El problema: operación manual que no escala
Aurion Academy es una academia de trading con sede en Argentina que enseña análisis técnico, gestión de capital y estrategias de mercados financieros. Con más de 200 alumnos activos y un modelo de comisiones sobre ganancias, el equipo enfrentaba un cuello de botella crítico: cada fin de mes, calcular los cortes de ganancias, generar reportes individuales y procesar cobros tomaba más de 40 horas de trabajo humano.
El sistema anterior dependía de hojas de cálculo compartidas, mensajes de WhatsApp para notificaciones y transferencias manuales para cobros. Con el crecimiento de la academia, este proceso se volvía insostenible.
La solución: agentes IA para operación financiera
Diseñamos e implementamos un sistema de tres agentes especializados que trabajan en conjunto:
Agente de Cortes (Corte Engine)
Procesa automáticamente los datos de trading de cada alumno al cierre del período. Calcula el P&L real, aplica las reglas de corte según el plan del alumno y genera el monto a cobrar. El agente valida los datos contra múltiples fuentes para evitar errores.
Agente de Reportes
Genera reportes individuales en PDF con el historial de operaciones, métricas de rendimiento (drawdown máximo, ratio ganancia/pérdida, racha) y el corte calculado. Cada reporte se personaliza con los datos del alumno y se envía automáticamente por email y WhatsApp.
Agente de Cobros
Integrado con la pasarela de pago on-chain elegida por el equipo de Aurion. Genera los links de pago, hace seguimiento del estado y actualiza el CRM cuando el pago es confirmado. Para pagos no confirmados, ejecuta una secuencia de recordatorios automatizados.
Infraestructura técnica
El sistema corre sobre Next.js con API routes serverless en Vercel. La base de datos es MongoDB Atlas con colecciones para alumnos, períodos, operaciones y pagos. La lógica de negocio está separada en módulos independientes que pueden actualizarse sin afectar el sistema completo.
Para los cálculos financieros críticos implementamos validaciones en múltiples capas: el agente calcula, un segundo proceso verifica, y cualquier discrepancia mayor al 0.5% genera una alerta para revisión humana.
Resultados
Lo que aprendimos
La clave del éxito no fue la tecnología sino el diseño del proceso. Antes de escribir una línea de código, pasamos dos semanas mapeando el flujo de trabajo actual, identificando todos los casos edge (alumnos que pausan, reembolsos, períodos con pérdidas netas) y definiendo las reglas de negocio con precisión quirúrgica.
Los sistemas de IA para operaciones financieras requieren auditoría completa de cada decisión. Cada cálculo queda registrado con su cadena de razonamiento, lo que permite auditar cualquier discrepancia y generar reportes de compliance.
Si tu negocio tiene operaciones repetitivas que hoy dependen de hojas de cálculo y mensajes manuales, es candidato para automatización con IA.