Ex CFO Mercado Libre: Lo que la IA Rompió (y lo que no) de su Playbook

Pedro Arnt es CEO de dLocal, la plataforma de pagos que usan empresas como Amazon y Uber para cobrar en mercados emergentes. Antes fue CFO de Mercado Libre por más de una década (y pasó por casi todas las áreas en casi 24 años). Hoy lidera una empresa que factura más de mil millones de dólares al año.

Ya había estado en Startupeable. Aquella primera conversación fue de las más comentadas: emprendedores escribieron por correo y WhatsApp impresionados con cómo piensa equipos y empresas. Esta es la segunda visita, y el eje cambió. Enzo quería saber qué de esos frameworks sigue vivo con IA y qué ya no.

La respuesta no es un deck de adopción. Es una tensión: sentido de maravilla (y preocupación) ante la revolución, contra el pragmatismo de no romper la ejecución. Hay que volar mucho, pero antes aprender a gatear. O ni siquiera: a rolar.

Estructura y Highlights Clave

Maravilla Personal, Pragmatismo de CEO

• Lo más desafiante es combinar convicción (casi sentido de maravilla) con preocupación profunda por la magnitud de lo que viene
• Si extrapola lo personal a dLocal, genera mala ejecución: volar sí, pero con sombrero pragmático. Antes de volar, gatear. Él cree que todavía están aprendiendo a rolar
• Lo llama la revolución industrial cinco
• El meme del CEO que pega un demo de Twitter al Slack no es el enemigo. Esa parte importa. Ayer mandó a su executive level un resumen de un hack de Hugging Face / civilizaciones en OpenAI: “Yes, it can. The limitation is not the agent. The limitation is podemos nosotros construirlo”
• Lo que no puede hacer es pedir que lo construyan mañana. Su rol es definir qué hacer hoy para estar, en uno a tres años, al nivel que ya permiten estas tecnologías

La Caja de Herramientas Ya no Vive Solo en tu Cabeza

• La IA disponibiliza el armamentario de management (y uno más completo) a todos los líderes
• El prompt al “CEO agent” tiene que decirle qué set de herramientas usar para esa decisión
• Cita a Sun Tzu: un mal plan bien ejecutado le puede ganar a un buen plan mal ejecutado
• No siempre hay decisión correcta. Importa cuál opción el líder y su equipo tienen convicción de respaldar, porque encaja con su realidad y su momento
• El armamentario deja de residir en el líder más experimentado. Está al alcance de todos. Queda la intuición de elegir la herramienta correcta para el prompt

Experiencia = Pattern Recognition (y la IA lo Supera)

• Experiencia, para Pedro, es reconocer variaciones del mismo patrón que ya viste tres, cinco o diez veces
• Ese mecanismo también te puede llevar a una mala decisión si el patrón está mal leído
• La IA no tiene diez ejemplos en 25 años: tiene todos, puede simular escenarios y llegar a una conclusión casi estadística
• Para toma de decisión, el valor de la experiencia va a empezar a disminuir
• ¿El CEO skill de Anthropic ya es mejor que el de Pedro? Su respuesta: la diferencia no está tanto en quién decide mejor

CEO no Técnico: La Desventaja se Agranda

• Siempre sufrió no ser CEO técnico. Con IA en cada nodo de la organización, esa desventaja se exacerba
• Cómo lo compensa: embarrarse en las herramientas, leer, podcasts, preguntar. Consumir hasta donde llega su conocimiento
• La frase que más usa: “Discúlpame, una pregunta básica de no técnico que soy. ¿Me explicas esto, por favor?” Dejó el ego de “soy el CEO, no puedo vulnerarme”
• Donde más vibra es con los ingenieros. El “go low” se hace más difícil para un no técnico en AI
• El vaso medio lleno: esos momentos low son mucho más productivos. Siete de cada diez veces va directo a la herramienta interna, sin esperar la cadena VP → manager → respuesta

