Pregúntele a un líder de pagos si su empresa usa IA, y la respuesta será casi con seguridad que sí. Pregúntele si eso cambió el P&L, y la conversación se vuelve mucho más complicada.
Los números reflejan esa tensión. En la encuesta State of AI 2026 de McKinsey, casi el 90% de los encuestados dice usar IA de forma habitual, pero solo el 37% le atribuye algún impacto en el EBIT. La adopción ya no es el desafío. Los resultados sí.
Una gran oportunidad, con una salvedad
Pocos sectores tienen tanto por ganar como el de pagos. McKinsey estima que la IA generativa y agéntica podría liberar hasta 110.000 millones de dólares al año en productividad operativa en todo el sector.
Hay, sin embargo, un detalle que suele sorprender a los ejecutivos. Incluso cuando la IA elimina más del 60% de las tareas operativas, la reducción neta de costos suele ubicarse entre el 15% y el 20%. La brecha entre esas dos cifras explica por qué tantas iniciativas de IA se ven prometedoras en un piloto y decepcionantes en el presupuesto. También señala qué están haciendo distinto las empresas que capturan más valor, que es donde arranca el Playbook N.º 1 de DEUNA.
Dónde encaja realmente la IA en una operación de pagos
En vez de tratar la IA como una sola iniciativa, el playbook la divide en tres áreas, cada una con sus propios desafíos.
La primera es la inteligencia de pagos, y empieza mucho antes de que se despliegue cualquier modelo. Cuando cada procesador, acquirer y método de pago reporta a su manera, incluso una pregunta simple sobre la tasa de aprobación de la semana pasada puede tardar días en responderse. Según el Merchant Risk Council, el 80% de los profesionales que trabajan en comercios enfrenta al menos un problema de datos o de tecnología. El playbook explica por qué este es el punto donde las iniciativas de IA en pagos suelen ganarse o perderse.
La segunda es la optimización del rendimiento. Detrás de cada pago hay una cadena de decisiones: qué métodos de pago mostrar, cómo procesar la transacción, hacia dónde enrutarla y si conviene reintentarla. Muchas de esas decisiones todavía dependen de reglas escritas hace meses, en un mercado que cambia todos los días. El playbook muestra cómo los agentes de IA abordan esas mismas decisiones transacción por transacción, y por qué un reintento bien elegido puede importar tanto como la ruta correcta.
La tercera es la automatización de procesos. Se proyecta que los chargebacks globales lleguen a 324 millones al año para 2028, y el back office ya absorbe buena parte de esa presión. ¿Qué partes de ese trabajo puede asumir la IA, y cuáles deberían quedar firmemente en manos del equipo? La respuesta es más matizada que “automatizar todo”.
La pregunta que hay que hacerse antes de darle autonomía a la IA
A medida que la IA pasa de recomendar a decidir, el control se vuelve el tema central. Gartner espera que más del 40% de los proyectos de IA agéntica se cancelen antes de que termine 2027, y entre los motivos están los controles de riesgo insuficientes. El playbook detalla las cuatro salvaguardas que las implementaciones exitosas de pagos ponen en marcha desde el primer día, incluida una que muchos equipos pasan por alto hasta que un modelo empieza a comportarse de forma inesperada.
¿Dónde está parada su operación?
El playbook cierra con una autoevaluación corta, pensada para completarse con su equipo. Tres preguntas alcanzan para mostrar cuál de las tres áreas representa hoy la mayor oportunidad para su operación.
