En una fintech naciente como fue Bineo, Santiago Novoa Pérez tuvo la oportunidad poco común de alinear la estrategia de inteligencia artificial con el negocio desde el minuto uno. Su objetivo: construir una experiencia radicalmente personalizada y escalar con inteligencia artificial desde el corazón del negocio.
Esto fue lo que aprendió en el camino:
¿Cómo fue enfrentar el desafío de empezar en una fintech como Bineo desde cero?
Yo fui el primer empleado de Bineo, y lo más fascinante para mí fue ver cómo esas microdecisiones del comienzo —casi como un efecto mariposa— fueron marcando la evolución de toda la compañía.
Fue un proceso agotador, con muchas horas de análisis y estrategia, pero también fue profundamente interesante. Si hay algo que no se habla lo suficiente y que, para mí, fue clave en todo este camino, es el rol de la cultura. Definirla desde el inicio terminó teniendo repercusiones que todavía hoy se sienten. Algunas positivas, otras no tanto. Pero todas son estructurales.
¿Cuál era tu objetivo en tu rol de head de inteligencia artificial?
Si tuviera que resumirlo en una sola palabra, sería la hiper personalización. Mi rol consistía en asegurar que la experiencia de los usuarios fuera lo más personalizada posible. Suena más sencillo decirlo que hacerlo, porque definir cómo quieres personalizar esa experiencia no es una tarea fácil. Sin embargo, ese era el norte que guiaba cada proyecto que emprendimos.
Definir la cultura desde el inicio terminó teniendo repercusiones que todavía hoy se sienten. Algunas positivas, otras no tanto. Pero todas son estructurales
¿Cómo te impactó la aparición de la IA Generativa y qué desafíos encontraste?
Aparecieron muchos desafíos, pero también oportunidades. Como toda tecnología que rompe el status quo no se trata solo de la herramienta en sí, sino de que deben converger varios factores para que algo tan innovador empiece a generar valor.
La inteligencia artificial no es nueva, al menos para quienes trabajamos en áreas como estadística o machine learning; esos conceptos ya llevaban tiempo desarrollándose. AI, en esencia, es cualquier modelo que intenta replicar la inteligencia humana. Eso puede incluir desde regresiones simples hasta algoritmos complejos de machine learning. Lo que cambió y está dando tanto de qué hablar últimamente son los LLMs.
Cuando una nueva tecnología entra en escena, suele generar desconfianza. Recuerdo que, justo cuando se liberó este modelo, tuve conversaciones con el liderazgo donde la reacción inicial fue bastante escéptica. Y con razón, porque hoy por hoy estas herramientas no están en un estado en el que puedan trabajar totalmente solas sin supervisión; requieren ciertos controles y validaciones, especialmente cuando hablamos de decisiones que afectan a personas.
Para nosotros, el cambio real llegó cuando estas tecnologías empezaron a integrarse con herramientas que ya usábamos. Entonces, el impacto no fue inmediato ni solo tecnológico, también fue producto de integraciones, seguridad, experiencia de usuario y confianza. A partir de esta integración, procesos que antes tomaban meses comenzaron a hacerse en días.
¿Hay algún caso de uso que te haya parecido interesante contar, que hayan podido implementar?
Claro que sí. Pero antes, me gustaría poner en contexto lo que creo que está ocurriendo con la inteligencia artificial. Hoy se habla de ella como si fuera un ente con el que conversas. Y no lo es.Son algoritmos, muy poderosos, sí, pero que no entienden. Su magia no está en que ‘piensen’, sino en que, bien utilizados, amplifican lo que ya hacemos. Es como un autocomplete llevado al extremo, y si sabes cómo guiarlo, puede ser un increíble copiloto. Y eso no es malo. Al contrario, la potencia está en que esas herramientas, sin “entender”, están resolviendo problemas reales y transformando formas de trabajar.
Uno de los casos de uso que más me interesa, y que hemos podido trabajar, es la personalización para mejorar el engagement. Antes —hace apenas diez años— el proceso de personalización era muy limitado: segmentabas tu base de usuarios en tres grupos y les mandabas tres mails distintos. Hoy podés generar un mensaje diferente para cada persona, sin necesidad de armar una segmentación compleja.
Gracias a los LLMs, podés tomar los atributos individuales de cada cliente, pasarlos al modelo y generar un mensaje personalizado de forma automática. No se trata de que el mensaje sea el más brillante del mundo, sino de que sea relevante, y que puedas generar miles o millones de esos mensajes sin que eso tome semanas o meses. Es un cambio en la escala del trabajo.
Y lo más interesante es que esto ya está funcionando. Hay algo muy claro: nunca antes una tecnología avanzó tan rápido. Ni siquiera hace un año estábamos usando las herramientas que hoy consideramos básicas. Todo se está moviendo a una velocidad que no habíamos visto jamás.
Nunca antes una tecnología avanzó tan rápido. Todo se está moviendo a una velocidad que no habíamos visto jamás.
¿Qué recomendaciones darías para las personas que quizás no tienen tu experiencia ni tu conocimiento de la industria?
No me imagino que en 10 años sigamos usando las máquinas de la misma forma que hoy. Vamos a tener agentes para casi todo. La tecnología no cambiará tanto, pero nuestra forma de usarla sí.
Ahora, para responderte cómo puede alguien adaptarse: simplemente experimentando, empiecen a platicar con estas herramientas. Eso sí, tengan claro que no están hablando con una persona, sino con una herramienta que tiene sus límites. Y entender esos límites es fundamental. Lo curioso es que puedes preguntarle a la misma inteligencia artificial cuáles son sus limitantes. Nunca había pasado algo así. Es como si le preguntaras a una impresora qué puede hacer y te contestara.Entonces, mi invitación es: metanse a estas tecnologías, no solo porque son accesibles ahora, sino porque entenderlas les va a ayudar a tomar mejores decisiones sobre cómo usarlas en su vida diaria. Una forma sencilla de empezar es con herramientas como ChatGPT, Gemini o Claude, o cualquiera que ustedes quieran, que permiten experimentar de forma segura y sin necesidad de saber programar.
