{"id":8035,"date":"2026-05-22T13:36:12","date_gmt":"2026-05-22T16:36:12","guid":{"rendered":"https:\/\/minders.io\/?p=8035"},"modified":"2026-05-22T15:00:43","modified_gmt":"2026-05-22T18:00:43","slug":"como-implementar-ia-con-outcomes-reales","status":"publish","type":"post","link":"https:\/\/minders.io\/es\/como-implementar-ia-con-outcomes-reales\/","title":{"rendered":"C\u00f3mo implementar IA con outcomes reales"},"content":{"rendered":"

Un statement que incomoda:<\/b><\/h2>\n

La mayor\u00eda de las iniciativas de IA empresarial no entregan impacto medible y la distancia entre los que s\u00ed lo logran y el resto se est\u00e1 abriendo. <\/span>Eso fue lo que plantearon Joaco Bossie (CRO & Co-founder <\/a>de Minders<\/a>) en AI in Finance 2026<\/a> junto a <\/span>Gustavo Campos<\/b><\/a>, Fintech Director de Mercado Libre<\/a>, y <\/span>Mart\u00edn Fern\u00e1ndez Canto<\/b><\/a>, Global Sales Manager de Numia<\/a>. Lo que sigue es el resumen de esa conversaci\u00f3n.<\/span><\/p>\n

El gap se est\u00e1 abriendo<\/b><\/h2>\n

El Evident AI Index 2025 analiz\u00f3 50 bancos y lleg\u00f3 a una conclusi\u00f3n clara: el diferencial entre l\u00edderes y rezagados no es la presencia de IA. Es velocidad de ejecuci\u00f3n, profundidad de implementaci\u00f3n e impacto medible. <\/span>Pero antes de hablar de qui\u00e9n est\u00e1 adelante, hay que bajar el hype. <\/span>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.<\/span><\/p>\n

Dos preguntas separan al 5% que captura valor del 95% que no: \u00bfc\u00f3mo sab\u00e9s qu\u00e9 est\u00e1 rompiendo tu producto en este momento? \u00bfY cu\u00e1ntas variables pod\u00e9s decidir simult\u00e1neamente cuando comunic\u00e1s algo a un cliente? <\/span>La mayor\u00eda no puede responder ninguna de las dos.<\/span><\/p>\n

\"\"<\/p>\n

El verdadero cambio: productos que auto-aprenden<\/b><\/h2>\n

La afirmaci\u00f3n central del panel es esta: <\/span>el verdadero cambio no es agregar IA a tu producto. Es construir productos que auto-aprenden.<\/b> Son dos cosas distintas, y la mayor\u00eda no las distingue. <\/span>El caso del asistente de Mercado Pago lo ilustra bien. La clave no fue agregar m\u00e1s IA \u2014 fue construir la arquitectura para que el producto se ajuste solo a la se\u00f1al del usuario. Eso es lo que hace la diferencia.<\/span><\/p>\n

Los 3 pilares de un producto que aprende<\/b><\/h2>\n

Lo que distingue a las empresas que auto-aprenden no es un secreto. Son tres pilares:<\/span><\/p>\n

    \n
  1. Data quality.<\/b> Garbage in, garbage out. Sigue siendo verdad.<\/span><\/li>\n
  2. Feedback infrastructure + Experimentation velocity.<\/b> La mayor\u00eda piensa que infraestructura de feedback es \u00abmedimos NPS y abrimos tickets\u00bb. No. Es que cada interacci\u00f3n del usuario produce una se\u00f1al estructurada que entra al ciclo de mejora del producto, sin pasar por un humano. Y la velocidad de experimentaci\u00f3n es el combustible de ese ciclo: en Mercado Libre los pull requests por d\u00eda subieron casi un 70% en los \u00faltimos meses, y se triplic\u00f3 la cantidad de personas distintas que los hacen \u2014 gente de producto, legales, \u00e1reas no t\u00e9cnicas. Eso es velocidad de aprendizaje organizacional.<\/span><\/li>\n
  3. Organizational redesign.<\/b> El cambio no es tecnol\u00f3gico. Es operacional. Llevar IA a operaciones, legales, compras, riesgo, customer experience requiri\u00f3 redise\u00f1ar c\u00f3mo se trabaja \u2014 no fue \u00able agregamos un asistente\u00bb, fue cambiar qui\u00e9n decide qu\u00e9.<\/span><\/li>\n<\/ol>\n

    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 regulaci\u00f3n. Es lo que llaman \u00ablearning gap\u00bb: los sistemas no aprenden ni se adaptan a los workflows reales de la organizaci\u00f3n. BCG agrega que solo 1 de cada 4 bancos a nivel mundial usa IA para ventaja competitiva real.<\/span><\/p>\n

    Las herramientas y la ciencia que hacen posible el loop: Amplitude, Braze y Behavioral science<\/b><\/h2>\n

    Para responder las dos preguntas que separan al 5% del 95% hacen falta las plataformas correctas.<\/span><\/p>\n

