Habla con una persona real
Sin bots, sin vueltas. Te mostramos Kleva en vivo.
Muchas instituciones financieras en LATAM operan con sistemas core de 20-30 anos de antiguedad. Estos sistemas legacy funcionan, contienen toda la logica de negocio critica y reemplazarlos representaria riesgo e inversion prohibitiva. Sin embargo, su arquitectura antigua limita la adopcion de tecnologias modernas como voice agents de inteligencia artificial.
La buena noticia: es completamente posible implementar voice agents de cobranza de ultima generacion sin reemplazar sistemas legacy. Mediante estrategias de integracion apropiadas, middleware especializado y arquitecturas hibridas, instituciones con tecnologia de decadas pueden acceder a los beneficios de automatizacion con IA.

Los sistemas legacy de cobranza tipicamente comparten caracteristicas que dificultan integracion moderna:
Sistemas construidos como monolitos donde toda la logica esta acoplada en una sola aplicacion. No tienen APIs, servicios web ni microservicios. La unica forma de interactuar es mediante interfaces especificas del sistema.
Implicacion para voice agents: No es posible consultar datos o ejecutar acciones mediante llamadas API REST estandar. Se requiere capa de abstraccion intermedia.
Comunicacion mediante protocolos legacy: archivos planos (fixed-width, CSV), colas de mensajes propietarias (IBM MQ, MSMQ), COBOL copybooks, FTP batch, terminales 3270, o RPC antiguo.
Implicacion para voice agents: Los protocolos modernos (REST, GraphQL, gRPC) no son soportados nativamente. Requiere traduccion de protocolos.
Muchos sistemas legacy usan DB2, Oracle antigua, Informix, o incluso sistemas de archivos indexados como VSAM. Acceso directo puede ser limitado o estar prohibido por politicas de IT.
Implicacion para voice agents: No es posible consultar directamente la base de datos. Debe hacerse mediante interfaces oficiales del sistema legacy para no romper integridad.
Los sistemas con decadas de antiguedad frecuentemente tienen documentacion desactualizada, incompleta o inexistente. El conocimiento reside en empleados que han trabajado con el sistema por anos.
Implicacion para voice agents: Entender como extraer datos necesarios o ejecutar acciones requiere arqueologia tecnica y entrevistas con expertos institucionales.
Sistemas criticos en produccion con aversion al riesgo. Cualquier cambio requiere procesos largos de aprobacion, testing exhaustivo y ventanas de mantenimiento limitadas.
Implicacion para voice agents: No es viable modificar el core legacy. La integracion debe ser no-invasiva, operando como sistema externo que consume y provee datos sin alterar funcionamiento existente.
Implementar middleware que expone APIs REST modernas hacia afuera mientras traduce a protocolos legacy hacia adentro.
Arquitectura: El voice agent llama APIs REST estandar. El API Gateway recibe el request, lo traduce al formato legacy (ej: archivo plano, cola MQ, stored procedure), interactua con el sistema legacy, recibe respuesta, la traduce a JSON y la devuelve al voice agent.
Ventajas: El voice agent opera como si el backend fuera moderno. Todo el legacy queda encapsulado detras del gateway. Futuras migraciones solo requieren cambiar la implementacion del gateway.
Desafios: Desarrollar el gateway requiere entender profundamente el sistema legacy. Latencia agregada por la traduccion (tipicamente 500ms-2s adicionales).
Herramientas: MuleSoft, IBM App Connect, WSO2, Kong Gateway con plugins custom, o desarrollo propio en Node.js/Java.
El sistema legacy genera archivos planos periodicamente (diario, cada 4 horas) con datos de cartera. El sistema de voice agents consume estos archivos y opera con datos ligeramente desactualizados. Actualizaciones (promesas, acuerdos) se escriben en archivos que el legacy consume en su siguiente ciclo.
