Fintech con AI: más 'tech', menos 'fin' | Akua + Común

Hoy reuní a dos CTOs que están reconstruyendo fintech desde cero con inteligencia artificial.

Abiel Gutiérrez fue founding engineer de Brex y hoy es cofundador y CTO de Común, el neobanco para inmigrantes latinos en Estados Unidos. Facturan decenas de millones con 35 personas.

Juan José viene de dLocal y Pomelo, y hoy es cofundador y CTO de Akua, una infraestructura de pagos que salió a producción en 9 meses. Su cálculo: lo que construyeron habría tomado cinco años y entre 200 y 300 personas.

La conversación parte de una observación: muchas fintechs terminaban siendo más fin que tech, con equipos enormes. Estas dos están haciendo lo contrario, con menos gente, menos SaaS y el CTO de vuelta en el centro.

Estructura y Highlights Clave

Cuánta Gente Menos Tendrían sus Empresas Anteriores

• Abiel matiza que depende de cuánto puedas comprar de proveedores: Brex construía todo in house y Ramp, su competidor con más escala, es conocido por apoyarse en vendors, incluido Stripe
• En Común construyen más porque atienden a un usuario sin acceso a la industria financiera, y hay menos que tomar off the shelf
• Su estimación: en early stage la diferencia es abismal, del orden de 10x, porque estás en prototipos y validando la hipótesis de mercado
• Su matiz: cuando el codebase crece y hay muchas dependencias, ese multiplicador baja
• Juan José vivió las dos culturas: dLocal buscaba partners para todo por velocidad, Pomelo construía in house para que escalara
• En Akua dice vivir la intersección, y su dato: los expertos de la industria les dijeron que era imposible salir a producción en 9 meses
• Salieron en 9 meses e hicieron más de lo prometido
• Hoy son unos 70, de los cuales 40 son tecnología

Dónde se Nota Más el Apalancamiento

• En Común: operaciones y soporte, por mucho
• La decisión explícita en Brex que Abiel recuerda: ingeniería nunca construiría herramientas internas para soporte, así que el equipo usaba low code
• La consecuencia: equipos operativos grandes o tercerización. Común llegó a tener 50 agentes humanos en México
• El otro frente en fintech: compliance, con mucho trabajo manual de revisión que ahora se automatiza con confianza
• En Akua la respuesta es distinta: todos los equipos, porque desde el día cero automatizaron la operación
• La ventaja de su modelo: son cliente y proveedor de su propio producto
• Su métrica diaria: lanzar un feature por día, y lo cumplen
• Lo que más le sorprende a Juan José: el equipo que más herramientas crea internamente es marketing
• El contexto que lo hace difícil: son PCI compliance, ISO compliance, SOC 2, con licencia de adquirencia en varios mercados

Qué Medir

• Juan José mide output, no líneas de código ni tokens: features liberados, tiempo de implementación
• Su objetivo: bajar implementaciones de clientes de tres a seis meses a una o dos semanas
• Su récord: un cliente integrado en 6 horas desde la firma del contrato hasta producción
• Abiel trackea líneas por ingeniero y PRs a nivel de liderazgo, sin exponerlo como leaderboard
• Por qué no un leaderboard: ha escuchado de empresas donde la gente quema tokens revisando Slack solo para subir en la tabla
• La métrica que sí le parece útil: el tiempo medio desde que se abre un PR hasta el merge, que debería comprimirse usando IA para el primer barrido
• Su advertencia: esas métricas se disparan cuando empiezas un codebase de cero, así que al final vuelves a las métricas de negocio
• La métrica rara de Akua: cantidad de mensajes de Slack, que sube con la productividad porque hay más hilos y más coordinación
• Su forma de dimensionarlo: cada persona lidera al menos 10 agentes, y un ingeniero que antes llevaba un hilo ahora lleva diez

Cómo Cambió su Propio Rol

• Abiel ya no programa para cliente en el día a día, salvo en momentos de intensidad con deadlines
• Lo que sí hace con IA: herramientas internas y cosas personales
• Juan José está en reuniones todo el día, pero con cinco agentes de Claude Code corriendo en paralelo
• Su regla: no se mete en nada que esté en el camino crítico, porque no puede darle continuidad
• Lo que sí hace: prototipos que le lleva al equipo, ya bajados a algo concreto
• Por qué importa que el fundador sea técnico: sabes cuánto debería costar algo, y puedes decir que eso no toma una semana sino tres horas

