El Fin de la Cobranza por Volumen: Por Qué la Inteligencia Artificial No Salva una Estrategia de Recaudo Mal Diseñada
Un diagnóstico en cuatro dimensiones para saber si su operación de cartera está lista para rentabilizar la IA — con datos de McKinsey, TransUnion y el regulador colombiano.
Durante décadas, la cobranza operó sobre una premisa simple: a mayor volumen de contactos, mayor recuperación. Más llamadas, más marcaciones, más recordatorios.
Ese modelo no solo se agotó. En Colombia, buena parte de él dejó de ser legal.
Desde la Ley 2300 de 2023 —conocida como «Dejen de fregar»—, una vez establecido contacto directo con el consumidor, el gestor de cobranza no puede buscarlo por varios canales en una misma semana ni más de una vez en el mismo día. Están prohibidos los contactos en domingos y festivos, y el contacto a referencias personales. La norma aplica igual a quien cobra directamente, a quien terceriza y a quien compra la cartera.
Al mismo tiempo, la presión sobre la cartera aumenta. En su sesión del 8 de octubre de 2026, el Comité de Coordinación para el Seguimiento al Sistema Financiero —Ministerio de Hacienda, Banco de la República, Superfinanciera y Fogafín— advirtió que la morosidad sigue en niveles bajos, pero que la cartera vencida muestra una tendencia creciente en todas las modalidades.
Más cuentas en riesgo. Menos intentos permitidos para gestionarlas. Esa ecuación cambia las reglas de competencia en el sector.
Cuando el número de contactos está topado por ley, la ventaja ya no está en el volumen. Está en la precisión.
Y es ahí donde entra la Inteligencia Artificial. No como un accesorio tecnológico, sino como la única forma viable de decidir, para cada deudor, cuál es el contacto que vale la pena hacer.
Sin embargo, adquirir tecnología no es sinónimo de evolucionar. Antes de invertir, conviene auditar la estrategia actual. Las siguientes cuatro dimensiones —con sus preguntas de diagnóstico— permiten medir esa madurez.
Más allá de los días de mora
La cobranza tradicional ve saldos en una hoja de cálculo. La cobranza inteligente entiende comportamientos.
El modelo clásico agrupa a los deudores en pocas categorías —normalmente por edad de cartera— y les asigna un guion estándar. McKinsey describe la alternativa: usar analítica avanzada y machine learning para clasificar a los clientes en microsegmentos, con la aspiración de tratar a cada uno como un «segmento de uno».
Los resultados documentados no son teóricos. Un banco europeo construyó dos modelos —uno que distingue a quienes se pondrán al día por sí solos de quienes no, y otro que recomienda la estrategia para estos últimos— alimentados con cerca de 800 variables. Automatizó el 90% de sus comunicaciones con clientes y logró ahorros superiores al 30%, sin perder desempeño operativo.
Un matiz que la regulación colombiana vuelve decisivo
La misma Ley 2300 obliga a quienes adelantan cobranza a abstenerse de preguntarle al consumidor financiero el motivo de su incumplimiento.
Esto tiene una consecuencia práctica de enorme peso: en cartera de consumo, el «por qué no paga» ya no puede obtenerse interrogando al deudor. Tiene que inferirse a partir de su comportamiento: historial de pagos, canal de respuesta, horarios de interacción, promesas cumplidas e incumplidas.
El perfilamiento conductual dejó de ser una ventaja opcional. Es la única vía legal para entender la causa de la mora.
De reaccionar a anticipar
Esperar a que una cuenta caiga en mora para empezar a gestionarla es llegar tarde.
Los modelos predictivos permiten actuar antes, y su impacto está cuantificado. Según McKinsey:
La siguiente mejor acción (Next Best Action)
El paso siguiente es que el sistema no solo prediga el riesgo, sino que recomiende la acción concreta: qué oferta, por qué canal, en qué momento. McKinsey lo plantea como asignar a cada deudor varias probabilidades de pago —una por cada estrategia posible— y ejecutar la que maximiza la recuperación.
Las promesas rotas son información, no ruido. Una promesa de pago incumplida es uno de los datos más valiosos de la operación y uno de los más desperdiciados.
La evidencia académica lo confirma. Un estudio de Bellotti, Brigo, Gambetti y Vrins (Imperial College London), que comparó 20 técnicas de machine learning sobre la base de datos de una agencia europea de cobranza, encontró que el historial de contactos y de pagos del deudor mejora de forma significativa la predicción de recuperación.
En la práctica, el ajuste del discurso también rinde: un emisor de tarjetas que incorporó elementos de ciencia del comportamiento en sus guiones para el segmento de alto riesgo duplicó su tasa de promesas cumplidas, hasta el 95%.
El talento humano en el centro del valor
Existe un mito corporativo peligroso: creer que el software salva procesos ineficientes. La tecnología sin un marco de gobierno riguroso no corrige el caos. Lo amplifica.
El sector ya lo está entendiendo. En el informe de TransUnion sobre la industria de cobranza de 2024 —basado en una encuesta a 225 profesionales, incluidos BPO—, los usos de IA más frecuentes fueron la segmentación de cuentas (57%), la predicción del resultado de pago (57%) y la negociación por autoservicio (56%). En la edición de 2025, cerca del 95% de las organizaciones reportó estar adoptando o explorando la IA.
