La mayoría de los equipos de pagos empresariales operan de manera reactiva. Si un procesador falla, alguien debe apresurarse a redirigir el tráfico. Si las tasas de aprobación caen en un segmento clave, toma días identificar la causa. Un nuevo método de pago gana terreno en el mercado, pero habilitarlo puede requerir varias semanas de trabajo de ingeniería. El equipo dedica su tiempo a reparar lo que ya se rompió en lugar de identificar proactivamente dónde se puede mejorar el rendimiento y actuar antes de que se pierdan ingresos.
Este no es un problema de personal, sino de infraestructura. Y la IA agéntica está diseñada específicamente para resolverlo.
Los sistemas de IA agéntica no solo asisten; actúan. Planifican secuencias de acciones, las ejecutan a través de múltiples sistemas y se adaptan según los resultados sin requerir intervención humana en cada paso.
Esta distinción es importante porque la mayor parte de la IA empresarial no ha cumplido sus promesas. El informe State of AI 2025 de McKinsey revela una realidad contundente: el 88% de las organizaciones utiliza IA en al menos una función empresarial, pero más del 80% reporta que no hay un impacto tangible en el EBIT a nivel corporativo. Solo alrededor del 6% califica como de alto rendimiento y obtiene retornos financieros reales. El patrón es consistente en todas las industrias. Las empresas adoptaron chatbots y copilotos que ayudan a las personas a trabajar más rápido, pero esas herramientas no transforman los procesos donde realmente se crea o se pierde valor. Un chatbot ayuda a un analista a redactar un informe, pero no monitorea las tasas de aprobación en cinco procesadores, no detecta un pico en los rechazos, no redirige transacciones automáticamente ni señala el patrón para su revisión.
Esa es precisamente la brecha que cierra la IA agéntica. Aplicada a los pagos, transforma la función de un centro de costos que reacciona ante fallas a una capacidad estratégica que optimiza continuamente el rendimiento, mejora las tasas de aceptación e identifica oportunidades de crecimiento antes de que sean visibles en un informe semanal.
Porque los datos necesarios para actuar de forma proactiva están atrapados en silos y los procesos para interpretarlos siguen siendo mayoritariamente manuales.
El comerciante empresarial típico utiliza múltiples procesadores, cada uno con su propio panel de control, formato de informes y definiciones. Cuando algo sale mal, el equipo extrae datos de cada proveedor manualmente, los normaliza en hojas de cálculo y diagnostica el problema después de los hechos. Para cuando identifican la causa raíz, los ingresos ya se han perdido. Y dada la cantidad de variables involucradas en los pagos —desde el comportamiento del procesador y los tipos de tarjeta hasta geografías, métodos de pago y señales de fraude—, hacer esto a escala es simplemente imposible sin los sistemas adecuados.
Un sistema agéntico cambia esto por completo. Considere este escenario: las tasas de aprobación para un rango de BIN específico caen un 4% a través del Proveedor A durante las últimas seis horas. En una configuración tradicional, este patrón aparece días después en un informe semanal, si es que aparece. Un sistema agéntico detecta la caída en tiempo real, evalúa si el Proveedor B o C tiene un mejor rendimiento para ese rango de BIN, redirige las transacciones afectadas automáticamente y envía al equipo un resumen claro de qué cambió, qué hizo y por qué. La pérdida se detiene en el momento en que surge el patrón, no días después cuando alguien se percata por casualidad.
Porque cada hora de retraso tiene un costo monetario asociado.
En marketing, un ciclo de optimización lento cuesta eficiencia. En pagos, cuesta ingresos, transacción por transacción, en tiempo real. Y lo que está en juego es cada vez mayor. Las tarifas de procesamiento de tarjetas en EE. UU. alcanzaron los 198.25 mil millones de dólares entre 2024 y 2025, según la Merchants Payments Coalition. Cada punto básico de costo innecesario y cada rechazo recuperable que pasa desapercibido representa una erosión directa del margen.
El desafío es que las variables que impulsan esos resultados —rendimiento del procesador, tasas de aprobación a nivel de BIN, lógica de enrutamiento, umbrales de fraude y costo por transacción— cambian constantemente e interactúan entre sí de formas imposibles de rastrear manualmente a escala. Un equipo de pagos que revisa el rendimiento en reuniones semanales y ajusta las reglas manualmente no puede seguir el ritmo de un panorama que cambia a diario. La IA agéntica sí puede, porque monitorea, decide y actúa continuamente, sin depender de un horario humano.
Más cerca de lo que la mayoría de los líderes de pagos creen, y la ventana de oportunidad para actuar se está cerrando.
Gartner predice que el 40% de las aplicaciones empresariales incluirán agentes de IA específicos para tareas para finales de 2026, un salto drástico desde menos del 5% en 2025. Ese ritmo de adopción indica que la IA agéntica está pasando de los laboratorios de innovación a las operaciones comerciales principales en un solo año. La encuesta de McKinsey confirma esta trayectoria: el 62% de las organizaciones ya trabaja con agentes de IA y el 23% los está escalando en al menos una función empresarial.
En pagos específicamente, el cambio se está acelerando aún más. Visa predice que millones de consumidores utilizarán agentes de IA para completar compras para la temporada navideña de 2026. Mastercard completó su primera transacción de pago agéntica en vivo en septiembre de 2025. Las redes de tarjetas, los procesadores y las plataformas están construyendo la infraestructura para un mundo donde los agentes de IA no solo asisten al comercio, sino que lo inician.
La brecha entre experimentar y escalar sigue siendo amplia, y todo se reduce a la infraestructura. Las organizaciones que verán retornos reales serán aquellas cuya pila de pagos subyacente pueda soportar la toma de decisiones autónoma a la velocidad y escala que los pagos exigen.
DEUNA ya aplica inteligencia artificial agente en las operaciones de pago a través de Athia, su motor de inteligencia de pagos.
Athia no es un tablero de control. Es un motor de razonamiento basado en aprendizaje automático que opera con datos de pago, fraude y procesos de compra de todos los proveedores en su infraestructura. Identifica dónde se pierden tasas de aprobación, las causas y las acciones correctivas antes de que el problema aparezca en un reporte mensual. Desarrollada sobre la plataforma de orquestación de DEUNA, que conecta a más de 400 proveedores mediante una sola integración, Athia transforma las operaciones de pago reactivas en una optimización continua.
