Neumetria (Amr Mohamed): capa conductual para fintechs

¿Por qué al sector fintech le faltan los datos que necesita?

Más de 100 millones de consumidores en Estados Unidos ya autorizaron a terceros a acceder a su información financiera, según la Oficina de Protección Financiera del Consumidor (CFPB). La infraestructura técnica para mover datos existe. Lo que falta, según Amr Mohamed, fundador y CEO de Neumetria, es la capa que convierte ese torrente en comprensión real de las personas que los generan.

El planteo de Mohamed —publicado en The Next Web el 27 de agosto— tiene un nombre concreto: comprensión conductual (behavioral understanding). La diferencia con el scoring tradicional no es sutil: un sistema de scoring clasifica ("gasto en restaurantes", "pago de alquiler"); una capa conductual interpreta por qué ocurrió ese gasto y qué dice sobre la situación real de la persona en ese momento.

¿Qué falla en los modelos actuales de scoring?

Un dato de la Fed Reserve lo ilustra. En su Survey of Household Economics and Decisionmaking de 2024, el 73% de los adultos estadounidenses declaró vivir bien o cómodamente desde el punto de vista financiero. Pero solo el 63% dijo que podría cubrir un gasto imprevisto de 400 dólares con efectivo o equivalente. Ese 10% de brecha entre percepción y realidad es exactamente la información que los datos de transacción no capturan.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

El ejemplo es elocuente: dos personas con perfiles de gasto similares pueden tener situaciones financieras opuestas si una tiene ingresos estables y reservas creciendo, y la otra ingresos cayendo y deudas en aumento. Los modelos actuales clasifican; no contextualizan.

El Banco de Pagos Internacionales (BIS) ha documentado en sus investigaciones recientes sobre IA en servicios financieros que, a medida que los modelos de machine learning se integran en decisiones de crédito, la calidad, la gobernanza y la gestión de los datos se vuelven variables tan críticas como el propio modelo. Sin esa capa intermedia, cualquier producto fintech que dependa de scoring automatizado toma decisiones sobre la foto, no sobre la película.

¿Qué propone Neumetria y en qué se diferencia?

Mohamed describe el núcleo de la propuesta como un "estado financiero vivo": una representación que combina banca, gasto, ahorro, endeudamiento e inversión, y que se actualiza cuando los patrones cambian. No es un snapshot mensual; es un sistema que detecta cuándo el comportamiento se desvía y ajusta el perfil en tiempo real.

Las señales concretas que ese sistema busca leer:

Estabilidad de ingresos
Horizonte de liquidez
Confianza en el gasto
Resiliencia financiera
Disposición real al crédito o a la inversión

Con esa capa, una plataforma de ahorro o un banco puede distinguir entre dos usuarios con historiales parecidos: uno en condiciones reales de recibir crédito, otro en situación frágil aunque su flujo de gasto parezca equivalente. La aplicación más inmediata es el crédito: comportamiento de pagos reciente, colchones de liquidez visibles y patrones de gasto en sectores de riesgo aportan contexto sobre capacidad real de repago que un scoring estático no ve.

Mohamed subraya un principio clave: la infraestructura proporciona el contexto, pero la política de elegibilidad y la decisión final quedan en manos de la entidad financiera. No es un sistema que reemplaza al banco; es información más precisa para que el banco decida mejor.

¿Por qué la IA agéntica vuelve urgente este problema?

El argumento se vuelve más convincente si se cruza con el despliegue de agentes de IA que hoy reciben instrucciones para buscar, comparar o ejecutar operaciones financieras por cuenta del usuario. Un agente que recomienda mover dinero a un fondo de inversión sin saber si la persona tiene un gasto extraordinario previsto en las próximas semanas puede dar una recomendación técnicamente correcta pero inadecuada para esa persona en ese momento.

