Esta investigación busca demostrar cómo el aprendizaje automático, una rama de la inteligencia artificial, puede ofrecer predicciones de precios más precisas, utilizando el mercado inmobiliario como ejemplo. Utilizando 24,936 registros de transacciones de vivienda, este documento emplea Extra Trees (ET), k-Vecinos más cercanos (KNN) y Bosque Aleatorio (RF) para predecir precios de propiedades y luego compara sus resultados con los de un modelo de precios hedónicos. En particular, este documento utiliza una característica (edad de la propiedad x superficie) en lugar de la edad de la propiedad para aislar el efecto de la depreciación del terreno en los precios de las propiedades. Nuestros resultados sugieren que estos tres algoritmos superan notablemente a las técnicas estadísticas tradicionales en términos de poder explicativo y minimización de errores. Se espera que el aprendizaje automático desempeñe un papel cada vez más importante en la configuración de nuestro futuro. Sin embargo, puede plantear preguntas sobre la privacidad, la equidad y los problemas de desplazamiento laboral. Por lo tanto, es importante prestar atención a las implicaciones éticas del aprendizaje automático y garantizar que la tecnología se utilice de manera responsable y ética. Los investigadores, legisladores y actores de la industria deben trabajar juntos para crear estándares y legislación apropiados que regulen el uso del aprendizaje automático.