Artículos

  • Implementación de scorecards en rule engines

    Esta guía explica cómo implementar scorecards de crédito en rule engines con bins y conjuntos de reglas. También cubre tablas de decisión, módulos de scorecard, agregación de puntos por criterio, validación y problemas comunes de implementación.

    Publicado el:: 2026-04-02 20:01:58

  • Cómo evolucionó la toma de decisiones

    La lógica de decisión pasó de reglas if-then codificadas manualmente a métodos predictivos basados en datos. Los primeros sistemas eran rígidos. Los requisitos avanzaban más rápido que el código, así que las reglas estáticas se quedaron atrás. Este artículo explica ese cambio, el auge de los LLM y los flujos de trabajo agentic, y por qué las decisiones deterministas y reproducibles siguen siendo importantes en finanzas y seguros.

    Publicado el:: 2026-04-02 20:01:07

  • Cómo detectar posibles fraudes de comercios

    El fraude de comercios en BNPL y en el financiamiento en el punto de venta rara vez es aleatorio. Por lo general, deja rastros visibles en los números de teléfono, las llamadas de bienvenida, los canales de pago y los patrones de acceso a las cuentas. Este artículo explica cómo los equipos de riesgo pueden detectar esas señales, investigarlas y establecer controles más estrictos sobre el comportamiento de los comercios.

    Publicado el:: 2026-04-02 19:57:13

  • Antifraude basado en eventos en eCommerce

    El antifraude basado en eventos en eCommerce empieza con una idea simple: recopilar los eventos correctos y luego tomar decisiones de fraude basadas en lo que muestran los datos. Este artículo aborda la prevención de bots en la capa de infraestructura, el análisis de comportamiento y las señales de eventos que un rule engine puede usar para marcar compras sospechosas antes de que se procesen.

    Publicado el:: 2026-04-02 19:55:49

  • Datos alternativos para scoring crediticio

    Las fintech adoptaron primero datos alternativos para el scoring crediticio. Los bancos ahora se están poniendo al día. Este artículo explica cómo los datos alternativos pueden actuar como sustituto del historial crediticio y dónde falla ese sustituto: correlaciones espurias, efectos estacionales y causalidad débil. También aborda los riesgos legales y de discriminación, y el trabajo de ingeniería necesario para convertir señales no estructuradas en lógica de decisión fiable de AI y ML.

    Publicado el:: 2026-04-02 19:54:35

  • Cómo optimizar la gestión de pólizas de seguros con software de administración de pólizas y un motor de reglas

    El software de administración de pólizas centraliza las tareas del ciclo de vida de la póliza. Gestiona la creación, la suscripción, la tarificación, la facturación y el cumplimiento, para que las aseguradoras puedan automatizar el trabajo rutinario. Un motor de reglas captura la lógica de decisión para validar datos, calcular primas, automatizar la suscripción y producir trazas de decisión auditables.

    Publicado el:: 2026-04-02 19:53:15

  • Tender puentes entre modelos de scoring manuales y automatizados

    Los modelos de scoring manuales utilizaban scorecards estadísticos, pero ralentizaban la toma de decisiones con tareas de datos que consumían mucho tiempo. Este artículo explica cómo el scoring automatizado basado en machine learning acelera las evaluaciones y mejora la precisión, y por qué el análisis causal y los efectos de segundo orden importan cuando implementas lógica de decisión y flujos de trabajo de decisión.

    Publicado el:: 2026-04-02 19:52:12

  • Creación de documentación para un modelo de credit scoring

    Una documentación clara separa un modelo de credit scoring útil de uno difícil de defender. Este artículo cubre qué incluir, desde los objetivos de gestión y la selección de la muestra hasta los métodos de muestreo usados en entrenamiento, validación y pruebas out-of-time.

    Publicado el:: 2026-04-02 19:42:19

  • Estimación de los costes del proceso de cobro para la adquisición de una cartera

    La estimación de los costes de cobro para la adquisición de una cartera comienza con los datos que importan: tasas históricas de recuperación, plazos de recuperación y costes operativos por canal. Este artículo explica cómo utilizar esos datos para estimar la recuperación futura, fijar correctamente el precio de una cartera y evaluar los principales factores que influyen en el proceso de cobro.

    Publicado el:: 2026-04-02 18:59:36

  • Cómo gestionar objeciones en la cobranza de deudas: estrategias y guiones prácticos

    Las objeciones en la cobranza de deudas son comunes. La respuesta debe ser coherente, clara y documentada. Este artículo cubre formas prácticas de gestionar las preocupaciones del deudor, desde disputas sobre comisiones y preguntas sobre pagos hasta verificaciones de identidad y objeciones a las devoluciones de llamada, con guiones que puedes adaptar a conversaciones reales.

    Publicado el:: 2026-04-02 18:58:49