Tu equipo de servicio quiere reducir las llamadas para consultar estados. El equipo de cobranzas quiere evitar que más cuentas caigan en mora grave. Ventas quiere contactar a quienes dejaron una solicitud a medias. Y el responsable del centro de contacto quiere que los nuevos agentes resuelvan llamadas reales correctamente cuanto antes. Todos son posibles casos de uso de IA, pero cada uno requiere sistemas y personas distintos.
El primer caso de uso de IA debe ser una tarea acotada a un tipo de cliente, un proceso y un sistema de registro. El alcance debe permitir comprobar si la organización está preparada antes de comprometer presupuesto.
Prioriza las oportunidades de IA en banca comparando el valor de negocio, el acceso a información fiable, el impacto de una respuesta incorrecta y la forma de demostrar el éxito. Empieza por un trabajo importante para el equipo y que se pueda controlar con el personal y los sistemas actuales.
Así podrás comparar varias propuestas antes de elegir un producto o preparar un caso de negocio detallado.
Qué significa elegir el primer caso de uso de IA en un banco
Define el trabajo con suficiente precisión para poder evaluarlo. «Mejorar el servicio al cliente» deja demasiadas decisiones abiertas. «Responder, después de verificar la identidad, consultas sobre el estado de una solicitud de un producto de crédito concreto» define mejor al cliente, la tarea y sus límites.
Cuatro aspectos para evaluar la preparación
• Valor de negocio: ¿Qué demoras, tareas repetitivas o pérdida de oportunidades se resolverían? Revisa las consultas y el trabajo real del personal, en lugar de basarte en suposiciones. Un gran volumen de llamadas puede incluir problemas muy distintos y solo una parte corresponder al caso propuesto. Medir el esfuerzo actual requiere un análisis específico. Para procesos telefónicos, la guía de ROI de voz con IA para banca (guía sobre el ROI de la voz con IA en banca) explica cómo relacionar los cambios operativos con los costos.
• Información y acceso: ¿En qué fuente se basaría la respuesta? Comprueba si la información está actualizada, si el sistema permite el acceso previsto y quién la mantendrá. Una demostración con datos de ejemplo no resuelve estas dudas.
• Impacto y controles: ¿Qué pasaría si una respuesta fuera incorrecta o una acción se ejecutara dos veces? Define qué puede hacer el agente de IA, cuándo debe intervenir una persona y cómo corregir los errores.
• Evidencia de éxito: ¿Qué registro demostraría que el trabajo se completó correctamente? En el seguimiento de solicitudes, por ejemplo, es más útil confirmar que los documentos pendientes llegaron a la solicitud correcta que registrar solo que la llamada terminó.
Comprueba también si hace falta IA. Si un mensaje fijo sobre el estado o un formulario sencillo resuelve el problema, compáralos. Los agentes de IA aportan valor cuando necesitan interpretar preguntas distintas, buscar información pertinente y mantener una conversación.
La evidencia definida para un caso de uso sirve para medir los resultados de la evaluación y también puede sustentar el pago al proveedor por el trabajo completado. Si no puedes definir qué significa «completado», tampoco podrás determinar un modelo comercial.
Oportunidades de IA en banca que vale la pena comparar
Los siguientes ejemplos se organizan por capacidades: ventas telefónicas, cobranzas, servicio al cliente y asistencia al personal. Cada uno es un proceso acotado, no un programa para todo el banco. En vez de «mejorar las cobranzas», podría consistir en acordar un plan de pago con un segmento definido de clientes en mora temprana. Son ejemplos ilustrativos, no casos de clientes ni una clasificación de idoneidad universal. Filtra las opciones según la preparación de tu organización.
Ejemplo: ventas telefónicas — contactar a quienes iniciaron pero no completaron una solicitud. Resultado buscado: que el cliente complete la solicitud o llegue a una persona que pueda ayudarle. Preparación necesaria: registro del consentimiento de contacto, estado actualizado de la solicitud, guion aprobado y divulgaciones requeridas. Escalamiento o motivo para aplazar: derivar a un especialista cualificado si el cliente pide asesoramiento o muestra señales de vulnerabilidad; aplazar si el registro del consentimiento está incompleto.
