El caso de Collection Management Group muestra cómo la cobranza dejó de ser un eslabón meramente reactivo para convertirse en una pieza que puede influir en el diseño mismo del crédito. Si una empresa es capaz de procesar millones de cuentas al mes, identificar qué canal funciona mejor para cada perfil y devolver a los bancos información útil para ajustar límites, ofertas y estrategias de riesgo, el impacto trasciende su propio negocio. En la práctica, esto puede volver más eficiente la originación de crédito en México, reducir pérdidas para las instituciones y abrir espacio para prestar a perfiles que antes eran descartados con demasiada rapidez.
Ese potencial no es menor en un mercado donde la morosidad suele entenderse solo como una falla del cliente, cuando también puede reflejar fallas de diseño del producto, de comunicación o de educación financiera. El hecho de que CMG insista en que muchos jóvenes incumplen por no entender fechas de corte, fechas límite o procesos de pago revela un problema estructural: una parte relevante del riesgo crediticio nace antes del atraso, en la manera en que se entrega y explica el préstamo. Si esa lectura se consolida, bancos y fintech podrían replantear sus modelos, segmentar mejor sus mensajes y construir productos más claros. El beneficio sería doble: menos pérdida para la industria y menos daño reputacional y financiero para usuarios que entran al sistema con poca información.
También hay un efecto más amplio sobre la competencia. Una firma que combina automatización, certificaciones de seguridad y una capacidad alta de recuperación se vuelve más difícil de sustituir para los bancos, porque no vende solo cobranza, sino continuidad operativa y aprendizaje sobre cartera. Eso puede elevar el estándar del sector y empujar a otros jugadores a modernizarse. En un entorno donde la velocidad de respuesta, la trazabilidad de los contactos y la protección de datos ya son parte del valor comercial, las empresas que sigan operando con esquemas manuales quedarán en desventaja. El mercado de recuperación de deuda podría concentrarse más, pero también profesionalizarse más rápido.
Sin embargo, la misma lógica que hace atractiva esta propuesta encierra riesgos importantes. Cuando la cobranza se integra al ciclo de crédito y empieza a alimentar decisiones de otorgamiento, existe el peligro de que los bancos sobrerreaccionen a métricas de recuperación que no siempre equivalen a menor riesgo real. Una tasa alta de recuperación puede reflejar capacidad de contacto y presión operativa, pero no necesariamente buena salud financiera del cliente. Si esa distinción se borra, los modelos podrían premiar estrategias efectivas de recaudación por encima de una evaluación más fina del comportamiento crediticio, lo que terminaría distorsionando el precio del riesgo.
El uso intensivo de inteligencia artificial añade otra capa de incertidumbre. Sistemas como Omaha pueden mejorar la asignación de esfuerzos, pero también pueden amplificar sesgos si aprenden de historiales incompletos o de patrones que no capturan cambios bruscos en empleo, ingreso o comportamiento digital. La promesa de precisión puede convertirse en exceso de confianza si no hay auditorías rigurosas sobre cómo se toman las decisiones, qué variables pesan más y cómo se corrigen errores. En un negocio tan sensible, un modelo que optimiza demasiado la cobranza puede dejar fuera a clientes recuperables o, al revés, insistir en segmentos donde ya no conviene profundizar el contacto.
El frente de protección de datos tampoco es secundario. CMG opera con expedientes completos de clientes bancarios, incluidos domicilios, referencias y saldos detallados. Aunque la certificación ISO 27001:2022 y las auditorías de clientes ayudan a reducir riesgos, el volumen de información y la multiplicidad de canales elevan la superficie de exposición. Un incidente de seguridad en este tipo de operación no afectaría solo a la empresa: podría comprometer a bancos, deudores y terceros vinculados por las referencias. Además, el uso de canales como WhatsApp, SMS o videollamadas exige reglas muy claras sobre consentimiento, trazabilidad y límites de contacto, porque la eficiencia comercial no debe erosionar la privacidad ni derivar en prácticas invasivas.
En lo social, el giro hacia la “educación financiera” dentro de la cobranza tiene una virtud evidente, pero también una frontera delicada. No todas las cuentas vencidas se explican por desconocimiento, y no todos los atrasos pueden tratarse como un problema pedagógico. Si la industria adopta ese lenguaje sin matices, corre el riesgo de suavizar en exceso la responsabilidad de los productos mal diseñados o, al contrario, de individualizar un problema que también tiene causas macroeconómicas. La utilidad de este enfoque dependerá de que la educación no sirva como sustituto de prácticas crediticias más transparentes, sino como complemento.
En los próximos años, el verdadero valor de modelos como el de CMG no estará solo en cuánto recuperan, sino en qué tan confiable es la información que devuelven al sistema financiero y bajo qué controles opera esa inteligencia. Si la industria consigue usar esos datos para prestar mejor, con mayor claridad y menos fricción para el usuario, el efecto será positivo. Si, en cambio, la automatización se impone sin suficiente supervisión, puede endurecer el acceso al crédito, reforzar sesgos y convertir la eficiencia de cobranza en una herramienta de exclusión más precisa. El saldo final dependerá menos de la tecnología en sí que de la disciplina con que se gobierne.
