Durante la Finance Week 2025, OpenHub News conversó con Alberto Piscicelli, VP Fintech Recovery & Solutions Services en Mercado Libre, sobre el impacto real de la inteligencia artificial en los modelos de recobro, el rol central de los datos en la toma de decisiones y los aprendizajes que deja operar en mercados con realidades culturales muy distintas.
¿Qué innovaciones tecnológicas consideras más transformadoras en los modelos de recobro dentro del ecosistema fintech y cómo las está aplicando Mercado Libre?
Creo que hoy, sin lugar a dudas, lo que nos está transformando a todos los que trabajamos en contact center es el uso de la inteligencia artificial.
Tenemos muchos desafíos para utilizar estos modelos de manera asertiva, y no solo para eficientizar el recupero y la cobranza, bajar costos o ser más eficientes, sino también para ayudar al usuario. La idea es ser mucho más customer centric y mucho más accurate al momento de llamar al usuario, entender cuál es su problema y darle una ayuda real para resolver su situación.
Modelos como agentes basados en LLMs, machine learning y otras tecnologías se pueden aplicar en distintos momentos del proceso: al asignar la base, al gestionar la mora temprana, la mora tardía y también para entender de forma predictiva qué carteras conviene ceder o vender y cuáles se pueden conservar porque todavía existe una oportunidad de recuperación.
El recobro, claramente, va por ahí.
En un entorno cada vez más basado en datos, ¿cuáles son los indicadores o modelos predictivos que están marcando la diferencia en la eficiencia del recobro?
En nuestro caso, los datos son fundamentales, porque toda nuestra estrategia se basa en datos.
Hoy evaluamos más de 2.000 variables que obtenemos del comportamiento del usuario. Desde información de geolocalización hasta cómo fue su comportamiento de pago el último mes o cómo se maneja dentro de la plataforma, ya sea en compras, pagos u otras interacciones.
Con toda esa información definimos si a un usuario lo vamos a estimular con un mensaje, con un llamado o con un mail, y en qué momento hacerlo. Puede ser el día uno, el día cinco o incluso más adelante, entendiendo que hay usuarios que se toman más tiempo para pagar, pero finalmente terminan regularizando.
Por eso creo que hoy quien sabe manejar bien los datos tiene gran parte de la batalla ganada.
¿Qué aprendizajes habéis obtenido al escalar estrategias de recobro en múltiples países, dada la diversidad regulatoria y de comportamiento de pago en la región?
Cada país es distinto y cada cultura es diferente. La mayor experiencia es probar, equivocarse, volver a intentar, volver a equivocarse y siempre estar iterando.
Cada vez que creemos haber encontrado una solución, la vara se pone un poco más alta y aparecen nuevos desafíos. Toda la región tiene particularidades muy claras y, en gran parte, la diferencia es cultural. Lo que funciona en Brasil puede no funcionar en Argentina, o puede funcionar mejor en Chile y peor en México o Colombia.
El gran desafío es ir de a poco, no claudicar nunca y seguir iterando para probar cosas nuevas. Hoy hay muchísimas posibilidades y muchísimas herramientas, pero el mayor reto es saber utilizarlas para situaciones puntuales y no querer abarcar todo solo por tener la herramienta. En nuestro caso, ser mucho más asertivos fue lo que nos dio mejores resultados.
Sigue toda la información de Open Hub News en Linkedin o en nuestra newsletter.
