Un statement que incomoda:
La mayoría de las iniciativas de IA empresarial no entregan impacto medible y la distancia entre los que sí lo logran y el resto se está abriendo. Eso fue lo que plantearon Joaco Bossie (CRO & Co-founder de Minders) en AI in Finance 2026 junto a Gustavo Campos, Fintech Director de Mercado Libre, y Martín Fernández Canto, Global Sales Manager de Numia. Lo que sigue es el resumen de esa conversación.
El gap se está abriendo
El Evident AI Index 2025 analizó 50 bancos y llegó a una conclusión clara: el diferencial entre líderes y rezagados no es la presencia de IA. Es velocidad de ejecución, profundidad de implementación e impacto medible. Pero antes de hablar de quién está adelante, hay que bajar el hype. En LATAM hay bots que multiplican preguntas pero no resuelven nada. Workflows con IA que reemplazan reglas por modelos opacos. AI analytics que generan dashboards que nadie consulta. Equipos quemando tokens sin medir un solo outcome.
Dos preguntas separan al 5% que captura valor del 95% que no: ¿cómo sabés qué está rompiendo tu producto en este momento? ¿Y cuántas variables podés decidir simultáneamente cuando comunicás algo a un cliente? La mayoría no puede responder ninguna de las dos.
El verdadero cambio: productos que auto-aprenden
La afirmación central del panel es esta: el verdadero cambio no es agregar IA a tu producto. Es construir productos que auto-aprenden. Son dos cosas distintas, y la mayoría no las distingue. El caso del asistente de Mercado Pago lo ilustra bien. La clave no fue agregar más IA — fue construir la arquitectura para que el producto se ajuste solo a la señal del usuario. Eso es lo que hace la diferencia.
Los 3 pilares de un producto que aprende
Lo que distingue a las empresas que auto-aprenden no es un secreto. Son tres pilares:
- Data quality. Garbage in, garbage out. Sigue siendo verdad.
- Feedback infrastructure + Experimentation velocity. La mayoría piensa que infraestructura de feedback es «medimos NPS y abrimos tickets». No. Es que cada interacción del usuario produce una señal estructurada que entra al ciclo de mejora del producto, sin pasar por un humano. Y la velocidad de experimentación es el combustible de ese ciclo: en Mercado Libre los pull requests por día subieron casi un 70% en los últimos meses, y se triplicó la cantidad de personas distintas que los hacen — gente de producto, legales, áreas no técnicas. Eso es velocidad de aprendizaje organizacional.
- Organizational redesign. El cambio no es tecnológico. Es operacional. Llevar IA a operaciones, legales, compras, riesgo, customer experience requirió rediseñar cómo se trabaja — no fue «le agregamos un asistente», fue cambiar quién decide qué.
El MIT lo documenta en el Project NANDA: el 95% de los pilotos empresariales de IA no entregan impacto medible en P&L a 6 meses. La causa no es la calidad de los modelos ni la regulación. Es lo que llaman «learning gap»: los sistemas no aprenden ni se adaptan a los workflows reales de la organización. BCG agrega que solo 1 de cada 4 bancos a nivel mundial usa IA para ventaja competitiva real.
Las herramientas y la ciencia que hacen posible el loop: Amplitude, Braze y Behavioral science
Para responder las dos preguntas que separan al 5% del 95% hacen falta las plataformas correctas.
¿Cómo sabés qué está rompiendo tu producto en este momento? Amplitude, con sus agentes de IA, permite analizar sesiones, dashboards y comportamiento de producto en tiempo real — detectando fricciones de UI y errores antes que cualquier humano. Ya no es solo analytics: es inteligencia que actúa. Liberty lo implementó para entender el journey completo de sus clientes y acelerar la toma de decisiones de producto sin esperar ciclos de reporting semanales.
¿Cuántas variables podés decidir en paralelo cuando comunicás algo a un cliente? Canal, momento, audiencia, producto, tono, mensaje, frecuencia, oferta — ocho variables por usuario simultáneamente. Eso no es A/B test, es decisión contextual. Braze AI Decisioning Studio hace exactamente eso: decide en tiempo real la combinación óptima para cada usuario sin intervención humana. Mercado Libre lo usa para personalizar comunicaciones a escala en toda la región, con outcomes medibles en conversión y engagement.
En Minders somos Solutions Partner de Braze e implementamos estas plataformas en bancos y fintechs de México, Colombia, Brasil y Argentina. La ventaja no es acceso a las herramientas — es no tener que pelear seis meses con el vendor para que funcionen.
Pero eso es solo el 70%, el otro 30% es clave en el éxito y tiene que ver con: la ciencia por detrás del comportamiento y la capacidad de discernir y entender el problema de tu equipo.
Las dos caras del cambio
Hay una tensión en el medio del panel que vale la pena nombrar:
Desde la empresa: el verdadero diferencial está en si los líderes están 100% metidos en esto — gente que entiende que esto es transformar la organización y se compromete más allá del hype del momento. El camino está lleno de frustración: cultura, política, comités, miedo. Si los de arriba no atraviesan eso con convicción, ninguna herramienta sobrevive un trimestre.
Desde la plataforma: la convicción de los líderes sin la arquitectura correcta también muere. C-levels comprometidísimos con la transformación que terminan frustrados a los 6 meses porque eligieron las plataformas equivocadas. Hace falta convicción Y arquitectura — decisión agéntica de múltiples variables en paralelo, con holdout, con outcome medible.
El resumen es simple: el compromiso sin arquitectura termina en frustración. La arquitectura sin compromiso termina en proyectos zombi. Las dos cosas juntas son las que separan al 5% del 95%.
Tres preguntas para el lunes
En el caso de Argentina, el martes, porque el lunes es feriado. Concreto y sin rodeos:
¿Podés cuantificar el ROI de tu IA en los últimos 6 meses? No horas ahorradas. No satisfacción. Esos son proxies, no outcomes. Si la única respuesta es «mejoró la experiencia», no estás midiendo — estás creyendo. Y si no medís outcomes, no tenés un loop de aprendizaje. Lo que tenés es una IA corriendo en círculos quemando tokens.
¿Tu producto auto-aprende después del release? Si después del deploy nada cambia salvo un bug fix, no es un producto que aprende. Es una entrega. La pregunta no es «¿hicimos lo que pidió el PRD?». La pregunta es «¿qué aprendimos esta semana que no sabíamos la semana pasada?»
¿Cuándo fue la última vez que matamos una iniciativa que no funcionaba? Si no recordás, sos parte del problema.
Mientras vos planificás, otros aprenden.
Esa diferencia — en doce meses — es la diferencia entre estar en el podio o no.
Querés seguir aprendiendo
Estos tres reportes son los más sólidos que encontramos para entender el momento:
- 27 use cases que podes implementar en tu empresa
- Evident AI Index
- Amplitude AI Report 2026
- Braze Customer Trends Report 2026
Querés que tu empresa implemente IA con outcomes medibles
En Minders acompañamos a bancos y fintechs de Latinoamérica a implementar casos con métrica, holdout y resultado en 90 días. No vendemos transformación, No prometemos, probamos, buscando un outcome. Contactanos
