El convenio que se firma con el expediente vacío: alta de convenios empresariales con IA y MCP

El día que una funeraria grande gana un convenio con una empresa de cuatro mil empleados, una caja de compensación o una entidad pública, pasan dos cosas al mismo tiempo. La primera es visible y se celebra: hay firma, hay comunicado interno y hay una meta comercial cumplida. La segunda es invisible y nadie la mira: entre esa firma y el primer servicio hay un expediente que alguien tiene que dejar completo —tarifa por plan, porcentaje de cubrimiento, día de radicación de la cuenta de cobro, días de atraso tolerados, empresas asociadas, correos de novedades, listado de afiliados— y el sistema no obliga a llenar casi nada de eso.

El costo de ese expediente incompleto no aparece el día de la firma. Aparece cuatro meses después, cuando una familia llega a reclamar un servicio y el contrato figura en un estado que no corresponde, cuando la cuenta de cobro sale sin el porcentaje pactado, o cuando la cartera de ese convenio no se recauda porque nunca se definió a quién se le radica. Para entonces ya nadie asocia el problema con el alta.

Este artículo es un caso de uso concreto de inteligencia artificial conectada al ERP por MCP, escrito para la dirección comercial, la dirección de operaciones y la gerencia de convenios. No explica qué es MCP —para eso está la página del módulo SFUN MCP—: explica cómo se usa para responder una sola pregunta, ¿qué convenios tengo firmados con el expediente a medias?, y por qué la respuesta correcta se construye poniendo al modelo a leer y explicar, no a decidir.

1. El problema de negocio: el rigor está aguas abajo del punto donde se decide el dinero

Vale la pena mirar el contraste de cerca, porque es la mejor explicación de por qué este problema sobrevive en compañías bien gestionadas.

Cuando llega el archivo con los cuatro mil afiliados, el sistema lo trata con desconfianza deliberada. Ubica las columnas por encabezado y no por posición, agrupa las hojas por la cédula del titular, normaliza fechas y cédulas, y después compara cada valor contra los mismos catálogos que alimentan los desplegables —porque el archivo pudo abrirse en otra hoja de cálculo o armarse a mano, y el servidor no confía en su propia plantilla—. Si un municipio no pertenece al departamento que trae la fila, lo dice. Si el plan no admite el tipo de contrato, lo dice. Si el titular aparece como fallecido, lo dice. Si un servicio adicional está marcado para un beneficiario que no existe en la hoja de beneficiarios, lo dice. Y cuando termina, todavía no ha creado nada: puede simular la creación contrato por contrato dentro de un punto de retorno de la base de datos y revertirla, para que salgan a la luz los errores que solo aparecen al guardar.

Ahora mira el otro lado. El convenio que va a recibir esos cuatro mil afiliados es un documento con sesenta y tres campos de dato. De esos sesenta y tres, el sistema exige exactamente cinco para dejarlo guardar: el nombre, la empresa titular, la fecha del convenio, la modalidad de pago y el periodo de vencimiento. Todo lo demás es opcional. El porcentaje de cubrimiento es opcional. El día de radicación de la cuenta de cobro es opcional. El día de reporte de novedades es opcional. Los correos son opcionales. La tabla de planes es opcional, y dentro de ella —este es el detalle que más cuesta— ni el plan ni su valor son obligatorios: se puede dejar asociado un plan sin tarifa.

Esa es la anatomía del problema: no es negligencia del equipo comercial, es un formulario que no pregunta. Quien firma el convenio llena lo que el sistema le exige, guarda, y el documento queda técnicamente válido y operativamente vacío. Y como el convenio no es un documento que se confirme —no tiene estado de emisión—, no hay ningún momento posterior en el que alguien tenga que revisarlo.

Cuánto cuesta, según el sector que sí lo ha medido

Nadie ha publicado cuánto cuesta un expediente de convenio incompleto en el sector funerario latinoamericano. Pero hay una industria que lleva dos décadas midiendo exactamente este problema con datos censales, porque le va la caja en ello: la facturación hospitalaria frente a aseguradoras en Estados Unidos. Su hallazgo central es sorprendentemente aplicable.