    \u00bfC\u00f3mo sab\u00e9s qu\u00e9 est\u00e1 rompiendo tu producto en este momento?<\/b> Amplitude, con sus agentes de IA, permite analizar sesiones, dashboards y comportamiento de producto en tiempo real \u2014 detectando fricciones de UI y errores antes que cualquier humano. Ya no es solo analytics: es inteligencia que act\u00faa. Liberty lo implement\u00f3 para entender el journey completo de sus clientes y acelerar la toma de decisiones de producto sin esperar ciclos de reporting semanales.<\/span><\/p>\n

    \u00bfCu\u00e1ntas variables pod\u00e9s decidir en paralelo cuando comunic\u00e1s algo a un cliente?<\/b> Canal, momento, audiencia, producto, tono, mensaje, frecuencia, oferta \u2014 ocho variables por usuario simult\u00e1neamente. Eso no es A\/B test, es decisi\u00f3n contextual. Braze AI Decisioning Studio hace exactamente eso: decide en tiempo real la combinaci\u00f3n \u00f3ptima para cada usuario sin intervenci\u00f3n humana. Mercado Libre lo usa para personalizar comunicaciones a escala en toda la regi\u00f3n, con outcomes medibles en conversi\u00f3n y engagement.<\/span><\/p>\n

    En Minders somos Solutions Partner de Braze e implementamos estas plataformas en bancos y fintechs de M\u00e9xico, Colombia, Brasil y Argentina. La ventaja no es acceso a las herramientas \u2014 es no tener que pelear seis meses con el vendor para que funcionen.<\/span><\/p>\n

    Pero eso es solo el 70%, el otro 30% es clave en el \u00e9xito y tiene que ver con: la ciencia por detr\u00e1s del comportamiento y la capacidad de discernir y entender el problema de tu equipo.<\/p>\n

    \"\"<\/p>\n

    Las dos caras del cambio<\/b><\/h2>\n

    Hay una tensi\u00f3n en el medio del panel que vale la pena nombrar:<\/span><\/p>\n

    Desde la empresa:<\/b> el verdadero diferencial est\u00e1 en si los l\u00edderes est\u00e1n 100% metidos en esto \u2014 gente que entiende que esto es transformar la organizaci\u00f3n y se compromete m\u00e1s all\u00e1 del hype del momento. El camino est\u00e1 lleno de frustraci\u00f3n: cultura, pol\u00edtica, comit\u00e9s, miedo. Si los de arriba no atraviesan eso con convicci\u00f3n, ninguna herramienta sobrevive un trimestre.<\/span><\/p>\n

    Desde la plataforma:<\/b> la convicci\u00f3n de los l\u00edderes sin la arquitectura correcta tambi\u00e9n muere. C-levels comprometid\u00edsimos con la transformaci\u00f3n que terminan frustrados a los 6 meses porque eligieron las plataformas equivocadas. Hace falta convicci\u00f3n Y arquitectura \u2014 decisi\u00f3n ag\u00e9ntica de m\u00faltiples variables en paralelo, con holdout, con outcome medible.<\/span><\/p>\n

    El resumen es simple: el compromiso sin arquitectura termina en frustraci\u00f3n. La arquitectura sin compromiso termina en proyectos zombi. Las dos cosas juntas son las que separan al 5% del 95%.<\/span><\/p>\n

    Tres preguntas para el lunes<\/b><\/h2>\n

    En el caso de Argentina, el martes, porque el lunes es feriado. Concreto y sin rodeos:<\/span><\/p>\n

    \u00bfPod\u00e9s cuantificar el ROI de tu IA en los \u00faltimos 6 meses?<\/b> No horas ahorradas. No satisfacci\u00f3n. Esos son proxies, no outcomes. Si la \u00fanica respuesta es \u00abmejor\u00f3 la experiencia\u00bb, no est\u00e1s midiendo \u2014 est\u00e1s creyendo. Y si no med\u00eds outcomes, no ten\u00e9s un loop de aprendizaje. Lo que ten\u00e9s es una IA corriendo en c\u00edrculos quemando tokens.<\/span><\/p>\n

    \u00bfTu producto auto-aprende despu\u00e9s del release?<\/b> Si despu\u00e9s del deploy nada cambia salvo un bug fix, no es un producto que aprende. Es una entrega. La pregunta no es \u00ab\u00bfhicimos lo que pidi\u00f3 el PRD?\u00bb. La pregunta es \u00ab\u00bfqu\u00e9 aprendimos esta semana que no sab\u00edamos la semana pasada?\u00bb<\/span><\/p>\n

    \u00bfCu\u00e1ndo fue la \u00faltima vez que matamos una iniciativa que no funcionaba?<\/b> Si no record\u00e1s, sos parte del problema.<\/span><\/p>\n

    Mientras vos planific\u00e1s, otros aprenden.<\/b><\/h2>\n

    Esa diferencia \u2014 en doce meses \u2014 es la diferencia entre estar en el podio o no.<\/span><\/p>\n

    Quer\u00e9s seguir aprendiendo<\/b><\/h2>\n

    Estos tres reportes son los m\u00e1s s\u00f3lidos que encontramos para entender el momento:<\/span><\/p>\n