Ir al contenido principal

Language: ES

Lo que en realidad se les escapa a los líderes de riesgo

Confianza a gran velocidad:
lo que en realidad se les escapa a los líderes de riesgo

La mayoría de las organizaciones de riesgo enfrentan un problema similar: necesitan avanzar más rápido. Más decisiones, más canales, más presión para aprobar en segundos en lugar de días. Por eso el instinto es comprar velocidad: motores más rápidos, modelos más rápidos, un onboarding más rápido.

Sin embargo, el problema real de la mayoría de estas organizaciones no es la velocidad.

Es la visibilidad.

En Provenir hemos conocido a líderes de riesgo que pueden decirnos con exactitud a qué velocidad sus sistemas aprueban una solicitud, pero que no tienen claro por qué se tomó una decisión concreta, si esa decisión resistiría una revisión regulatoria o cómo un cambio de política introducido tres generaciones atrás de sistemas sigue afectando la tasa de aprobación actual. Eso no es una brecha de velocidad. Es una brecha de control, y es la que termina costando caro.

Cómo se forma la brecha

Rara vez ocurre a propósito. Se compra un motor de crédito para resolver el crédito. Se incorpora una herramienta antifraude independiente cuando el fraude pasa a ser la prioridad. Cobranza obtiene su propio sistema cuando las tasas de recuperación bajan. Cada decisión tenía sentido por separado. Ninguna se tomó teniendo en cuenta las demás

Años después, la organización de riesgo opera sobre un conjunto de herramientas que nunca se diseñaron para compartir un modelo de datos, un registro de decisiones ni un marco de gobernanza. La autoridad sobre la toma de decisiones se vuelve difusa: queda repartida entre sistemas, proveedores y equipos, sin un único lugar desde el cual ver el panorama completo. La estrategia termina limitada por lo que la arquitectura permite, en lugar de que la arquitectura respalde la estrategia que el negocio realmente quiere ejecutar.

En esto consiste, en la práctica, operar sin visibilidad. No es falta de datos. Es un exceso de datos, dispersos en sistemas que no se comunican entre sí, sin una vista consolidada de cómo se tomó realmente cada decisión.

Imagine a un solo cliente avanzando por ese entorno. Crédito aprueba su solicitud con los datos disponibles en el onboarding. Semanas después, el sistema antifraude señala actividad inusual en la cuenta, pero trabaja con otro conjunto de datos y otra lógica de scoring, sin visibilidad de la decisión de crédito que ya se tomó. Cuando la cuenta llega a cobranza, la estrategia de tratamiento se construye sin ninguna de esas señales previas. Tres sistemas, tres vistas parciales y ningún lugar único desde el que un líder de riesgo pueda ver el panorama completo de esa relación. Multiplique eso por una cartera de millones de clientes y la brecha de visibilidad deja de ser un inconveniente. Se convierte en la razón por la que los equipos de riesgo se ven sorprendidos por cifras que un sistema conectado habría hecho visibles meses antes.

Por qué este es el momento en que más importa

Tres fuerzas convergen hoy sobre las organizaciones de riesgo, y cada una eleva el costo de seguir fragmentadas.

La adopción de la IA avanza más rápido que su gobernanza. Los equipos de riesgo están bajo presión para incorporar IA y aprendizaje automático a la toma de decisiones más rápido que nunca, pero un modelo agregado a un sistema de forma aislada es un modelo que nadie puede explicar por completo a lo largo de todo el recorrido del cliente. Cuanta más IA se superpone a una arquitectura fragmentada, más difícil resulta responder una pregunta sencilla: qué, exactamente, determinó esta decisión y si podemos defenderla.

Los reguladores están haciendo preguntas más exigentes. La explicabilidad y la auditabilidad ya no son un trámite anual. Los supervisores quieren ver, bajo demanda, por qué se tomó una decisión específica para un cliente específico, y los sistemas fragmentados hacen que atender esa solicitud sea costoso incluso cuando la respuesta es defendible. El costo no se limita a la auditoría en sí. Incluye el tiempo que los equipos de riesgo dedican a reconstruir las decisiones a posteriori en lugar de tener la respuesta lista.

La proliferación de proveedores ha dejado de justificar su costo. Cada solución puntual adicional llegó con su propio contrato, su propio costo de integración y su propia carga de mantenimiento. Por separado, cada una parecía justificada. En conjunto, se han vuelto costosas de operar y lentas de modificar, y ese costo se paga dos veces: una en el presupuesto y otra en el tiempo que se tarda en responder cuando el negocio necesita avanzar.

Las organizaciones de riesgo que consolidan su toma de decisiones en un único entorno gobernado son las que están en posición de gestionar el riesgo de forma deliberada y no reactiva. Es una postura distinta a la de avanzar rápido. Es avanzar con los ojos abiertos.

Lo que la visibilidad le aporta en la práctica

Un entorno de decisión gobernado no sacrifica el control a cambio de velocidad. Le da ambos, en el orden correcto.

Cuando cada decisión es trazable y explicable por diseño, los equipos de riesgo pueden calibrar la exposición de forma intencionada, en lugar de descubrir los problemas en un análisis post mortem. Cuando los cambios de estrategia pueden simularse y probarse con datos reales de producción antes de entrar en vigor, los equipos de negocio pueden avanzar con rapidez porque ya validaron el resultado, no porque esperen que todo salga bien. Cuando todo el ciclo de vida del cliente pasa por un solo sistema en lugar de cuatro, un cambio de política realizado en un punto se refleja de forma coherente en todos los lugares donde debe aplicarse, y en ninguno donde no.

Este es el giro que le pediría a todo líder de riesgo que considerara: el objetivo nunca fue la velocidad por sí misma. Era la confianza a gran velocidad. Ambas solo coexisten cuando la organización puede ver, de principio a fin, exactamente cómo y por qué se toma cada decisión.

Qué ocurre cuando funciona

Las organizaciones que ya cerraron esta brecha no describen un beneficio teórico. NewDay mejoró en un 80% su velocidad de cambio una vez que los ajustes de estrategia dejaron de esperar en una cola de desarrollo. Jeitto redujo en un 20% sus tasas de incumplimiento y, al mismo tiempo, aprobó un 67% más rápido, porque la simulación permitió al equipo validar una política más restrictiva antes de que llegara a producción y no después. SoFi redujo en un 57% su costo de puesta en producción y necesitó un 44% menos de recursos de desarrollo para lograrlo. Ninguno de estos resultados es una mejora de velocidad obtenida tomando atajos en la gobernanza. Son lo que ocurre cuando la visibilidad y el control dejan de ser una disyuntiva frente a la velocidad y pasan a ser la razón por la que la velocidad es posible.

Qué significa esto para los líderes de riesgo

Las organizaciones que se distanciarán del resto en los próximos años no serán las que tengan el motor de decisión individual más rápido. Serán las que hayan cerrado primero la brecha de visibilidad y puedan avanzar rápido porque tienen pleno control sobre la capa de decisión, y no a pesar de ese control.

Brendan Deakin, Executive Vice President - Provenir

Brendan Deakin

Written By

Executive Vice President, Provenir

úLTIMAS NOTICIAS

Lo que en realidad se les escapa a los líderes de riesgo

Lo que en realidad s...

Confianza a gran velocidad:lo que en realidad se les escapa a los líderes de riesgo La mayoría de las organizaciones ...
BLOG_Bharati_Fernando_-_social_tile

Cómo cambiar un mode...

Cómo cambiar un modelo de decisión sin abrir un ticket Replantear la pregunta «Cambiar un modelo de decisión sin abrir ...
ES-Platform Implementation FAQs

Preguntas Frecuentes...

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales Preguntas Frecuentes sobre la Implementación de Gestión de ...
260722 - ARTICLE Mike - FeatureIMG - 61088

La gobernanza de la ...

La gobernanza de la IA en los servicios financieros:qué significa estar "gobernado" en la práctica La inteligencia artificial ha llegado ...
Regulación en LATAM para los Prestamistas Empresariales

Regulación en LATAM ...

De la Protección de Datos a la Rendición de Cuentas en las Decisiones:Qué Significa la Regulación en LATAM para los ...
El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

El Coste Real de la ...

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias Un patrón se repite constantemente en ...
BLOG Matthew - FeatureIMG

¿Qué aspecto tiene u...

