Diagnóstico →
Sección 01 · La pregunta incómoda

¿Conoce el estado real
de su red?

Banco de Bogotá opera 25.200 corresponsales en 1.054 municipios. La pregunta no es cuántos tiene. Es cuántos están operando a capacidad óptima ahora mismo.

01 / 03
¿Cuántos tienen cupo agotado y rechazan transacciones en este momento?
Sin dato preciso hoy → Liquid lo sabe en tiempo real
02 / 03
¿Cuántos acumulan exceso de efectivo con riesgo de hurto?
Sin dato preciso hoy → Liquid lo alerta antes del robo
03 / 03
¿Cuántos van a abandonar la red en los próximos 90 días?
Sin dato preciso hoy → Liquid lo predice con 90 días
25.200
Corresponsales activos en la red BdB
1.054
Municipios con cobertura (96% nacional)
62M
Transacciones anuales procesadas

Los datos de la industria (Banca de las Oportunidades 2026) sugieren que el panorama puede ser preocupante. Liquid le da la respuesta exacta en 30 días.

Continuar
Sección 02 · La tesis

El efectivo es inventario.

Es exactamente el mismo problema. Lo hemos visto antes — en otra industria. Resolverlo en banca corresponsal es cuestión de trasladar una disciplina probada de modelos estadísticos determinísticos — no una caja negra de IA.

🏬
Retail · Supermercado sin producto
Góndola vacía. El cliente llegó, buscó, no encontró, se fue a la competencia. Venta perdida.
OUT OF STOCK
15,4% ventas perdidas · impacto directo en rentabilidad
=
💳
Banca · Corresponsal sin cupo
Cliente llegó, quiso retirar, el datáfono rechazó la transacción. Se fue frustrado. Transacción perdida.
CUPO AGOTADO
? % transacciones rechazadas · cliente migra al competidor
Harvard Business School
15,4%
Mejora en rentabilidad con optimización de inventario. 35M+ tx analizadas. Modelos estadísticos — no LLMs.
C3 Financial · EE.UU.
99% / 24%
Precisión de forecast en ATMs · reducción de efectivo en tránsito. Prophet / ARIMA — matemáticas auditables.
Liquid
Primero
Nadie ha resuelto el problema para redes de corresponsales de mercados emergentes.
El cerebro es estadística. La automatización es reglas inspeccionables. La IA es solo la voz. Cero cajas negras.
Retail
Banca corresponsal
SKU
Efectivo (por denominación)
Tienda
Corresponsal (tienda, droguería, papelería)
Góndola vacía
Cupo agotado (rechazo de tx)
Sobrestock
Exceso de efectivo (riesgo de hurto)
Camión de reabastecimiento
Transportadora de valores (Brinks, Prosegur)
Sección 03 · La prueba

Ya lo resolvimos.
En retail.

FluxionIA lleva 3 años en producción con un retailer de 24 tiendas. Maneja todo el ciclo de inventario: forecasting, reorden, alertas, dashboard con drill-down. No es un MVP. Es tecnología probada.

"Liquid no es un rediseño. El 70% del motor ya corre en producción. Solo reemplazamos la capa de dominio: inventario de SKUs por inventario de efectivo."
— Jose Felipe López · CEO & arquitecto de FluxionIA
800K
Facturas procesadas por mes
24
Tiendas activas · La Granja
3 años
Operando sin interrupciones
Prophet
Forecasting probado en producción
FluxionIA · en producciónLiquid · banca corresponsal
Prophet forecastingDemanda por SKU · estacionalidad
Cash forecastDemanda por punto · efectos quincena
Min-max inventoryStock de seguridad dinámico
Cupo óptimoPor denominación y zona
Alertas de quiebreSMS/WhatsApp a gerentes
Alerta cupo agotadoSMS al corresponsal + operaciones
Dashboard con drill-downCadena → tienda → producto
Dashboard drill-downDepartamento → ciudad → corresponsal
Motor de reglas de reordenSi stock<min → pedido automático
Motor de reglas financieroLiquidez, SARLAFT, retención, rutas · inspeccionable
70%
Del código se reutiliza directamente de FluxionIA: motor de forecasting, min-max, alertas, dashboard.
30%
Es la nueva capa de dominio financiero: SARLAFT, conciliación trilateral, ruteo de transportadora.
Sección 04 · El equipo

Dos ingenieros de pagos LATAM.

