Antes de que una persona reciba un mensaje para recordarle una deuda, podría haber una máquina tomando varias decisiones. ¿Es probable que pague? ¿Conviene escribirle por WhatsApp, enviarle un SMS o hacer una llamada? ¿Cuál sería el mejor momento para contactarla? Incluso, ¿es mejor dejar la conversación en manos de una inteligencia artificial o pasarla a un cobrador?
La respuesta comienza en los datos.
Los sistemas de inteligencia artificial utilizados en cobranza pueden procesar información que sería difícil analizar manualmente a gran escala. Historial de pagos, días de mora, respuestas a contactos anteriores y comportamiento frente a diferentes canales pueden convertirse en variables para construir modelos capaces de estimar la probabilidad de pago.
Un estudio publicado en 2025 en Journal of Big Data propone precisamente un sistema inteligente de apoyo para la cobranza. El modelo utiliza aprendizaje automático para predecir el comportamiento de los deudores y posteriormente incorpora técnicas de lógica difusa y análisis multicriterio para ayudar a determinar cómo asignar los esfuerzos de recuperación.
La lógica cambia la pregunta tradicional de la cobranza. Ya no sería únicamente cuánto dinero debe una persona, sino qué tan probable es que responda a determinado tipo de contacto.
Otro trabajo publicado en 2025 plantea un sistema de cobranza inteligente que busca estimar tanto la probabilidad de que un deudor pague como el valor que tendría invertir recursos para contactarlo. Esto permitiría priorizar determinadas cuentas en lugar de tratar a todos los morosos de la misma manera.
La personalización puede llegar incluso a las conversaciones. Investigadores analizaron en 2025 el uso de modelos de lenguaje de gran escala, conocidos como LLM, para negociar deudas. El experimento mostró que estos sistemas pueden participar en negociaciones financieras, aunque también presentó un problema: los modelos podían ser más propensos que las personas a conceder condiciones durante la negociación.
Te puede interesar: El dinero ya se mueve en segundos: así cambió el negocio financiero en Brasil, México y Colombia
Aquí aparece uno de los puntos más interesantes de esta tecnología. Una IA puede ser muy buena para clasificar miles de cuentas, pero eso no significa que sea igual de buena negociando con una persona que tiene dificultades para pagar.
Una investigación del National Bureau of Economic Research publicada en 2025 puso esa diferencia a prueba. Los autores realizaron un experimento con llamadas de cobranza gestionadas mediante inteligencia artificial y las compararon con las realizadas por trabajadores humanos. En ese caso, la IA consiguió peores resultados de pago que los cobradores humanos.
El resultado obliga a mirar con cautela la promesa de automatizar completamente este proceso. El algoritmo puede detectar patrones y decidir dónde concentrar esfuerzos, mientras que una persona puede interpretar durante una conversación circunstancias que no aparecen en los datos.
También existe una discusión sobre los límites de estas decisiones. Si un modelo determina que un cliente tiene pocas probabilidades de pagar y, por eso, recibe menos atención o una estrategia diferente, la decisión deja de ser puramente tecnológica. Puede afectar directamente la manera en que una persona negocia una obligación financiera.
Por eso, la evolución de la cobranza con IA probablemente no dependa de reemplazar al cobrador por una máquina. El cambio más profundo puede estar ocurriendo antes de la llamada: el algoritmo decide qué cuentas priorizar, cuándo intentar el contacto y qué estrategia tiene más posibilidades de funcionar.
La máquina, en otras palabras, puede estar tomando la primera decisión de la cobranza. La pregunta es quién debería tomar la última.
