En medio de un entorno económico marcado por la inflación persistente, el alza de tasas de interés y un creciente nivel de endeudamiento en hogares y empresas, los modelos tradicionales de cobranza están perdiendo eficacia en América Latina. Las pérdidas crediticias proyectadas para el próximo año rondan los 20 mil millones de dólares, lo que obliga a las entidades financieras a replantear sus estrategias. En este nuevo escenario, la inteligencia artificial (IA) se posiciona como un catalizador de cambio profundo.
Durante un reciente encuentro virtual con especialistas del sector, Rafael Zapata, director de Estrategias y Análisis de Producto en Banorte, señaló que los clientes actuales son más informados y demandan experiencias personalizadas, incluso en procesos sensibles como la recuperación de cartera. La cobranza, dijo, debe adaptarse a esta nueva realidad.
César Muñoz, director de Riesgos en Grupo Promérica, fue más enfático: “La visión tradicional de una cobranza dura está obsoleta. Hoy, las áreas de recuperación deben convertirse en solucionadoras de vida. No basta con mirar el historial bancario; hay que entender las causas detrás del impago y ofrecer respuestas reales”.
Lea también: Rappi se alía con OpenAI y ofrecerá seis meses gratuitos de ChatGPT Plus a sus usuarios premium
Gabriela Herrera, directora de Estrategia de Crecimiento en Provenir, destacó que tanto bancos como fintechs deben integrar capacidades tecnológicas avanzadas para lograr una cobranza más eficiente y empática. Según Herrera, el uso de datos en tiempo real y analítica avanzada permite anticiparse a los riesgos y mejorar las tasas de recuperación.
La IA, explicó, puede identificar el canal y momento óptimo para contactar a un cliente —ya sea por WhatsApp, SMS o correo electrónico— en función de sus patrones de comportamiento. También facilita la oferta de planes de pago personalizados y el seguimiento dinámico de saldos y movimientos.
Con plataformas adecuadas, es posible actualizar perfiles de riesgo en tiempo real, automatizar flujos de trabajo e implementar acciones inmediatas ante retrasos, como el envío automático de recordatorios. Esto permite una visión integral del cliente y una intervención más precisa.
Asimismo, Muñoz identificó tres niveles clave donde la IA está revolucionando la cobranza:
- Predictivo: anticipa situaciones de riesgo antes de que ocurran
- Operativo: automatiza tareas y mejora la eficiencia del contacto
- Estratégico: redefine el enfoque institucional hacia el cliente
“Pasamos de evaluaciones mensuales a análisis minuto a minuto. La IA ajusta el nivel de riesgo en tiempo real, según el comportamiento reciente del cliente. Eso cambia las reglas del juego”, afirmó.
Herrera, por su parte, detalló algunos de los modelos que sustentan esta transformación:
| Tipo de modelo | Función principal |
|---|---|
| Clasificación | Predice si un cliente pagará o no |
| Regresión | Estima montos de pago o días de retraso |
| Agrupación | Detecta patrones entre grupos de deudores similares |
| Series temporales | Anticipa tendencias de comportamiento |
Además, subrayó que el verdadero valor de las plataformas de datos radica en su capacidad para procesar grandes volúmenes de información estructurada y no estructurada, lo que amplifica el poder predictivo de la IA.