Escalar la tecnología no es suficiente. En el último talk de la comunidad YouSIREC, exploramos los criterios estratégicos que determinan si un proyecto de IA en recobro genera valor real o simplemente actividad.
Hay una conversación que se repite en las organizaciones financieras y aseguradoras con más recorrido en IA. Ya no empieza por «¿dónde podemos aplicarla?». Empieza por una pregunta de negocio mucho más exigente: «¿Estamos obteniendo el retorno que esperábamos y sabemos exactamente por qué?» Es un indicador claro de madurez operativa.
Ese fue el punto de partida del talk que celebramos con la comunidad YouSIREC. Una hora de conversación ejecutiva centrada en una cuestión concreta: cuándo la AI en collection es verdaderamente eficiente y cuándo su coste, técnico, operativo y de gobernanza, supera el valor que genera.
De la exploración a la gestión: la pregunta que define el éxito
Las organizaciones más avanzadas ya saben dónde aplicar la IA; lo que trabajan activamente es cómo gobernarla, cuánto les cuesta de forma real y si el valor obtenido justifica esa inversión. Resolver esto ha dejado de ser un reto puramente técnico para convertirse en una responsabilidad ejecutiva y de gestión: saber quién consume, cuánto, para qué caso de uso y con qué retorno medible por proceso.
Desde atmira, con presencia en prácticamente todo el sistema bancario español, observamos que esta transición coincide con una intensa actividad comercial en el ámbito de collections. La oferta de voice bots, agentes autónomos y plataformas con capacidades de AI integradas es enorme. Sin embargo, para que esta disciplina de gestión del gasto sea efectiva, hay una pregunta clave que debe ponerse sobre la mesa antes de cualquier implantación: ¿contra qué estamos comparando los resultados?
Esa es la verdadera clave del retorno. Si la baseline de partida es ya un proceso tradicional bien optimizado, el margen real de mejora operativa será menor de lo que sugiere cualquier presentación comercial. Por el contrario, si esa baseline no está honestamente definida, cualquier variación en la recuperación de carteras puede interpretarse erróneamente como un éxito de la tecnología, perdiendo el aprendizaje real por el camino.
Por tanto, las preguntas de diseño que condicionan la rentabilidad de la AI en recobro son muy concretas: ¿estamos comparando el rendimiento contra el autoservicio o contra la intervención directa de un gestor? ¿Qué ocurre cuando el agente de AI no obtiene el resultado esperado en un tramo de deuda determinado? ¿Y cómo se integra el talento humano en el flujo sin penalizar la eficiencia que justifica el proyecto? Resolver este equilibrio entre el coste real y la medición antes de comenzar reduce de forma significativa la complejidad en las fases posteriores.
La regulación como factor estratégico de diseño
Otro elemento central del debate fue la regulación, entendida no como una restricción abstracta, sino como una variable concreta que condiciona la arquitectura de cualquier solución de IA aplicada a estrategias de recobro.
Una plataforma que asiste o automatiza decisiones en este contexto necesita cumplir con requisitos estrictos de trazabilidad, control del riesgo y capacidad de explicación que van mucho más allá de los estándares de un asistente conversacional genérico. Incorporar estos requisitos desde el diseño inicial es infinitamente más eficiente que intentar adaptarlos una vez que el sistema ya está en producción. Las entidades que han avanzado más en este ámbito no lo han hecho a pesar de la regulación, sino integrándola como parte del modelo desde el primer día.
Lo que construye valor a largo plazo
Lo que surgió de la sesión de YouSIREC no fue una fórmula universal sino un conjunto de principios sólidos que las organizaciones con proyectos de IA más estables tienen en común:
- Definen la baseline antes de medir, no después.
- Establecen mecanismos de gobernanza del gasto desde el inicio del proyecto.
- Diseñan el equilibrio entre automatización e intervención humana como una decisión estratégica, no como un ajuste posterior.
- Tratan la regulación como un parámetro de diseño, no como un trámite de validación de última hora.
Son criterios estratégicos que no dependen del proveedor ni de la tecnología concreta elegida, sino de cómo la organización decide gestionar la AI como un activo de negocio.
En atmira seguimos trabajando en ese acompañamiento estratégico en el recobro.
