El tiempo de llamada en LoanPro cae un 15% con la interfaz de Claude
El 9 de septiembre de 2026, la plataforma de préstamos LoanPro, con sede en Salt Lake City, anunció que el tiempo de llamada de sus agentes de atención al cliente se redujo hasta en un 15% tras adoptar una nueva interfaz de resumen de cuentas con IA. Desarrollado en conjunto con AllCloud y Amazon Web Services, el sistema convierte los datos de los prestatarios en resúmenes en lenguaje sencillo durante las llamadas en vivo. Para las instituciones financieras y proveedores de crédito, este avance agiliza la resolución de consultas y disminuye el volumen de tickets de soporte al permitir que los representantes resuelvan casos complejos sin escalar los problemas.
Cómo los resúmenes de prestatarios con IA reducen el tiempo de llamada en la gestión de préstamos
El tiempo de atención en llamadas de servicio al cliente de LoanPro disminuyó hasta un 15% debido a que los agentes ya no necesitan navegar manualmente por múltiples pantallas para recopilar la información del prestatario. Tradicionalmente, durante la atención en vivo, los agentes juntaban historiales de pago, cuotas vencidas y comisiones devueltas de forma manual, lo que ralentizaba la conversación. La herramienta de resúmenes para la administración de préstamos impulsada por IA procesa estos datos de manera instantánea, permitiendo a los representantes responder de inmediato en lugar de buscar registros mientras el cliente aguarda en la línea.
Cómo funciona la integración de LoanPro con Anthropic Claude
La integración de LoanPro con Claude de Anthropic convierte datos no estructurados de préstamos en un historial claro y fácil de interpretar que los agentes pueden utilizar durante las llamadas. Desarrollado sobre el modelo Claude de Anthropic a través del AWS Generative AI Innovation Center, el sistema permite a los operadores interactuar con la información del crédito en lenguaje natural en lugar de explorar menús técnicos. El director de producto, Colin Terry, destacó que presentar el historial completo de la cuenta de forma instantánea permite a los representantes concentrarse en resolver las necesidades del cliente en lugar de buscar la información solicitada.
El rol de AWS y AllCloud en la interfaz de IA de LoanPro
LoanPro se asoció con AllCloud y AWS para construir la interfaz en la nube que proporciona datos de cuenta en tiempo real a los equipos de atención. Un estudio de caso de LoanPro, AllCloud y AWS detalla cómo los equipos de ingeniería acortaron la brecha entre los datos financieros almacenados y las necesidades de soporte en vivo. Peter Nebel, director de tecnología de AllCloud, afirmó que la interfaz ofrece a los agentes una visión conversacional y en tiempo real del préstamo en el momento exacto en que el prestatario requiere una respuesta.
Cómo garantiza LoanPro el cumplimiento normativo con herramientas de IA
LoanPro garantiza el cumplimiento normativo al generar de forma automática un registro de auditoría de cada acción que realiza el agente en la interfaz durante la llamada. La herramienta registra las interacciones en tiempo real y mantiene expedientes acordes a las regulaciones a lo largo del ciclo de vida del préstamo. Las entidades prestamistas que utilizan la plataforma reciben un historial completo de interacciones, lo que les permite cumplir con las exigencias documentales al tiempo que implementan la interfaz de resúmenes para prestatarios con IA generativa de LoanPro en sus servicios de soporte.
El impacto de la reducción en los tiempos de llamada para los administradores de créditos
Reducir la duración de las llamadas hasta en un 15% disminuye la fricción operativa para instituciones financieras, prestamistas automotrices y proveedores de crédito que usan la plataforma basada en API de LoanPro. Además de llamadas más breves, LoanPro reportó una caída proporcional en el volumen de tickets de soporte interno tras el despliegue. Debido a que los agentes resuelven las dudas directamente mediante la interfaz, menos problemas se escalan a los equipos internos de asistencia, lo que ahorra tiempo y reduce costos administrativos.
Preguntas frecuentes
¿Cómo utiliza LoanPro el modelo Claude de Anthropic para reducir los tiempos de llamada?
LoanPro integra el modelo Claude de Anthropic en su interfaz de resumen para transformar datos sin procesar, como historiales de pago y comisiones devueltas, en síntesis breves en lenguaje claro. Esto permite a los representantes ver historiales completos al instante y consultar el crédito de forma directa, eliminando la navegación manual entre sistemas y reduciendo el tiempo de las llamadas hasta en un 15%.
¿Cómo asegura LoanPro el cumplimiento regulatorio al usar herramientas de atención con IA?
LoanPro mantiene el cumplimiento regulatorio creando un registro de auditoría automático de cada acción ejecutada por el agente durante la llamada. La plataforma graba todas las interacciones procesadas a través de la interfaz, lo que brinda a las entidades prestamistas registros de auditoría completos al emplear resúmenes con IA generativa.
¿Qué papel desempeñaron AWS y AllCloud en la interfaz de IA de LoanPro?
LoanPro desarrolló la interfaz a través del AWS Generative AI Innovation Center junto con AllCloud. AllCloud y AWS crearon la arquitectura de sistemas que conecta los datos financieros almacenados con Claude de Anthropic, ofreciendo a los agentes acceso conversacional en tiempo real a los detalles del préstamo durante la atención telefónica.
La visión de MOZGII
Cómo lo construiríamos
Para crear una herramienta de resumen de prestatarios destinada a agentes de administración de préstamos, conectaríamos el libro mayor principal de préstamos directamente a un sistema seguro de modelos de lenguaje. Alimentaríamos el modelo con registros de pago sin procesar, historiales de comisiones y actualizaciones de estado de cuenta para generar resúmenes breves a solicitud. Mantendríamos a los agentes humanos de atención al cliente como revisores finales para verificar el texto mientras hablan con el prestatario. Para garantizar el cumplimiento normativo, registraríamos cada resumen generado y cada acción del agente en una tabla de auditoría inalterable.
El principal fallo en este esquema ocurriría cuando los libros de pago se actualizan durante una llamada en vivo, lo que provocaría que el modelo resuma cifras desactualizadas. Monitorearíamos el tiempo promedio de atención por llamada como la métrica principal para verificar la eficiencia operativa. Para ampliar la plataforma, construiríamos flujos de trabajo automatizados de seguimiento que redacten correos de confirmación para el cliente según las acciones tomadas durante la llamada.
Fuentes
De dónde salen los datos de esta nota.