Las PQRS (Peticiones, Quejas, Reclamos y Sugerencias) son un derecho constitucional en Colombia, y la Superintendencia Financiera obliga a las entidades vigiladas a cumplir plazos regulatorios estrictos con trazabilidad completa de cada interacción. Cuando tu banco recibe miles de PQRS mensuales distribuidas en WhatsApp, correo, redes sociales y oficina física, el modelo manual deja de ser viable y empieza a convertirse en un riesgo de SLA.
Si quieres ver cómo opera un Agente IA en entidades reguladas por la SFC, puedes conocer la solución de IA para banca y finanzas de Cari AI o agendar una demo para banca.
Qué son las PQRS y qué pide la SFC
Las PQRS en Colombia están reguladas por la Superintendencia Financiera (SFC), que obliga a las entidades vigiladas a:
- Responder peticiones en un máximo de 15 días hábiles.
- Resolver quejas y reclamos en 15 días hábiles, ampliables a 30 con justificación documentada.
- Conservar trazabilidad completa de cada interacción, canal de ingreso, datos consultados y respuesta entregada.
Ese marco regulatorio choca con una realidad operativa concreta. Un banco mediano en Colombia recibe miles de PQRS mensuales distribuidas en canales que van desde la oficina física hasta WhatsApp, correo electrónico y redes sociales. Cuando tu equipo de atención gestiona cada caso de forma manual, los tiempos de clasificación consumen entre el 30% y el 40% del ciclo total de respuesta, que es exactamente el tramo donde se pierde el SLA.
La Ley 1581 de 2012 (Habeas Data) agrega otra capa, porque cada consulta, cada dato personal accedido durante la gestión y cada respuesta entregada debe quedar registrada con consentimiento verificable y disponible para auditoría.
La pregunta que llega a las mesas de operaciones y riesgo es directa: ¿cómo automatizar PQRS sin exponer al banco a sanciones? La respuesta está en construir un flujo donde el compliance sea la arquitectura misma del sistema, y las métricas de eficiencia sean una consecuencia natural de esa arquitectura.
Flujo de automatización con Agente IA paso a paso
Un chatbot PQRS banca bien implementado ejecuta cuatro pasos en secuencia, y cada uno tiene reglas de compliance integradas desde el diseño. Ese encadenamiento es lo que transforma un flujo operativo en una herramienta que tu equipo puede auditar, escalar y mejorar con datos reales.
Los cuatro pasos del flujo automatizado
- Clasificación automática mediante NLU: el Agente IA identifica la intención del usuario y la categoriza dentro de una taxonomía predefinida.
- Consulta a sistemas internos: el Agente IA se conecta al core bancario y al CRM para extraer la información que necesita, y queda registrada con timestamp, identificador de sesión y hash del dato consultado.
- Generación de respuesta: el Agente IA compone un mensaje que cumple con los lineamientos de tu entidad (tono, datos permitidos, disclaimers regulatorios) y lo entrega por el mismo canal donde ingresó la PQRS.
- Escalado a agente humano: se activa con criterios claros que nunca quedan a interpretación del modelo, transfiriendo el contexto completo a través del Módulo de agentes.
Clasificación automática y enrutamiento
Una taxonomía funcional para banca colombiana incluye categorías como:
- “Reclamo por cobro no reconocido”
- “Petición de certificado tributario”
- “Queja por demora en desembolso”
- “Sugerencia sobre canal digital”
Cada una queda mapeada a un flujo de resolución y a un SLA regulatorio específico. El Agente IA utiliza NLU avanzado para interpretar la intención real del usuario, incluso cuando el mensaje llega mal redactado o mezcla varias categorías en una sola PQRS.
Criterios de escalado al agente humano
- La confianza del clasificador NLU cae por debajo del 85%.
- El reclamo involucra montos superiores a un umbral definido por la entidad.
- El usuario solicita explícitamente hablar con una persona.
