Los pilares de una estrategia de incorporación basada en la inteligencia artificial

La incorporación de nuevos clientes es uno de los procesos más manuales en el sector de servicios financieros. El resultado es un cuello de botella muy común: los analistas se ven atrapados en tediosas revisiones de documentos y análisis de noticias negativas, mientras que los clientes esperan días para recibir decisiones que esperaban en cuestión de minutos.

Hoy en día, las principales instituciones financieras están recurriendo a la inteligencia artificial para ofrecer una mejor experiencia tanto a los equipos de incorporación como a los clientes a los que atienden.

Con los últimos modelos, los agentes de IA ahora pueden interpretar documentos no estructurados, seguir políticas y procesos complejos, y emitir juicios matizados tal como lo haría un ser humano —a veces incluso con mayor precisión—.

El primer paso para transformar tu proceso de incorporación con IA es entender exactamente en qué aspectos los agentes pueden marcar la diferencia y cómo asegurarte de que aporten un valor real y confiable a tu equipo.

Antes de profundizar en las principales áreas en las que los agentes pueden contribuir a tu estrategia de incorporación, es útil comprender por qué los últimos avances en inteligencia artificial han cambiado las reglas del juego.

La incorporación de nuevos empleados se ha resistido durante mucho tiempo a una automatización generalizada, y hay una razón para ello. Los motores de reglas tradicionales solo pueden automatizar pasos en los que el resultado se determina a partir de datos estructurados.

Por ejemplo, los motores de reglas pueden leer campos bien estructurados y marcar una solicitud que no alcance un umbral establecido. Sin embargo, no pueden interpretar documentos desordenados, detectar la falta de documentación o desentrañar estructuras de propiedad complejas.

El gran avance de la IA agentiva radica en que puede encargarse de tareas para las que los motores de reglas no están diseñados. En el proceso de incorporación, un agente podría verificar la identidad del cliente y realizar búsquedas de información negativa en los medios, lo que brindaría una nueva y poderosa herramienta a los equipos que han tenido que lidiar con las limitaciones de la automatización.

Si bien la oportunidad es evidente, el camino desde el concepto hasta la implementación sigue siendo poco claro para
muchos equipos. Para que este proceso sea factible, analizaremos dos niveles de una estrategia de incorporación impulsada por la inteligencia artificial:

Los cuellos de botella en la incorporación suelen concentrarse en las etapas que requieren mucho trabajo de investigación, en las que los equipos recopilan, verifican e interpretan información desordenada. Es ahí donde los agentes pueden encargarse del trabajo repetitivo y presentar conclusiones claras a los revisores.

A continuación, te presentamos cuatro áreas en las que hemos observado que los agentes generan un impacto medible para los equipos:

Los equipos suelen comenzar el proceso de incorporación verificando que cada solicitud se presente con los documentos y datos requeridos.

Sin agentes, los revisores revisan cada solicitud manualmente. Las solicitudes incompletas generan inconvenientes para los clientes, quienes podrían darse cuenta de que falta algo después de unos días, y las idas y venidas consumen el tiempo de los revisores antes de que comience cualquier análisis real.

Con la IA agentiva, un agente verifica que el expediente esté completo antes de que llegue a la fila, señala la información que falta o que es inconsistente y le pide al cliente que lo vuelva a enviar. Los revisores reciben expedientes que ya están completos, por lo que dedican su tiempo a la evaluación en lugar de a buscar documentos.

Cuando los equipos de incorporación comprenden quiénes son las personas que, en última instancia, son dueñas y controlan una empresa, pueden evaluar con mayor precisión el nivel de riesgo de un cliente corporativo.

De manera manual, los analistas deben reconstruir las estructuras de propiedad a partir de diversos documentos y registros, lo cual puede ser una tarea lenta y propensa a errores cuando las organizaciones tienen una estructura compleja o poco transparente.