Arquitectura: ETL (Extract-Transform-Load) procesa archivos legacy, normaliza datos y los carga en base de datos moderna que el voice agent consulta en real-time. Reverse ETL toma acciones del voice agent y genera archivos que el legacy ingesta.
Ventajas: Minima o nula modificacion del sistema legacy. Proceso probado y confiable. No impacta performance del legacy durante horas pico.
Desafios: Datos pueden estar desactualizados hasta 24 horas. No apto para casos que requieren actualizacion instantanea. Complejidad en manejo de errores y reconciliacion.
Casos de uso: Cobranza preventiva de alto volumen donde freshness de datos no es critica. Campanas masivas sobre cartera estable.
Herramientas: Talend, Apache NiFi, Informatica, o scripts custom en Python/Bash con validaciones robustas.
Crear replica de solo lectura de la base de datos legacy. El voice agent consulta esta replica sin impactar el sistema transaccional. Escrituras se hacen via interfaces oficiales del legacy.
Arquitectura: Replicacion continua (CDC - Change Data Capture) desde DB legacy a DB moderna (PostgreSQL, MySQL). Voice agent consulta la replica con latencia de segundos. Para escribir, usa API Gateway o archivos batch.
Ventajas: Consultas rapidas sin impactar performance del legacy. Datos actualizados en near real-time (5-30 segundos de lag). Permite consultas complejas y analitica sin restricciones.
Desafios: Requiere entender esquema de DB legacy (que puede ser complejo y poco documentado). Replicacion puede ser compleja segun tecnologia de DB. Politicas de IT pueden prohibir acceso directo.
Herramientas: Debezium (CDC open source), Oracle GoldenGate, IBM InfoSphere CDC, AWS DMS, Striim.
Bots de software que interactuan con el sistema legacy mediante su interfaz de usuario (terminal, pantallas verdes, aplicacion desktop) como lo haria un humano.
Arquitectura: El voice agent envia request a orquestador RPA. El bot RPA ejecuta los pasos en el sistema legacy: abre pantalla, ingresa parametros, lee resultados, devuelve datos al voice agent.
Ventajas: No requiere modificar el legacy ni acceder a su base de datos. Funciona incluso con sistemas sin ninguna API o interfaz programatica. Rapido de implementar.
Desafios: Fragil ante cambios en UI del legacy. Latencia alta (5-15 segundos por operacion). No escala bien a volumenes masivos. Requiere mantenimiento frecuente.
Casos de uso: Operaciones puntuales de bajo volumen. Integracion temporal mientras se desarrolla solucion mas robusta. Sistemas legacy sin absolutamente ninguna otra interfaz.
Herramientas: UiPath, Automation Anywhere, Blue Prism.
El sistema legacy ya usa colas de mensajes (MQ) para integraciones existentes. Se extiende este patron para comunicacion con voice agents.
Arquitectura: Voice agent envia request a cola de entrada. Adaptador en el legacy consume mensajes, ejecuta logica, pone respuesta en cola de salida. Voice agent consume respuesta. Comunicacion asincrona.
Ventajas: Usa infraestructura ya existente y probada. Desacoplamiento temporal (no requiere que ambos sistemas esten up simultaneamente). Manejo robusto de volumenes y picos.
Desafios: Requiere desarrollo en el legacy para consumir/producir mensajes. Comunicacion asincrona no apta para interacciones que requieren respuesta inmediata durante llamada telefonica.
Casos de uso: Registro de acuerdos que pueden procesarse asincrono. Consultas complejas donde latencia de 10-30 segundos es aceptable.
Herramientas: IBM MQ, RabbitMQ, ActiveMQ, MSMQ. Adaptadores custom en COBOL, Java o .NET segun tecnologia del legacy.


Integrar con sistemas legacy tiene riesgos inherentes.
Estrategia: Comenzar con segmento pequeno de cartera (5,000-10,000 cuentas) en campana piloto de 30-60 dias. Monitoreo intensivo de integridad de datos, performance, errores.