¿Qué aspecto tiene una buena revisión de proveedores de datos? La mayoría de las instituciones financieras saben que deberían revisar ...
CM

Gestión de Clientes ...

Gestión de Clientes Impulsada por IA:Cómo las Instituciones Líderes Convierten la Inteligencia en Ingresos Lo que cubre esta guía: La ...

Continuar leyendo

Provenir y IDC MarketScape

Provenir es nombrado un Major Player por IDC MarketScape

Provenir es nombrada Major Player por IDC MarketScape

PARSIPPANY, NJ, [FECHA], 2026 – Provenir, la Plataforma de Inteligencia de Decisiones para proveedores de servicios financieros, anunció hoy que ha sido posicionada en la categoría Major Players del IDC MarketScape: Worldwide Decision Intelligence Platforms 2026 Vendor Assessment (Doc. #US54118426, septiembre de 2026). Provenir también fue nombrada Major Player en la edición 2024 del informe.

Este reconocimiento llega tras dos años de inversión continua en la Plataforma de Inteligencia de Decisiones de Provenir, que incluyen simulación con precisión de nivel de producción, avances en modelos y asistentes de IA, y capacidades ampliadas diseñadas para ayudar a los clientes a diseñar, probar e implementar estrategias de decisión más rápido.

El IDC MarketScape evaluó a proveedores que dan soporte al diseño, la ingeniería y la orquestación de decisiones. La evaluación abarcó proveedores de sectores que van desde los servicios financieros y los seguros hasta el gobierno, la manufactura y el retail; Provenir obtuvo su posición manteniendo un enfoque deliberado en los servicios financieros y los sectores afines. La evaluación de 2026 también refleja el papel creciente de la IA generativa y agéntica en la forma en que se elabora, prueba y explica la lógica de decisión, junto con una supervisión humana continua.

IDC señala que Provenir reúne decisiones low-code, un marketplace de orquestación de datos, orquestación de modelos, simulación, paneles de monitorización y gestión de casos «en un único entorno unificado».

IDC destaca tres áreas de fortaleza:

  • Un entorno unificado de inteligencia de decisiones

    IDC afirma que Provenir reúne estas capacidades en «un único entorno nativo en la nube, que reduce la dependencia de soluciones puntuales independientes». Para los proveedores de servicios financieros, esto sienta las bases para diseñar, probar y ejecutar estrategias de decisión dentro de un mismo entorno.
  • Amplio acceso a los datos

    IDC informa que el marketplace de datos de Provenir incluye más de 150 integraciones prediseñadas con proveedores externos de datos y analítica, y que las nuevas integraciones suelen entregarse en aproximadamente dos semanas.
  • IA y simulación integradas en la toma de decisiones

    El asistente de IA generativa de Provenir opera en áreas que incluyen paneles, creación de modelos y documentación, y brinda acceso conversacional a perspectivas, recomendaciones y documentación traducida.

IDC también destaca el enfoque de simulación de Provenir. Los cambios propuestos en reglas y scorecards pueden probarse utilizando hasta 12 meses de los propios datos de producción del cliente, sobre el mismo motor de procesamiento que se utiliza para las decisiones en tiempo real. Esto brinda a las organizaciones mayor confianza en los resultados proyectados antes de poner en marcha los cambios.

«Que se nos haya nombrado Major Player por segunda evaluación consecutiva, con un posicionamiento aún más sólido, refleja el progreso que hemos logrado en la construcción de una auténtica plataforma de inteligencia de decisiones,»

afirmó Lawrence Smith, CEO de Provenir.

«Los proveedores de servicios financieros necesitan cambiar de estrategia con rapidez sin perder el control sobre cómo se toman las decisiones. Al reunir datos, IA, simulación y gobernanza, ayudamos a nuestros clientes a probar, comprender y mejorar las decisiones antes de que los cambios entren en vigor.»

El asistente de IA generativa de Provenir y la conectividad MCP ya están en producción, respaldando la recuperación de documentación, la generación de perspectivas y la creación guiada de modelos. El IDC MarketScape también señala la generación de flujos mediante lenguaje natural y la monitorización con supervisión humana (human-in-the-loop) de agentes como áreas en la hoja de ruta de Provenir, respaldadas por un programa de I+D plurianual.

Acerca de Provenir:

Provenir es la Plataforma de Inteligencia de Decisiones gobernada para empresas e instituciones. Un único entorno de decisión que consolida datos, modelos de IA, inteligencia, agentes y gobernanza. Configurada por el negocio. Fiabilidad de nivel empresarial. Con la confianza de más de 120 instituciones que procesan más de 4 mil millones de decisiones al año en más de 60 países.

Acerca de IDC MarketScape:

El modelo de evaluación de proveedores IDC MarketScape está diseñado para ofrecer una visión general de la competitividad de las tecnologías y los proveedores en un mercado determinado. La metodología de investigación utiliza un sistema de puntuación riguroso, basado en criterios tanto cualitativos como cuantitativos, que da como resultado una única representación gráfica de la posición de cada proveedor dentro de un mercado determinado. IDC MarketScape ofrece un marco claro en el que se pueden comparar de manera significativa las ofertas de productos y servicios, las capacidades y estrategias, y los factores de éxito de mercado actuales y futuros de los proveedores tecnológicos. El marco también brinda a los compradores de tecnología una evaluación de 360 grados de las fortalezas y debilidades de los proveedores actuales y potenciales.

LATEST NEWS

Provenir Anuncia su ...

Provenir anuncia su asociación con Creci, una fintech colombo-americana que apoya a pequeñas empresas con impacto social en Latinoamérica y ...

Uso de datos no trad...

Provenir organizó un panel sobre la creciente relevancia de los datos no tradicionales en América Latina. Gastón Peralta y líderes ...

Mastercard acelera l...

Mastercard amplía su red de socios en la plataforma Engage, facilitando a fintechs y empresas tecnológicas la implementación de soluciones ...

Provenir, aliado int...

Gabriela Herrera, líder de Provenir en América Latina, explica cómo su plataforma de análisis de riesgo facilita la inclusión financiera, ...

Debate por la privac...

En una entrevista con Gaceta Mercantil, Gabriela Herrera, líder de ventas de Provenir para América Latina, explica cómo la tecnología ...
Provenir presenta Data Cloud + Marketplace para respaldar la innovación de productos y una mejor experiencia del cliente

Provenir presenta Da...

Provenir presenta Data Cloud + Marketplace para respaldar la innovación de productos y una mejor experiencia del cliente Nuevas soluciones ...

TransUnion se une a ...

Provenir, líder global en software de análisis de datos y decisiones de riesgo, anuncia la incorporación de TransUnion al Provenir ...

Bigtech pueden ser a...

Gabriela Herrera, líder de Provenir en América Latina, destaca cómo las Bigtechs, con el uso adecuado de tecnología y dentro ...

Continuar leyendo

BLOG_Bharati_Fernando_-_social_tile

Cómo cambiar un modelo de decisión sin abrir un ticket

Cómo cambiar un modelo de decisión sin abrir un ticket

Replantear la pregunta

«Cambiar un modelo de decisión sin abrir un ticket» suena, a primera vista, como una solicitud para eludir la gobernanza. Una lectura más productiva la aborda como una cuestión de diseño: ¿por qué existe el ticket, y deben los controles que representa seguir administrándose mediante un proceso de gestión del cambio que se sitúa fuera del entorno de decisión?

En la toma de decisiones empresarial, la gobernanza cumple un conjunto definido de objetivos. Los cambios deben poder atribuirse a un autor identificable, ser revisables antes de entrar en vigor y ser verificables frente a los resultados esperados. Las organizaciones deben controlar quién puede realizarlos, comprender su impacto posterior y conservar una vía para intervenir cuando el comportamiento se desvía de la intención. Estos requisitos son más críticos allí donde la decisión determina la elegibilidad crediticia, el precio, la intervención ante el fraude y el trato al cliente, y donde un cambio mal gobernado puede afectar a grandes poblaciones antes de ser detectado. Tradicionalmente, esos objetivos se han perseguido mediante el volumen: aprobaciones secuenciales y una revisión uniforme aplicada a todo cambio, sin importar su nivel de riesgo. Sin embargo, el rigor procede de lo que realmente se examina, no de cuántas personas lo aprueban. Un modelo optimizado conserva los mismos requisitos —documentación, pruebas, trazabilidad y rendición de cuentas— pero los aplica en niveles basados en el riesgo, de modo que las salvaguardas se mantienen mientras la fricción disminuye y la velocidad deja de sacrificarse en aras de la seguridad. El ticket, desde esta perspectiva, es solo un instrumento administrativo, distinto de los objetivos de control que estaba destinado a satisfacer.

