Hasta ahora, iniciar un pago ha tenido un protagonista bastante claro: una persona.
Selecciona un producto, ingresa a un canal, se autentica y autoriza una operación. Detrás de esa experiencia existe una infraestructura diseñada para reconocer quién está actuando y bajo qué condiciones puede hacerlo.
La inteligencia artificial empieza a introducir una variación importante: la persona puede seguir tomando la decisión, pero dejar de ejecutar directamente la transacción.
La secuencia comienza a cambiar y la transformación no está solamente en quién interactúa con el comercio. Está en que la infraestructura debe determinar si ese agente realmente está actuando dentro de las condiciones que una persona estableció.
El usuario puede delegar, pero no desaparecer
MasterCard ya está probando en Chile, una infraestructura para que agentes de IA puedan ejecutar transacciones bajo condiciones definidas por el usuario. En septiembre de 2026, la compañía anunció que seis bancos en el país habían realizado transacciones reales utilizando infraestructura para pagos agénticos.
Visa también está desarrollando una infraestructura para este modelo y ha ampliado su programa Agentic Ready a Latinoamérica. Su propuesta contempla mecanismos para reconocer agentes legítimos, permitirles pagar y verificar que actúan con la aprobación del usuario.
Estos avances plantean una distinción importante: que una persona haya delegado una acción no significa que cualquier acción realizada por el agente esté autorizada.
Si alguien establece que un agente puede comprar determinados productos hasta cierto monto, por ejemplo, la autorización debería estar vinculada a esas condiciones. El sistema de pagos necesita entonces interpretar algo más que las credenciales utilizadas para iniciar la operación.
La autorización empieza antes del pago
En un flujo tradicional, autenticación y autorización están estrechamente vinculadas a la acción concreta del usuario.
Con agentes de IA, puede existir una autorización previa y condicionada: quién puede actuar, durante cuánto tiempo, para qué tipo de compras, con qué límite y bajo qué circunstancias.
El Fondo Monetario Internacional identifica precisamente esta transición como uno de los cambios relevantes que puede generar la IA agéntica en los sistemas de pago. Su análisis separa tres capas: intención, autorización y liquidación, y señala que los agentes pueden afectar no solo la iniciación de las operaciones, sino también la autorización, el cumplimiento, la liquidación y la resiliencia operativa.
Esto modifica la pregunta que debe responder la infraestructura. Ya no basta con saber quién está pagando, también será necesario responder quién está actuando, en nombre de quién y dentro de qué autorización.
Identificar al agente no es suficiente
India ofrece una señal especialmente interesante sobre hacia dónde puede evolucionar este problema.
La National Payments Corporation of India (NPCI) está desarrollando un registro para verificar y monitorear que realicen transacciones sobre UPI, como parte de un protocolo para pagos agénticos. El planteamiento inicial contempla operaciones frecuentes y de bajo valor, mientras que posteriormente podrían incorporarse instrucciones más complejas.
La idea de registrar al agente apunta a resolver una parte del problema: saber qué software está actuando dentro del sistema.
Pero queda otra pregunta: ¿esa operación específica estaba dentro de lo que el usuario había autorizado?
Ahí aparecen nuevos elementos que la infraestructura deberá poder manejar: identidad del agente, límites de gasto, vigencia de la delegación, condiciones de la compra, trazabilidad de la instrucción y capacidad de detener o rechazar una operación que se salga de esos parámetros. La identificación del agente, por sí sola, no resuelve la autorización de la transacción.
Más actores también significan más señales de riesgo
Un agente puede actuar con una velocidad y una escala que una persona difícilmente podría mantener. Puede consultar múltiples opciones, iniciar varias operaciones y responder automáticamente a las condiciones de un comercio.
Eso introduce otra consideración: no toda actividad automatizada será necesariamente legítima. La infraestructura tendrá que distinguir entre un agente que está ejecutando correctamente una delegación y un comportamiento que presenta señales de fraude o uso indebido. Para ello, las decisiones no pueden depender únicamente de una credencial o de la identidad del agente. También será necesario observar patrones de comportamiento y contexto transaccional.
Aquí la inteligencia artificial vuelve a aparecer desde otro ángulo: no solo como actor que inicia operaciones, sino también como tecnología para identificar comportamientos anómalos.
El nuevo flujo también tendrá que protegerse y probarse
Si una transacción incorpora información sobre identidad, autorización, límites y condiciones de una delegación, la protección de los datos y de las claves que intervienen en el proceso adquiere todavía más relevancia.
Al mismo tiempo, este nuevo flujo tendrá que probarse antes de llegar a producción. ¿Qué ocurre si el agente interpreta una instrucción de forma diferente? ¿Si supera un límite? ¿Si intenta realizar una compra fuera de las condiciones establecidas? ¿Si recibe una respuesta inesperada del comercio? ¿Si una autorización deja de estar vigente mientras la operación está en curso?
Son escenarios que no deberían descubrirse por primera vez en producción.
Una infraestructura preparada para agentes
La llegada de agentes de IA exige que la infraestructura pueda responder a varias preguntas al mismo tiempo: ¿quién está actuando?, ¿qué está autorizado a hacer?, ¿cómo debe procesarse la operación y qué señales indican que algo se sale de lo esperado?
En este sentido, CLAI PAYMENTS® Technologies aporta capacidades para acompañar cada una de estas necesidades dentro de una misma arquitectura. AZ7® permite orquestar las transacciones y aplicar las reglas que determinan cómo debe procesarse cada operación; CRYPTGRID™ protege las claves y los datos criptográficos que respaldan la seguridad de las transacciones; AXIA™ utiliza inteligencia artificial y machine learning para identificar patrones asociados con posibles comportamientos fraudulentos; y PAYTESTER permite reproducir transaccionalmente operaciones de canales físicos y digitales para comprobar distintos escenarios antes de llevarlos a producción.
La combinación de estas capacidades permite abordar el pago agéntico desde distintos puntos de la operación: decidir cómo procesar, proteger la información que sustenta la confianza, identificar comportamientos de riesgo y validar que el flujo responda como fue definido.
La próxima transformación de los pagos podría no ser un nuevo medio de pago, sino un nuevo actor capaz de iniciarlo. Y cuando ese actor es una inteligencia artificial, la infraestructura tendrá que saber algo más que qué se está pagando: tendrá que entender quién lo está haciendo, en nombre de quién, bajo qué condiciones y con qué nivel de confianza.
Si usted y su negocio están preparados para esta transformación de los pagos con un nuevo actor a bordo, y quieren integrar en su arquitectura la tecnología necesaria para afrontar los pagos con agentes de Inteligencia Artificial, déjenos sus datos a continuación y un agente especializado se contactará con usted.