4 min de lectura

IA agéntica en servicio de préstamos: LoanPro reduce hasta 15% el tiempo de llamada con un asistente multiagente

IA agéntica en servicio de préstamos: LoanPro usa un asistente multiagente en Amazon Bedrock y reduce hasta 15% las llamadas. Descubre cómo aplicarlo.

Ilustración abstracta de agentes de IA que ofrecen contexto al instante a un asistente de servicio de préstamos

Cuando un cliente llama a su prestamista, el agente que contesta tiene que orientarse en segundos entre pagos devueltos, comisiones, tickets abiertos y acciones posibles, mientras el reloj de la llamada corre. LoanPro, la plataforma que usan más de 450 prestamistas, atacó ese cuello de botella con IA agéntica en servicio de préstamos: un asistente multiagente que resume la cuenta del prestatario y sugiere el siguiente paso. Según el caso publicado por AllCloud, los primeros resultados muestran reducciones de hasta 15% en el tiempo de las llamadas.

LoanPro no es un prestamista, sino el sistema operativo sobre el que corren fintechs, bancos, cooperativas de crédito y empresas que ofrecen crédito como valor añadido. Según la propia compañía, los préstamos gestionados en su plataforma alcanzan a cerca del 31% de los hogares de Estados Unidos. Junto con el AWS Generative AI Innovation Center y el socio AWS AllCloud, construyó un sistema multiagente sobre Amazon Bedrock y Amazon Bedrock AgentCore. La lógica de los agentes usa el SDK open source Strands Agents. El blog de AWS indica que corre sobre modelos Claude de Anthropic.

El problema era conocido: antes del asistente, los agentes saltaban entre pantallas y pestañas para armar el cuadro completo. Los menos experimentados tardaban más y el resultado dependía de quién atendiera. La solución divide el trabajo entre especialistas. Un agente recupera y resume datos de la cuenta, otro selecciona acciones y recomienda flujos de trabajo, y un agente "compositor" enruta cada solicitud al experto adecuado y arma la respuesta final. Para recuperar datos, la herramienta consulta ocho endpoints de API y sintetiza unos 1.400 campos por cuenta. Una segunda herramienta puede lanzar acciones dentro de la plataforma, como mostrar paneles informativos o iniciar una automatización predefinida.

Lo más llamativo es lo que no hizo LoanPro: no montó un data warehouse ni una canalización de datos aparte. El asistente se conecta a las APIs existentes y trabaja con datos de producción en vivo. AgentCore Gateway expone esas APIs a los agentes mediante el Model Context Protocol (MCP) y gestiona la autenticación. Cada solicitud valida la firma del usuario contra el SSO de LoanPro, se comprueba contra sus permisos y controles de cumplimiento, y la acción queda registrada en una pista de auditoría.

Cómo aplicar la IA agéntica en servicio de préstamos en tu empresa

El caso sirve para cualquier operación con agentes humanos que consultan muchos sistemas durante una conversación en vivo: seguros, telecomunicaciones, cobranza o atención bancaria. Estas son las lecciones prácticas:

  • Empieza por el momento de mayor fricción. LoanPro no automatizó al agente, sino los minutos de preparación que preceden a la ayuda real. Mide cuánto tarda hoy tu equipo en reunir contexto antes de responder.
  • Divide por especialidades. Un agente de resumen, uno de recomendación y un orquestador son más fáciles de evaluar y mejorar por separado que un modelo único que lo hace todo.
  • Aprovecha tus APIs antes de construir infraestructura de datos. Si ya tienes APIs estables, puedes exponerlas como herramientas y evitar una pipeline nueva. Un gateway basado en MCP centraliza el acceso; en el caso de Uber, que controla 5.000 herramientas en 800 servidores con un solo gateway MCP, esa capa de gobierno resulta clave a gran escala.
  • Hereda los permisos, no los reinventes. El asistente reutiliza el SSO, el control de acceso por roles y la auditoría que ya existían. En sectores regulados, esto pesa tanto como la precisión del modelo.
  • Prefiere servicios gestionados si tu equipo es pequeño. LoanPro eligió un runtime de agentes gestionado y acceso a modelos mediante una sola API, para no operar endpoints ni infraestructura propia y poder adoptar modelos nuevos con menos fricción.
  • Cuándo tiene sentido dar el paso

    El momento adecuado llega cuando tienes procesos con mucha lectura de información dispersa, APIs accesibles y un mecanismo claro de permisos y auditoría. No necesitas tener resuelto todo el programa de IA: basta un flujo acotado con una métrica clara, como el tiempo de llamada.

    También conviene poner el resultado en contexto. El 15% es un dato temprano y de "hasta", extraído de un caso publicado por el socio implementador, no una auditoría independiente. Exige a tu propio piloto una línea base, una muestra comparable y seguimiento de calidad, no solo de velocidad. Para ver cómo otro sector regulado estructura un diseño parecido, revisa el sistema multiagente de Bayer, que resuelve el 80% de las consultas sin ingenieros, o la implementación de IA en banca de Capital One, centrada en reducir errores de auditoría.

    La pregunta para tu equipo directivo no es si los agentes de IA pueden redactar respuestas, sino cuántos minutos de cada interacción se pierden hoy buscando contexto. LoanPro muestra que la IA agéntica en servicio de préstamos empieza ahí: en recuperar lo que el agente ya debería saber cuando contesta. ¿Sabes cuánto te cuesta ese tiempo en tu operación?

    Preguntas frecuentes

    ¿Qué resultados obtuvo LoanPro con su asistente de IA agéntica?

    Según el caso publicado por AllCloud, los primeros resultados muestran reducciones de hasta 15% en el tiempo de las llamadas con clientes. Es un dato temprano y de "hasta", no una cifra promedio auditada. El objetivo adicional era ofrecer un servicio más consistente entre agentes con distinta experiencia.

    ¿Cómo funciona el sistema multiagente de LoanPro?

    Un agente recupera y resume los datos de la cuenta, otro recomienda acciones y flujos de trabajo, y un agente compositor enruta cada solicitud al especialista adecuado. Corre en Amazon Bedrock AgentCore con el SDK Strands Agents y accede a las APIs de LoanPro mediante herramientas conectadas por MCP.

    ¿Se necesita un data warehouse para implementar IA agéntica como LoanPro?

    No necesariamente. LoanPro conectó el asistente a sus APIs existentes, de modo que trabaja con datos de producción en vivo sin una canalización ni un almacén separados. El sistema consulta ocho endpoints y sintetiza unos 1.400 campos por cuenta, aplicando permisos y auditoría ya existentes.