Mutualista Azuay moderniza su modelo operativo con redes neuronales y RPA 

Mutualista Azuay avanza hacia un modelo de decisiones basadas en datos, automatización y redes neuronales para fortalecer su estrategia corporativa. Con más de 60 años de trayectoria y más de 33.000 clientes en Azuay y Cañar, la institución busca crear una experiencia diferenciada tanto en sus productos como en la relación con sus clientes. 

Juan Diego Brito, gerente de Transformación, explica que la analítica se ha convertido en un soporte para el negocio, especialmente en el segmento inmobiliario. La entidad utiliza datos para identificar preferencias, zonas de interés y patrones de comportamiento que permiten evaluar con mayor precisión la posibilidad de acceso a vivienda.  

“Estamos trabajando en tomar decisiones basadas en datos desde el perfilamiento del cliente. Con esa información aplicamos inteligencia artificial y redes neuronales para decisiones de crédito y score, y trasladamos esa lógica al back office mediante tecnología RPA para automatizar procesos internos”, señala Brito. La visión institucional contempla la incorporación más amplia de IA en servicios, operaciones y crecimiento digital, lo que implica ajustes en el modelo de negocio y la necesidad de datos confiables. 

Antes de adoptar tecnología, la Mutualista analiza el valor que puede generar cada herramienta y la claridad sobre su transversalidad en la organización, considerando áreas como riesgos, legal y comercial. “Con estos elementos definidos evaluamos el proceso y el flujo tecnológico que la herramienta debe ofrecer para llegar al valor esperado por el cliente”, comenta. Esto permite revisar soluciones desde una perspectiva de negocio y validar su escalabilidad y sostenibilidad técnica. 

Para la automatización de procesos, implementaron AuraQuantic, con la cual digitalizaron toda la fábrica de crédito: generación automática de documentos, firma electrónica, validación de políticas, controles de riesgo y una visión integral del cliente. “Nos ha permitido asegurar la calidad del proceso crediticio, ganar agilidad y flexibilidad, y generar data para acciones de mejora continua, desbloquear cuellos de botella y medir la productividad de cada persona que interviene”, afirma. 

En cuanto a redes neuronales, la institución las utiliza para perfilar a clientes de menor riesgo y acelerar la aprobación de créditos. Los modelos se alimentan de calificaciones históricas y del comportamiento de pago de la cartera, lo que permite recalibraciones más precisas y ajustes en las políticas crediticias basados en datos. Este desarrollo es interno, cuatro profesionales especializados que trabajan de forma conjunta con riesgos, análisis crediticio y gobierno de datos. Para Brito: “Un proyecto de IA, ya sea de redes neuronales o IA generativa, es un proyecto de datos y el principal reto es que la información sea representativa y entregue los resultados que el negocio espera”. 

La calidad de los datos, junto con el cumplimiento normativo y la confianza interna en los modelos, son también los desafíos de adopción de herramientas, por lo que se requiere ciclos de validación, backtesting y análisis estadístico para balancear datos, mejorar su consistencia y alcanzar los niveles de precisión buscados. Para Brito, los modelos LLM o las herramientas de IA ya no representan el reto técnico: “Hoy el desafío es saber cuál elegir y cuándo utilizarla”. 

Entre los aprendizajes destaca la importancia de involucrar a todas las áreas desde el inicio y trabajar con métricas. “Medir el retorno de la inversión puede ser complejo en proyectos intangibles, pero cuando se definen indicadores se evidencia el resultado. En nuestro caso, se ha traducido en mayor colocación de crédito a clientes VIP y niveles de mora más bajos”. 

La entidad proyecta extender el uso de redes neuronales a más productos crediticios, implementar precalificaciones para acelerar la aprobación en créditos inmobiliarios y cubrir los procesos estratégicos con RPA e IA para aumentar eficiencia, reducir costos y mejorar el margen operativo.