Las fintech de Argentina y LATAM fueron de las primeras en subirse a la ola de la IA. Tienen la cultura, el talento y la presión competitiva para hacerlo. Y aún así, en la mayoría pasa lo mismo que en cualquier otra empresa: se compró la licencia, se hizo la charla, se armó el comité de innovación — y el trabajo real del equipo sigue casi igual que hace un año.
El problema no es que las fintech no usen IA. Es que la usan suelta: cada uno con su ChatGPT abierto en otra pestaña, sin método, sin nada que quede instalado. Implementar IA en una fintech en serio es otra cosa — que un proceso que antes tardaba días tarde minutos, y que esa capacidad quede en el equipo, no en la cabeza de una persona. Esta guía es el mapa de dónde y cómo.
Por qué una fintech tiene un problema distinto
Una fintech no es una empresa de software cualquiera ni una empresa tradicional que "quiere digitalizarse". Tiene una combinación puntual que hace que la IA rinda muchísimo — si se implementa bien.
Volumen y repetición. Campañas de marketing por país y por segmento, reportes de performance, reconciliaciones, análisis de cohortes, respuestas de soporte. Un montón de trabajo que se repite con variaciones — exactamente el tipo de tarea donde un buen sistema de IA multiplica.
Velocidad como ventaja. En fintech el que llega primero al mercado gana. Los ciclos largos —semanas para sacar una campaña, días para armar un reporte— no son un detalle operativo: son plata que se deja sobre la mesa.
Multi-país y multi-producto. La misma pieza tiene que salir en varios mercados, con variables dinámicas, regulaciones distintas y tono adaptado. Coordinar eso a mano es donde se va el tiempo — y donde un sistema estructurado brilla.
Contexto regulado. Lejos de ser un obstáculo, es un argumento a favor del método correcto: cuando la IA se construye sobre una estructura explícita —qué información va dónde, qué criterio se aplica, qué revisa un humano en cada paso— la lógica queda auditable. Eso es más defendible que diez personas improvisando prompts distintos.
El caso: PedidosYa, de días a 10 minutos
Manuela Fernández del Tejo es Fintech Marketing Strategist en PedidosYa. Su equipo tardaba días en armar un email de marketing: desde la idea hasta el HTML final listo para Braze, pasando por contenido, diseño y maquetado — un pipeline que cruzaba tres equipos y se estiraba por el dinamismo del día a día y la cantidad de países.
Se sentó a una sesión de Mate & Build sin fe. Textual: pensó que le íbamos a resolver un 80% del problema. Tres horas después, su equipo armaba ese mismo email en 10 minutos.
"Pensé que iba a solucionarme un 80%, pero la verdad que fue un 98. Increíble."
Lo interesante es cómo. No automatizamos "la escritura del email". Cuando desarmamos el proceso paso a paso, apareció lo que el ritmo cotidiano nunca deja ver: el tiempo no se iba en redactar, se iba en todo el pipeline — estructurar, escribir para múltiples segmentos con variables dinámicas de Braze, convertir a HTML production-ready compatible con Outlook, Gmail y Apple Mail, cargar con los custom attributes correctos.
Construimos un sistema de dos skills separados en Claude Code —uno que redacta el contenido, otro que lo convierte a HTML— más un archivo de referencia permanente que ambos consultan como fuente de verdad. Y le agregamos una capa de aprendizaje: cada error que el sistema comete se guarda como lesson y no se repite. El sistema que Manu se llevó no es el mismo que va a tener en un mes: cada mail que genera lo mejora. Podés leer el caso completo de PedidosYa acá.
No es el único equipo de una fintech con el que construimos: también estamos trabajando con una fintech líder de la región dentro de Corporate. La foto es consistente — el cuello de botella casi nunca está donde el brief dice que está.
Dónde rinde la IA en una fintech
Más allá del caso puntual, estos son los frentes donde una fintech de LATAM suele encontrar el mayor retorno rápido:
Marketing y growth. Armado de campañas y emails multi-país, adaptación por segmento, generación de variantes creativas, análisis de performance. Es donde vimos los saltos más grandes de velocidad.
Operaciones. Reportes recurrentes, reconciliaciones, coordinación entre áreas, documentación de procesos. Todo lo que hoy consume horas de gente cara haciendo tareas de bajo criterio.
Producto y análisis. Procesamiento de feedback, síntesis de research, exploración de datos en lenguaje natural, borradores de especificaciones.
Soporte y riesgo. Clasificación y borradores de respuesta, resúmenes de casos, apoyo a la revisión — siempre con humano en el punto de decisión, que en un contexto regulado no es opcional.
El error más común en fintech
La trampa clásica de una fintech con recursos es querer arrancar por lo grande: "montemos una plataforma de IA para toda la compañía", "contratemos un Head of AI y armemos el equipo". Suena serio, y casi siempre termina en meses de discovery sin un solo proceso que hoy funcione distinto.
Lo que funciona es al revés: elegir un problema concreto que se repite todas las semanas, construir algo que lo resuelva sobre ese caso, dejar la capacidad en el equipo, y recién después escalar. La velocidad de una fintech juega a favor si se la usa para iterar rápido sobre casos reales, no para planificar transformaciones que nunca aterrizan.
Cómo empezar
No hace falta un plan de transformación de seis meses para dar el primer paso real.
1. Elegí un proceso, no una herramienta. Una tarea que tu equipo repite todas las semanas y consume horas. Ese es el mejor primer caso.
2. Construí sobre ese caso hasta que funcione. Un solo flujo, instalado bien, vale más que diez pilotos a medias.
3. Dejá que la capacidad quede en tu gente. Los que ejecutan el trabajo todos los días tienen que salir sabiendo construir, no habiendo visto una demo.
4. Elegí el formato según cómo esté tu equipo. Si arranca de cero, una capacitación de IA in-company. Si querés adopción a escala, un buildathon in-company. Si después queda un problema puntual para atacar a fondo, un workshop de profundización. Si necesitás capacidad sostenida sin armar un equipo interno, un equipo extendido de IA.
Cierre
La IA para fintech no es un problema de herramientas: las fintech ya tienen las mejores. Es un problema de método — que el equipo resuelva problemas reales con IA y la capacidad quede instalada, sobre una estructura que se sostiene aunque cambie el modelo, el mercado o la persona. Ese método es el mismo en todos los casos: Folder Structure, File System y después la IA.
El paso siguiente es elegir por dónde empezar. Mirá el buildathon in-company y arrancá por el escalón que va con tu equipo hoy.
Learn by Doing. 🧉