Agentic Payments en LatAm: cuando la IA quiere pagar y la infraestructura no la deja

Un agente de IA consulta vuelos disponibles, elige el mejor precio, aplica el programa de millas del usuario y ejecuta la compra. Sin que el usuario toque nada. En mercados como Estados Unidos o Europa, eso ya existe en fragmentos. En América Latina, la distancia entre esa demo y la realidad es mucho más larga de lo que parece — y las razones no son técnicas en el sentido convencional. Son estructurales.

Pero hay una segunda lectura que casi nadie está haciendo: mientras la industria debate cuándo llegarán los agentes autónomos a LatAm, la inteligencia automatizada dentro de los flujos de pago ya está generando valor real. Solo que nadie la llama "agente".

Qué es un pago agéntico y por qué importa ahora

Un pago agéntico es una transacción donde la inteligencia artificial toma decisiones dentro del flujo de pago — desde elegir el mejor método y riel hasta ejecutar la transacción completa — actuando por delegación del usuario o del negocio.

La versión más visible es la del agente autónomo que compra por vos. Pero la versión que ya funciona en producción es menos glamorosa y más valiosa: lógica inteligente que optimiza, rutea, decide y adapta cada transacción en tiempo real sin intervención humana.

Ambas son pagos agénticos. La diferencia es que una depende de infraestructura que LatAm todavía no tiene. La otra corre sobre infraestructura que ya existe — y está generando resultados medibles hoy.

El futuro: agentes autónomos que compran por vos

Vale la pena entender hacia dónde va el mercado, porque el camino se recorre en etapas.

Aerolíneas. Un usuario le dice a su asistente de IA: "buscame el vuelo más barato a Ciudad de México para el viernes". El agente consulta disponibilidad en tiempo real, compara tarifas, verifica el saldo de millas y ejecuta la compra con la tarjeta guardada. El usuario recibe el itinerario por WhatsApp sin haber abierto ninguna app.

El problema: cuando esa transacción llega al procesador, no tiene las señales que los sistemas antifraude esperan. No hay dispositivo conocido, no hay patrón de navegación previo, no hay huella digital del usuario. El resultado más frecuente hoy es un rechazo por sospecha de fraude, aunque la intención sea completamente legítima.

Retail. Una plataforma de e-commerce integra un asistente que aprende los hábitos del usuario. Cuando detecta que el stock de su marca favorita de café está por agotarse, genera la recompra automáticamente. El usuario recibe un mensaje: "Te compré el café, llega el jueves". Pago ya procesado.

Para que eso funcione, el agente necesita consultar disponibilidad, validar el método de pago, calcular costos de envío y confirmar stock — todo antes de ejecutar. Cada consulta es una llamada a la infraestructura de pagos. La infraestructura actual no fue diseñada para ese volumen de consultas no transaccionales.

Delivery. Una app con IA aprende que todos los viernes a las 20hs el usuario pide sushi. A las 19:45, el agente hace el pedido automáticamente, elige el restaurante con mejor tiempo de entrega y procesa el pago.

La fricción aparece cuando el usuario tiene tres tarjetas guardadas y el agente tiene que decidir cuál usar, considerando límites disponibles, cashback activo y método preferido por el restaurante. Esa lógica de decisión requiere datos en tiempo real que hoy no están expuestos como API de forma estandarizada en la región.

Estos escenarios van a llegar. Pero requieren un salto de infraestructura, regulación y confianza del usuario que LatAm todavía está recorriendo.

Lo que ya funciona hoy: inteligencia invisible dentro de los pagos

Mientras el mercado espera al agente autónomo, la inteligencia automatizada dentro de la cadena de pagos ya está resolviendo problemas reales — sin que nadie la llame "agentic". Y es ahí donde está la oportunidad concreta para PSPs, PayFacs y plataformas en la región.

Delivery y marketplaces: split payments que se adaptan solos

El escenario visible es un bot que pide comida por vos. El escenario real es la lógica que en cada transacción decide cómo splitear un pago entre el marketplace, el restaurante, el rider y los impuestos de cada jurisdicción, optimizando por costo de procesamiento y velocidad de liquidación.

