.avif)
- En el soporte de una fintech se automatiza lo repetitivo y verificable contra un sistema y se reserva a una persona lo que exige criterio (reclamaciones, casos sensibles). El corte lo marca el tipo de pregunta, no la tecnología.
- El control humano no depende de cuánto se automatiza, sino de que el traspaso a la persona funcione: handoff con contexto, trazabilidad de cada interacción y enrutamiento por intención.
- Automatizar bien refuerza el cumplimiento: cada interacción queda registrada y auditable, y se exponen menos datos sensibles.
- El copiloto asiste al agente sin quitarle la decisión. En Retorna, la primera respuesta pasó de 5 h 44 min a 9 min.
- Ante un fallo externo, ajustar flujos en tiempo real y asistir al agente absorbe el pico sin degradar el servicio.
Key points
En una fintech el soporte crece al mismo ritmo que la base de usuarios.
Cada nuevo cliente trae consultas sobre el estado de un envío, las tarifas o una verificación de identidad, y ese volumen recae sobre un equipo que no escala a la misma velocidad.
La salida obvia es automatizar. La duda es hasta dónde.
¿Qué se puede automatizar en el soporte de una fintech y qué no?
El criterio de corte es más simple de lo que parece: se automatiza lo que es repetitivo y verificable contra un sistema.
Y se reserva para el equipo humano lo que exige criterio; es decir, interpretar, decidir, gestionar un caso sensible.
Una consulta sobre el estado de un envío tiene una respuesta única, que vive en un sistema interno y no cambia según quién pregunte. No necesita interpretación: necesita acceso al dato. Lo mismo ocurre con tarifas, tiempos de acreditación o el estado de una verificación. Son el grueso del volumen y, a la vez, lo que menos aporta cuando lo resuelve una persona: el agente acaba haciendo de intermediario entre el usuario y una base de datos.
Lo podemos ver con un caso concreto:
En Retorna, la consulta sobre el estado de los envíos era el principal motivo de contacto: cerca del 40 % de las comunicaciones.
Para responder cada una, un agente tenía que entrar en los sistemas internos y revisarlos uno por uno —un trabajo manual, repetido decenas de veces al día, que no aportaba nada que el sistema no supiera ya—.
Al conectar ese flujo directamente a la API, la misma gestión que antes ocupaba a una persona pasó a resolverse en segundos.
No se automatizó "el soporte": se automatizó la consulta concreta que cumplía las dos condiciones.
Del otro lado está lo que no se debería tocar: una reclamación formal o una situación sensible, o cualquier caso que dependa de la circunstancia de quien escribe, necesita una persona con contexto y margen para decidir. Aquí automatizar no ahorra: traslada el riesgo.
La línea entre lo que se resuelve de forma automática y lo que pide una persona no la traza la tecnología, sino el tipo de pregunta: repetitiva y verificable, al sistema; con criterio de por medio, a la persona.
Es importante tener presente en todo momento que el objetivo no es que el bot llegue lo más lejos posible, sino que el equipo quede libre para lo que solo el equipo puede hacer.
¿Cómo se automatiza sin perder el control humano?
El control humano se mantiene cuando se especifica qué resuelve el sistema y qué atiende una persona. No depende de cuánto se automatice, depende de que ese traspaso funcione.
Y se pierde justo en ese paso: cuando el traspaso llega tarde, sin contexto, o no llega.
Eso reordena la pregunta: la operativa no es dónde acaba el bot, sino qué pasa en el momento en que la conversación cambia de manos.
Hay tres puntos que sostienen este momento:
- El handoff con contexto: cuando un caso escala, el agente recibe la conversación completa, no un usuario que tiene que volver a explicarse.
- La trazabilidad: cada interacción queda registrada y es auditable, lo cual importa especialmente cuando hay dinero y regulación de por medio.
- El enrutamiento por intención: identifica qué necesita el usuario y lo dirige al flujo o a la persona adecuada en lugar de dejarlo dar vueltas.
Volviendo a Retorna.
Su sistema unifica esos tres puntos. Primero, identifica la intención de cada mensaje a través de Smart Intent y, luego, lo enruta al flujo o al agente que corresponde.
De este modo, cada conversación queda registrada y, cuando un caso escala, la persona lo recibe con todo el hilo.
Con esto en marcha, el volumen de consultas que requería intervención humana bajó del 44 % al 28 %. Principalmente porque lo que llegaba al equipo llegaba filtrado y con contexto.
El copiloto: asistir al agente, no sustituirlo
Hasta aquí, el control vive en cómo se reparte el trabajo entre el sistema y la persona. Pero hay una segunda mitad, del lado del agente, donde ese control se refuerza precisamente porque la persona trabaja mejor asistida.
El copiloto sugiere respuestas, aporta contexto y permite a un agente responder en idiomas en los que no es fluido, sin sacar la decisión de sus manos.