Sus Agentes del Día a Día

• Usa menos de lo que debería. Fase transformadora pero básica: su rol es poco process-driven (comunicar, alinear, contacto humano)
• Cinco o seis agentes clave. Había abandonado el email (WhatsApp rápido, Slack en 24h, correo game over). Ahora un agente le cura y reacomoda los mails
• Otros: resumen de info, CRM de pipeline, informes diarios, y agentcitos de financial analyst para directorios donde es board member. Antes no tenía tiempo de llegar a esa profundidad como consejero
• Dos concierges personales (trámites, comprar algo para el niño). Son de los que más lo sorprenden por la velocidad con que toman tareas nuevas

Disrumpir tu Trabajo (y la Excusa Inaceptable)

• Repite en dLocal que todos tienen que disrumpir su propio trabajo. Cuando Enzo le preguntó por el suyo, le dio imposter syndrome
• Todavía no se puede delegar el rol de CEO a un agente. Cuanto más bajo en la organización, más relevante es el llamado
• Sí es más productivo, con más follow-up y datos a la punta de los dedos (Nigeria, Chad, Filipinas). Potencia la decisión; no está seguro de que sea disrupción total del rol
• Con VPs debería ser más impaciente. Cree en dirección de viaje más que en velocidad, y lo ve como algo a trabajar
• La excusa inaceptable: echarle la culpa a que “la tech aún no está lista”. Él no está listo, los equipos tampoco. Acepta falta de tiempo. No acepta culpar a la tecnología, que va varios pasos adelante de la adopción

2025: All-In o Derrotados

• 2025 fue el primer año sin opción: all-in. Outcome binario: derrotados por una AI native (o por quien sí se transformó), o logran la transformación
• Ignorar o entrar tibio y esperar un buen desenlace, dice, no existe
• No fue un año de grandes éxitos. Fue de aprendizajes. En 2026 la segunda iteración empieza a dar frutos
• Dos preguntas: (1) ¿IA como nuevo ingreso o modelo de negocio? En payments, aún no hay nada claro, grande e inminente. (2) ¿Transforma costos, márgenes y productividad? Absolutamente
• Casi toda la energía fue a operar distinto. Solo dejaron “faros” en nuevos modelos e infraestructura financiera. No son Stripe: están un paso atrás de la frontera de investigación

El Error Bottoms-Up y el Clic del Ingeniero

• Primer intento: bottoms-up y change management explícito. Te pedimos revolucionar lo que hacés hasta que desaparezca el job description; si ayudas, hay reconocimiento y aprendizaje portable
• Paso previo: documentar un corpus de qué hace cada uno y cómo. Sin procesos y datos no se automatiza. En dLocal nunca lo habían hecho así
• Resultado: aprendieron mucho, avanzaron poco. Pedirle a gente con día a día que dibuje fluxogramas y ayude a eliminar su propio trabajo fue inherentemente injusto
• El clic: un ingeniero dijo que en vez de construir agentes con los equipos, iba a construir un agente que hace todo eso
• Ese sistema fue a mails y Jiras, mapeó cada posición (qué, cómo, con quién), ordenó por automatizabilidad y alimentó Decoder, su plataforma de coding agéntico
• Productivizaron la transformación con human in the loop, pero el primer paso lo hizo el agent. Después vio que las consultoras venden exactamente eso

Organigrama que se Reescribe Solo

• Lo que más lo entusiasma no es el margen. Es redistribuir capital e inversión: liberar recursos de tareas que un agente o una automatización hacen mejor, y reinvertir en producto e áreas subinvertidas
• No toda la eficiencia debería caer al bottom line
• En áreas de alto impacto en 2026 llegaron a substituir ~30% de los puestos por agentes y redistribuir personas
• Nadie entró con el organigrama final: dejó de tener sentido cuando automatizaron pedazos enteros. Aparece quien supervisa y optimiza agentes. Hay puestos que migran y puestos que desaparecen. Hay que ser transparente

