¿Le contarías tus deudas a una inteligencia artificial que no puede juzgarte? Ahí quiere ayudarte Kleva

Hablar de dinero puede ser incómodo. Hablar de una deuda atrasada con una persona desconocida que mide su jornada por número de llamadas contestadas puede ser todavía peor. En ese espacio —entre la vergüenza del consumidor, la presión de los equipos de cobranza y la necesidad de recuperar el dinero— encontró una oportunidad Kleva, una startup que levantó US$1.55 millones y busca crecer en México con agentes de inteligencia artificial especializados en mora temprana.

La empresa trabaja con prestamistas que ofrecen tarjetas y créditos personales. Sus agentes analizan cada cartera, eligen un canal de contacto y conducen las primeras conversaciones con los clientes para encontrar una salida antes de que el atraso avance.

“El problema de la cobranza es que es muy difícil de escalar. Cuando intentas hacerlo, pierde la personalización, la empatía y el entendimiento de la situación de la otra persona”, explica Ed Escobar, CEO y cofundador de Kleva, en entrevista con Emprendedor.com.

La promesa suena casi contradictoria: emplear una máquina para devolverle humanidad a uno de los procesos menos amables del sistema financiero.

La mora tardía comienza con un problema que nadie atendió

Kleva decidió iniciar en la mora temprana, es decir, durante las primeras etapas del incumplimiento. No porque las deudas más antiguas sean menos importantes, sino porque exigen procesos, negociaciones y, en algunos casos, componentes legales muy diferentes.

Escobar lo resume así: “La mora llega a tardía porque no se solucionó temprano”.

En la operación tradicional, los equipos suelen priorizar los expedientes más atrasados, de mayor monto o con mayores probabilidades de recuperación. Mientras concentran sus esfuerzos en esos casos, otras cuentas continúan envejeciendo.

Kleva propone intervenir antes. Su agente puede contactar a una persona que olvidó una fecha de pago, identificar que llevaba varios años cumpliendo y adaptar el tono de la conversación. No se trata igual a quien acumula cuatro días de atraso por primera vez que a alguien con incumplimientos recurrentes.

La tecnología, sostiene Escobar, permite asumir inicialmente una buena intención.

“Puedes convertir una situación incómoda en una experiencia muy buena y lograr esa fidelidad con el banco”, asegura.

Esto no significa que una IA pueda resolver todos los escenarios. El propio fundador reconoce que la automatización todavía está lejos de sustituir la intervención humana en expedientes complejos, procesos legales o posibles fraudes.

El mito más grande sobre la tecnología en cobranza, dice, es creer que “puede hacerlo todo”.

Cobrar también puede ser una estrategia de retención

La cobranza suele clasificarse como un centro de costos. Hay que pagar personal, plataformas, llamadas, despachos externos y procesos administrativos para recuperar dinero que la empresa ya esperaba recibir.

Kleva plantea observarla desde otro lugar: como uno de los momentos que definen la relación con el cliente.

Una persona puede olvidar la amabilidad de una institución cuando todo funciona bien. Difícilmente olvidará cómo fue tratada cuando no pudo pagar.

Para Escobar, esto cobra mayor importancia en un mercado financiero con múltiples alternativas y poca lealtad hacia una sola marca. Un usuario puede tener varias obligaciones, pero recursos suficientes para cubrir únicamente algunas. En ese escenario, el trato recibido puede influir en quién cobra primero.

El emprendedor utiliza la imagen del juego de las sillas: el cliente tiene una cantidad limitada de dinero y varias deudas alrededor. Cuando se detiene la música, pagará primero a la institución con la que conserva mayor confianza o sentido de compromiso.

Por ello, una conversación respetuosa no es únicamente una concesión al consumidor. También puede convertirse en una decisión comercial.

¿Preferiríamos contarle nuestras deudas a una máquina?

La cobranza enfrenta un problema adicional: el dinero continúa siendo un tema cargado de vergüenza, miedo y juicio social.

“Las conversaciones de dinero tienden a ser tabú, especialmente cuando no estás orgulloso”, dice Escobar.

Desde su perspectiva, algunas personas podrían sentirse más cómodas negociando con un agente artificial porque saben que no tendrá una opinión personal sobre ellas. La máquina no se sorprenderá por el monto, no hará gestos de desaprobación y, al menos en teoría, no convertirá una dificultad financiera en una evaluación moral.

Una investigación experimental realizada con participantes de 11 países europeos encontró que las comunicaciones mediante IA pueden percibirse como más eficientes y generar menos estigma. Sin embargo, los contactos humanos fueron considerados más justos y capaces de provocar mayor reciprocidad.

El estudio sugiere que la IA puede resultar útil en algunas interacciones financieras, pero debe utilizarse con cuidado en situaciones que requieran altos niveles de empatía o sensibilidad.

Así, la pregunta no debería ser si el consumidor prefiere siempre una persona o una inteligencia artificial. El reto consiste en saber qué conversación puede automatizarse, cuál necesita supervisión y en qué momento una persona debe tomar el control.

