El sector del servicing español se hizo grande administrando las consecuencias de una crisis. Bancos con balances cargados de préstamos impagados, fondos dispuestos a comprar carteras y miles de inmuebles que había que recuperar, mantener y vender. Había volumen suficiente para sostener estructuras enormes. La capacidad de gestionar expedientes a escala era una ventaja competitiva.

Ese mercado está cambiando.

Durante los próximos cinco años seguirá habiendo deuda impagada, activos adjudicados y operaciones de compraventa de carteras. Pero confiar en que aparezca otra gran crisis que llene de expedientes las plataformas no parece una estrategia empresarial. La morosidad puede repuntar en determinados segmentos sin que eso reproduzca la avalancha de NPL hipotecarios de la década pasada.

El negocio se está volviendo más selectivo. Conviven deuda sin garantía, préstamos que vuelven a estar al corriente de pago, crédito privado, carteras pequeñas, activos inmobiliarios con problemas jurídicos y clientes que piden información casi en tiempo real. Cada expediente exige entender mejor los datos, el deudor, la garantía y el coste de cada decisión.

Ahí entra la inteligencia artificial. Su impacto no estará en colocar un chatbot en la web ni en generar cartas de reclamación más deprisa. Estará en acortar el tiempo que transcurre entre recibir una cartera y saber qué hacer con cada activo.

La primera batalla será la calidad del dato.

Quien haya trabajado en servicing conoce el problema. Un préstamo puede tener su información repartida entre el sistema del cedente, hojas de cálculo, notas del gestor, documentos escaneados, despachos externos y registros públicos. Puede faltar una escritura, aparecer dos importes de deuda distintos o no estar actualizado el estado judicial.

Un modelo de IA alimentado con ese material no arregla el expediente por arte de magia. Puede ayudar a leer miles de documentos, extraer cláusulas, ordenar acontecimientos y detectar contradicciones. Pero alguien tiene que validar el resultado y decidir qué fuente prevalece.

La ventaja competitiva empezará antes del algoritmo: en la capacidad de construir un expediente fiable, trazable y accesible. Una plataforma que no sabe con certeza qué deuda gestiona, qué garantía la respalda o en qué fase procesal se encuentra no debería automatizar la siguiente decisión.

La segunda transformación afectará a la compra de carteras.

Hoy una parte esencial de la valoración consiste en estimar cuánto se recuperará, en qué plazo y con qué gastos. La IA puede comparar expedientes similares, identificar documentación ausente y construir escenarios de recuperación. Puede señalar que una cartera aparentemente barata concentra procedimientos largos, garantías difíciles de ejecutar o costes judiciales infravalorados.

Eso no convertirá la valoración en una ciencia exacta. La ocupación de una vivienda, el estado real de un inmueble, la respuesta de un juzgado o la voluntad de negociar de un deudor no siempre figuran en una base de datos. El mejor uso de la IA será mostrar dónde se sostiene una hipótesis de inversión y dónde depende de demasiadas suposiciones.

La tercera transformación llegará a la gestión diaria.

Un gestor dedica una parte considerable de su jornada a localizar información, actualizar sistemas, resumir conversaciones, revisar escritos y pedir el estado de un procedimiento. Es trabajo necesario, pero no todo requiere su criterio profesional.

Un asistente conectado a los sistemas internos podría preparar el historial de un expediente antes de una llamada, resumir un escrito judicial, avisar de un plazo, proponer la siguiente tarea y dejar constancia de qué documentos respaldan cada dato. El gestor ganaría tiempo para negociar, resolver incidencias y tratar personalmente los casos complejos.

También cambiará la relación con el deudor. Los portales podrán explicar con claridad el origen de la deuda, mostrar importes desglosados, recibir documentación y facilitar propuestas de pago. Cuando una persona discuta la deuda o manifieste una situación de vulnerabilidad, el expediente tendrá que pasar a un profesional preparado para examinarlo.

Automatizar más contactos no equivale a recuperar mejor. Una reclamación errónea enviada a gran escala puede provocar perjuicios personales, reclamaciones y costes reputacionales mucho mayores que el ahorro obtenido.

En el servicing inmobiliario, la IA podrá conectar áreas que hoy trabajan separadas.

El valor de un activo no depende solo de su precio de salida. Importan las cargas, la situación posesoria, la licencia, el estado físico, el coste de reforma, los gastos de comunidad, el tiempo hasta la comercialización y el comprador al que se dirige.

Una herramienta bien diseñada puede reunir esos datos y actualizar escenarios: vender tal como está, invertir en una reforma, esperar a resolver una incidencia o negociar antes una salida. Puede detectar que un retraso jurídico está cambiando la rentabilidad de la operación y avisar al asset manager antes de que llegue el cierre trimestral.

La decisión seguirá necesitando una visita, conocimiento local y criterio. Una fotografía antigua no acredita el estado actual de una vivienda. Una estimación automática tampoco sustituye una due diligence.

¿Qué ocurrirá con los equipos?

Desaparecerán tareas repetitivas y cambiarán muchos puestos. Habrá menos valor en introducir información manualmente y más en verificarla, negociar, interpretar excepciones y supervisar modelos. Los perfiles jurídicos, inmobiliarios, financieros y tecnológicos tendrán que trabajar sobre el mismo expediente, con objetivos compartidos.

Las empresas que utilicen la IA únicamente para reducir plantilla podrían descubrir que han perdido a las personas capaces de detectar sus errores. Las que formen a sus gestores para trabajar con mejores herramientas tendrán una oportunidad de mejorar tanto la productividad como la calidad de las decisiones.

En 2031, el cliente probablemente no escogerá a un servicer solo por el tamaño de su equipo o por el número de expedientes que puede absorber. Le pedirá que explique por qué propone una estrategia, cuánto costará, qué probabilidad de recuperación estima y qué ha ocurrido cuando las previsiones no se cumplieron.

Eso exigirá indicadores distintos de los tradicionales: tiempo hasta disponer de un expediente completo, precisión de los datos, recuperación neta después de costes, duración real de los procedimientos, acuerdos sostenibles y reclamaciones de deudores.

La IA ayudará a medirlos. También dejará más a la vista las malas decisiones.

El gran riesgo es confundir una recomendación automática con una decisión correcta. Un sistema puede sugerir una quita inadecuada, interpretar mal una cláusula, pasar por alto una situación vulnerable o asignar un valor excesivo a una garantía. Cuanto más influyente sea la herramienta, mayor debe ser la posibilidad de revisar su razonamiento, corregir sus datos y recurrir a una persona.

El sector tendrá que aplicar controles reales: acceso limitado a datos personales, pruebas antes de desplegar modelos, seguimiento de errores, registro de decisiones y supervisión humana cuando estén en juego derechos de personas o importes relevantes.

El servicing de los próximos cinco años seguirá necesitando gestores que conozcan la calle, los juzgados, las viviendas y las negociaciones difíciles. Lo que cambiará es la cantidad de tiempo que podrán dedicar a ese trabajo si dejan de buscar datos en diez lugares diferentes.

La pregunta para cada plataforma ya no es si incorporará inteligencia artificial. Es si conoce suficientemente bien sus propios expedientes para utilizarla con criterio.

Quien consiga unir información fiable, decisiones explicables y buenos profesionales podrá gestionar carteras más complejas con mejores resultados. Quien se limite a automatizar el desorden hará lo mismo de siempre, solo que mucho más rápido.