Raphael LimaPublicaciones
← Volver a la cúpula

III. Sectores · 03

03

Pagos

Prevención de fraude en tiempo real · Scoring de riesgo a escala de pagos digitales

Mercado Pago · Mooz · Edenred

Cadena de valor

Framework de cadena de valor de PorterPuntos de aplicación de IA en la cadena de valor de Pagos.

Actividades de apoyo

Gobernanza y regulaciónTalento y operacionesPlataforma, datos y seguridadEcosistema y socios

Actividades primarias

  1. 01Integración de participantes
  2. 02Autorización y prevención de fraude
  3. 03Procesamiento y liquidación
  4. 04Aceptación y distribución
  5. 05Soporte y disputas
Valor

Medios de Pago | Cada milisegundo, una decisión

En los medios de pago, cada transacción representa una decisión tomada en milisegundos: aprobar o rechazar, proteger sin generar fricciones y crecer con márgenes cada vez más ajustados. Con los pagos instantáneos, la entrada de nuevos competidores y los agentes de IA que comienzan a realizar compras en nombre de los consumidores, el ecosistema evoluciona más rápido que nunca.

Desde la aceptación hasta la liquidación, la inteligencia artificial aporta valor en cinco áreas clave:

Afiliación de Comercios y Expansión Comercial.
Evalúa e incorpora establecimientos, identifica el potencial del mercado y orienta las ofertas y condiciones comerciales según el perfil de cada negocio.
Autorización y Enrutamiento.
Optimiza el enrutamiento de las transacciones, incrementa las tasas de aprobación y reduce los costos de procesamiento en los canales físicos, digitales y de pagos instantáneos.
Fraude, Riesgo y Disputas.
Combina la prevención del fraude, la autenticación, el monitoreo transaccional y la gestión de contracargos, equilibrando protección y conversión, incluso en transacciones iniciadas por agentes de IA.
Liquidación y Conciliación.
Proyecta los flujos financieros, detecta discrepancias y automatiza la conciliación, aportando mayor previsibilidad al movimiento de fondos.
Inteligencia para Comercios.
Transforma los datos transaccionales en información estratégica y nuevos productos para los comercios, fortaleciendo la fidelización y aumentando los ingresos por cliente.

En un sector donde la diferencia se mide en fracciones de segundo y puntos porcentuales, la inteligencia deja de ser una ventaja competitiva y se convierte en infraestructura.

Casos de uso

  • Prevención de fraude en tiempo real
  • Scoring de riesgo a escala de pagos digitales

Organizaciones

  • Mercado Pago
  • Mooz
  • Edenred

Experiencias relacionadas

Casos de uso en Pagamentos

  • Casas Bahia

    Anticipación de contracargos

    2020–2021

    DesafíoVentas aprobadas terminaban en disputa, y las operaciones con boleto de comportamiento anómalo también debían anticiparse.

    SoluciónProbabilidad de contracargo para anticipar las ventas que serán disputadas, detección de anomalías en el boleto, verificación de entrega, gestión de disputas y comunicación con el cliente.

  • Casas Bahia

    Tarjeta y beneficios integrados a la compra

    2020–2021

    DesafíoLa alianza de tarjeta y beneficios debía estructurarse e integrarse al e-commerce.

    SoluciónElección del socio de tarjeta y de los beneficios, términos y políticas de la alianza, integración de la oferta al e-commerce y comunicación al cliente.

  • Callink / Mercado Pago

    Reactivación de terminales de pago

    Grupo Boticário · GAVB · 2021

    DesafíoLa activación de terminales de pago de clientes de Mercado Pago contactados por Callink debía maximizarse.

    SoluciónPropuesta de modelos de propensión al contacto efectivo, a la persona correcta y a la promesa, con tablero del embudo, despliegue y backtest.

  • Edenred

    Recomendación de estaciones para flotas

    Grupo Boticário · GAVB · 2021

    DesafíoLos clientes de flota debían ir a otras estaciones afines a su preferencia, precio del litro y tarifa negociada, para ampliar el poder de negociación con los establecimientos.

    SoluciónPropuesta de recomendación en dos frentes: filtrado colaborativo para perfiles conocidos y recomendación por contenido para clientes nuevos, con backtest, en tres meses más dos de producción asistida.

  • Grupo Boticário · GAVB

    Score y disputa de contracargos

    2021

    DesafíoLos contracargos generaban pérdidas, alza de las tasas de los adquirentes y provisiones para débitos futuros.

    SoluciónAntes, un score en tiempo real de la probabilidad de contracargo en hasta cuatro meses; después, el envío por RPA del expediente de disputa a los adquirentes.

  • Mooz

    Riesgo, cobranza y activos

    Grupo Boticário · 2021

    DesafíoLa operación pedía productos de IA para crédito, cobranza, fraude en marketplace y pronóstico de demanda y precio de activos.

    SoluciónPropuesta de combinar los aceleradores de score de crédito y de cobranza, una plataforma antifraude por desarrollar y el pronóstico de demanda y precio de activos.

  • Getnet

    Precios dinámicos entre volumen y margen

    Grupo Boticário · GAVB · 2022

    DesafíoVolumen y margen debían equilibrarse sobre una gran cantidad de productos y consumidores.

    SoluciónPrecios dinámicos con IA que recomiendan el precio de mayor probabilidad de conversión y mejor equilibrio entre volumen y margen.

  • Getnet

    Estrategia de datos, retención y PLD

    Grupo Boticário · GAVB · 2022

    DesafíoLas áreas de medios, CRM, rentabilización y fuerza de ventas pedían segmentación, ofertas y precios personalizados y el momento adecuado de la oferta.

    SoluciónPropuesta de estrategia de datos, con visión, cultura, gobernanza y self-service, y casos de uso de retención, por probabilidad de cancelación, y de PLD, con clientes sospechosos para verificación.

  • Edenred

    Fraude en tarjetas de beneficios

    Grupo Boticário · GAVB · 2023

    DesafíoEl análisis de fraude en usuarios, establecimientos y empresas contratantes era manual en los cuatro productos de tarjetas de beneficios.

    SoluciónModelos por infractor: anomalía transaccional y geográfica del usuario, score de anomalía del establecimiento y riesgo de contratos nuevos, con reglas de negocio; las muestras analizadas cayeron 70% y los fraudes detectados subieron 25%.

Referencias

← Volver a la cúpula