- El tipo de PQRS requiere análisis documental que el Agente IA no resuelve.
El contexto completo de la conversación se transfiere al agente humano a través del Módulo de agentes sin que el cliente tenga que repetir información, lo que protege el SLA acumulado.
Consulta de sistemas internos: core bancario y CRM
El Agente IA se conecta vía API al core bancario, al CRM y a los sistemas documentales de la entidad para extraer en tiempo real:
- Estado de un producto (tarjeta, cuenta, crédito)
- Historial de transacciones
- Estado de un trámite previo (desembolso, certificado, reclamo abierto)
- Datos del cliente necesarios para resolver la PQRS
Cada consulta queda registrada con timestamp, identificador de sesión y hash del dato accedido, de forma que el equipo de compliance pueda reconstruir el acceso ante una auditoría. Esa misma arquitectura es la que permite al Agente IA ejecutar acciones como abrir un ticket, actualizar un estado o emitir un certificado tributario de forma autónoma dentro de la misma conversación.
La Suite Cari AI opera este tipo de flujos en entidades financieras de la región, con más de 1.000 Agentes IA desplegados y más de 73 millones de conversaciones procesadas, respaldada por certificación ISO 27001 e infraestructura en AWS. Si tu banco está evaluando automatizar PQRS con un piloto controlado, agendar una demo para banca es el primer paso para dimensionar el impacto en tu operación.
Compliance SFC, Habeas Data y SLA regulatorio
Cada obligación regulatoria necesita traducirse en un control operativo verificable. Garantizar ese vínculo desde el diseño del sistema es lo que distingue una automatización robusta de una que genera riesgo regulatorio para tu entidad.
Controles operativos por obligación regulatoria
|
Obligación regulatoria |
Control operativo implementado |
|---|---|
|
Responder dentro de 15 días hábiles |
Alertas automáticas al 50%, 75% y 90% del plazo, con escalamiento progresivo hacia supervisores y hacia el área jurídica |
|
Habeas Data y consentimiento informado |
Registro de aceptación de política de datos antes de que el Agente IA acceda a cualquier información personal, almacenado como parte del log de la conversación |
|
Conservar trazabilidad completa |
Arquitectura de logs inmutables con canal de origen, timestamp, intención clasificada, sistemas consultados, respuesta entregada y motivo de escalado cuando aplica |
Las pruebas previas al despliegue son igual de críticas. Las pruebas UAT (User Acceptance Testing) verifican que cada flujo de PQRS llegue al resultado correcto con datos reales anonimizados. Las pruebas red-team simulan escenarios adversos, como un usuario que intenta extraer datos de otro cliente mediante prompt injection, o un reclamo ambiguo que se clasifica en dos categorías con SLAs diferentes. Esos escenarios de fallo se documentan y se convierten en reglas adicionales para el Agente IA.
Un prompt bien diseñado para clasificación incluye instrucciones explícitas sobre el umbral de confianza del modelo. Por ejemplo, si la confianza es inferior al 85%, la respuesta debe ser “ESCALAMIENTO” junto con las dos categorías candidatas y el porcentaje de confianza de cada una. Esa transparencia en la incertidumbre del modelo es lo que permite a tu equipo de compliance auditar las decisiones automatizadas con la misma rigurosidad que aplica a las decisiones humanas. Puedes revisar los estándares de seguridad y cumplimiento completos de la plataforma.
KPIs: tiempo de respuesta, resolución autónoma y reaperturas
Los tres indicadores que definen si la automatización está funcionando son:
- Tiempo promedio de primera respuesta
- Tasa de resolución autónoma (casos cerrados sin intervención humana)
- Tasa de reapertura (casos que el cliente vuelve a abrir porque la respuesta fue insuficiente)
Medirlos desde el día uno te da visibilidad real sobre el impacto en tu operación.