• Sobre un censo de unos 102 millones de reclamos de más de 1.500 hospitales, el índice de denegaciones de Change Healthcare concluyó que cerca del 50 % de los rechazos —y el 100 % de los irrecuperables— se originan en el front-end, es decir, en el registro y la verificación de elegibilidad. La causa individual más frecuente fue precisamente esa: registro y elegibilidad, con el 27 %.
• Un estudio de Premier sobre 280 hospitales encontró que alrededor del 70 % de las denegaciones iniciales se revierte al apelar, tras unas tres rondas de revisión de 45 a 60 días y con un costo administrativo de 57,23 dólares por reclamo.
• Y sobre 52,8 millones de determinaciones de autorización previa de 2024, la Kaiser Family Foundation midió que el 80,7 % de las denegaciones apeladas se revierte, pero solo se apela el 11,5 %.

Junta las tres y sale la conclusión que importa aquí: si la enorme mayoría de los rechazos se cae cuando alguien los pelea, entonces casi nunca fueron desacuerdos sobre si el servicio correspondía: fueron fallas de prueba documental. Y como casi nadie tiene gente para pelearlos, ese dinero no se convierte en una disputa: se convierte en cartera que envejece hasta que nadie recuerda por qué no se cobró.

2. Qué datos del ERP intervienen

La buena noticia es que no hay que construir nada para empezar a medir: los datos existen y están expuestos. Lo que falta es la pregunta.

Los cinco primeros bloques están disponibles en lectura a través del conector. Eso basta para armar el caso completo sin desarrollar nada, que es la prueba de que este no es un proyecto sino una rutina.

3. Cómo se arma el caso con MCP, paso a paso

Paso 0. Escribir la definición de «expediente completo» antes de consultar nada

Este paso es el que decide si el caso funciona, y no es técnico. Un convenio no está completo «en general»: está completo para lo que tu operación va a necesitar de él. Reúne a la gerencia de convenios, a cartera y a facturación durante una hora y escriban una lista de condiciones verificables, cada una con su consecuencia. Algo así:

• Todo plan asociado al convenio tiene valor. Sin esto, la primera factura se emite con una tarifa improvisada.
• El porcentaje de cubrimiento está definido. Sin esto, la cuenta de cobro no sabe qué parte asume la empresa y qué parte el afiliado.
• Los días permitidos de atraso son mayores que cero. Sin esto, el estado de los contratos del convenio deja de actualizarse solo.
• Hay día de radicación de la cuenta de cobro y día de reporte de novedades. Sin esto, el ciclo mensual depende de que alguien se acuerde.
• Hay al menos un correo de contacto y un responsable de cobro. Sin esto, la novedad y la cuenta viajan por el canal personal de quien vendió.
• Si la modalidad de pago implica pagaduría o empresas asociadas, están cargadas.
• Si el convenio está vigente, tiene contratos. Un convenio firmado hace tres meses con cero contratos es un alta abandonada.
• La próxima fecha de renovación no está vencida.

Hay además una razón técnica, y es la más importante de todo el artículo: preguntarle a un modelo «¿falta algo?» es la forma equivocada de plantear la tarea, y hay medición sobre eso.

Por eso la lista del paso 0 no es burocracia previa. Es lo que convierte una tarea que el modelo hace mal —descubrir ausencias— en una que hace bien: recorrer una lista y marcar cada punto. Sin la lista, el caso de uso no funciona por mucho que mejore el modelo.

Paso 1. El inventario de lo que ya está firmado

Antes de vigilar las altas nuevas, mide la deuda acumulada. La consulta es directa: lista todos los convenios no deshabilitados de la compañía con los campos de la lista anterior, y marca por convenio qué condiciones incumple. En una operación mediana esto son decenas de convenios; en un grupo regional, cientos. El resultado no es un número: es una tabla ordenada por exposición, donde cada fila lleva el convenio, cuántos contratos y afiliados tiene detrás y qué le falta.