En el proceso de incorporación impulsado por IA, un agente analiza la estructura de propiedad de una empresa e identifica a los propietarios beneficiarios finales a partir de los registros proporcionados, sacando a la luz estructuras complejas y brindando a los analistas una visión clara para su revisión.

Verificar que los clientes no figuren en listas de sanciones ni de vigilancia a nivel mundial ayuda a proteger a tu empresa de multas regulatorias importantes, al garantizar que las entidades prohibidas no ingresen a tu ecosistema.

Antes, los equipos dedicaban gran parte de su tiempo a descartar falsos positivos que se debían a una coincidencia imprecisa de nombres.

Ahora, con los agentes, las capacidades de inteligencia artificial, como la coincidencia aproximada y el filtrado inteligente, pueden reducir los falsos positivos, lo que ayuda a los analistas a enfocarse únicamente en las coincidencias que merecen un análisis más detallado.

La revisión de cobertura mediática negativa ayuda a los equipos a descubrir riesgos ocultos, como controversias que puedan afectar la reputación de un cliente, que las bases de datos estructuradas pueden pasar por alto.

Este puede ser un proceso inconsistente y que requiere mucho tiempo, en el que los analistas revisan innumerables fuentes de información, analizan los resultados y deciden qué señales son relevantes.

Para hacerlo más rápido con la IA, un agente puede analizar miles de fuentes de todo el mundo en busca de menciones negativas y resumir los resultados según su relevancia y riesgo.

En conjunto, los agentes pueden tramitar rápidamente un caso desde la solicitud hasta la aprobación, lo que reduce drásticamente los tiempos de ciclo. Pero una vez que se incorpora la IA al proceso, siguen existiendo cuatro pilares fundamentales que garantizan que cada decisión cumpla con las normas y esté orientada a los objetivos de tu equipo.

Una estrategia de incorporación basada en la inteligencia artificial que tenga éxito requiere datos de calidad, políticas claras, el criterio humano en casos complejos y una forma de dar seguimiento a tus decisiones.

En conjunto, estos elementos marcan la diferencia entre una IA que colapsa el sistema y una IA que aporta un valor real y medible.

En la base de toda decisión sólida sobre la incorporación de nuevos empleados se encuentran datos sólidos: completos, precisos y consistentes en todos los lugares donde trabaja tu equipo. Esa base es aún más importante con la IA: un agente no puede «llenar los vacíos», y su confiabilidad dependerá únicamente de la información a la que tenga acceso.

Un proceso de incorporación sólido integra la información de los clientes, las señales de terceros (por ejemplo, listas de seguimiento) y los sistemas internos en una sola vista conectada, respaldada por definiciones claras y responsabilidades bien definidas, de modo que los agentes y los revisores trabajen a partir de una misma fuente de información confiable.

La gobernanza es lo que hace que las decisiones de incorporación sean justificables, especialmente en entornos regulados. La IA aumenta el riesgo porque el comportamiento de los agentes puede ser probabilístico, lo que significa que se necesitan medidas de control para mantener la coherencia en los resultados y garantizar que las acciones se mantengan dentro de límites estrictos.

Una sólida gestión del proceso de incorporación puede combinar:

La revisión con intervención humana es importante porque algunas llamadas de incorporación se basan, por naturaleza, en el criterio humano, y esto es doblemente cierto en el caso de la IA. Los modelos pueden resultar persuasivos incluso cuando son inexactos, y los casos más difíciles suelen ser aquellos en los que las políticas requieren interpretación.

A medida que desarrolles tu estrategia de incorporación basada en IA, te recomendamos establecer una política clara sobre qué procesos están automatizados y cuáles requieren la aprobación de un experto. Una vez que cuentes con esa política, podrás configurar a los agentes para que escalen los casos de alto riesgo o ambiguos, proporcionando todo el contexto que necesitan los revisores: el historial del cliente, las señales clave, así como el razonamiento y las pruebas del agente.

El monitoreo es esencial en las decisiones impulsadas por la IA, ya que los cambios ocultos que ocurren en segundo plano —como picos repentinos en el volumen de transacciones de un cliente— pueden provocar una disminución en la calidad de las decisiones. Además, los organismos reguladores exigen un registro de auditoría transparente de todas las decisiones, ya sean tomadas por la IA o por personas.