Ejemplo: ventas telefónicas — presentar una oferta concreta a un segmento identificado de clientes inactivos. Resultado buscado: registrar la respuesta del cliente o su solicitud de exclusión en el segmento correspondiente. Preparación necesaria: reglas de elegibilidad verificables, lista de exclusión, condiciones aprobadas y mecanismo para detener los contactos. Motivo para aplazar: no continuar si la elegibilidad depende de información que no puede consultarse al momento del contacto.
Ejemplo: cobranzas — solicitar el pago a un segmento definido en mora temprana y acordar un plan. Resultado buscado: que el cliente acepte un plan o hable con el equipo adecuado. Preparación necesaria: datos de mora actualizados, horarios permitidos y límites de frecuencia, además de un guion aprobado para situaciones de dificultad. Escalamiento o motivo para aplazar: derivar de inmediato a personas los casos de vulnerabilidad, disputa o dificultad; aplazar si los datos de mora se actualizan con retraso.
Ejemplo: servicio al cliente — responder preguntas de clientes autenticados sobre el estado de una solicitud o el saldo. Resultado buscado: que el cliente reciba información precisa y actualizada junto con los próximos pasos. Preparación necesaria: datos fiables del estado, verificación de identidad y explicaciones aprobadas. Escalamiento o motivo para aplazar: derivar las disputas o situaciones ambiguas; aplazar si el registro está desactualizado o no se puede consultar.
Ejemplo: servicio al cliente — hacer seguimiento de documentos de solicitud o identificación pendientes. Resultado buscado: que los documentos solicitados lleguen a la revisión de la solicitud correcta. Preparación necesaria: información precisa sobre lo que falta, un proceso de contacto aprobado y un canal seguro para entregar documentos. Escalamiento o motivo para aplazar: una persona debe decidir sobre excepciones y aceptación de documentos; aplazar si los recordatorios continúan después de la entrega.
Ejemplo: copiloto de IA para empleados — mostrar al agente durante la llamada políticas respaldadas por fuentes y los próximos pasos. Resultado buscado: que el empleado resuelva correctamente en el primer contacto y reduzca derivaciones innecesarias. Preparación necesaria: una fuente oficial de políticas, permisos de acceso y un mecanismo para reportar instrucciones incorrectas. Escalamiento o motivo para aplazar: el empleado conserva la responsabilidad de lo que comunica; aplazar si no está claro qué versión es la oficial.
Las cuatro dimensiones también se aplican fuera de la banca minorista. Un prestamista que evalúe IA para crédito y solicitudes, y un centro de contacto que quiera apoyar a sus agentes durante las llamadas, se enfrentan a preguntas similares: ¿cuál es la fuente de la respuesta?, ¿quién atiende las excepciones?, ¿qué registro demuestra que el trabajo se completó? El proceso puede variar, pero la comprobación de preparación sigue siendo la misma.
Evalúa el proceso completo. Una consulta de estado puede incluir la verificación de identidad o preguntas sobre una demora. Un cliente al que se le solicitan documentos puede explicar por qué no puede presentarlos.
Una llamada de ventas puede convertirse en una queja o en una pregunta que el agente no tiene permiso para responder. Una llamada por mora temprana puede revelar dificultades económicas y exigir otra respuesta. Incluye estas excepciones habituales al evaluar el volumen de trabajo: ahí se concentran parte del esfuerzo y del riesgo.
Si quedan varias opciones, identifica los sistemas que requiere cada una. Algunos agentes de IA para banca completan interacciones con clientes; otros solo clasifican o preparan borradores. Compara la opción con la capacidad de integración de tu organización, no solo con una lista de funciones.
Los ejemplos son ilustrativos. Para conocer procesos similares en producción, consulta el caso publicado por Dyna.Ai sobre la mejora de la eficiencia de cobranzas en Singapur (caso de eficiencia de cobranzas en Singapur) y las funciones esenciales de un centro de contacto con IA (funciones esenciales de un centro de contacto con IA).
Casos de uso de IA que conviene aplazar
Aplaza una opción si no puedes confirmar que existe una fuente de información fiable, que el acceso está autorizado y que hay una persona responsable. Estas condiciones afectan a la operación misma y no se resuelven con una estimación elevada de valor potencial.