La infraestructura para producir esa contextualización no es trivial. Los intentos anteriores de crear perfiles financieros dinámicos han fracasado por dos razones recurrentes: la fragmentación de datos entre entidades y el coste computacional de mantener un perfil verdaderamente en tiempo real.

El marco regulatorio ya marca el rumbo. El NIST AI Risk Management Framework enfatiza que la IA confiable exige atención simultánea a fiabilidad, explicabilidad, privacidad y equidad en el contexto de uso. Aplicado a finanzas, eso significa que la capa de comprensión conductual tiene que responder no solo "¿qué hace esta persona?" sino también "¿por qué el sistema llega a esa conclusión?" y "¿es la conclusión justa para perfiles de ingresos distintos?".

En Europa, el GDPR sigue plenamente vigente en la era de la IA generativa y exige que los consumidores tengan acceso a explicaciones cuando las decisiones automatizadas les afectan. Una capa conductual sin explicabilidad integrada sería regulatoriamente inviable desde el día uno en jurisdicciones que aplican ese marco.

¿Dónde encaja Neumetria en el ecosistema?

No es el primer actor que intenta construir una capa de inteligencia entre los datos brutos y los productos financieros. Plaid hizo algo similar con la conectividad de cuentas; Yodlee antes que ellos. La diferencia que Mohamed busca establecer es doble: profundidad del análisis conductual —no solo "qué cuentas tienes" sino "cómo es tu situación real hoy"— y separación explícita entre la infraestructura de comprensión y la política de cada institución.

Si la tesis prospera, esa capa podría funcionar como infraestructura compartida al servicio de múltiples productos simultáneamente. Igual que las passkeys están reemplazando las contraseñas como estándar de autenticación sin que cada banco construya su propio sistema, la comprensión del estado financiero del consumidor podría operar como capa neutral a la que el banco llama cuando necesita contexto.

El contexto regulatorio tampoco es casual. La Unión Europea avanza en la revisión del reglamento de datos financieros, y en EE.UU. la CFPB sigue implementando las normas de acceso a datos del consumidor bajo la sección 1033 de la Dodd-Frank de 2010, según la cobertura de American Banker. La regla final de open banking podría llegar a finales de 2027 o 2028, según expertos citados por ese medio. El mercado para una capa de comprensión conductual que sea regulatoriamente correcta, explicable y neutral respecto a la institución que la usa tiene condiciones razonables para existir. Construirla a escala y a coste viable es la pregunta abierta: la infraestructura de datos financieros acumula más de veinte años de intentos de consolidación fallidos.

¿Qué significa esto para tu startup?

Si estás construyendo en fintech, lending, wealth management o insurtech, esta conversación deja dos tareas concretas que puedes ejecutar este trimestre:

Audita qué datos de comportamiento tienes realmente y cuáles solo simulas tener. Una transacción aislada es dato. La pregunta conductual es: ¿qué patrón se rompe, con qué velocidad y frente a qué evento? Si tu producto todavía no mide cuándo cambia la dirección del flujo de un usuario, estás clasificando, no comprendiendo. Define una métrica de "estabilidad" o "shock de gasto" y empieza a trackearla, con una.
Diseña la explicabilidad desde el MVP, no como parche regulatorio. Si tu scoring rechaza un crédito, recomienda una inversión o ajusta un límite, y no puedes explicar en lenguaje claro qué señales usó el modelo, tu producto tiene dos problemas a la vez: uno de producto (el usuario desconfía y se va) y uno regulatorio (en Europa o en jurisdicciones que adoptan marcos similares, vas a tener que justificarlo). Construye desde el día uno la capacidad de devolver al usuario un resumen legible de los factores que movieron la decisión. Es más barato añadirlo ahora que reconstruirlo después.

El espacio entre "datos financieros en movimiento" y "comprensión real del cliente" es, según Mohamed, el hueco que la próxima década de fintech va a intentar cerrar. La oportunidad está tanto en construir esa capa como en saber qué preguntar a quienes prometen tenerla.