Por ello, los equipos de incorporación impulsados por IA crean paneles de control que registran las acciones de los agentes y de las personas, así como los cambios continuos en los datos, el comportamiento de los clientes y los patrones de fraude en constante evolución. Esto les permite a los equipos comprender, explicar y mejorar sus decisiones de incorporación con el paso del tiempo.

La creación de una estrategia exitosa de incorporación impulsada por IA no depende de la capacidad del modelo, sino de que los equipos sean capaces de convertirlo en un sistema funcional. Cuando identificas los pasos que requieren mucha investigación —en los que los agentes demuestran su valía— y luego te basas en los fundamentos que mantienen esas decisiones confiables y controladas, el trabajo que antes se acumulaba comienza a avanzar.

Lo que queda es la versión del proceso de incorporación que los equipos siempre han deseado, pero para la que rara vez han contado con las herramientas necesarias: clientes legítimos aprobados en cuestión de horas, casos complejos que reciben la atención que merecen y cada decisión lista para resistir cualquier escrutinio.

P: ¿En qué se diferencia un agente de IA de la automatización tradicional del proceso de incorporación?
R: Los motores de reglas tradicionales automatizan pasos en los que el resultado está predeterminado y los datos están muy estructurados, como marcar una solicitud que no alcanza un umbral fijo. Un agente de IA puede interpretar información no estructurada, razonar ante inconsistencias, decidir qué pasos tomar y adaptarse sobre la marcha, lo cual lo hace idóneo para el trabajo de investigación y basado en el juicio que caracteriza al proceso de incorporación.

P: ¿En qué parte del proceso de incorporación puede la IA agentiva marcar la mayor diferencia?
R: Las oportunidades más importantes se encuentran en los pasos que requieren mucho tiempo y un gran esfuerzo de investigación, y que dependen de la lectura y el razonamiento a partir de información no estructurada. En el proceso de incorporación, esto suele incluir verificaciones de la integridad de las solicitudes, el mapeo de la propiedad de la empresa y de los beneficiarios finales (UBO), el cribado de sanciones y listas de vigilancia, y el cribado de noticias negativas en los medios.

P: ¿Qué se necesita para que la incorporación impulsada por IA funcione realmente?
R: La IA tiene éxito gracias a los mismos fundamentos en los que siempre se ha basado una buena incorporación: datos interconectados que brindan a los agentes una visión completa, un marco de gobernanza que mantiene a los agentes dentro de políticas y límites claros, supervisión humana en las decisiones que requieren criterio, y un seguimiento que registra cada decisión a lo largo del tiempo. Los agentes aportan valor cuando están integrados en un sistema construido sobre estos pilares, no cuando se utilizan como herramientas independientes.

P: ¿Cómo mantienen los equipos a los agentes de IA bajo control en un entorno regulado?
R: A través de un marco de gobernanza basado en límites que restringen lo que un agente puede hacer, políticas internas y regulatorias incorporadas tanto en la lógica de decisión como en los propios agentes, y una separación deliberada entre las reglas para puntos de decisión fijos y los agentes para el razonamiento de múltiples pasos. Dado que los agentes son probabilísticos y no fijos como las reglas, estos controles son los que garantizan que las decisiones sean consistentes y cumplan con las normas.

P: ¿Se puede auditar el proceso de incorporación impulsado por IA?
R: Sí, siempre y cuando se incorpore un sistema de monitoreo. Un enfoque eficaz consiste en mantener registros de auditoría explicables para cada acción del agente, en los que se registren los datos y las herramientas utilizadas para tomar cada decisión, junto con un seguimiento del desempeño para detectar cualquier desviación por debajo del nivel de referencia humano. Al combinarlo con registros claros de las decisiones humanas, se crea el registro de auditoría que los equipos necesitan para demostrar el cumplimiento.