Por qué esto importa más a medida que madura la inteligencia de decisiones

Esa distinción cobra mayor relevancia a medida que madura la inteligencia de decisiones. La Encuesta 2024 sobre la Agenda del CDAO (Chief Data and Analytics Officer) de Gartner encontró que un tercio de las organizaciones ha implementado la inteligencia de decisiones, la práctica de combinar datos, analítica e IA en flujos de decisión que respaldan o automatizan juicios complejos. Desde entonces, Gartner ha previsto que, para 2027, la mitad de las decisiones empresariales estarán potenciadas o automatizadas por agentes de IA dedicados a la inteligencia de decisiones. A medida que una mayor inteligencia entra en la decisión misma, los mecanismos que rigen los cambios en la lógica de decisión merecen un escrutinio equivalente.

Trasladar el control al interior de la plataforma

Provenir ilustra cuánto de ese control puede residir dentro del entorno de decisión, en lugar de alrededor de él. Los equipos de negocio configuran, prueban y despliegan la lógica de decisión directamente, mientras el flujo de trabajo se mantiene auditable y con control de versiones. Las capacidades de campeón/retador permiten evaluar estrategias en competencia, incluso frente a datos reales de producción, antes de un lanzamiento más amplio. Reglas configurables determinan cuándo un cambio debe detenerse para una revisión manual. Cada capacidad reconstituye algo que el ticket existía para garantizar: un registro de lo que cambió, un medio para comparar resultados y un punto definido en el que se requiere el juicio humano.

De la solución operativa a la ventaja estratégica

Visto en términos estratégicos, eliminar el ticket es menos un ajuste operativo que un cambio en el modelo de negocio y en dónde reside la ventaja competitiva. Un modelo de decisión rara vez constituye, por sí mismo, una ventaja duradera, ya que las técnicas se publican y pueden adquirirse capacidades comparables; lo que resiste la imitación es la capacidad organizativa para cambiar la lógica de decisión de forma rápida y segura a escala, una capacidad dinámica mediante la cual una empresa reconfigura continuamente sus reglas de decisión a medida que cambian las condiciones. Debido a que esa capacidad surge de numerosos elementos que interactúan entre sí —entre ellos la configuración de la plataforma, la disciplina del control de versiones, las rutinas de campeón/retador y los permisos calibrados—, a los competidores les resulta difícil identificar qué produce esa tasa superior de cambio seguro. Esa ambigüedad causal constituye, en sí misma, una barrera a la imitación, y convierte ese proceso de cambio más rápido y más seguro de una ganancia operativa pasajera en una posición defendible: la función de decisión pasa de emitir decisiones individuales a acumular numerosos cambios gobernados y validados con evidencia, hasta conformar una ventaja que los nuevos entrantes difícilmente logran alcanzar.

La supervisión también está cambiando

Esto replantea la propia supervisión. La interpretabilidad y la explicabilidad han desplazado cada vez más la gobernanza de la auditoría posterior hacia una rendición de cuentas continua e integrada. Donde antes la supervisión se apoyaba en probar los resultados y confiar en que un modelo funcionaba, ahora tiende a exigir evidencia de por qué funciona: la importancia documentada de las variables (feature importance), la lógica de decisión y el razonamiento trazable detrás de cada puntuación o señal de alerta. Los marcos de gobernanza exigen cada vez más artefactos de explicabilidad junto con las métricas de rendimiento, entre ellos fichas de modelo (model cards), registros de decisión y justificaciones en lenguaje sencillo que los equipos legales, de cumplimiento y de auditoría puedan leer, no solo los estadísticos. Esto amplía el círculo de participantes, incorporando a los equipos de riesgo, cumplimiento y legal a los cambios de modelo en una etapa más temprana, porque pueden comprender qué se está modificando, y convierte cada actualización en algo que la organización puede defender, en lugar de simplemente implementar. La lógica económica apunta en la misma dirección: la encuesta State of AI de McKinsey, de marzo de 2025, encontró que la supervisión de la gobernanza de la IA por parte del CEO se encuentra entre los factores más correlacionados con un mayor impacto autodeclarado en los resultados financieros derivado de la IA generativa, lo que posiciona a la gobernanza no como una restricción al valor, sino como una condición para generarlo.

Dónde debe residir la gobernanza

Para la toma de decisiones, la implicación es que la gobernanza debe residir en el diseño y la operación de la propia plataforma, con auditabilidad, control de versiones, pruebas, permisos, monitorización y puntos definidos de intervención humana integrados dentro del ciclo de vida de la decisión, en lugar de administrados en paralelo a ella. Eliminar un ticket es legítimo solo cuando el control que representaba ha sido demostrablemente cubierto en otro lugar. Cuando esa condición se cumple, la empresa no se ha limitado a eliminar un paso: ha trasladado una fuente de ventaja a una capacidad que los competidores encuentran difícil de observar, y aún más difícil de replicar.

La madurez de una capacidad de decisión debería evaluarse, por tanto, con algo más que la velocidad y la precisión de las decisiones individuales. Una medida igualmente reveladora es si la lógica de decisión puede modificarse de forma eficiente mientras se mantienen los estándares que rigen esas modificaciones, y si esa combinación es lo bastante distintiva como para constituir una ventaja estratégica y no una mera conveniencia operativa.

Bharati Mohan

Bharati Mohan

Written By

Vice President, Global Applied Intelligence, Provenir

Fernando

Fernando Moreno Fernandez

Written By

Vice President, Global Applied Intelligence, Provenir

Latest Resources

Lo que en realidad se les escapa a los líderes de riesgo

Lo que en realidad s...

Confianza a gran velocidad:lo que en realidad se les escapa a los líderes de riesgo La mayoría de las organizaciones ...
BLOG_Bharati_Fernando_-_social_tile

Cómo cambiar un mode...

Cómo cambiar un modelo de decisión sin abrir un ticket Replantear la pregunta «Cambiar un modelo de decisión sin abrir ...
ES-Platform Implementation FAQs

Preguntas Frecuentes...

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales Preguntas Frecuentes sobre la Implementación de Gestión de ...
260722 - ARTICLE Mike - FeatureIMG - 61088

La gobernanza de la ...

La gobernanza de la IA en los servicios financieros:qué significa estar "gobernado" en la práctica La inteligencia artificial ha llegado ...
Regulación en LATAM para los Prestamistas Empresariales

Regulación en LATAM ...

De la Protección de Datos a la Rendición de Cuentas en las Decisiones:Qué Significa la Regulación en LATAM para los ...
El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

El Coste Real de la ...

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias Un patrón se repite constantemente en ...
BLOG Matthew - FeatureIMG

¿Qué aspecto tiene u...

¿Qué aspecto tiene una buena revisión de proveedores de datos? La mayoría de las instituciones financieras saben que deberían revisar ...
CM

Gestión de Clientes ...

Gestión de Clientes Impulsada por IA:Cómo las Instituciones Líderes Convierten la Inteligencia en Ingresos Lo que cubre esta guía: La ...

Continuar leyendo

PR Chartis

Provenir es nombrada Líder de Categoría por Chartis Research en Gestión de Fraude y de Carteras de Crédito

Provenir es nombrada Líder de Categoría por Chartis Research en Gestión de Fraude y de Carteras de Crédito

Este reconocimiento independiente, tanto en crédito como en fraude, confirma la amplitud de la Plataforma de Inteligencia de Decisiones de Provenir, que abarca desde la originación hasta todo el ciclo de vida del cliente.

[PARSIPPANY, NJ – 21 de septiembre de 2026] – Provenir, la Plataforma de Inteligencia de Decisiones para proveedores de servicios financieros, anunció hoy que ha sido nombrada Líder de Categoría en dos informes 2026 del RiskTech Quadrant® de Chartis: Soluciones de Fraude Empresarial y Soluciones de Gestión de Carteras de Crédito, una confirmación independiente de que una sola plataforma de decisiones puede liderar en dos dominios de riesgo tradicionalmente separados. Chartis también reconoció a Provenir, incluyendo posicionamientos como Mejor en su Clase, en otros cuatro cuadrantes que abarcan el resto del panorama de crédito y fraude, desde préstamos minoristas y alternativos hasta crédito mayorista y fraude de pagos.

