Consultora de Analytics · Santiago, Chile

El recupero que
dejás sobre la mesa
es datos sin usar

SegmantiA convierte los datos de su cartera en estrategias de cobranza precisas, personalizadas y regulatoriamente blindadas. Analytics de clase mundial, contexto chileno profundo.

Analytics dashboard financiero
-44%
Reducción mora 90+ lograda
en cartera US$18B
+22%
Recuperación adicional
con nuestros modelos
20+
Años liderando equipos
de riesgo y cobranza en Chile
US$18B
Cartera gestionada con
nuestras metodologías analíticas
4–6×
ROI sobre inversión en
modelos durante el primer año
<8 sem
Time-to-value del primer
modelo en producción
La Oportunidad

Las carteras en mora están llenas de señales que nadie está leyendo

Chile tiene 3,97 millones de personas con deudas impagas y US$10,7 billones en mora. Sin embargo, la gran mayoría de las operaciones de cobranza sigue usando estrategias homogéneas aplicadas a universos de deudores completamente distintos.

La analítica avanzada cambia ese paradigma. Con los datos correctos, los modelos correctos y la ejecución correcta, cada acción de cobranza puede ser la acción óptima para cada deudor específico, en el canal adecuado, en el momento preciso, dentro del marco regulatorio.

Segmentación inteligente: no todos los morosos son iguales. ML identifica quién puede pagar, cuándo puede pagar y qué oferta acepta — con datos reales de comportamiento, no solo días de atraso.
Optimización dinámica: cada peso invertido en gestión de cobranza tiene un retorno esperado. Modelos de optimización maximizan el VPN de la cartera distribuyendo recursos donde generan mayor impacto.
Cumplimiento regulatorio integrado: el DS N°27 y el Reglamento 2025 son restricciones reales. Nuestros modelos operan dentro de esos límites automáticamente — sin riesgo de responsabilidad solidaria.
Análisis de datos financieros
Soluciones Analíticas

Un ecosistema integrado, no soluciones aisladas

Cada solución es poderosa por sí sola. Juntas, transforman la operación de cobranza de extremo a extremo — desde la segmentación del deudor hasta la provisión IFRS 9.

Team analytics
01 · Machine Learning
Segmentación Dinámica de Deudores
Clusters por comportamiento real de pago, canal y capacidad económica. K-Means, DBSCAN, XGBoost con re-entrenamiento continuo.
02 · Optimización
Next Best Action (NBA)
Canal óptimo · timing preciso · oferta personalizada. Multi-arm Bandits + RL con cumplimiento automático del DS N°27.
03 · Survival Analysis
Modelo de Recuperabilidad
P(recupero) en 30/60/90/180 días. Descuento máximo óptimo con constraints IFRS 9. Maximiza VPN de la cartera.
04 · Optimización Legal
Judicialización Óptima
Matriz costo-beneficio para decidir cuándo y qué cuentas escalar. -30% costo legal total, +20% recupero neto judicial.
05 · Forecasting
Forecast de Morosidad Intrames
SARIMA + Prophet + XGBoost + LSTM. Error < 2% en cierre de mes. Alertas vs. presupuesto en tiempo real.
06 · IFRS 9 / CMF
Modelos de Provisiones IFRS 9
PD · LGD · EAD · ECL Stage 1/2/3 bajo escenarios macro. Backtesting y validación regulatoria CMF incluidos.
Equipo de trabajo colaborativo
Por qué SegmantiA

No somos consultores de tecnología. Somos operadores de cobranza que dominan la IA.

Hay muchas firmas que pueden construirle un modelo de ML. Lo que pocas pueden hacer es construir ese modelo entendiendo que el 73% de sus morosos permanentes tiene un comportamiento de pago completamente distinto al 7% de nuevos morosos — y que esa diferencia cambia todo.

Nuestros fundadores han dirigido operaciones de cobranza en los bancos más grandes de Chile. Conocen las restricciones reales del DS N°27, los ciclos de cierre contable, la presión de los targets de mora, y los sistemas FICO que sus equipos operan.

Eso cambia la calidad de los modelos que construimos — y la velocidad con que los implementamos.

