucciones (prompt injection) a través de su propia bandeja de entrada. Un agente inmobiliario lee correos electrónicos, archivos PDF y anuncios de portales redactados por desconocidos. En las pruebas externas de Gray Swan, reportadas por The Decoder, atacantes con 15 intentos por escenario comprometieron a GPT-6 Astra al menos una vez en el 8,5 % de los casos (GPT-5.6 Sol: 27 %; Claude Opus 5: 4,8 %). Ningún modelo evaluado fue inmune, por lo que nunca otorgue al mismo agente tanto entradas no confiables como autoridad no supervisada para publicar, pagar o contratar.

El relato del agente sobre su propio trabajo. El 28 de septiembre, OpenAI canceló el lanzamiento de GPT-6.1 Astra. Su responsable de sistemas de seguridad declaró a Al Jazeera que el modelo no alcanzó el listón respecto al "alcance y autorización, y a cómo comunica al usuario el tipo de trabajo que ha realizado". El científico jefe de OpenAI también ha calificado la supervisión de la cadena de pensamiento (chain-of-thought) como "frágil". Trate el resumen de un agente ("las 24 fotos han sido amuebladas virtualmente y publicadas") como una afirmación, y contrástelo con los objetos de las tareas, su CRM y sus propios registros.

Entrega de webhooks al menos una vez (at-least-once). Un manejador que agota el tiempo de espera tras haber realizado su trabajo recibe el evento de nuevo, así que elimine duplicados basándose en job_id y mantenga los manejadores idempotentes. Al existir hasta cinco intentos a lo largo de unos 36 minutos, la primera entrega no es necesariamente la única.

Sin garantías de orden. No asuma que un webhook llega después de que su propia llamada POST haya devuelto respuesta, ni que la devolución de llamada de la tarea A precede a la de la tarea B. Desarrolle máquinas de estado que toleren la llegada en cualquier orden.

Gasto descontrolado. Hay dos contadores en marcha: los tokens del modelo y las imágenes. Los límites de tasa son un freno, no un presupuesto: a 60 creaciones de tareas por minuto, un bucle descontrolado podría enviar 600 tareas en diez minutos, lo que supone unos 150 $ al precio del paquete de API más pequeño de 0,25 $ por imagen. Las claves de idempotencia frenan las repeticiones, no a un agente que continúa enviando nuevo trabajo. Limite el gasto por ejecución en su código, compruebe el saldo primero y active alertas ante tasas inusuales de creación de tareas.

Alteración estructural silenciosa. La tarea indica completed, pero una ventana ha cambiado de sitio. Los modelos generativos, incluido el nuestro, pueden cambiar cosas que usted no pidió que cambiaran, y solo un paso de verificación lo detecta: una persona, o un agente que señale las diferencias para que una persona juzgue.

Divulgación que nadie aplicó. Cuando un agente edita a las 4 de la madrugada, solo el código recuerda las normas. En California, el artículo 10140.8 del Business and Professions Code (AB 723) exige a los titulares de licencias desde el 1 de enero de 2026 divulgar las imágenes alteradas digitalmente en la publicidad inmobiliaria y poner a disposición el original. La ley AB 2025, firmada en septiembre de 2026, extiende una norma similar a los anuncios de alquiler a partir del 1 de enero de 2027, abarcando tanto a proveedores de vivienda como a titulares de licencias e imágenes generadas íntegramente por IA. La API de Roomagen devuelve únicamente la imagen editada, sin etiqueta de divulgación, por lo que etiquetar y conservar los originales corresponde a su propio flujo; nuestra guía de cumplimiento sobre la normativa de fotos con IA en MLS y la AB 723 contiene los detalles.

Lo que sigue perteneciendo a un ser humano

El Department of Real Estate de California es explícito: si una herramienta de IA produce información inexacta o publicidad engañosa, "la responsabilidad con arreglo a la legislación vigente recae sobre el titular de la licencia y su corredor responsable, no sobre el proveedor tecnológico". Su aviso de marzo de 2026 pide a los titulares de licencias que traten a la IA "como una herramienta de apoyo y no como un decisor independiente" y que aprueben los resultados de la IA antes de basarse en ellos. La misma división sirve para hoteles, minoristas y estudios de diseño: automatice el trabajo, conserve el criterio.

Las filas reservadas a las personas no van a cambiar pronto. El hecho de si una foto editada representa fielmente un inmueble conlleva peso legal y ético; un vendedor insatisfecho necesita una conversación, no un reintento; y un límite de gasto que el agente no pueda modificar es el seguro más económico de esta arquitectura.

Lista de verificación de preparación para agentes para equipos de proptech

Evalúe su propia arquitectura técnica. Los puntos 1 al 8 son bloqueos críticos: si falta alguno, corrija la superficie de integración antes de que un agente funcione sin supervisión, porque un modelo más inteligente no compensará una estructura que no se puede automatizar con seguridad.

Antes de cualquier ejecución desatendida

1. Cada sistema del flujo dispone de una API, o usted asume el uso del ordenador como una alternativa más lenta, costosa y frágil.
2. Las escrituras son idempotentes, con claves derivadas de sus propios registros.
3. El agente recibe herramientas delimitadas con opciones enumeradas y nunca almacena una clave de API.
4. Los fallos se bifurcan según códigos de error, con una lista de detención: falta de créditos, claves incorrectas, conflictos de idempotencia, URL de webhook rechazadas.
5. Los webhooks se verifican sobre bytes sin procesar mediante una comparación de tiempo constante, sin duplicados basándose en el ID de la tarea, tolerando cualquier orden de llegada y respaldados por un sistema de sondeo.
6. El gasto se limita fuera del agente y se comprueba contra el saldo activo antes de cada ejecución.
7. Las entradas no confiables se aíslan de cualquier herramienta que pueda publicar, pagar o contratar.
8. Una persona aprueba antes de que cualquier elemento se haga público.

Antes de escalar

9. La divulgación y la retención de las imágenes originales se imponen por código, no se dejan al azar o la costumbre.
10. Un registro de auditoría vincula cada imagen publicada con su tarea, su foto de origen y la ejecución del agente que la solicitó.
11. Los resultados se copian en su propio almacenamiento; la URL de resultados de un proveedor no constituye un archivo.
12. Una condición documentada de parada determina qué detiene una ejecución y alerta a una persona.

Conclusión

La era Astra no significa que los modelos vayan a elaborar sus fotos de anuncio. Significa que los modelos operarán las herramientas que las elaboran, lo que traslada la exigencia a las herramientas antes que a la inteligencia. Septiembre mostró ambas caras: los agentes mejoraron en el manejo de software, y OpenAI contuvo a GPT-6.1 Astra en parte por el modo en que informaba sobre su propio trabajo.

Los equipos que obtendrán ventajas contarán con una infraestructura audiovisual basada en API, idempotente, firmada, observable y limitada, con personas al frente de las aprobaciones que conllevan responsabilidad legal. Si va a conectar un agente a un flujo de procesamiento de imágenes, la guía de inicio rápido de la API explica la primera solicitud, y la descripción general de la API detalla las tarifas, desde 50 imágenes gratuitas en su primera clave hasta paquetes a partir de 500 imágenes por 125 $.

Las capacidades de los modelos, las puntuaciones de los benchmarks y los precios se contrastaron con las fuentes indicadas más abajo el 3 de octubre de 2026. Los formatos de solicitud de la API reflejan la API v1 de Roomagen; consulte la documentación para la especificación vigente.