Benchmarks para banca colombiana tras seis meses de operación
|
KPI |
Benchmark objetivo |
|---|---|
|
Tiempo de primera respuesta (canales digitales) |
Menos de 2 minutos |
|
Tasa de resolución autónoma |
Entre 55% y 65% del volumen total de PQRS |
|
Tasa de reapertura |
Por debajo del 8% |
Un caso que ilustra estos números es el de entidades como CrediBanco y Bancamía, que operan en segmentos con alto volumen transaccional y poblaciones diversas. Antes de la automatización, el ciclo promedio de resolución de una PQRS rondaba los 8 a 10 días hábiles, con gestión 100% humana. Después de implementar un flujo con Agente IA, el tiempo promedio de resolución para categorías de alta frecuencia bajó a menos de 24 horas, y la carga del equipo humano se redujo en un 40%, permitiéndole concentrarse en los reclamos complejos que realmente requieren análisis. Puedes revisar más casos de éxito en el sector financiero.
Esa reducción de carga no implica desatención. Los casos complejos reciben más tiempo y mejor análisis, lo que a su vez reduce las reaperturas. La eficiencia y la calidad se refuerzan mutuamente en este modelo.
Si quieres mapear estas métricas contra la operación actual de tu banco, descarga el checklist PQRS + IA para auditar flujos, controles regulatorios y KPIs objetivo antes de iniciar cualquier piloto.
Preguntas frecuentes
¿Qué es una PQRS?
Una PQRS es una Petición, Queja, Reclamo o Sugerencia que un usuario presenta ante una entidad vigilada. En Colombia es un derecho constitucional y su gestión está regulada por la Superintendencia Financiera (SFC), que fija plazos máximos y obligaciones de trazabilidad para cada tipología.
¿La SFC acepta IA para resolver PQRS?
Sí, siempre que la automatización cumpla con las obligaciones regulatorias: plazos de respuesta, trazabilidad completa, consentimiento informado bajo Ley 1581 (Habeas Data) y controles auditables sobre las decisiones del Agente IA. Los logs inmutables y los umbrales de confianza explícitos son los mecanismos que permiten demostrar ese cumplimiento ante una auditoría.
¿Qué porcentaje de PQRS se puede resolver sin agente humano?
En banca colombiana, los benchmarks tras seis meses de operación ubican la tasa de resolución autónoma entre el 55% y el 65% del volumen total. El porcentaje depende del volumen de categorías de alta frecuencia (certificados, estados de cuenta, consultas de producto), que son las que mejor se automatizan.
¿Dónde quedan los logs y la trazabilidad?
En una arquitectura de logs inmutables que registra canal de origen, timestamp, intención clasificada, sistemas consultados, respuesta entregada y motivo de escalado. Esa arquitectura corre sobre infraestructura certificada ISO 27001 en AWS, con cifrado en tránsito y en reposo, y queda disponible para los equipos de compliance y para auditoría de la SFC.
¿Cuál es el tiempo máximo de respuesta a una PQRS?
La SFC exige 15 días hábiles para peticiones, quejas y reclamos, ampliables a 30 días hábiles con justificación documentada. En canales digitales con Agente IA, el tiempo de primera respuesta objetivo es de menos de 2 minutos, lo que deja margen operativo para resolver el caso dentro del SLA regulatorio.
¿Cómo escalar al agente humano sin romper el SLA?
El escalado se activa con criterios automáticos y transparentes: confianza NLU por debajo del 85%, monto por encima de un umbral, solicitud explícita del usuario o necesidad de análisis documental. El contexto completo se transfiere al agente humano a través del Módulo de agentes para que arranque desde donde el Agente IA se quedó, preservando el SLA acumulado y evitando que el cliente repita información.
Si quieres explorar cómo automatizar PQRS en tu entidad financiera colombiana con un piloto controlado, puedes agendar una demo para banca, conocer la solución de IA para banca y finanzas o revisar casos de éxito en el sector.