Quiénes Somos

Fundamos SegmantiA porque la analítica de cobranza merece especialistas, no generalistas

Tenemos la formación técnica para construir los modelos. Tenemos el historial ejecutivo para entender qué problema resuelven. Y tenemos la experiencia regulatoria chilena para que funcionen en producción sin multas.

Jorge Zamora Toro
Jorge Zamora Toro
Co-Fundador · Lead Analytics & Riesgo
Más de 20 años liderando equipos de riesgo, cobranzas y analytics en la industria financiera chilena. Como Director de Estrategias de Cobranza en Scotiabank Chile (2019–2025), redujo la mora 90+ en 44% — de 2,7% a 0,9% — sobre una cartera de US$18B, generando ahorros de US$2,5MM al año en castigos.
En GM Financial Chile (2011–2019) implementó IFRS9/CECL y el sistema FICO OMDM, elevando aprobaciones automatizadas del 5% al 40% y generando +4MM US$/año de utilidad marginal. Anteriormente en Walmart, Laureate y Banco Santander.
MBA Cornell Ing. Civil Industrial PUC Applied AI MIT 2026 FICO TRIAD · FICO OMDM IFRS9 / CECL
Ver perfil LinkedIn
Cristian Figueroa
Cristian Figueroa
Co-Fundador · Lead AI & Data Engineering
Más de 20 años diseñando, implementando y comercializando soluciones empresariales basadas en datos e inteligencia artificial en servicios financieros, retail, telecomunicaciones, minería, manufactura y sector público. Fundador de Octava Recovery AI.
Ha liderado equipos de IA a nivel regional en América Latina, combinando profunda experiencia técnica con sólido liderazgo comercial. Desde 2011 ejerce como docente universitario, impartiendo cursos de IA generativa, visión computacional, riesgo, cobranza y detección de fraudes.
MSc ML & AI Python · Spark AWS / GCP MLflow · Docker LLMs · Deep Learning Octava Recovery AI
Ver perfil LinkedIn
Metodología

Del problema al resultado en 8–12 semanas

01
Diagnóstico
Auditoría de datos, KPIs actuales, gaps y caso de negocio cuantificado con datos reales. 2–3 semanas.
02
Insights
Drivers de mora, efectividad por canal, primera segmentación ML y storytelling ejecutivo. 3–4 semanas.
03
Oportunidades
Quick wins, iniciativas de alto impacto y cuantificación económica con datos reales. 2–3 semanas.
04
Business Case
Impacto proyectado con rangos de confianza, ROI, roadmap y plan de implementación. 1–2 semanas.
Soluciones Analíticas

Analytics de cobranza de extremo a extremo

Desde identificar quién puede pagar y cuándo, hasta calcular cuánto debe provisionar — un ecosistema analítico integrado que transforma cada dimensión de la operación de cobranza.

Data analytics team
01 · Machine Learning
Segmentación Dinámica de Deudores
K-Means, DBSCAN, XGBoost. Clusters por comportamiento real de pago, canal y capacidad económica con drift detection continuo.
02 · Optimización
Next Best Action (NBA)
Multi-arm Bandits + RL. Canal óptimo, timing y oferta personalizada por deudor. Cumplimiento DS N°27 automático.
03 · Survival Analysis
Modelo de Recuperabilidad
Cox/Kaplan-Meier. P(recupero) en 30/60/90/180 días. Descuento máximo óptimo con constraints IFRS 9.
04 · Optimización Legal
Judicialización Óptima
Matriz costo-beneficio multivariable. Priorización automática de portfolio judicial. -30% costo legal, +20% recupero neto.
05 · Forecasting
Forecast de Morosidad Intrames
SARIMA + Prophet + XGBoost + LSTM. Variables macro integradas. Error < 2% en cierre de mes por producto.
06 · IFRS 9 / CMF
Modelos de Provisiones IFRS 9
PD, LGD, EAD, ECL Stage 1/2/3. Escenarios base/adverso/severo. Backtesting y reportería auditable CMF.
¿Por dónde empezamos?

Diagnóstico Quick Win — 2 semanas

Auditoría de calidad de datos, caso de negocio cuantificado con sus propios números y roadmap de implementación. Primera reunión sin costo, sin compromiso.

← Volver a Soluciones
Solución 01 · Machine Learning

Segmentación Dinámica de Deudores

Clusters por comportamiento real de pago, canal preferido y capacidad económica. La base de toda estrategia de cobranza efectiva y personalizada.