Ese orden importa. Un convenio incompleto con doce afiliados es una tarea administrativa; el mismo hueco en un convenio de cuatro mil es un riesgo de cartera. La primera corrida casi siempre produce la misma sorpresa: los convenios peor documentados suelen ser los más antiguos y los más grandes, porque se crearon cuando el volumen era menor y nadie volvió a abrirlos.

Paso 2. La conversación que convierte la tabla en decisión

Aquí es donde el asistente aporta de verdad, y conviene ser preciso sobre en qué. El modelo no decide si el convenio está completo: eso lo decide la lista del paso 0 evaluada contra los datos, que es una comparación determinista. Lo que el modelo hace bien es lo otro: agrupar ciento veinte hallazgos en cinco causas, traducir cada causa a su consecuencia operativa en el lenguaje del comité, asignar cada grupo a quien puede resolverlo y explicar por qué un convenio subió o bajó en la lista desde la semana pasada.

La diferencia se nota en la salida. Una consulta cruda devuelve ciento veinte filas que nadie lee. La conversación devuelve: «de los ciento veinte hallazgos, noventa y cuatro son de tres cosas —planes sin valor, días de atraso en cero y sin día de radicación—; los tres se arreglan en la pantalla del convenio; ochenta y uno están concentrados en once convenios que suman el sesenta por ciento de tus afiliados empresariales; empieza por esos once».

Paso 3. La compuerta del alta nueva

Con la deuda vieja en curso, cierra la llave para que no entre más. El disparador natural es el que ya existe en el proceso: el alta masiva de contratos. Antes de ejecutar el cargue de un convenio nuevo, el responsable pide la revisión del expediente de ese convenio y recibe la lista corta de lo que falta. No es una aprobación automática ni un bloqueo del sistema: es que la pregunta se haga antes, cuando corregirla cuesta cinco minutos, y no cuatro meses después.

Este orden —expediente del convenio primero, afiliados después— es el que evita el escenario peor: cuatro mil contratos creados correctamente, colgando de una cabecera que no sabe cuánto cobrar ni a quién radicarle.

Paso 4. Cerrar el círculo con el resultado del cargue

El alta masiva deja un rastro excelente: por cada fila queda el estado —válido, con novedad, ya cargado, creado, error o no incluido—, el código y la causa, el contrato generado y los totales de procesados, creados, omitidos y con error, junto con el usuario y la hora de ejecución. Ese rastro responde la pregunta que cierra el ciclo: ¿de los cuatro mil afiliados que la empresa reportó, cuántos quedaron realmente con contrato?

4. El bucle de mejora continua

Una auditoría que se corre una vez produce un informe. Lo que cambia el resultado es la cadencia. La que funciona en este caso tiene tres ritmos distintos, porque los tres problemas son distintos:

El bucle tiene una segunda vuelta, menos obvia y más valiosa: la lista del paso 0 también se corrige. Cada vez que un problema operativo real —una factura mal emitida, una cartera que no se recaudó— se rastrea hasta un campo vacío del convenio que la lista no exigía, ese campo entra a la lista. Y al revés: una condición que lleva seis meses sin producir un solo hallazgo útil, sale. Una lista que no cambia nunca dejó de reflejar la operación.

5. Gobierno y límites: lo que nunca se automatiza

Este caso tiene una tentación evidente y hay que nombrarla para descartarla: si el asistente ya sabe qué falta en el convenio, ¿por qué no dejar que lo complete? Porque los campos que faltan son precisamente los que fijan el dinero: el porcentaje de cubrimiento, la tarifa de cada plan, el descuento, la comisión. Un valor inventado en cualquiera de ellos no produce un error visible: produce facturas mal emitidas durante meses, con la apariencia de normalidad. Es el escenario opuesto al de un campo vacío, que al menos se nota.