Chartis Research es la firma analista especializada en tecnología de riesgo para el sector de los servicios financieros, y sus informes RiskTech Quadrant® son ampliamente reconocidos como referencia del sector.

«El principal diferenciador de Provenir es su flexibilidad,»

afirmó Philip Mackenzie, investigador principal en Chartis.

«Se destacó la configurabilidad de datos, orquestación y analítica, lo que dio como resultado una solución sumamente adaptable. Esto, combinado con su amplia cobertura de fraude, la posicionó como Líder de Categoría en el RiskTech Quadrant® de Fraude Empresarial de Chartis y como Solución Empresarial en el Quadrant de Plataformas de Fraude de Chartis»

David Mirfield, director de Producto en Provenir, declaró:

«Este reconocimiento refleja cómo nuestros clientes utilizan realmente la plataforma, extendiendo la toma de decisiones mucho más allá de la aprobación de nuevos préstamos hacia la expansión de ingresos, la monitorización continua del riesgo y la cobranza de los clientes que ya tienen. A medida que las condiciones económicas empujan a más instituciones a centrarse en la salud de sus carteras, esa capacidad de cobertura de todo el ciclo de vida es donde vemos la mayor demanda»

El posicionamiento de Provenir como Líder de Categoría en gestión de carteras de crédito valida la expansión de la compañía más allá de la originación de nuevas cuentas, para dar soporte a los proveedores de servicios financieros a lo largo de todo el ciclo de vida del cliente. Ese impulso también se extiende a otras industrias y dominios de riesgo, con una adopción creciente en telecomunicaciones, financiamiento de autos y casos de uso de AML/CFT.

Provenir también aparecerá en el Chartis RiskTech100® 2027, la clasificación anual de la firma analista sobre proveedores de tecnología de riesgo, cuando se publique el 24 de septiembre de 2026.

Acerca de Chartis Research:

Chartis Research es una firma independiente de investigación y asesoría que ofrece inteligencia de mercado, análisis y evaluaciones comparativas sobre riesgo, cumplimiento, gobernanza y tecnología financiera. Sus informes y evaluaciones de proveedores brindan información práctica que ayuda a las instituciones a evaluar soluciones, gestionar el riesgo y tomar decisiones estratégicas sobre tecnología y selección de proveedores.

Acerca de Provenir:

Provenir es la Plataforma de Inteligencia de Decisiones unificada para empresas e instituciones. Un único entorno de decisión que consolida datos, modelos de IA, inteligencia, agentes y gobernanza. Configurada por el negocio. Fiabilidad de nivel empresarial. Con la confianza de más de 120 instituciones que procesan más de 4 mil millones de decisiones al año en más de 60 países.


Leer el eBook del Informe de Proveedores de Chartis – POR QUÉ PROVENIR

Chartis Credit Risk Management Solutions 2026 – Actualización del Cuadrante

Leer el informe


Chartis Enterprise and Payment Fraud Solutions 2026 – Actualización del Cuadrante

Leer el informe

LATEST NEWS

Provenir Anuncia su ...

Provenir anuncia su asociación con Creci, una fintech colombo-americana que apoya a pequeñas empresas con impacto social en Latinoamérica y ...

Uso de datos no trad...

Provenir organizó un panel sobre la creciente relevancia de los datos no tradicionales en América Latina. Gastón Peralta y líderes ...

Mastercard acelera l...

Mastercard amplía su red de socios en la plataforma Engage, facilitando a fintechs y empresas tecnológicas la implementación de soluciones ...

Provenir, aliado int...

Gabriela Herrera, líder de Provenir en América Latina, explica cómo su plataforma de análisis de riesgo facilita la inclusión financiera, ...

Debate por la privac...

En una entrevista con Gaceta Mercantil, Gabriela Herrera, líder de ventas de Provenir para América Latina, explica cómo la tecnología ...
Provenir presenta Data Cloud + Marketplace para respaldar la innovación de productos y una mejor experiencia del cliente

Provenir presenta Da...

Provenir presenta Data Cloud + Marketplace para respaldar la innovación de productos y una mejor experiencia del cliente Nuevas soluciones ...

TransUnion se une a ...

Provenir, líder global en software de análisis de datos y decisiones de riesgo, anuncia la incorporación de TransUnion al Provenir ...

Bigtech pueden ser a...

Gabriela Herrera, líder de Provenir en América Latina, destaca cómo las Bigtechs, con el uso adecuado de tecnología y dentro ...

Continuar leyendo

ES-Platform Implementation FAQs

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales — La implementación de una nueva plataforma de Gestión de Decisiones es un proyecto de gran envergadura para cualquier banco empresarial, que implica equipos multifuncionales, una planificación cuidadosa y un compromiso compartido para hacerlo bien. Las siguientes preguntas frecuentes abordan las dudas que los bancos plantean con mayor frecuencia al prepararse para una implementación de Provenir, desde el alcance inicial y la gobernanza hasta las pruebas, la puesta en producción y la expansión futura. Ya sea que esté evaluando en qué consiste el proceso o preparando a su equipo para un proyecto ya en marcha, estas respuestas ofrecen una mirada práctica de lo que puede esperar en cada etapa.

1. ¿Qué implica realmente la implementación de una nueva plataforma de Gestión de Decisiones?

Una implementación de Gestión de Decisiones va más allá de configurar reglas de decisión. Una implementación típica de Provenir puede incluir la definición del alcance y los flujos de trabajo de decisión iniciales, la integración y orquestación de datos, la configuración de la gestión de casos y la generación de informes, el soporte al diseño e implementación de modelos, la realización de pruebas de aceptación de usuario y la preparación de la solución para la puesta en producción.

El alcance exacto se define en función de los objetivos iniciales del banco, con los Servicios Profesionales de Provenir acompañando el recorrido desde la implementación inicial hasta la expansión futura.

2. ¿Quién de nuestro banco debe participar en la implementación?

Las implementaciones empresariales suelen requerir la participación de partes interesadas de negocio, técnicas, de calidad, de gestión de proyectos y ejecutivas.

Los usuarios comerciales ayudan a definir y mantener los requisitos, participan en talleres y revisiones de diseño, ejecutan pruebas de negocio y aprueban el diseño y la preparación para la puesta en producción. Los equipos técnicos brindan soporte en arquitectura, integraciones, redes, seguridad, cifrado, estructuras de solicitud/respuesta y requisitos no funcionales. Los recursos de control de calidad (QA) desarrollan y ejecutan los planes de prueba, mientras que los patrocinadores ejecutivos y los comités directivos proporcionan gobernanza y supervisión de escalamiento.

3. ¿Qué grado de responsabilidad tiene nuestro equipo interno durante la implementación?

La implementación es un esfuerzo de entrega conjunta, y no un proveedor que trabaja de forma independiente y entrega un sistema terminado.

El banco es propietario de sus requisitos de negocio, aporta conocimiento experto en la materia, participa en las revisiones de solución y diseño, apoya las integraciones y la arquitectura técnica, desarrolla o ejecuta las pruebas correspondientes y, en última instancia, aprueba la preparación para la puesta en producción. Provenir trabaja junto a esos equipos para gestionar la entrega, configurar la solución, apoyar las pruebas, identificar dependencias, gestionar incidencias y preparar el despliegue en producción.

4. ¿Cómo se gobierna una implementación de Gestión de Decisiones de gran escala?

Provenir utiliza un marco de gobernanza estructurado que abarca la incorporación (onboarding), la planificación de recursos, las comunicaciones, el escalamiento, el control del alcance, las suposiciones, la mitigación de riesgos, las solicitudes de cambio, los cronogramas, los entregables y los requisitos de asesoría.

La gobernanza puede incluir llamadas diarias de scrum cuando sea necesario, reuniones semanales de gestión de proyecto e informes de estado, y revisiones ejecutivas o de comité directivo mensuales. Un plan de proyecto central, el seguimiento de hitos, los registros de acciones, y los registros de riesgos e incidencias, junto con procesos formales de gestión del cambio, brindan visibilidad durante toda la entrega.

