En el mercado inmobiliario de Madrid hay dos tipos de compradores: los que pagan el precio que pone el anuncio, y los que saben cuánto debería costar de verdad. Whitebox ha entrenado un modelo que estima el precio de mercado de cada piso publicado — y cuando el precio real está muy por debajo de esa estimación, ahí hay un chollo. El problema: 87.000 anuncios y solo dos ojos. Tu misión: el asistente que convierte "busco un piso de 3 habitaciones en Carabanchel" en las mejores oportunidades del mercado, con argumentos.
El dato diferencial
Anuncios reales de Idealista enriquecidos con POIs de OpenStreetMap: superficie, habitaciones, distrito, ascensor, terraza, estaciones de metro a <500 m… 65 columnas por piso.
Cada piso trae los cuantiles de precio predichos por el modelo CatBoost de Whitebox. El descuento (precio de mercado estimado − precio real) lo deriváis vosotros en la carga: una resta que vale oro.
Descuento positivo = oportunidad. Negativo = sobreprecio — y avisar de eso también es dar valor. Tu agente no busca pisos: busca decisiones de inversión.
Tu misión
Un recomendador conversacional: el usuario describe lo que busca en lenguaje natural, el agente traduce a filtros, consulta los datos con tools y devuelve las mejores oportunidades ordenadas por descuento y explicadas.
Niveles
El buscador de oportunidades
Chat + agente con tools sobre la Data Table: búsqueda por distrito/criterios ordenada por descuento, top chollos global, y respuestas que explican por qué cada piso es (o no es) buena compra. Con memoria para refinar la búsqueda en conversación.
El analista de mercado
Que el agente responda preguntas de mercado agregadas — "¿dónde está barato Madrid?", "¿qué distrito tiene más oportunidades?" — con números reales calculados sobre el dataset, no con estimaciones del LLM. Cómo lo consigáis es cosa vuestra.
El producto completo
Ideas: filtros compuestos ricos (metro + terraza + presupuesto), alertas ("avísame si sale algo así"), perfil de inversor vs vivienda habitual, canal Telegram/WhatsApp, o cruzar con el CSV de alquiler para estimar rentabilidad bruta por zona.
Datos y recursos disponibles
| Recurso | Contenido | Descarga |
|---|---|---|
| Dataset de VENTA | 86.677 anuncios reales de Madrid capital, 23 columnas, con la predicción de precio (price_model) del modelo de Whitebox | whitebox-venta-madrid.csv (20 MB) |
| Muestra ligera | 5.000 anuncios — para empezar rápido y no pelear con ficheros grandes el día 1 | muestra-5k.csv (1,2 MB) |
| Dataset de ALQUILER | 107.653 anuncios (mismo esquema, precio = €/mes) — para la vertical de alquiler o cruzar rentabilidades | whitebox-alquiler-madrid.csv (25 MB) |
| Diccionario de datos | Documentación oficial de Whitebox: qué significa cada columna | diccionario-de-datos.md |
Documentación útil: Data Tables en n8n · nodo AI Agent · HouseFlipper (el producto real)
Definition of Ready · Definition of Done
- Dataset descargado e importado a una Data Table vuestra; diccionario leído (sabéis qué es
price_modely cómo derivar el descuento) - Decidido el usuario objetivo (inversor / comprador de vivienda / ambos)
- 3 preguntas de demo escritas ANTES de construir
- Reparto: prompt del agente / tools y datos / demo y pitch
- Petición en lenguaje natural con distrito + criterio → top pisos ordenados por descuento con explicación
- El agente cruza criterios que NO están en la tool (p.ej. "3 habitaciones") filtrando él los resultados
- Pregunta de mercado agregada respondida con números reales del dataset, citados
- Sobreprecio detectado y advertido (descuento negativo)
- La conversación se refina con memoria ("¿y con terraza?" no reinicia la búsqueda)
Pruebas UAT — autoevalúate antes del pitch
"Busco un piso de 3 habitaciones en Carabanchel con el mayor descuento posible."
Top de Carabanchel ordenado por descuento, filtrado a 3 habitaciones, cada piso con precio, m², descuento en € y %, y si tiene metro cerca. Menciona si descartó opciones y por qué.
"¿En qué distrito hay mejores oportunidades ahora mismo?"
Respuesta con números reales calculados sobre el dataset (descuento medio, nº de pisos) y citados — no una opinión inventada ni un cálculo a ojo sobre 5 pisos sueltos.
"¿Qué te parece este piso de Salamanca a 799.000 €?" (uno con descuento muy negativo)
Advertencia clara de sobreprecio vs precio de mercado estimado, con la cifra. Un recomendador que solo dice cosas bonitas no es un asesor.
"Chalet de 400 m² en Sol por 100.000 €."
"No hay resultados con esos criterios" + sugerencia de relajar filtros. Nunca inventar pisos.