Saber qué reclamaciones costarán dinero
el día que entran
De todo lo que llega hoy a la cola, ¿qué acabará doliendo?
Cualquier cola de entrada trae esa mezcla: casi todo se resuelve sin ruido y unas pocas se tuercen, y el valor está en distinguirlas el día que llegan, sean reclamaciones, siniestros o solicitudes de crédito.
la cola del día · 8 casos reales de 2024
-
entra me reclaman una deuda de telefonía que no es mía, era de mi padre
por qué Disputa de titularidad en cobro de deudas: en la memoria del sistema, casi ninguna parecida acabó en compensación. El sistema le dio un 0,2% de probabilidad de acabar en compensación: la dejó pasar.
el futuro La empresa cerró el caso con una explicación, sin dinero. la dejó pasar, bien
original «This account is not my account and was a XXXX account my father opened over 7years ago. (...) I have been fighting to get it off my report.» · caso 10000591 en la base del CFPB · producto: cobro de deudas · entró el 3 sep 2024
-
entra me cobran por el extracto en papel, y encima comisión por pagar tarde esta acabará costando dinero · 79%
por qué Comisiones concretas con importe, encadenadas a un fallo del cobro automático: el perfil que en la memoria acaba en devolución. El sistema le dio un 79% de probabilidad de acabar en compensación, dentro del 1% con más aviso del año: la señaló.
el futuro La empresa cerró el caso compensando con dinero. acierto
original «...is charging me for a paper statement fee. (...) charged me a {$30.00} late fee and XXXX % interest on top of that.» · caso 10102264 en la base del CFPB · producto: tarjeta de una cadena de tiendas · entró el 12 sep 2024
-
entra la hipoteca me vuelve a pedir el justificante del seguro que ya envié
por qué Papeleo recurrente del seguro de la hipoteca: molesto, pero en los casos parecidos de la memoria no hay dinero encima de la mesa. El sistema le dio un 0,2% de probabilidad de acabar en compensación: la dejó pasar.
el futuro La empresa cerró el caso con una explicación, sin dinero. la dejó pasar, bien
original «I am once again submitting another complaint regarding my loan (...) I have submitted said asked for information a number of times.» · caso 10000124 en la base del CFPB · producto: hipoteca · entró el 3 sep 2024
-
entra 20 dólares de comisión por pagar tarde; creía que el tope eran 8 esta acabará costando dinero · 63%
por qué Comisión con importe y petición explícita de rebajarla: perfil de devolución en la memoria. Esta vez el banco no cedió. El sistema le dio un 63% de probabilidad de acabar en compensación, dentro del 1% con más aviso del año: la señaló.
el futuro La empresa cerró el caso con una explicación, sin dinero. falsa alarma
original «I was late with a payment. (...) I asked to have the fee I was charged reduced to {$8.00} and the lady would not do it.» · caso 10066672 en la base del CFPB · producto: tarjeta de crédito · entró el 10 sep 2024
-
entra me prometieron cero comisiones si mantenía 300 dólares, y me las siguen cobrando esta acabará costando dinero · 79%
por qué Una promesa del propio banco incumplida, con fechas e importes: en la memoria, este perfil acaba con las comisiones devueltas. El sistema le dio un 79% de probabilidad de acabar en compensación, dentro del 1% con más aviso del año: la señaló.
el futuro La empresa cerró el caso compensando con dinero. acierto
original «Despite being guaranteed no further monthly low balance fee, I was still charged {$5.00} a month...» · caso 10140278 en la base del CFPB · producto: cuenta de ahorro · entró el 16 sep 2024
-
entra mi banco online me cerró la cuenta sin decirme por qué, con mi dinero dentro
por qué Cuenta cerrada con saldo dentro, pero el texto no trae las señales clásicas de comisión o cargo. El sistema no la vio. El sistema le dio un 4,9% de probabilidad de acabar en compensación: la dejó pasar.