Eso ya existe. Lo que no existe aún en la mayoría de las implementaciones es que esa lógica sea adaptativa: que aprenda que ciertos comercios tienen mejor tasa de aprobación por un riel que por otro y rutee automáticamente. La diferencia entre split payments estáticos y split payments inteligentes son puntos de aprobación ganados y costo de procesamiento reducido — métricas que impactan directo en el margen de la operación.

Suscripciones y SaaS: recuperar revenue que se pierde en silencio

El escenario visible es un agente que gestiona tus suscripciones. El escenario real es la capa de inteligencia que detecta que una tarjeta va a fallar antes de que falle — por patrón de declinación, por fecha de vencimiento próxima, por comportamiento del emisor — y ejecuta la estrategia óptima de reintento: a qué hora, por qué riel, con qué tipo de mensaje al emisor.

En LatAm esto es crítico. Las tasas de churn involuntario por fallo de pago son significativamente más altas que en mercados maduros. Cada punto de recuperación en el ciclo de cobro recurrente es revenue que hoy se pierde sin que nadie lo registre como un problema de infraestructura. Retry inteligente (reintento automático y optimizado de cobros fallidos, eligiendo el mejor momento, riel y estrategia para maximizar la probabilidad de aprobación) y dunning automatizado (proceso automatizado de gestión de pagos vencidos o fallidos que incluye comunicaciones al cliente, recordatorios y acciones de recuperación escalonadas sin intervención humana) no suenan como "agentic payments", pero resuelven exactamente el mismo problema: tomar decisiones de pago óptimas sin intervención humana.

Lending y BNPL: crédito basado en lo que la persona realmente hace

El escenario visible es un agente que te consigue el mejor préstamo. El escenario real es un modelo que analiza el historial transaccional de un usuario a través de los comercios que procesan por la misma infraestructura, y genera un score de riesgo crediticio más preciso que cualquier bureau tradicional.

Esto es particularmente relevante en LatAm, donde existe una enorme población sub-bancarizada sin historial de crédito formal pero con comportamiento transaccional consistente. Un procesador que ve patrones cross-merchant puede habilitar crédito para segmentos que hoy están excluidos, con mejor predicción de default. El valor no es un agente que pide un préstamo por vos — es la inteligencia que decide a quién se le puede dar crédito basándose en datos que ninguna otra capa del stack tiene.

Travel y aerolíneas: cada transacción internacional es un problema de orquestación

El escenario visible es un asistente que compra tu vuelo. El escenario real es la capa que en tiempo real decide si conviene cobrar en moneda local o en dólares, por qué riel rutear según el BIN de la tarjeta, y cómo manejar el hold de autorización para un vuelo que se paga hoy pero se vuela en tres meses — con todo el riesgo de chargeback que eso implica.

En LatAm, donde las regulaciones de tipo de cambio y los costos cross-border varían dramáticamente por país, esta orquestación inteligente no es un nice-to-have. Es la diferencia entre una operación rentable y una que pierde dinero en cada transacción internacional. Optimizar eso automáticamente, en tiempo real, transacción por transacción, es inteligencia agéntica aplicada — aunque no tenga la forma de un chatbot.

Retail y e-commerce: fraude contextual, no reglas estáticas

El escenario visible es un agente comprando ropa por vos. El escenario real es un modelo de fraude que entiende contexto: una compra de 500 dólares a las 3 de la mañana desde una IP nueva es sospechosa para un merchant de indumentaria, pero completamente normal para uno de gaming.

Un procesador que ve transacciones cross-merchant puede construir perfiles de comportamiento que un comercio individual nunca podría replicar por su cuenta. El resultado es menos falsos rechazos sin aumentar el fraude real. En una región donde los false declines representan pérdidas significativas de revenue, reducir ese gap con inteligencia contextual tiene impacto directo en la conversión.

Por qué LatAm amplifica todo esto

LatAm no es un mercado. Es un mosaico de rieles de pago que evolucionaron de forma independiente en cada país durante décadas.

