Lender Price, proveedor de tecnología de productos y precios hipotecarios, anunció la próxima evolución de POD, su panel de optimización de precios con IA: una capacidad de agentes de IA con supervisión humana diseñada para ayudar a establecer un nuevo estándar de precisión de precios en el motor de precios de Lender Price.

El motor de precios es el sistema en el que confían los prestamistas para convertir las hojas de tasas de los inversionistas en las tasas y ajustes que finalmente cotizan a los prestatarios, por lo que la precisión de cada actualización tiene un peso operativo directo. Los agentes de IA de POD están diseñados para aprender y ejecutar los pasos repetitivos que los equipos de precios de Lender Price realizan cada vez que los inversionistas publican cambios en tasas, ajustes de precio a nivel de préstamo (LLPAs), elegibilidad de productos, programas y especiales de precios. Los LLPAs, ajustes de precio basados en riesgo que los inversionistas aplican a préstamos individuales según factores como el puntaje crediticio y la relación préstamo-valor, determinan directamente el precio de cada cotización de préstamo. Operando dentro de controles y flujos de aprobación definidos, los agentes pueden interpretar la información de cambios entrantes, preparar y validar actualizaciones del sistema, identificar excepciones y derivar a los profesionales de precios de Lender Price los cambios que requieren criterio humano.

"En los precios hipotecarios, la precisión no es una característica: es la base", afirmó Dawar Alimi, CEO y cofundador de Lender Price. "POD no se trata de reemplazar a las personas que entienden los productos hipotecarios, los mercados de capital y los negocios de nuestros clientes. Se trata de brindarles agentes de IA que puedan encargarse del trabajo minucioso y repetitivo, para que nuestros expertos puedan concentrarse en los controles, las excepciones y las decisiones que merecen experiencia humana. El resultado que perseguimos es una precisión de precios sin igual".

Construido por fases y basado en operaciones de precios

La iniciativa POD ha avanzado en múltiples fases. Primero, Lender Price aplicó la IA para reforzar las verificaciones de precisión, ayudando a los equipos a detectar antes posibles discrepancias de precios. Luego amplió el respaldo de la IA para el trabajo de implementación, organizando datos de prestamistas, identificando brechas y acelerando la incorpor de productos, programas, reglas de elegibilidad y precios específicos de inversionistas.

La última fase operacionaliza ese aprendizaje acumulado mediante agentes de IA entrenados en los flujos de trabajo paso a paso utilizados por el propio equipo de precios de Lender Price. En lugar de permitir una automatización sin control, POD aplica controles que pueden incluir validación de datos de origen, salvaguardas basadas en reglas, umbrales de excepción, registros de cambios, pruebas y revisión humana antes de la puesta en producción. El objetivo es hacer las actualizaciones más rápidas y consistentes, manteniendo una rendición de cuentas clara.

Impacto operativo esperado

Lender Price espera que POD reduzca sustancialmente las oportunidades de errores de captura manual y mejore la consistencia de las actualizaciones rutinarias de los inversionistas. Los objetivos operativos iniciales incluyen:

• Hasta 90% de reducción en puntos de contacto manuales para los flujos de trabajo elegibles y repetitivos de actualización de hojas de tasas y precios.
• Hasta 75% más rapidez en la preparación y validación de actualizaciones rutinarias de LLPAs, especiales de precios y programas, con las excepciones derivadas a un experto.
• Al menos 99.9% de cobertura de trazabilidad de cambios en las actualizaciones procesadas por POD, respaldada por vinculación con la fuente, registros de validación, aprobaciones y registros de auditoría.
• Una reducción significativa de errores de configuración evitables —incluyendo pulsaciones accidentales, valores invertidos u omisiones en condiciones de elegibilidad— mediante extracción estructurada, reglas de validación y flujos de liberación controlados.

Estas cifras son objetivos operativos prospectivos, no resultados históricos de clientes. Lender Price declaró que validará y publicará los resultados medidos a medida que las implementaciones de POD maduren. Esos resultados publicados darán a los prestamistas un punto de referencia concreto para juzgar si los objetivos se cumplen en producción.

Precisión a escala con expertos al mando

El diseño de POD reconoce que los precios hipotecarios no operan en el vacío. Las directrices de los inversionistas pueden variar en formato y complejidad, y las actualizaciones del mundo real a menudo requieren interpretación contextual. Los agentes de IA están concebidos para manejar el trabajo repetitivo de alto volumen, mientras que las rutas de escalamiento preservan la supervisión humana ante directrices ambiguas, estructuras de productos inusuales y cambios que merecen mayor escrutinio.

El resultado es una operación de precios capaz de responder con mayor rapidez a los cambios de los inversionistas sin sacrificar los controles que los prestamistas esperan. Al reducir el trabajo manual repetitivo, POD permite a los expertos en precios de Lender Price dedicar más tiempo al aseguramiento de calidad, los casos límite, la estrategia y las necesidades específicas de cada cliente.

"El futuro de POD es una operación de precios más precisa y más resiliente", añadió Alimi. "Nuestra gente sigue siendo esencial. Los agentes de IA potencian su experiencia al ayudar a garantizar que cada actualización —desde un cambio de LLPA hasta un especial de precios o una regla de elegibilidad— se maneje con disciplina, visibilidad y rapidez".

POD es parte de la estrategia más amplia de IA de Lender Price, que aplica la IA donde puede mejorar la eficiencia de implementación, fortalecer los controles de calidad de precios y ayudar a los prestamistas a avanzar con mayor confianza en un mercado que cambia rápidamente. La estructura de POD con supervisión humana también refleja una tendencia más amplia en la tecnología financiera, donde los agentes de IA se despliegan cada vez más bajo revisión humana, en lugar de autonomía total, en áreas reguladas de los servicios financieros.