Leer en: EN·FRES

Volver al inicio

Optimización de Cobranzas B2B con IA

Gran Empresa TelecomInteligencia de ProcesosLíder Técnico y Operativo

Contexto y Desafío

Una gran empresa de telecomunicaciones enfrentaba ineficiencias significativas en su proceso de cobranzas B2B. Altos volúmenes de cuentas se gestionaban manualmente, lo que generaba problemas de priorización, falta de visibilidad sobre las promesas de pago de los clientes y seguimientos inconsistentes. La operación dependía de datos dispersos en sistemas heredados, lo que hacía del marcado "reactivo" la única opción posible.

Mi Rol

Actuando como Traductor de Procesos y Enlace Técnico, tendí un puente entre el equipo de Operaciones y las unidades de Ciencia de Datos y Desarrollo. Lideré la fase de Descubrimiento, definí el alcance del Proof of Concept (PoC) y validé los resultados de la IA generativa frente a las necesidades operativas reales para asegurar que la herramienta fuera utilizable y no solo teórica.

El Enfoque

"Este proyecto refleja mi foco central: traducir problemas operativos en sistemas de decisión prácticos basados en datos."

Pasamos de un modelo manual "reactivo" a un flujo "proactivo" basado en datos. El sistema ingiere transcripciones de llamadas, puntúa la interacción según la intención del cliente y prioriza automáticamente la siguiente acción para el agente.

B2B Collections Intelligent Workflow

Cómo se apoyaron las decisiones de priorización durante el piloto.

Ejemplos de Insights Operativos (Datos Reales)

Ejemplos de cómo los datos conversacionales se transformaron en señales operativas accionables durante los pilotos.

Payment Commitment Dashboard

🔍 Ampliar

Señales de Compromiso de Pago: Se identificaron compromisos de pago explícitos dentro de las llamadas, permitiendo priorizar los seguimientos con mayor probabilidad de recuperación.

Debt Awareness Analysis

🔍 Ampliar

Conciencia de Deuda: Se detectó si los agentes comunicaban efectivamente los montos adeudados, apoyando el coaching y la mejora de guiones.

Reasons for Non-Payment Dashboard

🔍 Ampliar

Motivos de No Pago: Se revelaron bloqueos recurrentes que impedían el pago, informando ajustes de política y reglas de escalación.

*Los dashboards se muestran tal como se usaron en entornos empresariales (en español), reflejando contextos operativos reales.

Resultado e Impacto

5-10%
Incremento proyectado en las tasas de recuperación de pagos gracias a una mejor priorización.
43%
De las interacciones del piloto identificaron automáticamente fechas de "Promesa de Pago".
Estado del Proyecto:PoC Validado y Hoja de Ruta Definida

Conversar sobre este Proyecto

EN·FR·ES