Por Roberto H.
Es innegable que estamos en un momento extraño: venimos de una amplia oleada de soluciones y productos basados en financieras tecnológicas que cada vez abrazan con más sencillez la inteligencia artificial.
En 2025 ya no sólo se trata de la automatización de procesos o de manejo de datos sino también de la protección de transacciones, perfiles, velocidad en la originación y en general una personalización con el cliente al centro de todo ello. Para los lectores de El Publicista esto ya no es una visión futurista como lo que en aquellos tiempos llegamos a mirar en “Los Súpersónicos” sino una realidad que esta alcanzándonos todos los días. En este artículo que presenta algunas cifras clave y ejemplos reales de estos cambios, comprenderemos un poco mejor este paradigma.
1. El mercado mexicano, en plena expansión
La integración de IA en servicios financieros es cada vez más amplia. De acuerdo con Straits Research, el mercado global de IA en fintech valía 15.4 mil millones de dólares en 2024 y crecerá hasta 17.93 mil millones en 2025 para superar los 60 mil millones en 2033, con un crecimiento anual compuesto de 16.45 % en una de las pocas industrias con crecimientos a doble dígito [ver]. En paralelo, IDC estima que la inversión en IA aplicada a finanzas alcanzará 630 mil millones de dólares para 2028, cifra que refleja la apuesta de bancos y startups por automatizar procesos y mejorar su competitividad a nivel global, y que debería ser seguido de cerca en nuestro país [ver].
El auge de la IA generativa nos merece una mención aparte que está a la vista: la consultora Coherent Solutions calcula que este nicho crecerá de 1.61 mil millones de dólares en 2024 a 2.17 mil millones en 2025 (tasa anual de 35.3 %) que es incluso más agresiva que los datos previos [ver]. Más revelador que el punto anterior, 91 % de las instituciones financieras ya evalúa o usa soluciones de IA [ver], un indicador de madurez que hasta hace pocos años parecía lejano pero que es muy interesante de observar toda vez que este indicador contempla instituciones financieras tradicionales y fintech.
2. Hacia una mayor inclusión financiera…
Las fintech latinoamericanas han ganado terreno ofreciendo créditos rápidos a segmentos antes invisibles, bancarizando a su modo a grupos poblacionales que durante años fueron desdeñados por las instituciones tradicionales. La clave en este punto es entender que los modelos de IA procesan miles de variables —historial de pagos, uso del celular, incluso patrones de redes sociales— para valorar mejor el riesgo crediticio. Ejemplos concretos:
- Zest AI ayuda a prestadores de créditos de autos a evaluar a sus clientes con escaso historial crediticio. Gracias al aprendizaje automático, sus clientes reducen pérdidas hasta un 23 % y bajan sus pérdidas totales en más de 25 %[ver].
- Upstart utiliza IA para analizar más de mil variables por solicitante y otorgar préstamos a personas que la banca tradicional rechaza. Así amplía el acceso al crédito sin disparar la mora mediante análisis de comportamientos.
- En México, empresas como Kueski combinan big data y modelos de IA para autorizar microcréditos en minutos; su ventaja competitiva es la capacidad de captar patrones locales y de comportamiento que les permiten reducir el riesgo de fraude.
Al mismo tiempo, McKinsey observa que el 20 % de los responsables de riesgo crediticio ya utiliza IA generativa como parte de sus procesos de análisis y valoración. Por otro lado un 60 % planea integrarla en un año [ver].
3. La IA como escudo contra fraudes…
Hace apenas algunos meses entrevistamos en El Publicista a Juan Manuel Luna de App Dome y nos contaba sobre una interesante forma en la que protegían las operaciones en línea. El fraude digital avanza tan rápido como las fintech, pero la IA se ha convertido en la mejor arma para detectarlo. En 2024, uno de cada tres consumidores sufrió estafas por transferencias instantáneas y los fraudes de pago autorizado podrían alcanzar 6.8 mil millones de dólares en 2027 de forma global [ver]. Frente a este panorama, los modelos de IA analizan millones de transacciones en tiempo real y detectan anomalías casi al instante.
Un ejemplo es Oscilar o App Dome, plataformas de riesgo que unifican miles de señales —patrones de red, huellas de dispositivo y comportamiento a través de un modelo en capas sumamente interesante que sirve para detectar fraudes en menos de 100 milisegundos.
Usado como una capa adicional sus clientes reportan reducciones del 75 % en pérdidas por fraude, 60 % menos tiempo de investigación y una caída de 40 % en falsos positivos [ver]. Otro caso: las soluciones de TechVerdi mejoran la precisión en detección de fraude al 92 % frente al 78 % de 2024, aceleran la aprobación de créditos en un 53 % y ahorran 8 millones de dólares al año por banco en atención al cliente [ver].
Mastercard y PayPal también utilizan redes neuronales para revisar transacciones; los sistemas se entrenan con miles de millones de operaciones, identifican patrones de comportamiento y bloquean pagos sospechosos en milisegundos, reduciendo dramáticamente las pérdidas. Tenemos mucho que aprender como banca no tradicional, pero al mismo tiempo tanto que compartir [ver].
Concluyendo…
Lo que estamos viendo no es una moda ni una disrupción temporal que pronto pasaría. La inteligencia artificial no solo está haciendo más eficientes a las Fintech y a otras industrias a lo largo de nuestro país: sino que las está redefiniendo desde dentro, permitiéndoles tomar decisiones más informadas, más rápidas y —quizá lo más importante— más humanas en su impacto. Estamos me parece, en la antesala de una hiper personalización potenciada por datos y tecnología en torno a los productos financieros.
En el pasado evento de Finvero lo observamos: un algoritmo permite que alguien sin historial acceda a un crédito. O bien previene que una familia pierda dinero por fraude. Este tipo de invervenciones, son al final una innovación con propósito.