Tokens, Ranking y Cuando el Proceso Muere

• Una vez al mes o cada dos mandaba ranking de áreas por consumo de tokens, más top 20 y top 100 de personas. “We’re watching” y sana competencia
• Gobernanza buena: acceso a fuentes internas sin abrir lo prohibido, y control de costos. En los pisos ya hay economía paralela: “¿quién me presta tokens?”
• Adopción: todo el mundo usa. Falta profundidad (skills y workflows vs solo consultar dudas)
• Uso individual: orgánico y bottoms-up. Embeber nuevas formas de trabajar: más top-down, con métricas y objetivos claros
• Documentar procesos era el pedido. En un mundo agentic el proceso deja de existir: existía para estandarizar humanos con performance dispar. Un agente optimiza un desenlace, no sigue un proceso. Eso no emerge solo de abajo: equipo central, sponsors por área, objetivos numéricos de qué es éxito

Programa de Leverage: Menos Juniors, Más Seniors

• De acuerdo: el top de ingenieros hoy es 20x o 100x. Los agentes aún no hacen tan bien diseño y arquitectura. El trabajo junior, los copilots lo hacen casi a la perfección
• “Programa de leverage”: cambiar posiciones menos senior por más senior. Endgame: equipo más chico y mucho más productivo. No necesariamente mucho más barato en una tech de producto
• Pregunta a 10 o 15 años: si nadie contrata juniors ni les da tareas desafiantes, ¿quiénes son los seniors del mañana? Problema real; él dice que será problema de otro
• Bandas y seniority siguen; hay que aggiornar inputs más seguido. Pirámide más skewed a senior y más plana, no por 17 reportes, sino porque necesitás muchos menos ingenieros

Qué Preguntarle a un CEO sobre Adopción

• Empezó recibiendo “horas automatizadas”. Subían, pero costos y deploys no: automatizaban cosas que antes ni hacían
• Métricas que eligieron: % de PRs sin intervención humana (ya alto, va a dejar de ser útil); reducción de headcount por unidad con target claro (la más difícil de mentir); dólares incrementales de productos o procesos chicos de IA
• Proxy de uso: agentes creados, utilidad diaria, tokens (casi DAU/MAU de agentes). Cinco minutos mirando cómo arman esos tableros separa al que está en el barro del que sigue en el PowerPoint

Lo que la IA no Desintermedia (y por Qué Puede Ser Mejor Negocio)

• Si hubieran empezado de cero con IA: organización más ligera, márgenes más altos, muchos menores errores. La industria financiera está cargada de back y middle office
• Todo es bits y bytes, y eso la IA desintermedia. La otra mitad es presencia local: stakeholders, procesadores, regulador, PR, fiscal y estatutario en ~60 mercados emergentes. Eso no lo hace la IA por mucho tiempo
• Se siente más tranquilo siendo fintech de emergentes que sirve a clientes desarrollados, que una fintech commoditizada en mercados donde el cliente ya hace esas cosas
• Las AI native fintechs son las que más lo asustan. Los ganadores serán más eficientes y ligeros. La digitalización del dinero acelera: menos efectivo, más pagos
• Un agente que compra por ti genera más pagos. Sigue necesitando cañería (tarjeta, Mercado Pago, Pix). No la elimina, salvo escenarios maximalistas
• En nuevos ingresos exploran. Micropagos / economía de tokens: no es donde más aportan. Stablecoins y activos digitales sí, y les crece bien
• Sobre tokens como “capital” (narrativa tipo Stripe/OpenRouter): para él son un metrónomo de consumo de IA. Ese metrónomo se compra con capital

Moats: SaaSpocalypse en B2B, Marca en B2C

• Primer moat básico: aplicar IA más eficiente y efectiva. Filtra muchas empresas. La tech empuja aún más a hyperscalers y concentración
• En B2B (decisiones más racionales) la IA rompe más barreras. Queda gestión humano a humano: alguien decide, hace sign-off, levanta el teléfono. También se imagina agente a agente. Por eso el temor del SaaSpocalypse arrancó ahí
• En B2C, incluso un consumidor racional con buen agente va a querer algunas compras por marca, narrativa, experiencia. Ahí sigue vigente la tesis de Mickey Malka / Ribbit (el viaje a Italia a estudiar marcas no tech)

