Cómo Armar un Forecast de Recuperación de Cartera para el CFO

El CFO necesita saber cuánto efectivo va a entrar el próximo mes. El gerente de cobranza sabe aproximadamente cuánto puede recuperar. El problema está en el "aproximadamente": cuando el forecast de recuperación de cartera es impreciso, las decisiones financieras se toman sobre arena.

En este artículo te explicamos cómo construir un forecast de recuperación de cartera robusto, qué variables incluir, qué modelos usar y cómo la inteligencia artificial puede mejorar la precisión de tus proyecciones de gestión de cartera.

¿Para qué sirve un forecast de recuperación de cartera?

Antes de hablar de metodología, entendamos por qué el CFO necesita este forecast con precisión:

• Planificación de tesorería: Saber qué efectivo va a entrar permite planificar pagos, inversiones y necesidades de financiamiento.
• Proyección de flujo de caja: El forecast de cobranza es el input más variable del flujo de caja operativo.
• Provisión para incobrables: La contabilidad exige estimar qué porcentaje de la cartera no se va a recuperar.
• Gestión del capital de trabajo: Un forecast preciso evita tanto el exceso de efectivo ocioso como el déficit de liquidez.
• Reportes a directorio e inversores: Las proyecciones financieras dependen de la confiabilidad del forecast de cobranza.

Los componentes de un forecast de recuperación de cartera

Un forecast completo tiene tres componentes principales que se construyen de forma independiente y luego se consolidan:

1. Aging de cartera (tabla de antigüedad)

El punto de partida es siempre la tabla de aging: cuánta cartera tenés en cada bucket de mora. Este es el inventario del que vas a proyectar recuperaciones.

2. Tasas históricas de recuperación por bucket

Para cada bucket de mora (0-30, 31-60, 61-90, +90 días), necesitás saber qué porcentaje de esa cartera históricamente se recupera en el siguiente mes, en los próximos 2 meses, y así sucesivamente.

3. Ajustes por factores externos

Las tasas históricas son el baseline, pero deben ajustarse por factores como estacionalidad, situación económica general, cambios en la estrategia de cobranza y nuevas herramientas implementadas.

Paso 1: Construir la tabla de aging

La tabla de aging es la radiografía de tu cartera vencida en un momento dado. Debe mostrar:

BucketMonto cartera% del totalTasa recuperación hist.Recuperación proyectada

Corriente (0 días)$2,500,00045%92%$2,300,000

Mora 1-30 días$800,00014%75%$600,000

Mora 31-60 días$600,00011%55%$330,000

Mora 61-90 días$450,0008%35%$157,500

Mora +90 días$1,200,00022%18%$216,000

Total$5,550,000100%—$3,603,500

Esta tabla es el corazón del forecast. Cada fila representa un riesgo diferente y requiere una estrategia de automatización de cobranza diferente.

Paso 2: Calcular tasas históricas de recuperación

Para determinar las tasas históricas, necesitás al menos 12 meses de datos de cobranza. El proceso:

• Para cada mes histórico, identificá la cartera en cada bucket al inicio del mes.
• Calculá qué porcentaje de esa cartera se recuperó en los 30 días siguientes.
• Hacé el promedio de los últimos 6-12 meses para obtener la tasa histórica.
• Identificá si hay tendencia (mejorando, empeorando, estable).

Con plataformas de cobranza con IA como Kleva, estos datos están disponibles en tiempo real en el dashboard, sin necesidad de construir manualmente los reportes históricos. Las tasas de recuperación actuales que reportan los clientes de Kleva son del 73%, significativamente por encima de los promedios de la industria.

Paso 3: Incorporar curvas de recuperación

La recuperación de cartera no ocurre toda en el mismo mes. Una deuda de 30 días de mora puede recuperarse 60% en el primer mes, 20% adicional en el segundo y 10% más en el tercero. Estas curvas de recuperación permiten hacer proyecciones a 3, 6 y 12 meses.

La curva típica para cada bucket en LATAM:

• Mora 1-30 días: 65% recupera en mes 1, 15% en mes 2, 8% en mes 3.
• Mora 31-60 días: 40% recupera en mes 1, 20% en mes 2, 12% en mes 3.
• Mora 61-90 días: 25% recupera en mes 1, 15% en mes 2, 10% en mes 3.
• Mora +90 días: 10% recupera en mes 1, muy gradual el resto.

Con estas curvas, podés construir un modelo de tres columnas (mes 1, mes 2, mes 3) que el CFO puede usar directamente en el flujo de caja proyectado.