El efecto se nota en los tiempos.
Por ejemplo, en Retorna, la primera respuesta pasó de 5 horas y 44 minutos a 9 minutos, y la espera del cliente durante la conversación cayó de 2 horas a 3 minutos. La persona sigue decidiendo; lo que cambia es cuánto tarda en hacerlo y con cuánta información.
Esa es la diferencia entre automatizar contra el equipo y automatizar a su favor. En el primer caso, el bot empuja a la persona fuera. En el segundo, le quita la parte mecánica para que se quede con la que pide juicio.
Retorna gestionaba el momento más crítico de la confianza de sus usuarios: saber si su dinero había llegado. Los tiempos de respuesta rozaban las 4 horas.
Hoy lo resuelve en 18 minutos.
Leer el caso completo de Retorna →
¿Automatizar es compatible con el cumplimiento regulatorio?
Sí. Y, bien planteado, automatizar refuerza el cumplimiento en lugar de debilitarlo.
Todo el control del que venimos hablando es operativo: quién resuelve qué y cómo se traspasa. Pero en banca, seguros o fintech hay un segundo control que pesa igual o más: el regulatorio.
Y ahí aparece la objeción que frena a más de un responsable: si automatizo, ¿pierdo trazabilidad, expongo datos y complico las auditorías?
La respuesta es que no. Al contrario. En un soporte manual, lo que se respondió queda en la cabeza del agente o, con suerte, en una nota.
Una operación automatizada registra cada interacción por defecto: queda por escrito qué se respondió, a quién y cuándo. Esa es la misma función que permite al equipo intervenir a tiempo y la que deja el rastro que pide una auditoría.
La verificación de identidad es donde mejor se ve.
En Retorna, el bot acompaña a los nuevos usuarios en el registro y el KYC: un proceso regulado, con pasos definidos, que gana en ejecutarse igual cada vez. Automatizarlo lo hace más consistente, porque quita la variabilidad de hacerlo a mano. Y, al identificar al usuario contra los sistemas internos, el flujo pide menos datos sensibles de los que circularían en una conversación abierta.
Lo que exige criterio regulatorio sigue pasando por una persona. El cumplimiento no depende de que no haya automatización, sino de que esté claro qué se automatiza y qué se escala, y de que ambas cosas queden registradas.
¿Qué pasa con tu soporte cuando el problema no es tuyo?
Todo lo anterior asume que el problema está dentro de tu operación. Pero una parte del riesgo viene de fuera: las dependencias externas.
Una fintech de envíos no procesa los pagos sola; depende de bancos y entidades financieras internacionales. Cuando una de ellas sufre una incidencia, los envíos se retrasan y la consecuencia llega igualmente a tu soporte en forma de un pico de mensajes que no provocaste y no puedes evitar.
Ese es el escenario en el que un soporte manual suele romperse. No por falta de capacidad en condiciones normales, sino porque la demanda se dispara justo cuando cada caso es más tenso, el usuario no sabe dónde está su dinero, y el equipo no da abasto para dar siquiera una primera respuesta.
La resiliencia aquí está en absorber el pico sin que el servicio se degrade:
- Ajustando los flujos en tiempo real para informar de forma clara y continua durante la contingencia, en lugar de dejar a la gente sin respuesta.
- Asistiendo al agente, que sostiene los tiempos cuando el volumen aprieta.
Y, por supuesto, estas dos piezas no se notan en un día normal. Los números de Retorna durante una contingencia muestran la realidad.
Cuando una incidencia externa disparaba los mensajes, el tiempo de primera respuesta, lo que tarda un usuario en recibir la primera contestación, pasó de unas 4 horas a 18 minutos en menos de 5 meses, y la parte de esas consultas que se resolvía de forma automática subió del 59 % al 81 %. El efecto sobre el equipo fue igual de concreto: durante esos picos, cada agente soportaba un 32 % menos de carga aunque el volumen total era un 41 % mayor. Más mensajes, menos presión sobre cada persona.
La diferencia entre los dos escenarios no está en que uno tenga incidencias y el otro no. Está en que, cuando llega el pico, uno responde en minutos y el otro deja al usuario esperando horas con su dinero en el aire.
Lo que marca esa diferencia no es automatizar más. Es decidir bien qué se automatiza, asegurar el paso a la persona cuando hace falta y registrar cada interacción para sostener el control, también el regulatorio. Eso es lo que permite a Retorna crecer sin que la atención se rompa: pasar de un soporte 100 % manual a un modelo automatizado y multicanal en ocho semanas, multiplicar por cuatro su base de usuarios y resolver el 72 % de las consultas en primer contacto, con un CSAT de 4,44 sobre 5.
Cómo lo montaron, paso a paso, está en el caso completo.
Leer el caso completo de Retorna →