5. ¿Cómo se mantienen bajo control el alcance, las dependencias y los cronogramas?

La planificación de la implementación comienza alineando el alcance definitivo, los requisitos, las suposiciones, las dependencias, los hitos críticos, los componentes de diseño, los recursos, los ciclos de prueba, los planes de comunicación y los procesos de escalamiento.

Provenir mantiene esta alineación mediante herramientas de gestión de proyecto como el plan de proyecto integrado, las listas de verificación de requisitos y de proyecto, el seguimiento de hitos, la gestión de elementos de acción, los registros de riesgos e incidencias, y un proceso formal de solicitud de cambios. Esto proporciona a ambos equipos una fuente común de verdad a medida que avanza el proyecto.

6. ¿Qué documentación y planificación debemos esperar antes de que comience el desarrollo?

Una implementación empresarial estructurada normalmente incluye un Documento de Requisitos de Negocio (BRD), un Documento de Diseño Técnico (TDD), un plan de proyecto de alto nivel y un desglose de sprints acordado conjuntamente.

Antes de avanzar con las actividades de construcción, los equipos revisan el alcance definitivo, los requisitos, los supuestos y dependencias, los hitos críticos, los componentes de diseño, la disponibilidad de recursos, los ciclos de prueba y validación, los períodos vacacionales o de bloqueo planificados, y los planes de comunicación y escalamiento.

Esta alineación previa ayuda a garantizar que los equipos de negocio, tecnología y entrega trabajen con los mismos requisitos y el mismo plan de implementación.

7. ¿Cómo se prueba la solución antes de pasar a producción?

Las pruebas se realizan de forma progresiva a lo largo de toda la implementación, en lugar de dejarse para el final.

El enfoque descrito por Provenir incluye pruebas de unidad, pruebas de integración, pruebas de flujo de trabajo de extremo a extremo, pruebas de control de calidad (QA) y de aceptación de usuario, pruebas de regresión y pruebas de estrés de rendimiento. Los componentes individuales se prueban antes de integrarse en el flujo de trabajo de decisión general, y las pruebas de regresión se realizan durante toda la entrega para identificar problemas más temprano y reducir el esfuerzo necesario durante la validación final.

8. ¿Cómo sabemos que la nueva plataforma de Gestión de Decisiones cumplirá con nuestros requisitos de rendimiento?

Las pruebas de rendimiento se incluyen como una actividad de validación específica.

Provenir puede utilizar herramientas de pruebas de rendimiento como JMeter para simular grandes volúmenes de solicitudes y medir el rendimiento del sistema frente a los niveles de servicio requeridos por el banco. Esto proporciona evidencia de que el rendimiento del procesamiento cumple con las expectativas acordadas antes de que la solución pase a producción.

9. ¿Qué ocurre una vez que la implementación inicial entra en producción?

La puesta en producción no marca el final de la relación.

Provenir ofrece suscripciones de soporte continuo que pueden incluir entrenamiento, revisiones de configuración, evaluaciones de rendimiento, consultas con expertos, evaluaciones de datos e integraciones, revisiones de modelos y analítica, y revisiones de estrategia de decisión. El entrenamiento también está disponible a través de sesiones en vivo y de Provenir Academy, para que los equipos internos puedan seguir ampliando su conocimiento de la plataforma después de la implementación.

El objetivo es apoyar tanto las operaciones diarias como la optimización continua de la plataforma a lo largo del tiempo.

10. ¿Podemos expandirnos a productos, mercados o casos de uso adicionales después de la primera implementación?

Sí. El enfoque de implementación de Provenir está diseñado para respaldar la expansión después del lanzamiento inicial.

Los proyectos posteriores pueden introducir productos, regiones, integraciones, capacidades de decisión o requisitos analíticos adicionales. Provenir puede ayudar a definir el alcance y el cronograma de cada expansión, preparar a los sistemas y equipos para los lanzamientos regionales o de producto, y ampliar los marcos de integración y las configuraciones de la plataforma existentes, en lugar de tratar cada nueva iniciativa como una implementación completamente independiente.

Esto permite que el despliegue inicial de Gestión de Decisiones se convierta en la base para una transformación más amplia de la toma de decisiones en todo el banco.

mike

Sam Rohde

Written By

Vice President, PreSales & Solutions, Provenir

Latest Blogs

Lo que en realidad se les escapa a los líderes de riesgo

Lo que en realidad s...

Confianza a gran velocidad:lo que en realidad se les escapa a los líderes de riesgo La mayoría de las organizaciones ...
BLOG_Bharati_Fernando_-_social_tile

Cómo cambiar un mode...

Cómo cambiar un modelo de decisión sin abrir un ticket Replantear la pregunta «Cambiar un modelo de decisión sin abrir ...
ES-Platform Implementation FAQs

Preguntas Frecuentes...

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales Preguntas Frecuentes sobre la Implementación de Gestión de ...
260722 - ARTICLE Mike - FeatureIMG - 61088

La gobernanza de la ...

La gobernanza de la IA en los servicios financieros:qué significa estar "gobernado" en la práctica La inteligencia artificial ha llegado ...
Regulación en LATAM para los Prestamistas Empresariales

Regulación en LATAM ...

De la Protección de Datos a la Rendición de Cuentas en las Decisiones:Qué Significa la Regulación en LATAM para los ...
El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

El Coste Real de la ...

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias Un patrón se repite constantemente en ...
BLOG Matthew - FeatureIMG

¿Qué aspecto tiene u...

¿Qué aspecto tiene una buena revisión de proveedores de datos? La mayoría de las instituciones financieras saben que deberían revisar ...
CM

Gestión de Clientes ...

Gestión de Clientes Impulsada por IA:Cómo las Instituciones Líderes Convierten la Inteligencia en Ingresos Lo que cubre esta guía: La ...

Continuar leyendo

La Brecha de Architectura: Batalla Competitiva de la Banca

La Brecha de Arquitectura: La Próxima Batalla Competitiva de la Banca

La Brecha de Arquitectura: La Próxima Batalla Competitiva de la Banca

Los bancos han pasado la última década persiguiendo la transformación digital. Aplicaciones móviles, migración a la nube, incorporación digital y una ola de pilotos de IA han dominado la agenda, y la inversión ha sido real. Sin embargo, muchas instituciones siguen enfrentando los mismos problemas con los que empezaron: lanzamientos de productos lentos, journeys de cliente fragmentados, costos operativos crecientes y presión de competidores digitales más ágiles.

Lo que subyace a todo esto es la arquitectura: la distancia cada vez mayor entre lo que un banco quiere lograr comercialmente y lo que su tecnología y datos subyacentes realmente pueden soportar.

Llamémosla la brecha de arquitectura. Rara vez aparece en un documento de estrategia o en un roadmap de transformación. Aparece en la ejecución: un producto que debería tardar seis semanas tarda seis meses, una solicitud rutinaria requiere revisión manual, un piloto de IA no logra avanzar más allá del caso de uso único para el que fue creado. En la banca a nivel global, esta brecha se está ampliando.

Cómo el crecimiento amplía la brecha

Gran parte de esto se reduce al crecimiento. Muchos bancos africanos se han expandido mediante adquisiciones y diversificación regional, y comercialmente esa estrategia funciona. Pero cada adquisición trae consigo su propio sistema core bancario, su propio modelo de datos, su propia lógica de toma de decisiones. Tras varias rondas de esto, una institución ya no opera una sola plataforma, sino una federación laxa de sistemas parcialmente conectados, cada uno con sus propias reglas y su propia versión del cliente.

Nada de esto refleja una mala estrategia: es simplemente lo que le ocurre a la arquitectura a escala, y la brecha se amplía con cada operación

Ni los bancos más sólidos son inmunes

Esto no se limita a los bancos que crecen mediante adquisiciones. Grupos tan consolidados y bien gestionados como Absa y Standard Bank han asumido costos reales vinculados a la modernización de sistemas heredados, incluyendo deterioros tecnológicos ligados al reemplazo de plataformas y a la reorientación estratégica.

Estas no son partidas contables aisladas: son una señal de que la arquitectura bancaria se ha convertido en un objetivo móvil, donde los sistemas heredados se deprecian más rápido que los ciclos de inversión diseñados para sostenerlos.