No es un equipo que promete escalar. Es un equipo que ya escaló la capa de pagos de una de las fintechs más grandes de la región.

JL
Jose Felipe López
CEO · CTO · Fundador
  • Ex-líder de ingeniería en Rappi — pagos y fraude, 9 países LATAM, millones de transacciones diarias.
  • Ex-Stori — neobank YC-backed, operaciones en Colombia.
  • CTO de La Granja — 24 tiendas, 800K facturas/mes.
  • Construyó FluxionIA desde cero: motor algorítmico, dashboard, integraciones.
  • Experiencia directa llevando producto de prototipo a escala en ambientes bancarios regulados.
FA
Fernando Acevedo
Engineering Lead
  • 5+ años como Engineering Lead en Rappi — equipo de pagos, arquitectura crítica.
  • Diseñó e implementó arquitecturas que procesan millones de tx/día en multi-país LATAM.
  • Integraciones profundas con bancos, pasarelas y fintechs (Redeban, CredibanCo, ACH).
  • Maestría en Ciencias de la Computación, mención Inteligencia Artificial.
  • Stack: Kotlin, Java, Postgres, Redis, Kafka, AWS.
Dos ingenieros de la capa de pagos de Rappi LATAM.
No es un equipo que promete escalar — es un equipo que ya lo hizo.
Sección 05 · El plan

Qué hace Liquid por su red.

Tres fases. De diagnóstico a escalamiento total. Cada fase entrega valor medible antes de pasar a la siguiente.

FASE 0130 días
Diagnóstico
Nos conectamos read-only al agregador (Puntored / Efecty / MOViiRED). Analizamos 30 días de data real de su red.
  • Tasa de actividad real por departamento
  • Puntos en riesgo (cupo agotado / exceso)
  • Patrones de agotamiento y volatilidad
  • Predicción de churn a 90 días
  • Reporte ejecutivo + recomendaciones
FASE 0260 días
Piloto
Activamos el motor de reglas y la capa de lenguaje natural en 500 corresponsales de Bogotá. Medimos impacto contra el baseline del diagnóstico.
  • Forecast de cupo con Prophet (72h)
  • Alertas predictivas SMS/WhatsApp
  • Optimización de rutas Brinks / Prosegur
  • Compensación cruzada entre agentes
  • Métricas de negocio medibles
FASE 036–12 meses
Escalamiento
Toda la red Banco de Bogotá (25K pts). Luego Grupo Aval (80K). Activamos módulos avanzados según prioridad.
  • Red completa BdB · 25.200 puntos
  • Grupo Aval · 80.000 puntos
  • Reglas SARLAFT / AML
  • Conciliación trilateral D+0
  • Lendadora · crédito al agente

Seis capacidades · un motor

Todas disponibles desde el piloto. Activación modular.