Paso 4: Ajustes por estrategia de cobranza

Las tasas históricas asumen "todo igual". Si estás cambiando tu estrategia de cobranza —por ejemplo, implementando voice agents automatizados o intensificando la gestión en ciertos segmentos— necesitás ajustar las tasas proyectadas hacia arriba.

Empresas que implementan Kleva suelen revisar sus supuestos de forecast al alza después de los primeros 60 días de operación, porque las tasas de recuperación reales superan significativamente los históricos basados en gestión manual. Esto a su vez mejora la precisión del flujo de caja proyectado para el CFO.

Paso 5: Escenarios y rangos de confianza

Un buen forecast para el CFO no es un número único sino un rango con escenarios. La estructura recomendada:

• Escenario pesimista (P10): Tasas históricas reducidas en 20%. Base para planificación de contingencia.
• Escenario base (P50): Tasas históricas sin ajuste. El número central del forecast.
• Escenario optimista (P90): Tasas históricas mejoradas en 15-20% por nueva estrategia o estacionalidad favorable.

Presentar tres escenarios es mucho más valioso para el CFO que un número puntual, porque permite planificar para la incertidumbre sin paralizarse por ella.

Cómo la inteligencia artificial mejora la precisión del forecast

Los modelos estadísticos tradicionales de forecast de cartera son buenos, pero tienen limitaciones: no capturan señales débiles de comportamiento del deudor, no se actualizan en tiempo real y no incorporan factores externos de forma dinámica.

Los modelos de scoring de deudores basados en IA que utiliza Kleva mejoran la precisión del forecast de tres formas:

• Probabilidad de pago por cuenta: En lugar de tasas por bucket, la IA asigna una probabilidad individual de recuperación a cada deudor, lo que agrega mucho más precisión al total.
• Detección de cambios de comportamiento: Si un deudor que siempre pagó empieza a mostrar señales de deterioro, el modelo lo detecta antes de que entre en mora, mejorando las proyecciones.
• Actualización continua: Cada interacción (llamada contestada, email abierto, promesa de pago) actualiza la probabilidad de recuperación en tiempo real, haciendo el forecast más preciso a medida que avanza el mes.

El formato ideal para presentar el forecast al CFO

El CFO necesita información consolidada, no datos granulares. El reporte ideal tiene:

• Tabla resumen: cartera total, cartera vencida, proyección de recuperación a 30/60/90 días.
• Gráfico de tres escenarios (pesimista, base, optimista).
• Variación vs. mes anterior: ¿mejoró o empeoró la cartera?
• Alertas: segmentos o cuentas que requieren atención especial.
• Impacto en flujo de caja: cuánto efectivo entra según cada escenario.

Con la plataforma de Kleva, este reporte se genera automáticamente y puede programarse para enviarse al CFO cada lunes sin intervención manual.

Preguntas frecuentes sobre forecast de recuperación de cartera

¿Con cuántos meses de historial se puede hacer un forecast confiable?

Con 6 meses ya es posible, pero 12-18 meses de historial dan mucha más robustez, especialmente para capturar efectos estacionales. Si tenés menos de 6 meses, usá benchmarks de la industria como punto de partida y ajustá con tu propia experiencia.

¿Cómo se incorpora la estacionalidad en el forecast de cobranza?

La cobranza en LATAM tiene patrones estacionales claros: mejor recuperación en enero (aguinaldo/bonos de fin de año), peor en julio-agosto (vacaciones), picos variables según el país en días de quincena. Estos ajustes estacionales deben incorporarse como factores multiplicadores sobre las tasas base.

¿El forecast de cobranza debe ser mensual o semanal?

Depende del ciclo de negocio. En empresas con ciclos de pago quincenales o con alta variabilidad, un forecast semanal tiene mucho valor. Para la mayoría de empresas medianas, un forecast mensual con revisión semanal del avance es suficiente.

Conclusión: un forecast preciso es el primer paso para gestionar la cartera

Un forecast de recuperación de cartera bien construido transforma la conversación entre el área de cobranza y la dirección financiera: de "creemos que vamos a recuperar más o menos esto" a "proyectamos recuperar $X con un 75% de confianza, y aquí está el plan para alcanzarlo".

La diferencia entre ambas conversaciones es enorme. Y la tecnología disponible hoy —como los modelos de scoring de deudores y las plataformas de automatización de cobranza de Kleva— hace que construir ese forecast preciso sea más fácil que nunca. Pedí una demo y conocé cómo Kleva puede mejorar la precisión de tus proyecciones de cobranza.