Pagos con agentes de IA: el piloto que cambia fintech

Santander y Visa completaron en la región uno de esos pilotos que conviene mirar dos veces. No porque se trate de una demo bonita, sino porque apunta a un cambio práctico: pasar de asistentes que responden preguntas a agentes de IA que pueden iniciar pagos con reglas, permisos y trazabilidad.

Eso cambia la conversación en fintech. Hasta ahora, la IA en banca y pagos se usaba sobre todo para atención al cliente, detección de fraude, clasificación de tickets o ayuda interna. Con este tipo de pruebas, el software deja de sugerir y empieza a ejecutar. Y cuando hablamos de dinero, ejecutar no es un detalle menor.

Qué probó Santander con Visa y por qué importa

El piloto se enmarca en la idea de pagos gestionados por agentes de IA, una categoría que está ganando tracción en la industria financiera. La lógica es simple: un agente no solo entiende una instrucción en lenguaje natural, sino que puede completar una acción transaccional dentro de límites definidos por el usuario, el comercio o el banco.

En el caso reportado por la prensa financiera regional, Santander y Visa completaron los primeros pagos de este tipo en América Latina. No estamos hablando de una billetera que paga sola sin control. Estamos hablando de un flujo donde el agente actúa bajo reglas explícitas, con validaciones y con capacidad de auditoría. Eso es lo que lo separa de un chatbot común.

De asistente a ejecutor

Un asistente de IA te puede decir cuánto gastaste el mes pasado, sugerirte una tarjeta o explicarte cómo reclamar un cargo. Un agente de IA, en cambio, puede tomar una instrucción como “paga esta suscripción” o “compra este producto cuando baje de precio” y completar el flujo si cumple las condiciones autorizadas.

La diferencia no es semántica. Es operativa. Si el sistema puede iniciar una compra, entonces entra en juego un conjunto de controles que normalmente se asocian a pagos tradicionales: autenticación, límites, tokenización, confirmación y registro de eventos.

Por qué este piloto es relevante para LatAm

En América Latina, los pagos digitales crecieron por una mezcla de necesidad y conveniencia. La región adoptó transferencias instantáneas, QR, billeteras y compras en línea a ritmos distintos según el país. Pero la fricción sigue ahí: formularios, autenticación repetitiva, abandono de carrito, y muchos pasos manuales para tareas simples.

Un agente bien diseñado puede reducir esa fricción, pero solo si el ecosistema lo permite. Por eso importa que un banco grande y una red de pagos global prueben esto en conjunto. No es lo mismo lanzar una app aislada que integrar el flujo en la infraestructura de pagos existente.

Cómo funciona un pago con agentes de IA

A nivel práctico, un pago con agente mezcla tres capas: intención, autorización y ejecución. Tú le das una instrucción, el sistema verifica si esa instrucción cae dentro de las políticas permitidas y, si pasa el filtro, ejecuta la transacción a través de la red de pagos correspondiente.

El punto clave es que el agente no debería tener acceso libre a tu dinero. Debería operar con permisos acotados, como un empleado con credenciales limitadas. Si el usuario autoriza compras de hasta cierto monto, en determinados comercios o bajo condiciones específicas, el agente solo puede actuar dentro de ese perímetro.

Flujo típico de extremo a extremo

1. Tú defines una regla, por ejemplo: comprar un artículo solo si cuesta menos de cierto monto.
2. El agente monitorea una fuente de datos, como una tienda o un evento de precio.
3. Cuando se cumple la condición, el agente prepara la transacción.
4. El sistema pide autenticación o valida un token previamente autorizado.
5. La red de pagos procesa el cargo.
6. El usuario recibe trazabilidad: quién inició la acción, cuándo, por qué y con qué permiso.

Ese flujo parece simple, pero cada paso tiene implicancias técnicas y regulatorias. Si falla la autenticación, no hay pago. Si falla la trazabilidad, no hay auditoría. Si el permiso es demasiado amplio, se abre una puerta de riesgo.

Qué controles necesita

La base de seguridad no cambia tanto como podría parecer. Lo que cambia es quién dispara la acción. Por eso el diseño debería apoyarse en controles ya conocidos por la industria:

• autenticación fuerte del usuario;
• límites de monto y frecuencia;
• tokenización de credenciales;
• monitoreo antifraude en tiempo real;
• trazabilidad de eventos y consentimiento;
• posibilidad de revocar permisos al instante.

Visa tiene documentación pública sobre tokenización y pagos digitales en su centro de desarrolladores, que sirve como referencia para entender la infraestructura detrás de estos flujos: https://developer.visa.com/

Santander, por su parte, viene empujando iniciativas de digitalización y automatización en varios mercados. No hace falta asumir detalles no publicados: lo relevante aquí es que un banco de escala regional entre en este tipo de pruebas le da otra estatura al piloto.

Seguridad, trazabilidad y riesgo operativo

Si un agente puede iniciar pagos, la pregunta obvia es quién responde cuando algo sale mal. Y esa pregunta no se resuelve con marketing. Se resuelve con diseño de producto, controles de fraude y una arquitectura que deje evidencia clara de cada acción.

La trazabilidad es el centro del asunto. En un pago tradicional, tú apruebas o no apruebas. En un pago con agente, además necesitas saber qué instrucción originó la compra, qué modelo tomó la decisión, qué datos usó y bajo qué política se ejecutó.

