Arquitectura Visual
Arquitectura escalable en AWS
Análisis de conversaciones en Hey Banco para detectar emociones, clasificar intenciones y reducir el abandono del cliente.
Miles de conversaciones con el soporte de Hey Banco contienen señales claras de frustración, urgencia y confusión. Sin un análisis sistemático, estas señales pasan desapercibidas.
La fricción no siempre genera una queja formal. A veces simplemente genera silencio… y churn.
Cada conversación se clasifica por su intención principal y por el sentimiento dominante del usuario.
El usuario busca información: saldos, productos, requisitos. Resolubles con respuestas claras. Baja fricción, alta oportunidad de retención si se responde rápido.
El usuario reporta un problema: bloqueos, cargos incorrectos, fallas técnicas. Alta carga emocional negativa. Cada minuto sin resolución incrementa el riesgo de abandono.
El problema no es volumen, es intensidad emocional. Identificamos 6 dimensiones en cada conversación usando NLP y modelos supervisados.
La frustración supera al resto por un margen significativo. La mayoría de los contactos críticos ocurren cuando el cliente ya está al límite de su tolerancia.
Cada punto es un tipo de conversación. El tamaño es el volumen. La posición define la prioridad de atención.
Alto impacto + alta fricción. Requieren intervención inmediata del chatbot.
Alto volumen con fricción media. Mejoras en flujo reducen carga operativa.
Bajo impacto emocional pero alto volumen. Candidatos ideales para automatización simple.
"Los bloqueos no son frecuentes,
pero son devastadores"
No construimos un chatbot.
Construimos un sistema que
anticipa el abandono.
El sistema no responde igual a todos. Lee señales de gasto y estado emocional, prioriza la mejor palanca de retención y adapta el mensaje a cada contexto.
El sistema no empuja una promoción al azar: interpreta contexto, emoción y comportamiento para decidir qué intervención tiene más probabilidad de retener al usuario sin erosionar confianza.
Proyecciones basadas en benchmarks de la industria para proyectos similares de NLP en banca digital.
Nuestra arquitectura Serverless elimina costos fijos, transformando la inversión en un modelo de pago por uso optimizado para la rentabilidad.
Pago por uso real (AWS Lambda, S3, Lex). Para 940 usuarios, el procesamiento NLP cuesta apenas $0.94 USD.
Latencia de 1.2s - 1.8s gracias a Claude 4.5 Haiku en Bedrock, con procesamiento elástico que evita cuellos de botella.
Reducción del 40% en costos de atención al contener el 78% de consultas en canales digitales sin intervención humana.
| Servicio (AWS us-east-1) | Consumo / Interacción | Costo (USD) |
|---|---|---|
| Amazon Lex V2 (Orquestación) | 1 Request de mensaje | $0.00075 |
| Amazon Comprehend (Sentimiento + PII) | Análisis de ~200 caracteres | $0.00060 |
| AWS Bedrock (Claude 4.5 Haiku) | ~1,050 tokens (Input/Output) | $0.00165 |
| Lambda + Aurora (C360 Query) | 150ms ejecución batch | $0.00010 |
| TOTAL POR INTERACCIÓN (Sin Caché) | ≈ $0.00310 | |
| CON PROMPT CACHING (Optimizado) | ≈ $0.00134 | |
*Nota: Proyección basada en el uso de Claude Haiku 4.5 para producción, ofreciendo un balance superior entre latencia y seguimiento de instrucciones complejas.
Incentivamos el uso de la tarjeta mediante cashback hiper-segmentado basado en categoria_mcc, convirtiendo a Hey en el método de pago principal.
Reducción del costo de adquisición (CAC) al ofrecer seguros o créditos solo cuando el historial transaccional detecta una necesidad real.
Detrás de la experiencia hay un pipeline completo de ciencia de datos. Está diseñado para aportar rigor técnico sin distraer del valor de negocio.
Una experiencia bancaria enfocada en lo esencial: saldo, hábitos, progreso y acciones concretas para un solo usuario.
Disponible en cuenta principal
Tu perfil crediticio se mantiene saludable y estable.
Rendimiento acumulado este año.