PIX en Brasil. SPEI en México. PSE, Nequi y Bre-B en Colombia. Yape y Plin en Perú. CBU y QR interoperable en Argentina. Cada uno con su propia lógica de liquidación, sus requisitos de identidad y sus tiempos de respuesta. Y encima de todo, tarjetas locales, tarjetas internacionales y billeteras digitales, cada una con sus particularidades por mercado.

Un agente — visible o invisible — que necesita operar en cinco países de LatAm no está integrando un mercado. Está integrando cinco. Y a diferencia de lo que pasa en Europa o Estados Unidos, no existe una capa de abstracción regional que unifique esa fragmentación.

Esa complejidad es exactamente lo que hace que la inteligencia automatizada sea más valiosa en LatAm que en cualquier otro mercado. Donde hay más variables, más rieles, más regulaciones y más fragmentación, hay más decisiones que tomar en cada transacción. Y más decisiones significa más oportunidades para que la inteligencia genere valor.

El problema de identidad que viene

Todos los sistemas de autenticación de pagos en la región fueron construidos asumiendo que hay una persona presente en el momento de la transacción. El OTP que llega al celular. El push de la app del banco. La validación biométrica. Todos requieren presencia activa del usuario.

Cuando un agente ejecuta un pago que el usuario autorizó dentro de un mandato más amplio, ese supuesto se rompe. La transacción llega sin las señales que los sistemas antifraude usan para establecer confianza. Y el resultado es rechazo.

Esto no es un problema de fraude. Es un problema de identidad agéntica: cómo el sistema verifica que ese pago fue realmente autorizado por el usuario, aunque el usuario no esté presente. Las redes de tarjetas están trabajando en protocolos para mercados maduros. Esa solución necesita adaptarse a las particularidades de LatAm, y los PSPs que participen en ese proceso de definición van a tener ventaja estructural.

Lo que tiene que cambiar — y lo que ya se puede hacer

Para que los agentes autónomos funcionen en LatAm se necesitan tres cosas que todavía no existen: una capa de abstracción multi-riel estandarizada, un framework de identidad agéntica adaptado a la región, y compliance como API — reglas regulatorias consumibles en tiempo real por cada jurisdicción.

Para que la inteligencia dentro de los pagos genere valor hoy se necesita infraestructura que ya es posible construir: APIs síncronas de alta disponibilidad, datos transaccionales en tiempo real, orquestación multi-riel, y modelos que aprendan del comportamiento cross-merchant para tomar mejores decisiones en cada transacción.

La buena noticia: invertir en lo segundo es invertir en lo primero. La infraestructura que habilita routing inteligente, retry optimization y fraud scoring contextual hoy es la misma que va a habilitar pagos agénticos autónomos mañana. No hay que elegir entre resolver el presente y prepararse para el futuro. Son el mismo camino.

La posición de Akua

En Akua operamos exactamente en el punto donde las interfaces de IA se encuentran con los rieles de pago locales y los marcos regulatorios de la región. Nuestra arquitectura cloud-native y nuestro modelo multi-riel fueron diseñados para exponer capacidades de adquirencia a través de APIs que pueden hablarle tanto a un sistema de decisión automatizado como a una integración tradicional.

Pero más allá de la arquitectura, lo que define nuestra posición es el acceso a datos transaccionales cross-merchant en seis mercados. Los modelos de fraude, scoring y optimización que se pueden construir sobre esa base son los que ningún actor externo — por más sofisticada que sea su IA — puede replicar sin tener acceso a la capa de procesamiento.

Los agentic payments en LatAm van a escalar. Primero como inteligencia invisible dentro de los flujos que ya existen. Después como agentes autónomos cuando la infraestructura, la regulación y la confianza lo permitan.

La pregunta para los PSPs, PayFacs y plataformas de la región no es si esto va a pasar. Es si van a estar capturando valor desde la primera etapa o si van a llegar recién cuando el mercado ya se haya definido.

La infraestructura es el límite actual. Y también es la ventaja competitiva del que la resuelve primero.