Qué cambia frente a una compra manual

En una compra manual, el usuario ve el monto, confirma y listo. En una compra gestionada por agente, el sistema puede actuar en segundo plano, lo que obliga a registrar más contexto. Eso incluye logs de decisión, identificadores de sesión, estado del consentimiento y respuesta de la red de pagos.

También cambia el modelo de fraude. Un atacante ya no solo intentará robar una tarjeta. Podría intentar manipular la instrucción, alterar una política o inducir al agente a ejecutar una compra no deseada. Por eso el control de prompts, permisos y validaciones es tan importante como el antifraude clásico.

Riesgos concretos que el piloto ayuda a ordenar

Según la documentación oficial de OpenAI sobre tool use y funciones, los modelos pueden operar mejor cuando la acción crítica está separada de la generación de texto y pasa por herramientas controladas: https://platform.openai.com/docs/

Ese mismo principio aplica aquí. El modelo puede razonar, pero la ejecución del pago no debería depender de una respuesta libre del lenguaje. Debería pasar por una capa transaccional con reglas duras.

Qué significa para fintech, bancos y comercios

Para fintech, este tipo de piloto abre una línea de producto nueva. Ya no se trata solo de ofrecer pagos más rápidos, sino de crear experiencias donde el usuario delega tareas repetitivas a un agente con permisos acotados. Eso puede servir para compras recurrentes, reabastecimiento automático, pago de suscripciones o gestión de gastos de negocio.

Para bancos, el reto es doble. Por un lado, tienen que proteger la cuenta y cumplir regulación. Por otro, no quieren quedar fuera de una capa de interacción que puede convertirse en la nueva interfaz de pago. Si el usuario le habla a un agente y el agente resuelve la operación, el banco sigue siendo el riel financiero, pero ya no necesariamente la pantalla principal.

Casos de uso que sí tienen sentido hoy

Hay usos donde la propuesta encaja mejor porque el riesgo es acotado y el beneficio es claro:

• renovaciones de suscripciones con tope de gasto;
• compras recurrentes de insumos para pymes;
• monitoreo de precios con compra automática bajo condiciones;
• pagos de servicios con validación previa;
• reembolsos o ajustes internos con aprobación humana.

En todos esos casos, el valor está en quitar pasos manuales, no en dejar que la IA decida libremente sobre dinero ilimitado. Si lo planteas así, el negocio se entiende mejor y el riesgo se vuelve manejable.

Lo que todavía falta resolver

Todavía hay preguntas abiertas. ¿Qué pasa si el usuario da una instrucción vaga? ¿Cómo se revoca una autorización ya emitida? ¿Qué nivel de responsabilidad asume cada actor, el banco, la red de pagos, el comercio y el proveedor de IA?

Ahí está la verdadera discusión de producto y compliance. El piloto demuestra viabilidad técnica, pero la escalabilidad depende de contratos, reglas operativas y experiencia de usuario. Si ese andamiaje no existe, el sistema se queda en demo.

El impacto en la experiencia de pago

La promesa más útil de los agentes no es que “piensen” por ti, sino que eliminen fricción en tareas de bajo valor. Si hoy renovar una suscripción te toma cinco clics, mañana podrías decirle al agente que la gestione dentro de un presupuesto y con alerta posterior. Eso sí cambia la experiencia.

En comercio electrónico, el potencial es todavía más visible. Un agente podría comparar opciones, verificar stock, aplicar un cupón y completar la compra sin que tengas que rellenar formularios cada vez. Pero para que eso funcione, el comercio tiene que exponer interfaces claras y la red de pagos tiene que aceptar el flujo.

Qué debería notar el usuario

Idealmente, tú deberías ver tres cosas muy claras:

1. qué puede hacer el agente;
2. cuánto puede gastar;
3. cómo desactivar el permiso.

Si eso no está visible desde el inicio, el producto pierde confianza. Y sin confianza, un agente que mueve dinero no escala.

Qué deberían medir las empresas

Si trabajas en fintech o producto, no mires solo el volumen de transacciones. Mira métricas más concretas:

• tasa de autorización exitosa;
• tiempo promedio desde intención hasta pago;
• porcentaje de pagos revertidos o disputados;
• número de permisos revocados por el usuario;
• tasa de abandono antes de la ejecución.

Esas métricas te dicen si el agente está ayudando o si solo agrega complejidad. En pagos, la adopción no se gana por novedad, sino por menos fricción y menos error.

Qué viene después del piloto

El piloto de Santander y Visa no significa que mañana todos los pagos en la región se harán con agentes. Sí marca una dirección: la IA ya no se limita a recomendar o responder, también puede participar en la ejecución financiera con controles más serios que los de una simple interfaz conversacional.

Para América Latina, eso puede traducirse en nuevas capas de automatización sobre infraestructura ya existente. No necesitas inventar un sistema de pagos desde cero. Necesitas integrar agentes con reglas claras, APIs bien diseñadas y mecanismos de seguridad que no dependan de la buena fe del modelo.

Si la industria lo hace bien, el siguiente paso no será “pagar con IA” como una frase vacía. Será automatizar tareas financieras concretas con permisos limitados, auditoría completa y reversibilidad. Ahí está el valor real.

Tabla resumen