01 · Estadística
Forecasting estadístico
Prophet: modelo de series de tiempo con descomposición multiplicativa (tendencia + estacionalidad + regresores). Captura efecto quincenal, día de semana, horario. Cada predicción es explicable y auditable — un auditor puede abrir el modelo y ver exactamente por qué predijo lo que predijo.
02 · Investigación de operaciones
Min-max de cupo
Fórmula clásica de inventario de los años 60. Stock de seguridad y punto de reorden dinámicos por punto, calibrados a demanda de zona y volatilidad histórica. Sin caja negra.
03 · Automatización determinística
Motor de reglas con automatización inteligente
Reglas estadísticas sobre los outputs del modelo, cada 5 minutos: SI cupo < 25% Y forecast dice agotamiento en 2h → enviar SMS. La automatización no decide — ejecuta reglas inspeccionables sobre matemáticas determinísticas.
04 · Optimización combinatoria
Compensación cruzada
Cuando un punto tiene exceso y otro cercano déficit, Liquid resuelve el emparejamiento óptimo (grafo geográfico + balance de efectivo). Transferencia peer-to-peer sin ir al banco.
05 · TSP
Rutas · traveling salesman
Optimización TSP con restricciones de ventana horaria. Rutas Brinks / Prosegur se computan desde liquidez real, no horarios fijos. Benchmark: −34% costo.
06 · Matching algorítmico
Conciliación trilateral
Matching determinístico en 3 capas: terminal vs red vs banco. Cada match es trazable y auditable. Reemplaza procesos manuales de flat-file.
07 · Traducción
Capa de interpretación en lenguaje natural
En vez de que su equipo lea 25.000 filas, pregunta en español y recibe la respuesta con los datos del modelo estadístico traducidos a lenguaje humano. El LLM interpreta, no decide. Corre on-premise — datos no salen del perímetro.
Sección 06 · Las objeciones típicas

Sin riesgo.

Las tres preocupaciones que siempre aparecen — regulatorio, datos, técnico — ya están resueltas en la arquitectura.

01 · Regulatorio

No tocamos el core bancario

  • API read-only al agregador
  • No procesa transacciones
  • No mueve fondos
  • No autoriza operaciones
  • No requiere licencia SFC
  • Fuera del perímetro regulatorio
02 · Datos

On-premise

  • Modelos y reglas corren en su infraestructura
  • Capa de interpretación (Llama 3.1) también on-prem
  • Cero datos salen del perímetro
  • Compatible con políticas DLP
  • Auditable por seguridad BdB
  • Sin dependencia de cloud externa
03 · Técnico

70% ya en producción

  • Motor heredado de FluxionIA
  • 3 años de operación sin falla
  • 800K facturas/mes probadas
  • No construimos desde cero
  • MVP en 3 meses, no en 12
  • Equipo senior (ex-Rappi pagos)
04 · Auditable

Cero cajas negras

  • Cada predicción tiene explicación determinística
  • Cada regla que dispara una acción es inspeccionable
  • Cada decisión tiene log auditable
  • Su oficial de cumplimiento puede revisar cualquier alerta hasta su origen estadístico
  • Modelos auditables · reglas inspeccionables
  • Compatible con auditoría SFC
Sección 07 · Benchmarks

Los números de la industria.

No prometemos números específicos para su red. Estos son los benchmarks documentados de modelos estadísticos aplicados en otros mercados. Matemáticas probadas — no algoritmos experimentales.

99%
Precisión de forecasting estadístico de efectivo
Fuente: C3 Financial · ATMs EE.UU. · Prophet/ARIMA
24%
Reducción de efectivo inmovilizado
Fuente: C3 Financial · ATMs EE.UU.
15,4%
Mejora en rentabilidad por optimización de inventario
Fuente: Harvard Business School · 35M+ tx
34%
Reducción de costos en ruteo de valores
Fuente: Benchmark industria
¿Cuánto de esto aplica a su red? Eso es exactamente lo que el diagnóstico revela.
Estas mejoras vienen de matemáticas probadas — no de algoritmos experimentales.
Sin integración profunda · Sin riesgo · Sin costo de diagnóstico

Empecemos con un
diagnóstico.

Nos conectamos read-only a un agregador. En 30 días le entregamos el estado real de su red con recomendaciones concretas. El diagnóstico es 100% estadístico — distribuciones, tendencias, anomalías y recomendaciones basadas en datos, no en opiniones de un modelo de lenguaje. Si los números justifican, activamos el piloto. Si no, le queda el diagnóstico.

Revisar pitch
Algorithm-IA
Liquid · cash inventory
Jose Felipe López
CEO · Fundador
info@algorithm-ia.com
Bogotá · Colombia
L · Liquid by Algorithm-IA · 2026

Tweaks