¿Por qué importa la segmentación?

El 73% de los morosos son permanentes (+12 meses), el 20% son intermitentes y el 7% son nuevos morosos con alta propensión de pago. Tratar a los tres grupos con la misma estrategia desperdicia recursos en los dos primeros y pierde al tercero.

Nuestros clusters van más allá de los días de atraso: incorporan historial de comportamiento, capacidad económica inferida, canal de respuesta preferido y horarios de contacto efectivo — creando perfiles accionables para cada segmento.

PalancaImpacto típico
Tasa de contacto efectivo+18–25%
Costo por gestión-20%
Recuperación primeros 60 días+12%
Productividad de agentes+30%

K-Means / DBSCAN

Segmentación no supervisada sobre variables RFM de mora, historial de pagos y canales preferidos. Clusters actualizados con cada ciclo de datos.

XGBoost — Propensión al pago

Clasificación supervisada de propensión al pago por cluster, con variables conductuales y de capacidad económica inferida.

Drift Detection automático

Monitoreo continuo de drift estadístico por segmento. Alertas y re-entrenamiento automático cuando el comportamiento cambia significativamente.

Integración DS N°27

Registro automático de actuaciones por segmento conforme al Reglamento 2023. Auditable por SERNAC en todo momento.

← Volver a Soluciones
Solución 02 · Optimización

Next Best Action en Cobranza

Canal correcto · deudor correcto · momento óptimo · dentro del marco regulatorio. 30% más promesas de pago, 40% menos gestiones innecesarias.

La acción óptima para cada deudor

El motor NBA combina el perfil del deudor (cluster + historial + scoring), las reglas de negocio y los límites regulatorios del DS N°27 para producir la acción óptima en cada momento: qué canal, qué horario, qué oferta y qué tono.

Usa Multi-arm Bandits para selección dinámica de estrategias y Reinforcement Learning para optimización a largo plazo. Se adapta automáticamente a medida que acumula datos de respuesta.

PalancaImpacto típico
Promesas de pago+30%
Gestiones innecesarias-40%
Costo por acuerdo firmado-25%
Cumplimiento DS N°27100% automático

Canal óptimo

Llamada, SMS, WhatsApp, email o visita según el modelo de respuesta histórica del deudor. Máxima efectividad al menor costo.

Timing preciso

Día y hora de mayor P(contacto efectivo) estimado por cluster. Respeta los horarios legales del DS N°27 automáticamente.

Oferta personalizada

Monto de cuota, plazo y descuento adaptados al perfil de capacidad de pago y propensión de aceptación del deudor.

Registro regulatorio

Cada acción queda registrada con timestamp, canal y resultado. Trazabilidad completa para auditorías SERNAC.

← Volver a Soluciones
Solución 03 · Survival Analysis

Recuperabilidad y Optimización de Descuento

¿Cuánto vale esta cuenta en VPN esperado? ¿Cuál es el descuento máximo que maximiza el recupero neto? Respondemos con modelos actuariales y financieros.

Survival Analysis — Cox / Kaplan-Meier

Curvas de recupero por antigüedad, producto, segmento y garantías. P(recupero) en 30/60/90/180 días para cada cuenta.

Optimización de descuento

Descuento máximo = f(recuperabilidad, costo capital, costo gestión). Maximiza VPN esperado respetando política IFRS 9.

Zona óptima de intervención

El modelo identifica la ventana de tiempo donde el descuento produce el mayor retorno ajustado por costo. Típicamente días 31–60.

Integración con provisiones

Pipeline automático con el modelo IFRS 9. Las curvas de recupero alimentan directamente los cálculos de LGD y ECL.

PalancaImpacto típico
VPN cartera castigada+15%
Descuentos innecesarios evitados-25%
Integración con IFRS 9Automática
← Volver a Soluciones
Solución 05 · Forecasting

Forecast de Morosidad Intrames

Cierre intrames por producto con error < 2%. Tarjetas, líneas de crédito e hipotecario modelados con metodologías específicas para cada ciclo.

Stack híbrido de modelos

SARIMA/Prophet captura estacionalidad. XGBoost modela no-linealidades. LSTM captura dependencias temporales largas. Ensemble final optimizado.

