La herramienta utiliza canales telefónicos convencionales y puede operar tanto en teléfonos móviles como en líneas fijas. Además, la empresa anticipó que evalúa expandir el sistema hacia nuevos canales de comunicación.
“Podemos decir si un cliente contestó de forma positiva, de forma negativa, si se comprometió a un pago o no, o presentó alguna dificultad”, explicaron los ejecutivos, quienes señalaron además que el sistema ya comenzó a integrarse con herramientas capaces de ofrecer planes de financiación y cuotas personalizadas.
En paralelo, el equipo trabaja en nuevas funcionalidades asociadas al análisis de sentimientos. La intención es que el agente de inteligencia artificial pueda interpretar el estado emocional del usuario durante la llamada y adaptar su tono de interacción. “Si el cliente está enojado, el agente que lo gestione y que le realice la cobranza sea un agente más empático, más negociador”, indicaron.
Desde la empresa también remarcaron el impacto económico del proyecto. Al tratarse de una solución desarrollada internamente, el sistema permite reducir costos operativos y evitar la tercerización de servicios tecnológicos.
El desafío de escuchar correctamente al usuario real
Otra de las presentaciones estuvo vinculada al área de producto y al uso de datos para diseñar nuevas funcionalidades. Allí, la Chief Product Officer de la compañía, María Victoria Minassian, planteó que uno de los desafíos de las empresas tecnológicas consiste en interpretar correctamente las necesidades reales de los usuarios.
“En producto tomamos decisiones todo el tiempo y son decisiones que están basadas en datos”, sostuvo. La ejecutiva mencionó estudios internacionales que muestran diferencias entre lo que los usuarios dicen y lo que finalmente hacen dentro de las plataformas digitales. “Si todas las empresas que construyen producto lo hacen pensando y escuchando la voz del usuario, ¿por qué hay una alta tasa de fracaso en los productos que se lanzan? ¿Realmente estamos escuchando bien?”, planteó.
NARANJAX - Público EDITADA
Dentro de los casos concretos exhibidos durante el evento apareció también un desarrollo orientado al área legal y al cumplimiento de requerimientos judiciales vinculados con embargos. El proyecto, denominado “Legal Code”, fue presentado por María Candela Andrés y Daniela Rivanera, quienes explicaron cómo automatizaron procesos que hasta ahora se realizaban manualmente.
Las ejecutivas detallaron que la compañía debe responder pedidos judiciales en plazos muy acotados y ejecutar acciones sobre cuentas de clientes, incluyendo la inmovilización y transferencia de fondos hacia juzgados. “Todo este proceso y este flujo lo hacíamos de manera manual”, señalaron.
Según explicaron, la empresa llegó a recibir más de 1.300 oficios de embargo en el último trimestre, tanto en pesos como en dólares. Esa operatoria implicaba múltiples intervenciones humanas y una carga operativa significativa. “Por día estábamos invirtiendo dos horas y media para poder realizarlos”, detallaron.
A partir de ese escenario, el equipo desarrolló un sistema automatizado capaz de ejecutar embargos, monitorear ingresos futuros de dinero en las cuentas afectadas y mantener trazabilidad completa de las operaciones. “Lo que se hizo fue automatizar, no hacerlo manual, ese cash out del fondo del cliente y además quedarnos escuchando futuros cash in”, explicaron.
La solución también incorporó herramientas de back office para visualizar el estado de cada caso y mejorar la comunicación hacia el usuario. De esa forma, los clientes pueden conocer dentro de la propia aplicación qué ocurre con los fondos retenidos y cuál es la situación del proceso judicial.
Promociones: del esquema masivo a la personalización
Otra de las iniciativas vinculadas con inteligencia artificial estuvo relacionada con la personalización de promociones comerciales. En este caso, integrantes del equipo de datos y machine learning de la compañía mostraron cómo evolucionó el sistema de beneficios desde un esquema masivo hacia uno dinámico y segmentado.
“Hoy estamos yendo a una recomendación dinámica para los 10 millones de clientes con todos los medios de pago”, explicaron Daniel Villarroel Torres, Gastón Duarte y Giselle Zarlenga durante la presentación.
El sistema utiliza algoritmos de machine learning conocidos como “modelo de dos torres”, capaces de procesar información sobre comportamientos de consumo, interacciones dentro de la aplicación y preferencias individuales de los usuarios. A partir de esos datos, la plataforma selecciona promociones específicas para cada cliente.
“No es magia, es machine learning”, resumieron los especialistas. El sistema transforma los hábitos de uso y las promociones disponibles en vectores numéricos para encontrar coincidencias entre perfiles de usuarios y beneficios potenciales. Luego, cada interacción vuelve a alimentar el algoritmo, que continúa entrenándose en función del comportamiento real de los consumidores.
Los equipos mostraron ejemplos de segmentación basados en distintos perfiles de usuarios, desde jóvenes vinculados al streaming hasta familias enfocadas en optimizar el presupuesto doméstico. La intención, según explicaron, es ofrecer promociones más relevantes y mejorar la efectividad comercial.
Simplificación de transferencias mediante la voz
El encuentro también sirvió para presentar uno de los desarrollos experimentales más recientes de la compañía: las transferencias por voz. El proyecto fue explicado por Marcos Cañete y Genesis Morales Herrera, quienes señalaron que la iniciativa nació luego de detectar dificultades de usabilidad en las transferencias bancarias tradicionales.
“Las transferencias tienen una alta barrera de usabilidad, sobre todo en situaciones de apuro”, señalaron. Según detallaron, el objetivo fue reducir la fricción asociada a la carga manual de datos como alias o CBU y simplificar el proceso mediante lenguaje natural.
Para ello, el equipo incorporó expresiones coloquiales y modismos argentinos dentro del modelo de inteligencia artificial. “Incluimos casos de uso de palabras no frecuentes, como guita, lucas, mucho lunfardo”, explicaron.
La propuesta busca que realizar una transferencia resulte tan sencillo como enviar un mensaje de audio. Sin embargo, el proyecto también enfrentó desafíos vinculados con la ambigüedad del lenguaje natural. En algunos casos, los usuarios omitían información relevante como el monto o el destinatario.
Frente a ese problema, la empresa decidió combinar inteligencia artificial con validaciones manuales en pantalla para completar los datos faltantes y evitar errores. “Nuestra estrategia siempre fue poder experimentar y salir para aprender”, señalaron.
A lo largo de las distintas presentaciones, uno de los conceptos que atravesó el evento fue el intento de combinar automatización con cercanía hacia el usuario. En ese sentido, la compañía insistió en que la inteligencia artificial no debe limitarse a la reducción de costos o al aumento de productividad, sino que también puede convertirse en una herramienta para simplificar procesos cotidianos y mejorar la experiencia de los clientes.
Con casi 10 millones de usuarios mensuales, Naranja X atraviesa una etapa de expansión en la que busca consolidarse como una de las principales fintech argentinas. En ese contexto, la inteligencia artificial aparece como uno de los ejes centrales de su estrategia tecnológica y de producto.