La «revisión humana» también debe definirse en la práctica: especifica qué equipo recibe las excepciones, qué información obtiene y qué ocurre si no hay nadie disponible. Los bancos que ya utilizan guías de gestión del riesgo de modelos pueden encontrar referencias útiles. La guía interinstitucional vigente de la Reserva Federal de EE. UU. sobre gestión del riesgo de modelos (SR 26-2) establece expectativas sobre cuestionamiento eficaz, validación y documentación de responsabilidades que también pueden aplicarse a agentes de IA.
Considera también a quienes reciben el impacto indirecto. Si un empleado confía en una indicación interna incorrecta, el cliente puede verse afectado. El Marco de Gestión de Riesgos de IA del NIST (Marco de Gestión de Riesgos de IA del NIST) es una referencia voluntaria para evaluar riesgos según el contexto de uso.
Algunas opciones relacionadas con crédito o verificación de identidad pueden clasificarse como de alto riesgo en virtud de la Ley de IA de la UE y estar sujetas a obligaciones específicas. Otros reguladores también han publicado expectativas. En 2025, la OJK de Indonesia publicó orientaciones sobre gobernanza de IA para bancos, y la Autoridad Monetaria de Hong Kong (HKMA) llevó a cabo un sandbox de IA generativa en el que participó Dyna.Ai.
Antes de definir requisitos, identifica los marcos aplicables a la licencia de tu organización. Un proceso diseñado para cumplir una regulación puede necesitar ajustes para otra.
Para cada opción aplazada, registra una condición concreta para retomarla, por ejemplo: «Revisar cuando los registros de solicitudes se actualicen de forma estable». Así la oportunidad queda abierta y el siguiente paso es claro.
Cómo priorizar las oportunidades de IA
Imagina que un banco compara llamadas de cobro en mora temprana con consultas sobre el estado de solicitudes. Acordar un plan de pago para una cuenta vencida podría parecer más valioso que responder una consulta, y por eso las cobranzas podrían parecer la primera opción. Sin embargo, el valor por sí solo no basta para decidir.
En este ejemplo, los datos de mora se actualizan a diario y el banco ya aprobó los horarios de contacto, los límites de frecuencia y el guion para situaciones de dificultad. En cambio, el sistema de solicitudes no ofrece de manera estable su estado más reciente.
La primera evaluación elige las llamadas de cobro en mora temprana, siempre que estén listas la detección de clientes vulnerables y la ruta de atención por dificultades. El banco puede contrastar los planes acordados con los registros de las cuentas y comprobar si los clientes los cumplieron.
Cambiemos las condiciones. Si los datos de mora se actualizan más tarde que el proceso de cobro, el banco podría llamar a clientes que ya pagaron el día anterior. Si los registros de solicitudes sí están actualizados y cuentan con una vía de acceso aprobada, las consultas de estado podrían ser una primera opción más adecuada, aunque su valor por caso sea menor.
La preparación determina la elección; el valor decide cuando la preparación es equivalente. Si ambas opciones están listas, compara la carga que se eliminaría con las nuevas necesidades de integración, revisión humana, gestión de excepciones y mantenimiento continuo. Elige la opción con más probabilidades de lograr una mejora significativa dentro del presupuesto disponible y conserva la otra para una inversión posterior.
Formas aparentemente prudentes de elegir que suelen causar demoras
En estas conversaciones aparecen tres patrones habituales. Ninguno obliga a descartar una idea de inmediato, pero todos pueden retrasar varios meses la primera evaluación.
Empezar por la demostración más llamativa
Una demostración con datos de ejemplo muestra lo que la tecnología podría hacer, no si los registros de tu organización están listos. Evalúa las opciones a partir de fuentes, permisos y responsables que la demostración no puede confirmar.
Empezar por el mayor ahorro previsto
La opción con el mayor ahorro estimado suele tener un alcance amplio y datos menos preparados. Una opción pequeña con una persona responsable y una fuente actualizada claramente identificadas puede producir antes un resultado útil.
