Banco Contigo eligió aplicar Next Best Action (NBA) con inteligencia artificial porque ofrecía mayor valor esperado, contaba con el equipo técnico y cumplía las condiciones legales para personalizar mensajes y canales por cliente. Si trabajas en marketing, datos o estrategia bancaria, este caso te muestra cómo pasar de campañas genéricas a recomendaciones individuales que mueven ingresos.

¿Qué hace un algoritmo NBA en un banco?

Un algoritmo NBA predice qué producto ofrecer, en qué momento y por qué canal, basándose en el ciclo de vida del cliente y los productos que ya tiene contratados. En Banco Contigo, el desarrollo tomó alrededor de tres meses y reunió a analistas, ingenieros y científicos de datos en sesiones constantes con los equipos de marketing, estrategia y operaciones para no desviarse de los KPIs.

Esa coordinación es la que evita que el modelo se aleje del core del negocio. Sin esa conversación cruzada, terminas con un algoritmo brillante que nadie usa.

¿Qué es Next Best Action? Es una técnica que decide, para cada cliente, cuál es la siguiente acción comercial más relevante: qué ofrecerle, cuándo y por qué canal, en lugar de lanzar la misma campaña a todos.

¿Qué datos necesitas para personalizar ofertas con IA?

El modelo se alimenta de dos grandes bloques de información que el banco ya estaba recolectando.

• Datos sociodemográficos: edad, género, ciudad de alta, salario mensual y estado civil.
• Datos de comportamiento: qué le comunicó el banco y por qué canal, qué productos contrató realmente, contactos con servicio al cliente, método de pago habitual y seguimiento en redes sociales.

El caso de la clienta de Medellín

El ejemplo es claro: una mujer de 32 años, soltera, en Medellín, con ingresos de 1.800 dólares mensuales. El banco le había enviado información sobre seguros por SMS, pero ella contrató créditos, preguntó por ampliación de crédito a través de redes sociales, paga con tarjeta de crédito y usa la app móvil.

La estrategia tradicional fallaba en dos cosas: el producto y el canal. El algoritmo NBA corrigió ambos y recomendó ofrecerle información sobre créditos y tarjetas a través de redes sociales, alineado con su perfil financiero y digital.

Por qué la decisión manual no escala

Decidir caso por caso qué anuncio y qué canal usar para cada usuario es inviable cuando hablas de cientos de miles de clientes. Aquí es donde la inteligencia artificial deja de ser un lujo y se vuelve la única forma de mantener personalización a escala.

¿Cómo se mide el impacto de un algoritmo NBA?

La medición se hace con cortes mensuales sobre los KPIs, no esperando a los seis o doce meses. Esa cadencia mantiene al equipo dentro del proceso de decisión y permite ajustar rápido lo que no funciona.

Después de tres meses operando, los resultados de Banco Contigo fueron contundentes:

• Mejor conocimiento del cliente, con comunicaciones relevantes por el canal correcto.
• Incremento de ventas de un millón de dólares por mes, es decir, tres millones acumulados.
• Recuperación total de la inversión: el costo de desarrollo era de un millón de dólares, así que el retorno se triplicó en un trimestre.
• Menos bajas en newsletters y un Net Promoter Score (NPS) de 45, señal de que los clientes están refiriendo el banco.
• Posicionamiento como banco innovador frente a competidores que aún no aplican algoritmos de este nivel.

¿Qué es el NPS? Es el Net Promoter Score, un indicador de reputación que mide cuánto te recomiendan tus clientes. Banco Contigo alcanzó un nivel de 45 tras aplicar NBA.

La ventaja silenciosa: automejora

Una característica clave de la inteligencia artificial es que se autocorrige con cada ciclo. Cada mes el modelo identifica cambios de comportamiento y ajusta sus predicciones, así que la estrategia se vuelve más precisa con el tiempo sin necesidad de reescribir el algoritmo desde cero.

¿Cuáles son las desventajas de usar IA para personalizar marketing?

No todo es ganancia, y reconocerlo es parte del trabajo serio con datos.

• Algunos clientes no se sintieron cómodos al firmar el consentimiento de uso de datos para predicciones tan profundas, aunque el banco ya recolectaba esa misma información antes. La diferencia es la sensación: cuando ves sugerencias hiperpersonalizadas, percibes el uso del dato.
• Aparece canibalización entre productos sugeridos, lo que obliga al equipo de marketing a priorizar por rendimiento o por foco operativo del momento.
• Al haber elegido desarrollo interno, el MVP no es tan sofisticado como el de un proveedor especializado y requiere mejoras continuas para alcanzar ese nivel.

¿Qué es un MVP? Es el producto mínimo viable que sale al mercado. En este caso, el algoritmo NBA interno funciona, pero necesita iteraciones para igualar a soluciones externas más maduras.

La lección de fondo es que aplicar IA en marketing bancario no es un proyecto que se entrega y se olvida. Es una operación viva donde mides cada mes, ajustas productos, cuidas la percepción del cliente y sigues invirtiendo en el modelo. ¿Tú aplicarías NBA en tu empresa con estos resultados? Cuéntame en los comentarios qué KPI vigilarías primero.