Fintech en México: la IA exige ‘fricciones inteligentes’

La paradoja fintech: automatizar sin perder al cliente

En el Finnosummit 2026, celebrado el 23 y 24 de septiembre en Expo Santa Fe (Ciudad de México), tres directivos de instituciones financieras mexicanas coincidieron en un mensaje que contradice la narrativa habitual del sector: eliminar toda fricción en el servicio puede ser tan peligroso como no digitalizar nada. El foco del debate, más que en reducir pasos, se centró en decidir cuándo conviene introducir mecanismos adicionales de autenticación.

La intervención más comentada fue la de Estephany Ley, directora corporativa de Banca Minorista de Grupo Coppel, quien resumió el dilema con una frase: «Más que tener cero fricciones, debemos tener fricciones más inteligentes«. Su argumento es directo: en una transferencia menor a cualquier hora el proceso puede fluir, pero «en una transferencia de un millón de pesos a las 2:00 de la mañana, ahí realmente necesitas un método de autenticación para verificar la identidad».

Por qué la IA obliga a repensar el modelo de seguridad

Conforme los agentes de IA adquieren capacidad de ejecutar operaciones, el control cambia de naturaleza: ya no se trata de autorizar transacción por transacción, sino de auditar mandatos. Ley explicó que las instituciones pasan de validar cada movimiento a definir previamente qué puede hacer el agente, bajo qué condiciones y hasta dónde llega la autorización del usuario. «Ya no tienes nada más que auditar y publicar una transacción, sino un mandato», señaló.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Esta transición tiene un antecedente sectorial que conviene dimensionar. Según el Finnovista Fintech Radar México 2026, presentado por Finnosummit en alianza con Mastercard y Galileo Financial Technologies, el uso de IA en fintech mexicanas escaló del 60% en 2025 al 77% en 2026, y esa adopción permitió reducir incidentes de fraude en un 54.9% y recortar costes operativos a la mitad. La tecnología ya está desplegada a escala; el reto ahora es gobernarla.

El caso Klar: automatizar la evaluación y perder al usuario

Stefan Möller, director ejecutivo de Klar, compartió un aprendizaje interno que ilustra los límites de la automatización total. La fintech había automatizado tres capas de su atención al cliente —la interacción, el control de calidad y la evaluación de esa interacción— sin percatarse de que los usuarios dejaban de transaccionar después del contacto o, en el peor caso, abandonaban la plataforma.

El hallazgo llevó a la compañía a introducir una revisión más amplia de las decisiones automatizadas y a reconsiderar procesos donde los indicadores internos no reflejaban la respuesta real de los usuarios. Möller resumió el ajuste: «Parte de ese ahorro debemos regresarlo al usuario con un mejor servicio, con una mejor atención».

Fraude con IA: la nueva frontera es verificar humanidad

El tercer eje del debate lo aportó Iñigo Castillo, gerente general de Incode Latinoamérica, quien advirtió que la IA reduce barreras tanto para las instituciones legítimas como para los grupos delictivos. Hoy es más accesible falsificar identidades y preparar intentos de suplantación con menos recursos.

La consecuencia operativa, según Castillo, es que la detección debe evolucionar «desde validar documentos o credenciales hacia comprobar la presencia de una persona detrás de una operación». Su definición fue categórica: «Antes de poder hacer un análisis de riesgo, debemos verificar que la persona está viva y luego que la persona es una persona, no una IA o un robot. Vamos a tener que establecer procesos de verificación de humanidad«.

Qué significa esto para tu startup

El mensaje del Finnosummit 2026 es claro para founders que construyen sobre IA o atienden clientes financieros: velocidad sin supervisión es deuda futura. Si tu producto automatiza decisiones de riesgo, onboarding o atención, necesitas diseñar puntos de control explícitos —no como excepción, sino como arquitectura del producto—.

Acciones concretas que puedes aplicar esta semana:

Mapea qué operaciones de tu producto cruzan un umbral de valor o contexto (monto, horario, primera vez, país) y define reglas de autenticación reforzada. El criterio de «transferencia de madrugada» de Coppel es replicable a casi cualquier fintech.
Audita los indicadores automatizados con métricas de comportamiento real. El error de Klar fue confiar en QA automatizado: implementa revisiones humanas periódicas sobre una muestra de decisiones automatizadas para detectar degradación silenciosa.
Diseña pensando en verificación de humanidad. Incode anticipa que este será un estándar. Si tu onboarding depende de selfie o documento, evalúa proveedores de liveness detection y prueba de persona real antes de que el mercado lo exija.
Trata los agentes de IA como usuarios con permisos, no como herramientas internas. Documenta el alcance de cada agente, registra cada mandato y revisa logs con la misma disciplina que aplicas a accesos privilegiados.

Conclusión

El sector fintech mexicano entra en una fase donde la pregunta deja de ser cuánto automatizar y pasa a ser dónde y cómo dejar que un humano decida. La reducción del 54.9% en fraude y el salto al 77% de adopción de IA que reporta el Fintech Radar 2026 muestran que la tecnología ya rindió su primera vuelta; la segunda vuelta —gobernanza, verificación de humanidad, supervisión de mandatos— es la que definirá a los ganadores del próximo ciclo.