El Obstáculo Real de la Adopción

• Abiel: la gente no técnica no sabe lo sencillo que es, y si no sabes cómo hacerlo el propio modelo te dice cómo
• No hay barrera de entrada, pero solo lo descubres intentándolo una vez
• Lo que hicieron: una semana en la que nadie hizo nada más que usar IA, a nivel de toda la empresa
• La recomendación de ambos: primero dar acceso libre y maximizar adopción, después optimizar

Seguridad y Permisos

• Akua puso el esfuerzo en plataformizar: estandarizar flujos, tokenizar la información por defecto, poner los safety nets antes de abrir la puerta
• Forman parte de un consorcio global sobre la plataforma de agentes de Amazon, que ya trae buenas prácticas de seguridad
• Común construyó su propio MCP conectado a todas sus herramientas internas
• Su filosofía: acceso de lectura a todo para toda la compañía, salvo el PII, que por regulación ni siquiera está en el sistema o está encriptado
• Con el acceso de escritura fueron más cautelosos, empezando por los ingenieros
• El problema más complejo según Juan José: los 25 agentes de cara al cliente, donde hay que garantizar que cada uno vea solo su data, sin prompt injection y con scopes bien delimitados
• El resultado que reportan: 70% de eficiencia operativa ganada para sus clientes
• La anécdota: construyeron un agente interno tan potente, con acceso a todas las APIs de la infraestructura de adquirencia, que les dio miedo y decidieron dejarlo capado

Comprar o Construir

• La mentalidad previa de Común: comprar primero, porque al lanzar un producto nuevo no sabes cómo funciona ni cómo tu cliente va a interactuar con él
• La forma de verlo: no compras solo la solución, compras el aprendizaje
• Su límite concreto: los productos de fraude de Estados Unidos no cubren identidades extranjeras
• Lo que hicieron al pasar a merchant acquirers: ignorar el stack de vendors de fraude que les recomendaban, usar solo fuentes de datos, y construir sus propios modelos
• El costo: uno o dos meses de dolor, y hoy funcionan de forma espectacular
• Su reconocimiento: no habrían tomado esa decisión hace tres años
• El proceso inverso de Akua: los proveedores que contrataron por velocidad empezaron a frenarlos, porque muchos llevan 10 o 20 años en el mercado
• Su resultado: entre ocho y diez SaaS eliminados en un periodo muy corto
• Lo que no van a construir: AWS, modelos propios, un CRM, un Slack, ni proveedores de datos
• Su conclusión: si eres más tech que fin, hoy es casi imposible que un proveedor te dé más velocidad que construirlo tú

Por Qué Eliminar Proveedores Mejora el Producto

• El caso que trae Enzo: soporte al cliente depende de datos de toda la empresa, no solo del área de soporte, así que un tercero nunca dará la mejor experiencia
• La postura de Akua: siguen usando la herramienta de tickets, pero la eligieron por ser abierta y conectable vía MCP
• El objetivo: que el recurso humano sea lo último, y que el ticket casi no llegue
• La lectura de Abiel sobre el arco completo: al principio todo es velocidad, y el resto de la travesía es ir quitando, quitando y quitando para ganar control
• La consecuencia para los SaaS: los que sobreviven serán los modulares y flexibles, más infraestructura que producto empaquetado
• El contraste que describen entre vendors: los que publican su propio MCP para que tú manipules sus datos, y los que sacan una función de IA dentro de su web y te cobran aparte

Qué Pasa con el Modelo de Negocio

• Juan José espera que los costos bajen en un mercado competitivo, pero que la capa de valor agregado se cobre por resultado
• El ejemplo pre-IA que trae Abiel: Robinhood eliminando la comisión y monetizando el order flow
• La versión que imaginan para Común: si los márgenes crecen, hacer las remesas gratis con el tipo de cambio oficial, y devolverle el margen al cliente para convertirlo en viralidad
• El contrapeso: hoy los costos de los modelos están subsidiados y ya empezaron a subir
• El dato de Akua: la IA es hoy el 50% de su costo de tecnología
• El precedente que citan: Uber se gastó el presupuesto anual en los primeros cuatro meses y no pudo trazar el impacto en sus métricas de negocio
• La optimización obvia que señala Abiel: si tu equipo escribe correos con el modelo más caro por defecto, un open source al 5% del costo da la misma calidad

