Facundo Turconi explains how AI and machine learning are reshaping collections: predictive models identify payment risk, intelligent segmentation optimizes channels and timing, and conversational AI handles routine outreach while humans handle complex cases. Moonflow is deploying ML scoring and language models to automate collections work by mid-2024.
Chapters
Hola a todos, ¿cómo están? Un capítulo más de Moonflow Academy. ¿Cómo estás, Facu?
Hola, Dani, ¿qué tal? ¿Cómo estás? ¿Todo bien?
Muy bien, animado por el capítulo de hoy, el futuro de las cobranzas.
Es un tema interesante, es para hablar demasiado. No sé si vamos a poder hacerlo en un solo capítulo, pero por lo menos seguramente vamos a tener muchos más hablando de esto.
¿Cómo nos imaginamos el futuro de las cobranzas, Facu?
A ver, acá tenemos que ir a un tema de moda, Dani. Tenemos que hablar de inteligencia artificial, que creo que es lo que querés escuchar. ¿O querés que hable de otras cosas?
De eso, de eso.
Bien, buenísimo. A ver, la inteligencia artificial es una herramienta, es algo muy de moda en estos tiempos y es un poco Hay que ser cuidadoso cuando uno se refiere a estos temas que se ponen, digamos, que son tendencia. Entonces, la inteligencia artificial básicamente puede ser una herramienta muy valiosa para cualquier sistema, incluyendo ahora el de cobranzas, dado que te puede ofrecer muchas ventajas, sobre todo funcionalidades. Y hay distintos ámbitos donde se pueden aplicar. Cuando uno habla de inteligencia artificial lo primero que se le viene a la cabeza son los modelos conversacionales, lo que son los modelos conversacionales, digamos los LLaRChers, los language models, en el cual vos ponés al cliente a hablar de una manera muy natural con un software. Eso es lo primero que se viene a la cabeza. Entonces decís, bueno, todo el inbound, todo el outbound son automatizaciones básicamente de mensajería y demás, pero dice todo el inbound lo trato con inteligencia artificial, con modelos conversacionales. Algo mucho más avanzado a estos chatbots que veíamos hace varios años atrás y que están de moda, pero Muy duritos, ¿te acordás?
Muy mecánicos.
Sí, muy mecánicos. Entonces ese es uno de los ámbitos, el primer ámbito en el cual a las personas después venían a cabeza en todo. La inteligencia artificial en las cobranzas. Sí, pero hay otros, hay otros que tienen que ver básicamente con análisis predictivo, o sea que es utilizar básicamente algoritmos con mecanismos de aprendizaje automático, lo que comúnmente se llama machine learning. Y la IA lo que puede hacer es analizar todos esos datos históricos, identificar patrones y predecir qué clientes podrían tener problemas de pago en el futuro. Y esto lo que te permite es intervenir de una manera muy proactiva. Cuando digo muy proactiva no es necesariamente humana, sino con triggers automáticos que pueden correr en software. Para anticiparse a esos posibles malos comportamientos. Otro ámbito, el análisis predictivo.
Vamos a volver a eso más adelante, pero antes, Facu, una pregunta muy importante.
Vamos a volver a eso más adelante, posiblemente no hable yo, se lo dejemos a José, porque estamos montando un modelo sobre la plataforma para optimizar la gestión.
Esa va a ser la pregunta un poco más adelante para cerrar este video, pero mientras tanto, ahí cuando hablabas de todas las aplicaciones de modelos y de inteligencia artificial y de modelos de lenguaje, hay una pregunta muy importante y es: ¿en qué espacio van a quedar las personas en toda esta gestión de cobros hoy y en el futuro?
