BRD: 85% de las consultas bancarias resueltas automáticamente, 24/7

BRD — uno de los mayores bancos minoristas de Rumanía — atendía un volumen alto y creciente de preguntas repetitivas de clientes a través de canales telefónicos y digitales. Elegibilidad de productos, comisiones, operaciones con tarjeta, procedimientos de sucursal, documentación requerida: las mismas preguntas, formuladas miles de veces, saturaban el call center, aumentaban los tiempos de espera y apartaban a los agentes sénior de los casos que de verdad necesitaban a una persona.

El banco quería absorber esa carga repetitiva sin degradar la experiencia del cliente — y sin la sensación robótica y sin salida de un IVR tradicional o un bot basado en reglas. El listón estaba alto:

• Respuestas precisas y actualizadas sobre productos y procedimientos bancarios reales — no inventadas
• Rumano natural, incluidas las formulaciones informales que los clientes usan de verdad
• Respuestas en menos de 2 segundos, 24/7, con la concurrencia de un call center
• Un traspaso limpio y que conserva el contexto a un agente humano en el momento en que una pregunta supera la competencia del bot
• Auditabilidad y controles de seguridad adecuados para una institución financiera regulada
• Integración con los sistemas existentes del banco en lugar de un widget aislado

Construimos un asistente de producción sobre GPT-4 de OpenAI, anclado en el conocimiento propio de BRD para que responda desde la realidad del banco y no desde el entrenamiento general del modelo. En lugar de afinar el modelo sobre datos estáticos, usamos una arquitectura anclada en recuperación (retrieval): el asistente recupera la información relevante y actual de productos y procedimientos en el momento de la pregunta y responde estrictamente a partir de ella — lo que mantiene las respuestas precisas a medida que cambian productos y comisiones, y hace que cada respuesta sea trazable hasta una fuente.

Entrenado con conversaciones reales. Analizamos más de 50.000 conversaciones reales de clientes de BRD para entender la distribución de intenciones, el vocabulario que los clientes usan de verdad y la larga cola de casos límite — y luego moldeamos la recuperación, el prompting y los umbrales de traspaso en torno a lo que los clientes preguntan realmente, no a lo que un manual de producto supone que preguntan.

NLP en rumano primero. El lenguaje de la banca minorista en rumano está lleno de escritura sin diacríticos, anglicismos y formulaciones informales. Ajustamos el tratamiento de intenciones y la recuperación para esa realidad, de modo que una solicitud escrita de manera informal se entiende con la misma facilidad que una formal.

Seguridad y guardrails para un banco regulado. El asistente está acotado a responder solo aquello que puede fundamentar en contenido aprobado; las solicitudes fuera de alcance, sensibles o específicas de una cuenta se derivan a una persona en lugar de adivinarse. Cada intercambio se registra para auditoría, y son ingenieros sénior — no el modelo — quienes controlan los prompts, las fuentes de recuperación y la suite de evaluación que valida los cambios antes de que lleguen a producción.

Presupuesto de latencia. Para lograr una sensación de menos de 2 segundos a escala, pusimos una capa de caché con Redis por delante de las intenciones y los resultados de recuperación más frecuentes y transmitimos las respuestas en streaming, de modo que el cliente ve la respuesta formándose de inmediato en lugar de esperar a una generación completa.

Traspaso a persona, bien hecho. Cuando baja la confianza o el tema es específico de una cuenta, la conversación — con todo su contexto — se entrega a un agente humano, de modo que el cliente nunca tiene que repetirse y el agente empieza informado.

Tecnologías: OpenAI GPT-4, Python, FastAPI, Redis, un pipeline de recuperación/NLP e integraciones con los canales y las APIs existentes del banco.

El asistente resuelve ahora el 85% de las preguntas entrantes de forma automática, responde en menos de 2 segundos y está disponible 24/7 — alcanzando un 96% de satisfacción del cliente en sus interacciones.

El impacto operativo se acumula a partir de ahí: el call center ya no está saturado por preguntas repetitivas y de baja complejidad, así que los agentes humanos dedican su tiempo a los casos que realmente necesitan criterio. Los clientes obtienen respuestas instantáneas y precisas a cualquier hora en lugar de hacer cola. Y como el asistente responde a partir de contenido fundamentado y auditable, con una vía de escalado clara, el banco consigue absorber la carga sin asumir el riesgo de un bot sin supervisión improvisando sobre productos financieros.

Igual de importante para una institución regulada: los ingenieros sénior controlan de principio a fin el ciclo de calidad, seguridad y evaluación. La IA es una capacidad dentro de un producto gobernado — no una caja negra acoplada al contact center.