Variables macro integradas

IPC, empleo, UF, tasas de interés desde BCCh e INE. Actualización automática. Los modelos se re-estiman con cada dato nuevo.

Actualización diaria

Pipeline automático que re-estima el cierre de mes cada día hábil. Alertas push cuando el desvío vs. presupuesto supera umbrales.

Granularidad por producto

Modelos separados para Tarjetas, Líneas de Crédito e Hipotecario, respetando los distintos ciclos y drivers de mora de cada producto.

MétricaValor
Error de cierre de mes (MAPE)< 2%
Reducción provisión excedente*+6.800 UF/año
Anticipación de desvíos7–10 días hábiles
*En cartera piloto de UF 500.000
← Volver a Soluciones
Solución 06 · IFRS 9 / CMF

Modelos de Provisiones IFRS 9

PD · LGD · EAD · ECL Stage 1/2/3 bajo escenarios macro. Código documentado, backtesting completo y reportería auditable para CMF.

PD — Probability of Default

Logit/XGBoost sobre variables bureau + conductuales. Horizonte 12m y lifetime. Backtesting y validación cruzada con al menos 3 ciclos de mora.

LGD — Loss Given Default

Beta regression sobre recuperos históricos. Ajuste por garantía, colateral y canal de recupero. Actualización periódica con datos reales.

EAD y ECL

CCF para líneas y tarjetas. Amortización proyectada para hipotecario. ECL = PD × LGD × EAD × FWI ponderado por 3 escenarios macro.

Entregables documentados

Código fuente Python/R documentado, reportes CMF en formato vigente, validación regulatoria y soporte para la revisión de la superintendencia.

EntregableDescripción
Código fuente completoPython/R documentado y auditable
BacktestingMínimo 3 ciclos históricos de mora
Reportes CMFFormato y frecuencia según normativa vigente
Integración forecastPipeline con modelo de morosidad intrames
Soporte post-implementaciónRe-calibración anual incluida
Contacto

Hablemos del potencial analítico de su cartera

Cuéntenos su situación — mora creciente, baja contactabilidad, presión regulatoria, provisiones excesivas — y le mostramos con sus propios datos cuánto vale la oportunidad.

Ubicación
Santiago, Chile
Quick Win — 2 semanas, sin compromiso

Diagnóstico de sus datos + caso de negocio cuantificado. Primera reunión sin costo.

Reunión de trabajo

Envíenos un mensaje

Al enviar acepta nuestra Política de Privacidad

← Volver

Política de Cookies y Privacidad

Última actualización: enero 2025

1. Responsable del tratamiento

SegmantiA SpA, con domicilio en Santiago de Chile, es responsable del tratamiento de los datos personales recopilados a través de segmantia.com. Contacto: [email protected]

2. ¿Qué son las cookies?

Las cookies son pequeños archivos de texto almacenados en su dispositivo cuando visita un sitio web. Nos permiten recordar sus preferencias, analizar el uso del sitio y mejorar su experiencia.

3. Tipos de cookies que utilizamos

No utilizamos cookies de publicidad ni de seguimiento de terceros.

4. Base legal

El tratamiento se basa en la Ley N° 19.628 sobre Protección de la Vida Privada (Chile). Para cookies no esenciales, la base legal es su consentimiento expreso.

5. Datos recopilados por el formulario de contacto

Esta información se usa exclusivamente para responder su consulta y no se comparte con terceros, salvo requerimiento legal.

6. Gestión de cookies

Puede aceptar o rechazar las cookies no esenciales mediante el banner al ingresar al sitio, o configurando su navegador (Chrome: Configuración > Privacidad; Firefox: Opciones > Privacidad y Seguridad; Safari: Preferencias > Privacidad).

7. Sus derechos

De acuerdo con la legislación chilena, tiene derecho a acceder, rectificar, cancelar y oponerse al tratamiento de sus datos. Contáctenos en [email protected].

8. Conservación de datos

Los datos del formulario de contacto se conservan por un máximo de 24 meses desde la última interacción, salvo relación contractual vigente.

9. Modificaciones

SegmantiA se reserva el derecho de modificar esta política. Los cambios se publicarán en esta misma página con la fecha de actualización.

10. Contacto

Consultas sobre privacidad: [email protected]

Usamos cookies para mejorar su experiencia. Sin publicidad ni seguimiento de terceros. Más información