Tecnología

SPEI procesa millones de pagos, pero las empresas lidian con su automatización

Shinkansen apuesta por una infraestructura “agéntica” capaz de automatizar y tomar decisiones financieras a escala, con el objetivo de procesar hasta 10,000 millones de dólares mensuales.

jue 30 abril 2026 03:00 PM

SPEI procesa millones de pagos, pero las empresas pierden hasta 30 millones de pesos al año por no automatizar — Un ejemplo de hacia dónde apuntan las grandes empresas es Gemini Enterprise Agent Platform, una capa que integra datos, aplicaciones y modelos de inteligencia artificial en un solo entorno, permitiendo construir, orquestar y gobernar estos agentes a escala. (Foto: glegorly/Getty Images)

Selene Ramírez

Mientras el SPEI procesa más de 15 millones de transacciones diarias con una velocidad envidiable, las empresas viven una realidad opuesta. El 98% de las compañías en el país todavía concilia sus pagos en hojas de Excel, una desconexión entre los bancos y los sistemas internos que devora hasta el 3% de los costos operativos totales, de acuerdo con datos de Shinkansen, plataforma dedicada a automatizar la operación financiera empresarial.

"El problema no radica en el riel de pagos, sino en lo que ocurre después", explica Manolo Fernández, country manager de Shinkansen en México. Hoy, una empresa mediana dedica equipos de hasta 15 personas a procesos que el software puede resolver en segundos. Esta ineficiencia se traduce en pérdidas de entre 15 y 30 millones de pesos anuales para compañías con una operación de 1,000 millones de pesos, asegura.

Bajo este diagnóstico, la empresa busca aplicar una infraestructura agéntica capaz de procesar hasta 10,000 millones de dólares mensuales antes de que termine el año. La diferencia, según Fernández está en habilitar sistemas que puedan decidir y ejecutar tareas de tesorería de forma autónoma, bajo parámetros definidos y con supervisión humana.

El costo de la "fricción invisible"

Además del costo, el método manual alimenta el riesgo de fraude, de acuerdo con los datos de Shinkansen, el 60% de los fraudes entre empresas en México nace de la alteración de datos bancarios de proveedores, un punto ciego que la validación automatizada elimina por completo al contrastar información en tiempo real con el SAT y el sistema bancario.

Empresas como Google Cloud plantearon el concepto de organizaciones “agénticas”, donde los sistemas ejecutan tareas de principio a fin. Durante el evento Google Cloud Next 2026 se repitió la idea de que la industria está pasando de la inteligencia artificial generativa, que responde o asiste, a una inteligencia artificial agéntica.

Un ejemplo de hacia dónde apuntan las grandes empresas es Gemini Enterprise Agent Platform, una capa que integra datos, aplicaciones y modelos de inteligencia artificial en un solo entorno, permitiendo construir, orquestar y gobernar estos agentes a escala. La propuesta incluye desde motores de ejecución hasta “catálogos de habilidades” y sistemas de control, con el objetivo de que las empresas pasen de pruebas aisladas a operaciones reales con IA.

En el mundo de las finanzas, Shinkansen materializa esta transición agéntica a través de tres pilares que ya operan en el mercado mexicano:

Conciliación automática: El sistema clasifica discrepancias por sí mismo, lo que reduce el cierre financiero mensual de siete días a menos de 24 horas.
Validación predictiva: Analiza patrones históricos de las cuentas beneficiarias y emite alertas ante comportamientos atípicos, como cambios recientes de CLABE o volúmenes inusuales.
Optimización de liquidez: El software sugiere el momento exacto para ejecutar pagos, con el fin de maximizar el rendimiento de los saldos que hoy permanecen ociosos.

La confianza es el último eslabón

A pesar del despliegue técnico que comienza a surgir, la autonomía financiera depende de la trasparencia con que se aplique. El informe CX Trends 2026 de Zendesk destaca que para el 79% de los líderes en Latinoamérica, el uso ético y claro de la IA será un requisito no negociable en los próximos dos años. Además, el 63% de los directivos considera vital que la tecnología muestre su razonamiento para que los equipos humanos mantengan el control y la rendición de cuentas.

“Si un agente de IA resuelve un caso complejo, un humano no debería tener que adivinar su lógica. La confianza se construye al abrir esa “caja negra” y entender cómo se toman las decisiones. Esa visibilidad convierte a la IA en un aliado confiable y auditable”, dice Shana Simmons, chief legal officer en Zendesk.

Cuando los sistemas pueden explicar su razonamiento, los equipos pasan de supervisar a aprender de ellos. Este cambio es especialmente relevante si se considera que el Banco Interamericano de Desarrollo (BID) advierte que 84 millones de empleos en la región están expuestos a la automatización, lo que coloca al reskilling o la actualización de habilidades como una prioridad estratégica para las compañías.

El objetivo final de la transparencia y la explicabilidad es asegurar que las personas sigan teniendo el control, incluso cuando la IA asume cada vez más interacciones de servicio.

“Cuando la IA es capaz de explicar su razonamiento, empodera a los equipos para supervisar de forma efectiva. Este modelo de human-in-the-loop es clave para mantener el control sobre los valores de la marca y garantizar que las interacciones automatizadas sigan siendo empáticas y precisas”, agrega Simmons.

La especialista concluye que en esta nueva era, las empresas más exitosas no serán necesariamente las que tengan la IA más avanzada, sino aquellas en las que las personas realmente puedan confiar.