el futuro La empresa cerró el caso compensando con dinero. se le escapó
original «I learned that the account was closed for violation of terms of agreement. When I asked what terms of agreement was violated they couldn't tell me at all.» · caso 10014409 en la base del CFPB · producto: cuenta en un banco online · entró el 5 sep 2024
-
entra cargos fraudulentos en mi tarjeta: me devolvieron dos y me niegan los otros cuatro esta acabará costando dinero · 58%
por qué Fraude declarado con reembolso parcial ya en marcha: perfil de devolución en la memoria. La entidad mantuvo el no. El sistema le dio un 58% de probabilidad de acabar en compensación, dentro del 1% con más aviso del año: la señaló.
el futuro La empresa cerró el caso con una explicación, sin dinero. falsa alarma
original «A claim was established for a total of {$2300.00}. (...) they have since denied ( twice now ) to refund the remaining four items totalling {$1300.00}.» · caso 10184925 en la base del CFPB · producto: cuenta corriente · entró el 20 sep 2024
-
entra 400 dólares en comisiones por descubierto, con la protección ya contratada esta acabará costando dinero · 65%
por qué Comisiones repetidas con importe total, y una protección contratada que no protege: perfil claro de devolución en la memoria. El sistema le dio un 65% de probabilidad de acabar en compensación, dentro del 1% con más aviso del año: la señaló.
el futuro La empresa cerró el caso compensando con dinero. acierto
original «I contacted the bank and signed up for overdraft protection and have still received fees (...) Each fee is {$29.00} so I have paid {$400.00} in overdraft fees.» · caso 10171625 en la base del CFPB · producto: cuenta corriente · entró el 19 sep 2024
El dato (backtest 2019-2024 entero): el sistema señaló 5.281 reclamaciones, el 1% con más aviso de cada año. 2.755 acabaron en compensación real: 52 de cada 100 señaladas, frente a 9 de cada 100 en la cola entera. La otra mitad fueron falsas alarmas. Y de lo que dejó pasar, casi 9 de cada 100 acabaron costando dinero, como el caso que se le escapa aquí arriba. El aviso concentra la atención; no adivina el futuro.
resumen
- los datos
- La base pública de reclamaciones del regulador financiero de EE.UU. (CFPB): un CSV de 9 GB con 914.168 reclamaciones de consumidores, cada una con su texto y su desenlace.
- la pregunta
- Algunas reclamaciones acabaron con la empresa devolviendo dinero. ¿Se podía avisar de cuáles, el mismo día que entraron?
- la prueba
- El sistema lee cada reclamación solo con lo que se sabía ese día, más la memoria de las anteriores. Después abrimos el desenlace real y comparamos.
- lo que salió
- En el 1% que el sistema marcó con más aviso había casi 6 veces más compensaciones reales que en la media. El truco fácil (buscar "devolución" y saber qué empresa suele pagar) se queda en 4,8. Leer el texto añade.
Es la pregunta de cualquiera que haya trabajado en atención al cliente: de todo lo que entra hoy, ¿qué acabará doliendo? Para responderla usamos la base pública de quejas financieras de Estados Unidos (CFPB): casi un millón de reclamaciones con texto, cada una con su desenlace registrado. La mayoría se cierran con una explicación; algunas, con la empresa compensando.
Ninguna magia en el procedimiento. El sistema ve cada reclamación como la vería un gestor el día de su entrada: el texto y la historia anterior, nada más. Entrenamos solo con el pasado de cada momento, año a año, y congelamos todos los parámetros antes de mirar un solo resultado, con huella criptográfica (d3d2481).
Y una trampa que nos obligamos a desactivar: saber qué empresa recibe la queja ya predice mucho (cada una tiene su política de compensar). Así que medimos el sistema dos veces, con y sin ese dato. Para la versión "sin", además, enmascaramos los nombres de empresa dentro del propio texto, que las reclamaciones nombran al banco constantemente.