Los bancos digitales nativos también la encontrarán

Los bancos digitales nativos se sitúan en el otro extremo. Revolut, Salt Bank, Discovery Bank, Bank Zero y TymeBank se construyeron con infraestructura nativa en la nube, diseño API-first y datos en tiempo real desde el primer día.

Pero a medida que escalan, asumen mayor complejidad regulatoria y amplían su gama de productos, se encontrarán con su propia versión de la misma limitación. La brecha de arquitectura no es un problema de sistemas heredados: es un problema de escala, y todo banco termina por enfrentarlo.

La arquitectura se ha convertido en la estrategia

Históricamente, los bancos podían tratar la estrategia de negocio y la ejecución tecnológica como conversaciones separadas. Eso ya no es realista. La capacidad de un banco para competir hoy depende de la rapidez con la que puede lanzar nuevos productos, la eficacia con la que puede orquestar decisiones en tiempo real, la efectividad con la que puede llevar la IA de piloto a producción, la rapidez con la que puede adaptarse a nuevas regulaciones y la consistencia de la experiencia entre canales.

Todo ello depende de la arquitectura, no de la capacidad digital en el sentido tradicional.

Lo que cambia con la IA

La mayoría de los bancos está invirtiendo fuertemente en IA en fraude, riesgo crediticio, cobranzas y gestión de clientes. Pero la IA no opera de forma independiente de los sistemas que la rodean. Depende de datos limpios, conectados y en tiempo real, de una vista única del cliente, de una toma de decisiones integrada en el negocio en lugar de añadida después, y de una orquestación que funcione en toda la empresa.

Donde la arquitectura subyacente está fragmentada, la IA hereda esa fragmentación: eficaz en un piloto, difícil de escalar en cualquier otro lugar

La pregunta que vale la pena hacerse

La pregunta para los líderes bancarios no es si deben modernizarse o invertir en IA. La mayoría ya lo está haciendo, y el gasto continuará. La verdadera pregunta es si la arquitectura subyacente puede soportar a la institución en la que están tratando de convertirse.

Los bancos que cierren esta brecha no serán necesariamente los más grandes ni los que se muevan más rápido. Serán aquellos que traten la arquitectura, y las decisiones que fluyen a través de ella, como un activo estratégico y no como una partida más de TI.

Giovanni Hofmayer, Senior Sales Executive, Provenir

Giovanni Hofmeyer

Escrito por

Senior Sales Executive, Provenir

Latest Resources

Lo que en realidad se les escapa a los líderes de riesgo

Lo que en realidad s...

Confianza a gran velocidad:lo que en realidad se les escapa a los líderes de riesgo La mayoría de las organizaciones ...
BLOG_Bharati_Fernando_-_social_tile

Cómo cambiar un mode...

Cómo cambiar un modelo de decisión sin abrir un ticket Replantear la pregunta «Cambiar un modelo de decisión sin abrir ...
ES-Platform Implementation FAQs

Preguntas Frecuentes...

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales Preguntas Frecuentes sobre la Implementación de Gestión de ...
260722 - ARTICLE Mike - FeatureIMG - 61088

La gobernanza de la ...

La gobernanza de la IA en los servicios financieros:qué significa estar "gobernado" en la práctica La inteligencia artificial ha llegado ...
Regulación en LATAM para los Prestamistas Empresariales

Regulación en LATAM ...

De la Protección de Datos a la Rendición de Cuentas en las Decisiones:Qué Significa la Regulación en LATAM para los ...
El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

El Coste Real de la ...

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias Un patrón se repite constantemente en ...
BLOG Matthew - FeatureIMG

¿Qué aspecto tiene u...

¿Qué aspecto tiene una buena revisión de proveedores de datos? La mayoría de las instituciones financieras saben que deberían revisar ...
CM

Gestión de Clientes ...

Gestión de Clientes Impulsada por IA:Cómo las Instituciones Líderes Convierten la Inteligencia en Ingresos Lo que cubre esta guía: La ...

Continuar leyendo

Gestión Estratégica del Cliente: Claves para Incrementar Ingresos sin comprometer riesgos

 

  • Webinar

  • Gestión de Clientes

Gestión Estratégica del Cliente:
Claves para Incrementar Ingresos sin comprometer riesgos

  • Miriam Audelo

    Miriam Audelo

    Moderador

    Senior Account Executive, Provenir

  • Napoleon Duarte

    Napoleón Duarte

    Panelistas

    CRO for Retail Banking, Grupo Promerica
  • Martha Proaño

    Martha Proaño

    Credit Risk Manager, Banco Bolivariano
  • Ricardo Ayala

    Ricardo Ayala

    Credit and Data Director, Kubo Financiero
  • Ramses Salinas

    Ramses Salinas

    Senior Presales Consultant, Provenir

La rentabilidad de una cartera ya no se mide únicamente por la capacidad de incorporar nuevos clientes. El diferencial competitivo está en maximizar el valor de cada relación a lo largo de todo su ciclo de vida, combinando crecimiento sostenible, una experiencia superior y una gestión inteligente del riesgo.

En este webinar, expertos del mercado financiero compartieron cómo las instituciones están aprovechando datos, inteligencia artificial y decisiones en tiempo real para optimizar cada etapa del ciclo de vida del cliente: desde la originación y la evaluación crediticia hasta la gestión de límites, la personalización de ofertas y estrategias de cobranza más efectivas.

Webinars

Continuar leyendo

260722 - ARTICLE Mike - FeatureIMG - 61088

La gobernanza de la IA en los servicios financieros

La gobernanza de la IA en los servicios financieros:
qué significa estar «gobernado» en la práctica

La inteligencia artificial ha llegado al punto en que su presencia se da por sentada. Todas las plataformas de software están incorporando capacidades de IA, los proveedores tecnológicos consolidados están añadiendo inteligencia a productos que llevan décadas en el mercado, y están surgiendo empresas completamente nuevas con la IA en el centro de su propuesta. Para las instituciones financieras, sin embargo, esta aceleración tecnológica plantea una conversación distinta. La pregunta ya no es si la IA puede adoptarse, sino si puede adoptarse sin perder el control sobre las decisiones que realmente importan.

La banca siempre se ha construido sobre la confianza. Cada decisión de préstamo, cada investigación de fraude, cada evaluación de asequibilidad o interacción con el cliente conlleva consecuencias que van mucho más allá de la tecnología. Afectan la vida financiera de los clientes, la reputación de la institución y la confianza en el propio sistema financiero. Sin duda, la IA tiene el potencial de mejorar estos resultados, pero esa misma capacidad que genera valor puede amplificar decisiones deficientes si se introduce sin la disciplina necesaria para gobernarla adecuadamente.

Lo que se esconde bajo la superficie

En Provenir solemos pensar en la adopción de la IA como un iceberg. Por encima de la superficie están las capacidades que acaparan los titulares: automatización, personalización, interfaces de lenguaje natural y una toma de decisiones notablemente más rápida. Por debajo de la superficie está el trabajo que determina si esas capacidades generan valor sostenible o introducen nuevos riesgos operativos: sesgos que solo emergen a escala, deriva del modelo, dependencia excesiva de las recomendaciones de la IA, y sistemas que funcionan bien en pruebas piloto pero fallan ante la complejidad de la producción real. Rara vez se trata de fallos de la IA en sí misma; son fallos de gobernanza.

Para las instituciones financieras de Nivel 1 (Tier 1), esto es especialmente relevante porque su objetivo no es convertirse en empresas de IA. Han dedicado décadas a construir una infraestructura de toma de decisiones resiliente, capaz de dar servicio a millones de clientes bajo estándares regulatorios exigentes. Su reto es reforzar esa base con IA, no sustituirla. El objetivo es mejorar los resultados para el cliente sin comprometer el control, la resiliencia y la responsabilidad ya existentes.

La regulación como un facilitador

Por eso vemos la regulación, incluida la Ley de IA de la UE, como un facilitador y no como una barrera. Una buena regulación define las condiciones bajo las cuales la innovación puede escalar de forma responsable. Al exigir trazabilidad, supervisión humana, documentación y rendición de cuentas, ofrece a las organizaciones un marco para desplegar la IA de forma segura en los procesos que más importan.