Adoptar no es lo mismo que rentabilizar. La pregunta que separa a los líderes del resto no es si tienen IA, sino en qué ocupan sus asesores el tiempo que la IA les libera.
Un mito que frena la decisión
Muchas organizaciones posponen la inversión porque creen necesitar primero una infraestructura de datos perfecta. McKinsey sostiene lo contrario: los datos internos ya disponibles generan la mayor parte del valor, los modelos pueden funcionar sobre sistemas heredados, y el valor que producen puede financiar la modernización posterior.
Orquestación sin fricción
Estar presente en todos los canales no es ser omnicanal. La omnicanalidad real respeta las preferencias del deudor y elimina los retrocesos en la negociación.
Los datos muestran que la industria suele hacer exactamente lo contrario. Una encuesta de McKinsey a clientes de tarjetas de crédito en mora encontró que:
Aun así, la mayoría de emisores abandona los canales digitales después de 30 días de mora y regresa al teléfono y la carta, los canales menos efectivos. Menos de la mitad de los grandes emisores tenía una estrategia multicanal real.
En Colombia, la omnicanalidad es también cumplimiento normativo
WhatsApp alcanza al 75% de los usuarios en el país, según el informe Tendencias de Mensajería 2026 de Infobip. Es el canal natural para negociar.
Pero bajo la Ley 2300, un sistema fragmentado es un riesgo legal. Si el CRM no registra que el deudor fue contactado por WhatsApp el lunes, una llamada del martes desde otro sistema puede constituir una infracción. A esto se suma que, según el mismo informe de Infobip, la autoridad colombiana de protección de datos endureció en 2025 las sanciones por contactar usuarios sin consentimiento.
La orquestación de canales deja de ser una mejora de experiencia. Se convierte en el mecanismo que impide que la operación incumpla la ley sin darse cuenta.
Cobranza por volumen vs. recaudo inteligente
| Variable | Cobranza por volumen | Recaudo inteligente |
|---|---|---|
| Premisa | Más contactos, más recaudo | Mejor contacto, más recaudo |
| Segmentación | Edad de cartera | Microsegmentos conductuales |
| Causa de la mora | Se pregunta al deudor | Se infiere del comportamiento |
| Momento de gestión | Después del vencimiento | Antes del vencimiento, con modelos predictivos |
| Oferta de pago | Criterio del gestor | Siguiente mejor acción por perfil |
| Promesas rotas | Se archivan | Retroalimentan el modelo |
| Canales | Teléfono como canal principal | Canal preferido del deudor, orquestado |
| Riesgo normativo | Alto: frecuencia sin control central | Controlado: trazabilidad por deudor y canal |
| Rol del asesor | Marcar y tipificar | Negociar y cerrar |
El límite del modelo: lo que la IA no debe decidir sola
Sería un error leer lo anterior como un argumento para automatizarlo todo.
La IA es excelente para decidir a quién, cuándo y por dónde contactar. Pero hay decisiones que deben conservar supervisión humana: la reestructuración de una deuda de alto impacto, el manejo de un deudor en situación de vulnerabilidad, la escalada a cobro jurídico.
Tres salvaguardas distinguen una implementación madura:
Explicabilidad
Un modelo que nadie en la operación puede explicar es un modelo que nadie puede defender ante un regulador o un cliente. McKinsey señala que existen técnicas con distintos niveles de transparencia, y que el equilibrio entre precisión y explicabilidad es una decisión de diseño, no una limitación inevitable.
Protección de datos
El perfilamiento conductual exige un tratamiento de datos impecable frente al régimen colombiano de habeas data. La inteligencia sobre el deudor no autoriza a usar información para la que no existe consentimiento.
Ética de la persuasión
Entender qué mueve a un deudor sirve para quitarle fricciones al pago, no para presionarlo. La línea entre la ciencia del comportamiento y la manipulación es la misma que separa una relación sostenible de una queja ante la Superintendencia.
Un modelo maduro no elimina el juicio humano. Lo reserva para donde más vale.
Cómo leer su diagnóstico
Revise sus respuestas a las doce preguntas anteriores.
Operación reactiva
Si la mayoría apunta a procesos manuales, reglas estáticas y segmentación por edad de cartera, su operación está en una etapa reactiva. Está dejando dinero sobre la mesa y, probablemente, asumiendo un riesgo normativo que no ha cuantificado.
En transición
Si combina modelos predictivos con canales todavía desconectados, está en transición. El siguiente paso de mayor retorno suele ser la orquestación: un solo registro de contacto por deudor.
Lista para escalar
Si su sistema segmenta por comportamiento, recomienda la siguiente mejor acción y aprende de cada promesa rota, su operación ya está en condiciones de rentabilizar la IA. El reto ahora es escalar sin perder control.
El verdadero significado de la evolución
La Inteligencia Artificial no consiste solo en implementar bots o agentes de respuesta automática. Su verdadero valor está en alcanzar un conocimiento profundo del deudor: una auténtica etnografía del cobro, construida con datos y aplicada caso por caso.
En un mercado donde la cartera vencida crece y la ley limita cada contacto, esa precisión deja de ser una ventaja competitiva. Se convierte en la condición para seguir operando con rentabilidad.
La cobranza por volumen insiste. El recaudo inteligente acierta.
En Cifur BPO conectamos la excelencia operativa con la dimensión humana y conductual de cada deudor, para transformar la recuperación de cartera en un activo estratégico, empático y rentable para empresas en Bogotá, Colombia y región LATAM.