Para crear un espacio un poco más estratégico, más— al final es una segmentación, Dani. Porque imagínate, uno parte desde automatización de mensajería, ¿ok? Lo que tiene es que para determinados segmentos, en los inbounds que se generan, tiene modelos de lenguaje natural para entablar el diálogo con el cliente. Imaginemos que en los casos por así llamarlos, fáciles. Los casos difíciles se los pueden dejar a un humano, o incluso algo de lo que se suele hacer es pongo el lenguaje de modelo natural arriba y cuando hay algún desborde en la conversación que la inteligencia artificial no puede tratar, el humano está como una segunda opción. Como un auxilio en realidad, no como una segunda opción. Pero lo que es importante es tener claro que arriba de estas estrategias, Dani. Tenés modelos de análisis predictivos con Machine Learning, tenés optimizaciones de la estrategia de gestión de cobro en vivo, optimizaciones. Y lo que tenés también es un análisis de sentimiento, de comportamiento del cliente. Y por último, y no por último en realidad porque hay más, pero También tenés la inteligencia en no solamente a niveles de segmentación, sino entender para Dari cuál es el mensaje que debería usar y a través de qué canal y en qué hora. Entonces las optimizaciones, fíjate que vienen por todo lado. Viene por un análisis de cliente, un análisis de sentimiento y comportamiento, una optimización autónoma de la estrategia. Pero además entender los canales y los mensajes más adecuados para que vos pagues. Entonces, ¿dónde quedan las personas? Para mí las personas siguen siendo una capa muy importante de toda la gestión, Dani, como manejo de desborde o auxilio con la inteligencia artificial no puede hacer, o para casos realmente más complejos. Al final, como volví en alguno de los capítulos anteriores, todo se trata de segmentar bien el portafolio y dejar a través de los modelos y la inteligencia artificial, vuelvo a decir inteligencia artificial, hay que tener cuidado cómo se usan todas esas palabras porque se mezclan todas y son cosas diferentes, Pero con estos modelos incluso puedes ir optimizando esa segmentación y le dejas a los humanos algunos casos más todos los desbordes en auxilio de otros casos más generales que en principio se lo dejas a modelos de lenguaje natural.
Al final todo esto lo deja a uno con una sensación de que si no estoy cobrando hoy en día con herramientas que me faciliten estas cosas, voy a quedar atrás y relegado muy fácilmente frente a otros que sí lo estén haciendo. Y en ese sentido, Facu, para cerrar, ¿qué estamos haciendo ya en nuestro producto, en lo que podemos hacer en Moonflow y cómo estamos integrando todo esto?
Hoy hay que ver cuándo las personas miran este video. Hoy, mayo de 2024, lo que estamos desplegando básicamente, sobre todo esa capa de automatización o segmentación, se ejecutan todas las estrategias son los primeros modelos con machine learning para hacer dos cosas básicamente. Uno, lo que es la identificación del riesgo de cada uno de los clientes. Con mucha data, estamos hablando de muchos data points. Y por otro lado, eso te va a ayudar a priorizar la gestión. Y por otro lado, el modelo basado sobre los canales de comunicación y la mensajería. Esa es la base sobre la cual vos tenés que trabajar para después enchufar los modelos conversacionales debajo. Y seguir ajustando un poco a través de la inteligencia artificial toda la eficiencia que le traiga al sistema.
Un tema, Facu, que nos va a dar para hablar mucho más, estoy seguro. Este es el primer capítulo de muchos.
Mucho más. Incluso hoy la inteligencia artificial, Dani, no me quiero extender tampoco sobre esto, sirve para el análisis de cumplimiento normativo. Exacto. Para automatizar los procesos y asegurar básicamente todo que las prácticas de cobranza que se están llevando a cabo, ya sea a través de la mensajería, de los call centers, de interacción humana, etcétera, cumplen o no con las regulaciones locales. Entonces mira todos los espacios donde la inteligencia artificial se puede aprovechar. Igual no hay que marearse. Cuando algo se pone de moda hay que tener cuidado y hay que ir abarcándolo pasito a pasito, desde lo más importante a lo menos, y no dejarse llevar por los hype.
Bueno, vamos a estar conversando bastante de esto en las próximas, en las próximas semanas, en los próximos videos de Cobranza 101. Nos vemos, Paco.