Tomar un piloto exitoso como prueba de preparación
Un piloto con supervisión humana constante, datos seleccionados y especialistas del proveedor presentes quizá no haya validado las condiciones necesarias para operar en producción. Para profundizar en esa diferencia, consulta cómo pasar de pilotos de IA a producción en la banca (cómo pasar de pilotos de IA a producción en la banca).
Priorizar un caso de uso de IA: qué incluir en un brief de una página
Resume la decisión en un brief corto que puedan evaluar los responsables de negocio, tecnología y riesgo. Ponerla por escrito convierte la priorización en una decisión con responsabilidades claras. Este ejemplo se refiere a consultas sobre el estado de solicitudes.
Proceso y usuario: consultas de clientes autenticados sobre el estado de una solicitud de un producto de crédito.
Problema actual: el personal consulta y explica repetidamente información del sistema de solicitudes. Verifica el volumen y el tiempo dedicado en los registros.
Mejora buscada: reducir el tiempo que los agentes dedican a buscar información y dar al cliente el estado y los próximos pasos correctos.
Información y permisos: leer campos de estado aprobados; no modificar la solicitud ni la decisión de crédito.
Excepciones: derivar a un equipo de servicio designado los fallos de verificación, las disputas, las quejas o la falta de datos.
Evidencia que se recogerá: comparación de las respuestas con la fuente, comprensión del cliente, nuevas consultas, tiempo del personal y calidad de las derivaciones.
Responsabilidad: designar a los responsables de servicio y sistemas antes de la evaluación, y acordar quién puede detener el proceso. Un brief completo revela pronto los desacuerdos: si un equipo espera informar sobre el estado y otro explicar decisiones de crédito, el alcance aún no está definido.
Documentar la responsabilidad también está en línea con las expectativas regulatorias. Por ejemplo, los principios FEAT de MAS piden poder explicar cómo se llegó a un resultado asistido por IA. Sin responsables documentados, reconstruirlo después es difícil.
¿Debe un banco empezar con IA para empleados o para clientes?
Cuándo empezar por los empleados
La asistencia a empleados puede ser un buen primer alcance si estos pueden comprobar las fuentes y corregir las respuestas antes de actuar. También hacen falta controles de acceso adecuados y un proceso de revisión práctico. Para conocer la evolución, consulta cómo la IA agéntica bancaria pasa de los pilotos a producción (cómo la IA agéntica bancaria pasa de los pilotos a producción).
Cuándo está listo un proceso para clientes
Un proceso dirigido a clientes también puede ser apropiado si tiene un alcance definido, se basa en información fiable y cuenta con un equipo de servicio preparado para intervenir. Compara directamente estas condiciones en vez de estimar el riesgo solo por quién usa la herramienta.
Del caso de uso de IA a la evaluación: línea base, costos y métricas
Establece una línea base antes de construir
Una vez elegido el caso, establece una línea base y estima el costo total, incluidas la integración, la revisión humana, las excepciones y el mantenimiento, que suele subestimarse en las primeras evaluaciones.
Compara proveedores en tu proceso, no por una lista de funciones
Si varios proveedores pueden resolver el caso, compáralos en el proceso elegido y no solo por sus listas de funciones. Pídeles que muestren las excepciones descritas en el brief; así las diferencias entre las propuestas se harán visibles.
Dyna.Ai desarrolla agentes de IA para bancos. El producto adecuado depende del proceso seleccionado. Para llamadas de seguimiento de ventas, cobros en mora temprana y consultas de servicio, considera Dyna VoiceGPT (Dyna VoiceGPT). Para empleados que necesitan información aprobada durante una llamada, considera AI Knowledge Partner (AI Knowledge Partner). Para verificación de identidad y seguimiento de solicitudes, considera e-KYC y procesamiento de documentos (e-KYC y procesamiento de documentos). Si tu equipo quiere configurar y ampliar los procesos, considera Agent Studio (Agent Studio).
Al hablar con Dyna.Ai (hablar con Dyna.Ai), lleva el proceso elegido, sus fuentes de información y las excepciones que gestionas actualmente. Así podrán hablar concretamente sobre la idoneidad, la integración y lo que habría que demostrar durante la evaluación.