En última instancia, la conversación nunca debería empezar por la tecnología. Debería empezar por el resultado. Los clientes nunca experimentan un modelo de lenguaje. Experimentan si un préstamo se aprobó de forma justa, si el fraude se detectó con rapidez, si una reclamación se gestionó adecuadamente o si fueron tratados con empatía en un momento de dificultad financiera. La tecnología solo tiene valor si esos resultados para el cliente mejoran.

Lo que realmente significa la «IA gobernada»

Esto también define lo que realmente significa una «IA gobernada». La gobernanza no consiste simplemente en conectar un LLM a un flujo de trabajo. Abarca todo lo que rodea a esa solución: cómo se diseñó, cómo se probó, cómo se evaluó la equidad, cómo se monitoriza el rendimiento, cómo se detecta la deriva, si cada decisión puede rastrearse, explicarse y auditarse, y durante cuánto tiempo se conserva la evidencia que la respalda. Estas son las preguntas que los responsables de cumplimiento, los auditores y los reguladores necesitan cada vez más que las instituciones respondan con confianza.

Quizás el principio más importante es que la responsabilidad nunca se transfiere a la tecnología. La IA puede generar recomendaciones y automatizar tareas cada vez más sofisticadas, pero nunca es responsable de los resultados que produce. Esa responsabilidad siempre recae en las personas. A medida que la IA se vuelve más capaz, la responsabilidad humana se vuelve más importante, no menos.

Equilibrar el valor y el riesgo

Toda decisión de IA es, en última instancia, un equilibrio entre valor y riesgo. La gobernanza es lo que permite a las organizaciones modificar ese equilibrio, reduciendo el riesgo mientras aumentan el valor que la IA puede aportar de forma segura. Da la confianza necesaria para introducir la IA allí donde genera mejoras significativas, reconociendo al mismo tiempo que, en determinadas situaciones, un enfoque más tradicional puede seguir siendo la mejor opción.

Por eso es importante concebir la gobernanza como una serie de decisiones de diseño conscientes, y no como una lista de controles que marcar. Hay situaciones en las que una persona debe permanecer directamente implicada en cada decisión —como la gestión de clientes vulnerables—, porque el criterio y la responsabilidad van más allá de lo que la IA debería aportar de forma independiente. Hay otras, como la monitorización de transacciones, en las que la automatización puede operar con seguridad a gran escala, siempre que se mantengan mecanismos sólidos de monitorización, alertas y escalamiento.

El objetivo nunca debería ser maximizar la automatización por sí misma. Debería ser maximizar los resultados para el cliente gestionando el riesgo de forma adecuada. En algunas situaciones, la IA debería apoyar a una persona en la decisión final, manteniendo al ser humano firmemente en el proceso. En otras, puede automatizar de forma segura decisiones rutinarias, siempre que se mantengan una monitorización y una gobernanza sólidas. Y siempre habrá situaciones en las que la IA simplemente no sea la tecnología adecuada. La decisión siempre debe reflejar el equilibrio entre el valor, el riesgo y los controles disponibles para gestionar ese riesgo.

La próxima etapa de la alfabetización en IA

En muchos sentidos, esta es simplemente la siguiente etapa de un recorrido que el sector de los servicios financieros ya ha transitado antes. Los bancos primero desarrollaron cultura de riesgo, después cultura de datos, y ahora cultura de IA. Las instituciones que tengan éxito no serán necesariamente las que desplieguen más IA, sino las que comprendan dónde genera un valor genuino, dónde los enfoques tradicionales siguen siendo más adecuados, y cómo combinar ambos dentro de un marco de gobernanza en el que clientes, reguladores y consejos de administración puedan confiar.

Mike Holmes

Mike Holmes

Written By

Head of Data Science, Provenir

Latest Blogs

Lo que en realidad se les escapa a los líderes de riesgo

Lo que en realidad s...

Confianza a gran velocidad:lo que en realidad se les escapa a los líderes de riesgo La mayoría de las organizaciones ...
BLOG_Bharati_Fernando_-_social_tile

Cómo cambiar un mode...

Cómo cambiar un modelo de decisión sin abrir un ticket Replantear la pregunta «Cambiar un modelo de decisión sin abrir ...
ES-Platform Implementation FAQs

Preguntas Frecuentes...

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales Preguntas Frecuentes sobre la Implementación de Gestión de ...
260722 - ARTICLE Mike - FeatureIMG - 61088

La gobernanza de la ...

La gobernanza de la IA en los servicios financieros:qué significa estar "gobernado" en la práctica La inteligencia artificial ha llegado ...
Regulación en LATAM para los Prestamistas Empresariales

Regulación en LATAM ...

De la Protección de Datos a la Rendición de Cuentas en las Decisiones:Qué Significa la Regulación en LATAM para los ...
El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

El Coste Real de la ...

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias Un patrón se repite constantemente en ...
BLOG Matthew - FeatureIMG

¿Qué aspecto tiene u...

¿Qué aspecto tiene una buena revisión de proveedores de datos? La mayoría de las instituciones financieras saben que deberían revisar ...
CM

Gestión de Clientes ...

Gestión de Clientes Impulsada por IA:Cómo las Instituciones Líderes Convierten la Inteligencia en Ingresos Lo que cubre esta guía: La ...

Continuar leyendo

Regulación en LATAM para los Prestamistas Empresariales

De la Protección de Datos a la Rendición de Cuentas en las Decisiones:
Qué Significa la Regulación en LATAM para los Prestamistas Empresariales

Los días en que el cumplimiento, la supervisión regulatoria y la protección de datos se trataban como funciones separadas están llegando a su fin.

América Latina es hoy una de las regiones de crecimiento más relevantes en servicios financieros digitales. Bancos, fintechs y entidades de crédito utilizan datos en tiempo real, datos alternativos y decisiones habilitadas por IA para ampliar el acceso al crédito, fortalecer la detección de fraude y tomar decisiones más rápidas a escala.

Pero la pregunta sobre el cumplimiento ha cambiado.

Ya no basta con demostrar que los datos personales se recopilaron de forma lícita y se protegieron adecuadamente. Las organizaciones ahora deben explicar cómo esos datos influyeron en una decisión, si esos datos eran fiables y si el resultado fue justo, proporcionado y debidamente gobernado. Esa es la transición que atraviesa la región: del cumplimiento en protección de datos a la rendición de cuentas en la toma de decisiones.

El panorama regulatorio hace que esto sea más complejo. LATAM no es un solo mercado. Brasil, México, Chile, Colombia y Perú están desarrollando, cada uno, su propio enfoque en materia de privacidad, regulación de IA, transferencias internacionales de datos y toma de decisiones automatizada, con calendarios y énfasis distintos. Una estrategia de decisión diseñada para un país no puede implementarse sin cambios en toda la región. Los requisitos legales locales, las expectativas regulatorias, la calidad de los datos y las condiciones del mercado deben reflejarse en cómo se construyen, gobiernan y explican las decisiones.

Aquí es donde la arquitectura de una plataforma de decisiones cobra importancia.

Provenir ofrece un entorno de decisión configurable que permite a los clientes mantener la coherencia global mientras adaptan reglas, flujos de trabajo y estrategias a los requisitos de cada mercado. Los clientes conservan el control sobre sus bases legales, fuentes de datos, políticas de riesgo y objetivos de decisión, respaldados por la visibilidad, los controles de acceso y la auditabilidad que los reguladores esperan cada vez más.

El marco de cumplimiento más amplio de Provenir refleja este enfoque. La certificación ISO/IEC 27001, los controles contractuales de protección de datos, los acuerdos de transferencia internacional y la supervisión de subencargados son elementos ya establecidos. Provenir también está implementando un marco de gestión de IA alineado con la norma ISO/IEC 42001 y con los requisitos legales emergentes en los mercados donde operamos. Ese trabajo refuerza la gobernanza en torno al riesgo de la IA, la rendición de cuentas, la transparencia y la gestión del ciclo de vida: las áreas donde el escrutinio regulatorio crece más rápido.

La oportunidad en LATAM es real, pero no se define solo por la velocidad. Las organizaciones capaces de entrar en nuevos mercados, respaldar la inclusión financiera y escalar operaciones con decisiones demostrablemente gobernadas estarán en una posición más sólida que aquellas que tratan el cumplimiento como una preocupación retrospectiva. La próxima fase de la regulación en LATAM pondrá a prueba si las organizaciones pueden demostrar que sus decisiones basadas en datos son lícitas, seguras, justas y explicables. Esa capacidad debe incorporarse a la arquitectura de decisión desde el inicio, no añadirse después.