Los Cambios Organizacionales

• En Común ya no existe un equipo de operaciones: esas responsabilidades pasaron a producto
• El razonamiento: al mejorar los modelos, el perfil que mejor los aprovecha se parece más a un product manager que a alguien de operaciones
• Lo que cambia en soporte: de reactivo a proactivo, porque el agente detecta el problema y le avisa al usuario antes de que escriba
• En Akua nunca crearon área de producto: se llama product engineering, y contratan ingenieros con mentalidad de negocio y producto
• Su razón: poner a alguien de producto en medio agrega una capa que no aporta a un ingeniero que ya piensa en sistemas
• La paradoja resultante: su equipo de operaciones terminó pareciéndose a un equipo de producto
• El ritual que sostiene todo: workshops dos veces por semana mostrando lo que cada equipo está haciendo
• La lección de ego cero: construyeron su plataforma de agentes, al día siguiente Amazon lanzó la suya, y decidieron destruir la propia y migrar
• El otro caso: armaron un kit completo de spec driven development en noviembre y lo tiraron en enero cuando llegaron los coding agents
• Lo que sí sobrevivió: los conectores. Lanzaron su MCP de pagos antes que Stripe

El Cerebro Compartido

• La meta de Abiel: que la compañía tenga un solo cerebro, para que todos decidan en la misma dirección sin reuniones para comunicarse
• Cómo lo hacen: graban todas las conversaciones grupales, pasan los transcripts a agentes, publican resúmenes en Slack según el scope
• Y una interfaz donde puedes preguntar el estado del roadmap, el ETA de un feature o su impacto
• La referencia que menciona: el gbrain
• El concepto de Juan José: plataformizar, estandarizar para poder aplicar controles y safety nets una sola vez
• El resultado: 25 agentes de cara al cliente y más de 70 internos, accesibles desde Slack o desde el escritorio con los permisos de cada quien
• Su agente que lo sabe todo se llama Homero

Loops Autónomos

• En ingeniería están cerca pero todavía no dejan que los agentes hagan merge y deployment
• La idea que se les ocurre: feature flags desplegando a 1% o 5% de la base de usuarios
• Por qué los modelos son tan buenos programando: los lenguajes están estandarizados y hay una infinidad de código abierto para entrenar
• Por qué un product manager agent es otra cosa: no hay datos de alguien haciendo exactamente lo que ellos hacen
• Akua lo intentó y lo sacó: funcionaba técnicamente, pero nadie era responsable y nadie podía entrar a una reunión a explicárselo al cliente
• Donde sí lo usan: un agente que vigila métricas detecta un pico de fraude, propone una regla al agente de prevención, la corre en modo sombra midiendo sin aplicar, y solo entonces pide pasarla a producción
• El resultado medible: su tasa de ganar contracargos pasó de un 12% que ya sería muy bueno a un 55%
• El desafío técnico pendiente: correr agentes durante cinco, seis u ocho horas, que hasta hace poco la industria no tenía resuelto

El Renacimiento del Ingeniero

• La tesis de Juan José: el rol del ingeniero volvió a sus bases, que es crear sistemas
• Lo que él considera muerto: el desarrollador entendido como el que programa
• Su ambición declarada: una empresa con poca gente, muy senior, los mejores del mercado

Qué Imaginan para el Próximo Año

• A Abiel le emociona automatizar el management system: cómo se mide el éxito de cada función, qué métricas importan, cuáles son los inputs
• Lo que descubrió por el camino: darle instrucciones a un agente le afila el pensamiento sobre lo que quiere de su equipo
• El experimento que menciona: preparar un uno a uno con el head of product como si le estuviera dando instrucciones a un agente
• Su conclusión más incómoda: se pueden hacer negocios de mucho impacto con bastante menos gente, porque lo más complejo al crecer son los humanos
• La anécdota que cierra: un agente le dijo que estaba cansado y que lo vieran mañana
• Juan José ya no planifica a dos años, sino a dos, tres o cuatro meses

Glosario Silicon Valley

Personas, Empresas y Referencias

Personas Mencionadas

• Abiel Gutiérrez: founding engineer de Brex, cofundador y CTO de Común
• Juan José (Juanjo): de dLocal y Pomelo, cofundador y CTO de Akua
• Rodrigo Figueras: de Story, citado por la conversación sobre eliminar SaaS
• Enzo Cavalie: host del podcast

Empresas y Organizaciones

• Común: neobanco para inmigrantes latinos en Estados Unidos, decenas de millones con 35 personas
• Akua: infraestructura de pagos, unas 70 personas, producción en 9 meses
• Brex y Ramp: el contraste entre construir todo in house y apoyarse en vendors
• dLocal y Pomelo: las dos culturas opuestas que vivió Juan José
• Amazon: cuya plataforma de agentes adoptaron, dentro de un consorcio global
• Klarna: citada por el caso de eliminar SaaS de terceros
• Sierra y Decagon: los proveedores de soporte con IA que discuten
• Robinhood: el precedente de reinventar el modelo de negocio
• Nubank: mencionado por la madurez del ecosistema fintech brasileño
• Dio y la newsletter: patrocinio y promoción del episodio