• El asistente opera en lectura sobre el convenio. Encuentra el hueco, lo explica y lo prioriza. No lo llena.
• La tarifa, el cubrimiento, el descuento y la comisión los teclea una persona, con el contrato firmado a la vista. Son las cifras del acuerdo, no un dato derivable.
• El criterio de completitud no lo define el modelo. Sale del comité y queda escrito; ver el paso 0.
• El alcance del asistente es el que da el permiso del usuario que lo usa. Quien no ve un convenio en el sistema, tampoco lo ve a través del asistente. Esto no es una configuración aparte: es el mismo control de siempre.
• Los datos personales de los afiliados no entran en esta rutina. La auditoría del expediente trabaja sobre condiciones del convenio y conteos agregados. Para saber si un convenio tiene contratos no hace falta leer quiénes son.
• Nada de esto reemplaza la revisión jurídica del convenio. La rutina verifica que lo pactado esté registrado en el sistema, no que lo pactado sea conveniente.

Hay un principio más general detrás, y aplica a todo este cluster: el verificador tiene que ser algo distinto del modelo. Aquí el verificador es la lista escrita por el comité evaluada contra los datos del ERP —una comparación que da el mismo resultado todas las veces—. El modelo se usa para leer, agrupar, priorizar y explicar, que es donde aporta y donde equivocarse es barato. Lo desarrollamos en detalle en gobierno de agentes de IA en el ERP funerario y en acciones irreversibles y agentes de IA.

6. KPIs: línea base y meta

Cuatro indicadores bastan. Los cuatro se calculan con datos que ya existen, y los cuatro tienen que medirse antes de empezar, porque el valor del caso está en la diferencia.

7. Hoja de ruta de adopción

Errores comunes

• Pedirle al asistente que complete el convenio. Es el error caro de este caso. Un cubrimiento o una tarifa inventados no fallan: facturan mal durante meses.
• Dejar que el modelo defina qué es «completo». Produce una lista distinta en cada corrida y nadie responde por ella.
• Arrancar por los convenios pequeños porque son fáciles. El orden correcto es por afiliados detrás, no por dificultad.
• Cargar los afiliados antes de completar la cabecera. Crea miles de contratos colgando de un convenio que no sabe cobrar.
• Confundir «el convenio existe» con «el convenio está parametrizado». El documento se guarda con cinco campos; eso no dice nada sobre si sirve.
• Tratar los campos numéricos vacíos como inocuos. Un cero en los días permitidos de atraso no es «sin configurar»: es un proceso apagado para ese convenio.
• Convertir el informe en un tablero que nadie abre. El entregable es una lista corta asignada a una persona, con fecha.

Lo que otros sectores ya hacen con este mismo patrón

El patrón —un agente arma y revisa el expediente, una persona decide— no es nuevo ni exclusivo del sector funerario. Vale la pena mirarlo en industrias donde el expediente incompleto tiene consecuencias regulatorias, porque llevan más tiempo puliéndolo.

Las cifras que publican esas compañías describen su propia operación y no se pueden trasladar a una funeraria: lo replicable es la arquitectura, no el resultado. Y conviene retener el matiz que comparten todas: en ninguna el agente firma. Prepara.

Hay un hallazgo más, incómodo y por eso valioso: casi ningún caso publicado mide lo que de verdad importa aquí. Se mide el tiempo de lectura de los documentos, no la tasa de expedientes que quedan completos a la primera ni las idas y vueltas con la contraparte. El sector asegurador sí lleva años midiendo la documentación incompleta con nombre propio, pero ese dato circula solo entre los participantes del consorcio que lo produce. Lo que se publica abierto son rangos de proveedor sin muestra ni método.

Preguntas frecuentes

¿Cómo sé si mis convenios empresariales están bien parametrizados?

Escribe primero qué significa «bien parametrizado» para tu operación —tarifa por plan, cubrimiento, días de atraso, día de radicación, día de novedades, contacto y alcance— y después evalúa esa lista contra todos los convenios vigentes. La consulta es de lectura y se puede hacer con el asistente conectado al ERP por MCP. Lo que no funciona es pedir una valoración genérica: sin lista escrita, la respuesta cambia en cada corrida.

¿Puede un agente de IA cargar los afiliados de un convenio nuevo?

La carga en sí ya la resuelve el cargue masivo de contratos, que revisa cada fila contra decenas de reglas y simula la creación antes de escribir. Ese trabajo es determinista y no mejora poniéndole un modelo encima. Donde sí aporta la IA es alrededor: ayudar a mapear el archivo crudo que manda la empresa a la plantilla, explicar en lenguaje llano por qué se rechazaron ciertas filas y agrupar las causas para corregirlas de una vez.