El cumplimiento no es una limitación para la innovación en esta región. Es la condición que hace posible una innovación sostenida.

mike

Claire Hartley

Escrita Por

Chief Compliance Officer Group DPO, Provenir

Latest Resources

Lo que en realidad se les escapa a los líderes de riesgo

Lo que en realidad s...

Confianza a gran velocidad:lo que en realidad se les escapa a los líderes de riesgo La mayoría de las organizaciones ...
BLOG_Bharati_Fernando_-_social_tile

Cómo cambiar un mode...

Cómo cambiar un modelo de decisión sin abrir un ticket Replantear la pregunta «Cambiar un modelo de decisión sin abrir ...
ES-Platform Implementation FAQs

Preguntas Frecuentes...

Preguntas Frecuentes sobre la Implementación de Gestión de Decisiones para Bancos Empresariales Preguntas Frecuentes sobre la Implementación de Gestión de ...
260722 - ARTICLE Mike - FeatureIMG - 61088

La gobernanza de la ...

La gobernanza de la IA en los servicios financieros:qué significa estar "gobernado" en la práctica La inteligencia artificial ha llegado ...
Regulación en LATAM para los Prestamistas Empresariales

Regulación en LATAM ...

De la Protección de Datos a la Rendición de Cuentas en las Decisiones:Qué Significa la Regulación en LATAM para los ...
El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

El Coste Real de la ...

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias Un patrón se repite constantemente en ...
BLOG Matthew - FeatureIMG

¿Qué aspecto tiene u...

¿Qué aspecto tiene una buena revisión de proveedores de datos? La mayoría de las instituciones financieras saben que deberían revisar ...
CM

Gestión de Clientes ...

Gestión de Clientes Impulsada por IA:Cómo las Instituciones Líderes Convierten la Inteligencia en Ingresos Lo que cubre esta guía: La ...

Continuar leyendo

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

El Coste Real de la Dependencia de Proveedores en la Toma de Decisiones Crediticias

Un patrón se repite constantemente en las conversaciones con prestamistas sobre su infraestructura de decisiones: la brecha entre lo que creían estar adquiriendo y lo que realmente pueden hacer.

Una plataforma que promete capacidades integrales en scoring, orquestación y toma de decisiones suele presentar restricciones que solo se hacen visibles cuando se intenta actuar con rapidez. Incorporar un nuevo proveedor de datos requiere un contrato de servicios profesionales. Actualizar la lógica de negocio implica abrir un ticket y esperar la próxima ventana de lanzamiento. Estos no son casos excepcionales. Son la experiencia estándar para una parte significativa del mercado.

Comprender cuánto cuesta realmente esa dependencia, en términos concretos, es un punto de partida útil para evaluar la configuración actual.

Cómo es la infraestructura de decisiones de primer nivel

Los prestamistas que obtienen el mayor rendimiento de sus programas de decisiones tienden a compartir ciertas características operativas.

Sus equipos son dueños de su estrategia de datos. Los analistas de crédito y fraude pueden incorporar un nuevo proveedor de datos, señal de datos alternativos o feed de open banking sin depender de las hojas de ruta del proveedor ni esperar en colas de integración. Esto es especialmente importante cuando el proveedor de la plataforma también compite en el espacio de datos, donde los incentivos sobre qué se prioriza pueden volverse complicados.

Sus equipos de estrategia controlan su lógica de decisiones. Los cambios en los flujos de objetos de negocio, los umbrales de scoring y la segmentación los realizan las personas más cercanas al problema, en los plazos que el negocio requiere. Cuando los analistas deben canalizar cada cambio a través de ingeniería o servicios profesionales externos, la velocidad de iteración se resiente. En riesgo crediticio y fraude, la velocidad de iteración es una variable competitiva relevante.

Su plataforma cubre el ciclo de vida completo del cliente. La originación, la gestión de cuentas y la cobranza suelen gestionarse como problemas separados con herramientas distintas. El costo posterior es una fragmentación de datos, inconsistencias en las decisiones y pérdida de margen difícil de atribuir. Una arquitectura de plataforma única significa que los insights de la originación pueden informar la estrategia de gestión de cuentas, que a su vez puede orientar la intervención temprana en cobranza. Esa continuidad tiene un valor real.

Cuantificando el costo de una integración retrasada

Estas restricciones son más fáciles de evaluar cuando se les asignan cifras.

Consideremos un prestamista mediano que procesa un millón de solicitudes al año, con una tasa de aprobación del 60%, una tasa de fraude del 1,5% sobre las cuentas aprobadas y un saldo promedio de 5.000 USD. Eso representa aproximadamente 45 millones de USD en exposición anual al fraude.

Supongamos ahora que el equipo de fraude ha identificado un nuevo proveedor de detección con señales claramente superiores. El caso de negocio es sólido. Pero la plataforma actual requiere un contrato con el proveedor para incorporar una nueva fuente de datos, lo que sitúa la integración a seis meses de distancia.

Una mejora del 2% en la detección de fraude sobre una base de exposición de 45 millones de USD equivale a 900.000 USD en pérdidas recuperables anuales. Un retraso de seis meses significa que 450.000 USD de ese monto no se materializan, antes de que nadie haya tocado una regla de estrategia. Sumados a lo largo de múltiples casos de uso y múltiples ciclos, la cifra acumulada crece rápidamente.

Por eso la dependencia de proveedores suele funcionar como un costo operativo oculto. No aparece como una partida presupuestaria, pero se manifiesta en tasas de fraude que no mejoran, tasas de aprobación que no aumentan y ciclos de estrategia que corren un trimestre de retraso.

La oportunidad de la inclusión financiera

La misma dinámica se aplica en el lado de los ingresos, especialmente para los prestamistas que buscan ampliar el acceso al crédito de forma responsable.

Utilizando el mismo perfil de prestamista: 400.000 solicitantes son rechazados anualmente. Una parte significativa de ellos tiene capacidad crediticia, pero es invisible para un modelo basado únicamente en el buró. Los datos crediticios alternativos —como señales de flujo de caja, volatilidad de ingresos e historial de pagos de renta y servicios— pueden identificar a consumidores con historial crediticio escaso o inexistente que el scoring convencional no detecta.

Una tasa de aprobación incremental del 1% se traduce en 10.000 cuentas adicionales aprobadas, 50 millones de USD en saldos incrementales y aproximadamente 6 millones de USD en ingresos brutos a un rendimiento neto del 12%. Considerando el riesgo incremental a una tasa de pérdida del 4% en el segmento near-prime frente al 1,5% del core, el ingreso neto asciende a aproximadamente 4 millones de USD anuales.

Si integrar esa fuente de datos tarda seis meses porque la plataforma requiere un contrato con el proveedor, se difieren 2 millones de USD en ingresos netos antes de que el equipo de estrategia haya tomado una sola decisión. Ese es el costo de un único retraso de integración, en una sola fuente de datos, en un solo ciclo.

Un marco para evaluar la flexibilidad de la plataforma

Los prestamistas que están cerrando la brecha de inclusión financiera o mejorando el rendimiento en fraude a escala no necesariamente trabajan con mejores datos que los demás. Han construido o seleccionado una infraestructura que les permite actuar sobre buenos datos cuando los encuentran.

La flexibilidad de la plataforma vale la pena evaluarla en algunas dimensiones específicas: ¿con qué rapidez puede tu equipo incorporar una nueva fuente de datos de forma independiente? ¿Qué parte de la lógica de decisiones pueden actualizar los analistas sin intervención de ingeniería? ¿Qué tan consistente es la arquitectura de datos y decisiones en originación, gestión de cuentas y cobranza?

Estas no son preguntas arquitectónicas abstractas. Las respuestas tienen implicaciones financieras directas, medidas en pérdidas por fraude, ingresos incrementales y el efecto compuesto de una iteración más rápida a lo largo del tiempo.

mike

Andrew Beddoes

Written By

Consultor Principal
de Preventa y Soluciones, Provenir

Latest Resources

Error: View 562c1afnzp may not exist

Continuar leyendo