CEO Agéntico: Decide Mejor, Aún no Firma

• ¿Pueden los agentes tomar decisiones de CEO igual o mejor? Dentro de muy poco, si no ya hoy, pueden tomar una mejor. Habla de superinteligencia o algo muy cercano
• Sigue haciendo falta human in the loop: reglamento, legal e intuición exigen alguien accountable. Como sociedades estamos lejos de delegar totalidad y consecuencias solo a máquinas. Menos mal
• Ve muchas decisiones tomadas por máquinas con aval humano. No tan cerca del CEO agéntico. Sí un CEO que delega mucho del trabajo a las máquinas

Gobiernos, Brechas y Capital con Freno

• Pregunta abierta: ¿quiénes en gobiernos se están genuinamente preocupando? No cree el relato de “se crean tantos puestos como se destruyen”. Intuye que se destruyen muchos más. Habrá mucha riqueza; el tema es compartirla
• El error de muchos actores civiles: no ven la velocidad. Quienes usan los modelos sí: cada iteración es un abismo
• Brecha geopolítica: EE.UU. y China en compute y electricidad vs el resto. Las últimas dos décadas fueron de emergentes (Asia y algo de Medio Oriente cerrando brechas). Del resto, no sabe cómo no quedarse atrás
• Sobre Martín Casado (a16z): equipos chicos con mucho capital en tokens pueden deployar sin la vieja desventaja de sobrecontratación. Concuerda para outliers. La mayoría, si les das más capital para AI, lo malgasta. Sus controles de tokens son sanos: cuando sabés que se te acaban, mejorás el prompt

A sus Hijos, y a Marcos

• Dejó de dar consejos de carrera específicos cuando entendió la velocidad. Queda: soft skills, resiliencia, curiosidad. Van a tener que figure things out y reinventarse más seguido
• Su generación fue muy bendecida. La de ellos puede ser más volátil. Optimista a largo plazo, más desafiante en el camino
• A quién agradece por pensar en grande: Marcos (Galperin) y la escuela de Mercado Libre. Ambicionar más allá de la capacidad actual, con los pies en la tierra: no delirar, pero tampoco “como no puedo, ni trato”

Glosario Silicon Valley

Personas, Empresas y Referencias

Personas Mencionadas

• Pedro Arnt: CEO de dLocal, ex-CFO de Mercado Libre (~24 años en MELI)
• Enzo Cavalie: host de Startupeable
• Marcos Galperin: fundador de Mercado Libre; a quien Pedro agradece por empujar a pensar en grande
• Brian Chesky: founder mode / Airbnb, referencia del high-low
• Sun Tzu: mal plan bien ejecutado vs buen plan mal ejecutado
• Mickey Malka: Ribbit Capital; el viaje a Italia a estudiar moats de marca
• Martín Casado: socio de Andreessen Horowitz (a16z), tesis de equipos chicos + capital en tokens
• Hermanos Collison: carta sobre tokens como capital (contexto Stripe / OpenRouter)

Empresas y Organizaciones

• dLocal: pagos en mercados emergentes; clientes como Amazon y Uber; >$1B de facturación anual
• Mercado Libre / Mercado Pago: donde Pedro se crió profesionalmente; Pix y Mercado Pago como cañerías que un agente sigue usando
• OpenAI / Anthropic / Hugging Face: referencias de frontera (CEO skill, hack, civilizaciones)
• Stripe / OpenRouter: contraste (frontera de investigación) y narrativa de tokens
• Ribbit Capital: tesis de marcas / moats en B2C
• Andreessen Horowitz (a16z): Martín Casado e infraestructura
• Decoder: plataforma interna de coding agéntico de dLocal

Datos y Referencias

• ~$1B+: facturación anual de dLocal que menciona Enzo en la intro
• 2023: año en que Pedro llegó a dLocal (ChatGPT ya existía, aún no era el centro de la narrativa)
• 2025 → 2026: primer año all-in con aprendizajes; segunda iteración dando frutos
• ~30%: puestos substituidos por agentes en áreas de alto impacto (y personas redistribuidas)
• ~60 mercados emergentes: presencia local que la IA no desintermedia
• 7 de cada 10: veces que va directo a la herramienta interna en vez de la cadena jerárquica
• % de PRs sin intervención humana y reducción de headcount: KPIs para medir adopción real
• Top 20 / top 100 de consumidores de tokens: el ranking interno que publicaba
• Segunda visita al podcast: la primera fue de las más comentadas