Beneficio: Detectar problemas de integracion con impacto limitado. Aprendizaje antes de escalar a cartera completa.
Metricas clave: Tasa de errores en sincronizacion, discrepancias entre legacy y sistema moderno, latencia end-to-end, quejas de usuarios.
Estrategia: Primera fase solo consulta datos del legacy, no escribe nada. Voice agents operan en modo "informativo" registrando gestiones en sistema separado. Una vez probada estabilidad, agregar escrituras.
Beneficio: Elimina riesgo de corrupcion de datos en legacy. Permite validar que la integracion de lectura es confiable antes de agregar complejidad de escrituras.
Estrategia: Proceso diario que compara datos entre legacy y sistema moderno, detectando discrepancias. Alertas automaticas ante inconsistencias superiores a umbral.
Implementacion: Query comparativa de checksums, conteos, sumas de control. Reporte de diferencias para investigacion.
Beneficio: Deteccion temprana de problemas de sincronizacion antes de que impacten operacion.
Estrategia: Si la integracion falla (legacy caido, queue saturada, errores masivos), el sistema de voice agents puede operar en modo degradado con datos cacheados, y gestiones se registran para sincronizacion posterior.
Beneficio: La operacion de cobranza no se detiene completamente por falla tecnica. Menor riesgo de negocio.
Estrategia: Todas las modificaciones a interfaces legacy (stored procedures, scripts de carga, formatos de archivo) versionadas en control de versiones con capacidad de rollback rapido.
Beneficio: Ante problema critico en produccion, rollback a version estable previa en minutos, no horas.
La integracion con legacy tipicamente agrega latencia vs sistemas modernos cloud-native:
Latencia total aceptable: Para mantener conversacion fluida con el deudor, la latencia end-to-end (request del voice agent hasta respuesta disponible) debe ser menor a 3 segundos en 95% de casos.
Presupuesto de latencia tipico:
- Voice agent a API Gateway: 50-100ms
- API Gateway traduccion: 200-500ms
- Consulta a sistema legacy: 500-1,500ms
- Traduccion respuesta: 100-300ms
- API Gateway a voice agent: 50-100ms
Total: 900-2,500ms (aceptable)
Optimizaciones clave:
Caching agresivo: Datos que no cambian frecuentemente (informacion del cliente, parametros de productos) cachear por 5-60 minutos. Reduce 70-80% de consultas al legacy.
Queries optimizadas: En sistemas legacy, queries mal escritas pueden tardar segundos vs milisegundos. Revision y optimizacion critica (indices, rewrites).
Connection pooling: Mantener pool de conexiones abiertas al legacy evita overhead de establecer conexion en cada request (que puede ser 500ms+ en mainframes).
Async donde posible: Operaciones que no requieren respuesta inmediata (ej: registro de transcripcion de llamada) ejecutar asincrono via queue.
Batch inteligente: Si el voice agent necesita consultar 5 datos diferentes, hacer una sola llamada que traiga todo vs 5 llamadas separadas.
La integracion con legacy no tiene que ser permanente. Estrategia de modernizacion gradual:
Fase 1 (Meses 0-3): Integracion no-invasiva con legacy via estrategias descritas. Voice agents operativos sin modificar legacy.
Fase 2 (Meses 4-12): Extraccion gradual de logica de negocio del legacy a microservicios modernos. Ej: motor de reglas de quitas, calculo de scoring, motor de workflows.
Fase 3 (Meses 13-24): Datos transaccionales migrados a base de datos moderna. Legacy se convierte en "sistema de record" pero la operacion principal ocurre en stack moderno.
Fase 4 (Meses 25+): Reemplazo completo del legacy o reduccion a componente residual minimo. Toda la operacion en plataforma moderna.
Esta estrategia permite obtener beneficios inmediatos de voice agents sin esperar anos a reemplazo completo del legacy, mientras se avanza gradualmente hacia modernizacion.
Habla con una persona real
Sin bots, sin vueltas. Te mostramos Kleva en vivo.