India acelera su IA: startups frugales y UPI como modelo para Latinoamérica

El nuevo motor de IA en la India

India ya no solo replica modelos extranjeros; está forjando un camino propio en inteligencia artificial. El informe de Zinnov sobre los 100 mejores startups de IA revela que más de 2.900 millones de dólares en financiación y 13.000 especialistas están concentrados en soluciones que aprovechan infraestructuras públicas como Aadhaar y UPI. En paralelo, el CEO de la National Payments Corporation of India (NPCI), Dilip Asbe, explicó que la IA será la palanca para llevar a UPI de 750 millones a 1 000 millones de transacciones diarias, enfocándose en cuatro áreas críticas: fraude, crédito, onboarding multilingüe y modelos de lenguaje específicos como FiMI.

Startups que compiten en la capa de aplicación

El estudio de Zinnov muestra que 72 % de las startups indias de IA operan en la capa de aplicación, no en la infraestructura. Ese sesgo hacia la ejecución productiva permite a los emprendedores afrontar problemas concretos de empresas, salud y logística sin depender de gigantes de cómputo. La estrategia se basa en tres pilares:

• Uso de rails digitales públicos: Aadhaar y UPI reducen los costos de integración y aceleran la adopción.
• Modelos frugales: en lugar de entrenar grandes modelos de lenguaje, las startups optimizan redes pequeñas para tareas específicas, lo que baja el gasto energético y mejora la latencia.
• Enfoque en problemas de alta fricción: desde detección de fraudes en pagos hasta scoring crediticio para usuarios no bancarizados.

IA al servicio de UPI: un caso de escala

UPI, la plataforma de pagos en tiempo real que manejó 720 mil millones de transacciones mensuales en mayo 2026, ya mueve 200 mil millones de dólares al mes. Asbe señaló que la IA será esencial para:

• Detectar patrones fraudulentos y “mulas” en tiempo real, algo imposible de lograr manualmente a esa escala.
• Generar scores crediticios a partir de historiales de pago digitales, abriendo crédito a millones sin historial bancario.
• Ofrecer registro y asistencia por voz en 22 idiomas oficiales, reduciendo la brecha de inclusión.
• Desplegar modelos de lenguaje especializados como FiMI, entrenados en el flujo de pagos indio y capaces de atender consultas multilingües.

Lecciones para Latinoamérica

Los ejecutivos latinoamericanos pueden extraer tres conclusiones estratégicas: 1. Aprovechar infraestructura pública existente. Países con identificación digital (por ejemplo, el Registro Único de Identidad en Argentina) y sistemas de pagos interbancarios (PIX en Brasil, CoDi en México) pueden replicar el modelo indio de construir capas de IA encima de rails ya existentes, reduciendo la dependencia de grandes proveedores de nube. 2. Priorizar modelos frugales. La presión de costos y la escasez de talento especializado hacen que entrenar modelos gigantes sea poco viable en la región. Invertir en modelos estrechos, entrenados con datos locales, permite rapidez y cumplimiento regulatorio (por ejemplo, Ley de Protección de Datos en Brasil o la normativa de datos personales en México). 3. Convertir pagos en plataforma financiera. La visión de UPI como “infraestructura financiera completa” muestra cómo la IA puede transformar un simple motor de pagos en un ecosistema de servicios crediticios, seguros y asesoría financiera. Fintechs latinoamericanas pueden seguir esa ruta, añadiendo capas de IA para crear ofertas de valor diferenciadas y reducir la concentración de mercado que hoy domina a grandes actores como Mercado Pago o Nubank.

Riesgos y barreras operativas

Ambos casos evidencian que la velocidad de implementación es un factor de riesgo. La IA introduce una capa de complejidad regulatoria: modelos de scoring pueden chocar con normas de transparencia crediticia, y la detección de fraude en tiempo real requiere supervisión continua para evitar falsos positivos que afecten la inclusión financiera. Además, la concentración de mercado en UPI, donde PhonePe y Google Pay controlan más del 80 % del volumen, muestra que sin incentivos claros para nuevos participantes la IA por sí sola no desmantelará monopolios.

Un horizonte próximo

Si la India logra alcanzar el objetivo de 1 000 millones de transacciones diarias con IA integrada, establecerá un benchmark de escala que combina infraestructura pública, modelos frugales y políticas regulatorias activas. Latinoamérica, con su propio conjunto de infraestructuras digitales y una población igualmente diversa lingüísticamente, está en posición de adaptar esa receta, siempre que los reguladores mantengan un equilibrio entre fomento a la innovación y control de riesgos sistémicos.

Qué implica para los ejecutivos

Los directores de tecnología y estrategia de la región deben evaluar sus propios “rails digitales” y considerar alianzas con startups locales que ya estén trabajando con modelos de IA especializados. La inversión en talento para crear y mantener modelos pequeños, junto con la adopción de marcos de gobernanza de IA, puede traducirse en ventajas competitivas que van más allá del costo operativo: se trata de habilitar nuevos flujos de ingresos, como seguros bajo demanda, asesoría financiera automatizada y crédito instantáneo basado en comportamiento de pagos.

Perspectiva a futuro

Con la IA posicionada como motor de crecimiento para UPI, la India está preparando el terreno para que su ecosistema de pagos se convierta en una exportación de know‑how. Latinoamérica, con su creciente demanda de inclusión financiera y capacidad de escalar soluciones basadas en la nube, podría convertirse en el próximo gran mercado para estas tecnologías, siempre que adapte el modelo a sus propias dinámicas regulatorias y de competencia.