¿Por qué no basta con hacer obligatorios todos los campos del convenio?

Porque no todos aplican a todos los convenios: los campos de libranza y pagaduría no tienen sentido en un convenio de recaudo directo, y volverlos obligatorios bloquearía altas legítimas. La completitud de un convenio es condicional a su modalidad, y eso es una regla de negocio, no una propiedad del formulario. Por eso la lista del paso 0 se escribe por modalidad.

¿Qué pasa si el convenio ya lleva años funcionando así?

Es el caso más común y no hay que dramatizarlo: si el convenio factura y recauda, la operación encontró un camino manual que funciona. El riesgo es que ese camino vive en la cabeza de una persona. La auditoría sirve para pasarlo al sistema antes de que esa persona cambie de rol, y para que el día que el volumen crezca no haya que inventarlo de nuevo.

¿Esto aplica igual en todos los países de Latinoamérica?

El caso de uso sí: la brecha entre lo que se firma y lo que queda registrado es independiente de la normativa. Lo que cambia por país es el contenido de algunas condiciones —los datos fiscales de la contraparte, el documento con el que se le factura y los plazos de radicación dependen de cada autoridad tributaria—. Esa parte se ajusta en la lista del paso 0, país por país.

¿Necesito un proyecto de integración para empezar?

No. Los datos del convenio, sus planes, sus empresas asociadas y sus contratos ya están disponibles en lectura a través del conector. El único desarrollo que este artículo propone —exponer el resultado del cargue masivo— es una mejora, no un requisito: sin ella el caso funciona completo salvo el cierre del círculo del paso 4.

En resumen

Un grupo funerario invierte mucho rigor en cargar bien cuatro mil afiliados y casi ninguno en la cabecera del convenio que los recibe, que es donde se decide cuánto se cobra y a quién. No es un descuido del equipo: es que el formulario no pregunta y el documento no se confirma. La rutina que cierra esa brecha no necesita desarrollo: necesita una lista de condiciones escrita por el comité, una consulta de lectura sobre datos que ya existen y la disciplina de hacer la pregunta antes del primer servicio y no cuatro meses después.

Y necesita una decisión de diseño que vale para todo el cluster: el asistente encuentra el hueco, lo explica y lo prioriza; la tarifa la teclea una persona con el contrato a la vista. La IA es excelente leyendo, agrupando y explicando. El dinero lo sigue fijando quien firmó.

Si quieres ver cómo se conecta esto con el resto de la operación, sigue por rentabilidad por convenio con IA y MCP, que mide el margen de cada convenio una vez que el expediente está completo, y por el módulo de previsión exequial, donde vive la operación de convenios y contratos.