La personalización depende de datos, y los datos exigen límites

Para funcionar, los agentes de Kleva utilizan información como número telefónico, monto de la deuda, fecha del atraso e historial de pago. La empresa también puede considerar edad y género para elegir si una persona tiene mayores probabilidades de responder una llamada, un mensaje o un contacto mediante WhatsApp.

Escobar asegura que contar con más información permite diseñar mejores alternativas: desde dividir un pago hasta evaluar si el cliente necesita una quita.

Sin embargo, aquí aparece uno de los puntos más delicados del modelo.

En México, la Ley Federal de Protección de Datos Personales en Posesión de los Particulares señala que el tratamiento de datos debe cumplir principios como licitud, finalidad, lealtad, consentimiento, calidad, proporcionalidad, información y responsabilidad.

La legislación vigente también establece que los datos financieros o patrimoniales requieren el consentimiento expreso de la persona titular, salvo las excepciones previstas legalmente.

Además de proteger la información, las empresas deberán demostrar que variables como la edad o el género no producen decisiones discriminatorias, presiones diferenciadas o conclusiones equivocadas sobre la capacidad de pago.

La ley mexicana reconoce, además, el derecho de una persona a oponerse a determinados tratamientos automatizados cuando produzcan efectos jurídicos no deseados o afecten de manera significativa sus intereses, derechos o libertades.

Kleva afirma que cifra la información de sus clientes y que se encontraba próxima a completar una certificación ISO al momento de la entrevista. Antes de presentar esta afirmación como un logro concluido será necesario confirmar el estándar específico y el estado de la auditoría.

Un agente inteligente puede realizar miles de contactos, pero también puede multiplicar miles de veces un error. Por eso, la escala tecnológica debe ir acompañada de registros, mecanismos de auditoría, supervisión y canales de reclamación.

Una startup construida desde el call center

Kleva no surgió únicamente de una oportunidad tecnológica. Escobar cuenta que su cofundador, Juan Martín, estudiaba los obstáculos de la inclusión financiera en América Latina. Ambos comenzaron a explorar problemas empresariales donde la IA pudiera generar un valor concreto.

El punto de inflexión llegó al trabajar con una compañía centroamericana cuya cobranza dependía de numerosas personas y resultaba difícil de escalar. Escobar se instaló durante dos semanas en su call center y construyó una primera versión del producto.

La lógica era sencilla: una institución que recupera mejor sus créditos puede volver a prestar. Si presta más y administra mejor el riesgo, puede incorporar a más personas al sistema financiero.

El camino no estuvo libre de sobresaltos. Uno de sus principales clientes decidió desarrollar internamente parte de la tecnología que Kleva le proporcionaba. La pérdida golpeó los ingresos y, sobre todo, la confianza del equipo.

Meses después, el cliente regresó.

La experiencia dejó a Escobar una conclusión aplicable más allá del sector fintech: una empresa necesita velocidad para ejecutar hoy, pero paciencia para evaluar si la estrategia funciona.

“Las compañías que son exitosas son las que tienen una obsesión por ejecutar a corto plazo muy rápido, pero con una visión a largo plazo que se sustenta en el tiempo”, afirma.

Para el emprendedor, la cualidad más importante de su equipo no es dominar la herramienta de moda, sino entender profundamente al cliente.

“La tecnología al final del día es un medio. No puede ser el fin”, dice.

“Lo que te ayuda a ganar es entender muy bien el problema, tener empatía y saber qué construir para solucionarlo”.

La oportunidad está en escuchar antes

Kleva quiere que en 2035 las personas no la recuerden como una empresa de cobranza, sino como la compañía que cambió la manera de conversar sobre las deudas.

El objetivo es ambicioso porque automatizar una llamada es relativamente sencillo. Lo difícil será automatizar el contexto, la prudencia y la capacidad de reconocer cuándo una persona necesita una alternativa y cuándo el sistema debe detenerse para pedir ayuda humana.

En una industria construida durante décadas alrededor de la insistencia, la presión y el volumen de llamadas, la verdadera innovación quizá no consista en cobrar más fuerte.

Puede estar en escuchar antes.

Más información:

• Supercampeones, la saga que convirtió un sueño imposible en un negocio que sigue jugando
• De Estados Unidos a Italia: México recupera 3,716 piezas arqueológicas e históricas en el gobierno de Sheinbaum
• Los solopreneurs ganan terreno en México gracias a la inteligencia artificial
• Voxa: la startup de IA creada por una niña de 12 años para ayudar a pequeños negocios
• El día se te va en juntas y no avanzas nada: no estás solo

March Violante, Directora editorial de Emprendedor.com y AltoNivel.com Periodista web amante de los negocios y los cómics. Martha Violante es maestra por la Universidad Panamericana. Cuenta con una carrera de 17 años en estrategía editorial digital y creación de contenido sobre negocios, innovación y cultura digital en México. Ha entrevistado a figuras de la talla de Randi Zuckerberg, Daniele Lamarre, Zoe Saldana, entre otros. Ha trabajado en medios como Entrepreneur en Español e Inglés, Alto Nivel, Cine PREMIERE, México Desconocido, entre otros.