Lo que salió
Sobre 528.157 reclamaciones del futuro (2019-2024): el 1% que el sistema marcó con más aviso concentró 5,7 veces más compensaciones reales que la media. El detector obvio (palabras clave más la tabla de qué empresa suele pagar) se queda en 4,8, con los intervalos de confianza separados. Sin saber siquiera la empresa, el sistema marca 5,3.
la escalera, entera
Y donde más importa: dentro de una misma empresa, donde la tabla ya no ayuda en nada, el sistema siguió distinguiendo qué reclamaciones acabarían costando dinero. Todos los años del examen, sin excepción.
Cómo leer esto sin engañarse
- La circularidad es parte del fenómeno. La empresa decide compensar leyendo esa misma reclamación: no es un fallo del experimento. Modelamos una decisión humana desde su evidencia, como haría un gestor experto en triaje.
- El listón era el detector obvio. El sistema bate al "grep de devoluciones + tabla de empresas" con los intervalos separados; la escalera de arriba enseña todos los peldaños.
- Probabilidades calibradas: cuando el sistema dice 20%, compensa el 20%. La curva de fiabilidad está publicada.
- Cobertura contada: las reclamaciones con texto demasiado corto para leerse (bajo el mínimo pre-registrado) quedan fuera y se cuentan, año a año.
Los peros
- El universo es "reclamaciones con narrativa consentida" (quien acepta publicar su texto): no representa a todas las quejas, y quien escribe suele traer un caso más fuerte.
- Lo que se predice es "la empresa decidió compensar", no la razón que asistía al consumidor ni una sentencia.
- El archivo de hoy es más limpio que el histórico real (quejas retiradas desaparecen); limitación común a todas estas demos.
- El examen termina en 2024: en 2026 la agencia cambió de régimen y el flujo de narrativas se desplomó; el corte estaba declarado de antemano.
- Los ocho casos de la cola de arriba son reales y verificables, pero elegidos por nosotros para enseñar los cuatro desenlaces posibles: acierto, falsa alarma, escape y descarte correcto. Las proporciones reales son las del pie, no las de la muestra.
Referencias
Predecir desenlaces sobre esta base de datos se ha hecho antes: era un clásico de la ciencia de datos con otra variable, hoy retirada. Lo que esta demo añade es el protocolo: futuro tapado año a año, parámetros pre-registrados, el factor que confunde (la empresa) desactivado y medido, y la escalera de comparaciones publicada entera.
Datos y agradecimientos
Nada de esto existiría sin el CFPB (la agencia de protección financiera del consumidor de EE.UU.), que publica su base de reclamaciones en abierto. Gracias.
Todos los casos son históricos y están cerrados. Ninguna empresa se señala: los rankings sirven para medir el sistema, no para juzgar a nadie hoy.
¿Puedes usar esto? Sí. Nuestro análisis, los resultados del backtest y los textos de esta página se publican bajo licencia CC BY 4.0: úsalos, compártelos o analízalos libremente, citando la fuente, Team Banzai (team-banzai.com). Los datos de terceros (la base de reclamaciones del CFPB, dominio público en EE.UU.) conservan las condiciones de sus fuentes originales.
Hecho con C# y SQLite. Texto vectorizado por hashing, regresión logística con calibración isotónica, todo implementado a mano y determinista. Ningún modelo de lenguaje decide nada.
Sobre esta demo
Estudio retrospectivo con fines ilustrativos, sobre datos públicos del CFPB. Las reclamaciones son testimonios de consumidores; su presencia no demuestra mala práctica de ninguna empresa. Este análisis no evalúa a empresas ni a la agencia, no extrapola a casos actuales y no constituye asesoramiento financiero o legal. Sin afiliación con el CFPB ni con ninguna entidad mencionada en los datos.
¿Y en tu empresa?
Lo mismo vale para decidir qué facturas de proveedor conviene mirar a mano y cuáles pasar de largo, para ordenar qué partes de siniestro pintan caros nada más entrar, o para señalar qué pedidos tienen pinta de acabar en devolución antes de enviarlos.
Si alguno de estos experimentos te recuerda a un problema tuyo, expedientes que se apilan sin priorizar, la queja grave que se cuela entre cien menores, un criterio que cambia según quién lo mire, escríbenos y lo comentamos. Sin rollo: te decimos si se puede o no.