Fuentes de este artículo

• S. Fox, L. Markham, R. Lail y M. Karotsieris — LLM Judges Verify Presence, Not Absence: Omission Blindness in AI Clinical Notes and What Recovers It, arXiv:2608.31016, 31 de agosto de 2026. Fuente de la discriminación de 0,79-0,94 en contenido añadido o alterado frente a 0,50-0,63 en omisiones, sobre 500 pares y ocho diseños de evaluador, y del remedio de enumerar y verificar punto por punto. Preprint, no arbitrado: arxiv.org.
• H. Y. Fu, A. Shrivastava, J. Moore, P. West y C. Tan — AbsenceBench: Language Models Can't Tell What's Missing, arXiv:2506.11440, 13 de junio de 2025. Fuente del mecanismo (la atención no puede apuntar a un hueco) y del hallazgo de que menos omisiones hacen la tarea más difícil. Preprint: arxiv.org.
• Seo, Kim y Kim — Journal of Medical Internet Research, 15 de junio de 2026, doi:10.2196/95877. Fuente de la caída de exactitud en casos indeterminables (44,6-70,3 %) y de su clasificación como elegibles en el 28,4-50 % de los casos, sobre 222 casos, 74 regímenes y 6 modelos. Revisado por pares; DOI validado en Crossref: doi.org/10.2196/95877.
• Qazi, Ali, Khawaja, Akhtar y Sheikh — NEJM AI, 23 de abril de 2026, doi:10.1056/aioa2501001. Ensayo aleatorizado simple ciego con 44 médicos formados en IA: diferencia ajustada de −14,0 puntos porcentuales (IC 95 % −8,3 a −19,7). Muestra pequeña, un solo país y viñetas clínicas; DOI validado en Crossref: doi.org/10.1056/aioa2501001.
• Change Healthcare — 2020 Revenue Cycle Denials Index, diciembre de 2020. Censo de unos 102 millones de reclamos de más de 1.500 hospitales: 50 % de las denegaciones y 100 % de las irrecuperables se originan en el front-end; registro y elegibilidad, 27 %. Publicado por un proveedor como material comercial, pero sobre transacciones reales, no encuesta: veradigm.com (PDF).
• Premier Inc. — Claims Adjudication Costs Providers $25.7 Billion, 24 de febrero de 2025. Fuente del ~70 % de reversión al apelar y del costo de 57,23 dólares por reclamo, sobre 280 hospitales de 23 estados. El agregado en miles de millones es una extrapolación, no una medición: premierinc.com.
• KFF — Medicare Advantage Insurers Made Nearly 53 Million Prior Authorization Determinations in 2024, 28 de enero de 2026. Fuente del 80,7 % de reversión de las denegaciones apeladas y del 11,5 % de tasa de apelación, sobre datos administrativos de CMS: kff.org.
• H. Chen, D. Metelski, L. Qi et al. — CHI-Bench: Can AI Agents Automate End-to-End, Long-Horizon, Policy-Rich Healthcare Workflows?, arXiv:2605.16679, 15 de mayo de 2026. Fuente del 28,0 % del mejor agente y del desglose de fallos (alucinación 0,8 %, acción final no ejecutada 23,3 %, pasos obligatorios omitidos 18,7 %), sobre 75 tareas y 87 herramientas expuestas por MCP. Preprint: arxiv.org.
• Stacklok — State of MCP in Financial Services 2026, diciembre de 2025. Fuente del 3 % de uso de MCP en producción amplia, sobre 100 responsables técnicos de servicios financieros. Encuesta autorreportada, encargada por un proveedor de seguridad para MCP: stacklok.com (PDF).
• OCBC — OCBC harnesses agentic AI to quicken onboarding of customers, 29 de julio de 2026: ocbc.com. Cytora — Zurich scales Agentic AI to 5 countries in 90 days, 18 de mayo de 2026: cytora.com. Google Cloud — Resistant AI document forensics (Payoneer, Habito), 5 de septiembre de 2023: cloud.google.com, y el caso de BharatPe: cloud.google.com. C. H. Robinson — Scales fleet of AI agents past 30, 2025: chrobinson.com.
• Advertencia de alcance: las cifras de resultado de OCBC, Zurich, Payoneer, BharatPe y C. H. Robinson provienen de comunicaciones de las propias compañías o de sus proveedores, sin muestra ni metodología publicadas, y describen sus operaciones, no las de una funeraria. Se citan por el patrón de arquitectura —el agente prepara el expediente, una persona decide—, no para estimar resultados. Las cifras de denegaciones son de otro sector, otro país y otro marco regulatorio: sirven para ubicar dónde nace el costo, no para dimensionarlo aquí. No existe ninguna cifra publicada con metodología auditable sobre completitud de expedientes de convenio en el sector funerario latinoamericano, ni sobre glosas en la región; es un hueco real de evidencia y así se declara.
• Las capacidades de SFUN descritas aquí se verificaron el 22 de septiembre de 2026 contra el código del producto: los campos y las reglas de validación del convenio y de su tabla de planes; el proceso recurrente que actualiza el estado de los contratos empresariales y su condición sobre los días permitidos de atraso; el catálogo de novedades del cargue masivo de contratos a convenio, su simulación con reversión y su registro por fila; y los doctypes de previsión expuestos al conector MCP. Lo que se presenta como hoja de ruta —exponer el documento del cargue masivo en lectura al conector— no existe hoy como función estándar.