Pedro Arnt mide el avance de la inteligencia artificial en su empresa con un dato que rara vez encabeza una presentación a inversores: cuántas personas menos hacen falta para realizar el trabajo.
Llegó a esa medida después de revisar los primeros resultados. Le mostraban reportes con cantidades enormes de horas automatizadas. Entonces preguntaba cuánto habían bajado los costos. La reducción era mucho menor de lo que sugerían esas cifras.
Había una explicación: estaban automatizando muchas cosas que antes ni siquiera hacían.
Cambió la forma de medir. Hoy cada área tiene objetivos de reducción de personal. Arnt cree que es un dato difícil de maquillar: si el trabajo deja de hacerse, se nota. Y si la automatización realmente funciona, debería permitir hacerlo con menos gente.
También mira qué porcentaje de los pull requests, las propuestas de cambios en el código, avanza sin intervención humana. Pero sospecha que pronto ese indicador va a decirle poco. Casi todos los equipos están llegando a porcentajes muy altos.
Arnt es CEO de dLocal, la compañía uruguaya que en 2025 superó por primera vez los mil millones de dólares de facturación. Cerró el año con ingresos por 1.093 millones, un 47 % más que en 2024. Procesó unos 40.800 millones de dólares en pagos, un 60 % más, y obtuvo una utilidad neta de 196,9 millones.
Llegó en 2023, después de veinticinco años en Mercado Libre. Durante los últimos doce había sido su director financiero.
Una lobotomía
Cuando habla de su llegada a dLocal, se detiene en cómo hicieron el cambio de conducción.
La empresa nació en Uruguay en 2016 para ofrecer medios de pago locales a compañías globales. Cinco años después ya cotizaba en el Nasdaq, un recorrido que Arnt considera poco común.
Arnt entró como co-CEO junto a Sebastián Kanovich, que estaba al frente desde la fundación. Compartieron el puesto hasta marzo de 2024. Entonces Arnt quedó a cargo y Kanovich pasó al directorio.
A los fundadores que creen que en algún momento van a querer dejar la conducción les recomienda preparar a alguien dentro de la empresa. Para explicar el riesgo de traer a un sucesor de afuera usa una comparación fuerte: una lobotomía. No se puede sacar un cerebro, poner otro y esperar que el cuerpo siga funcionando igual.
En su caso, compartir el cargo les dio tiempo para conocerse trabajando. Arnt pudo observar cómo decidía Kanovich. Kanovich pudo hacer lo mismo con él y señalar lo que creía que había que corregir.
Ese período también puede servir para descubrir que la relación no va a funcionar. Si ocurre, dice, conviene arrancar la curita temprano.
Lo más difícil fue cambiar algunas costumbres de una empresa a la que le había ido muy bien.
Arnt explica que, durante los primeros años, una compañía como dLocal necesita crecer rápido. El tamaño importa para que el negocio funcione. Pero ese mismo crecimiento trae obligaciones: los reguladores empiezan a mirarla con más atención y su operación adquiere una importancia que antes no tenía.
Hay cosas que ya no pueden hacerse de la misma manera. El problema es explicarlo cuando no hubo una crisis y el equipo tiene buenos motivos para estar orgulloso de lo que consiguió.
Quería conservar la atención al comerciante, la velocidad y la capacidad de gestionar riesgos. dLocal mueve dinero en países donde no siempre se puede trabajar como se trabajaría en Suiza, dice. Tampoco puede permitirse problemas con el regulador.
Cotizar en bolsa trajo nuevas obligaciones. También creció la supervisión: son más de treinta las autoridades que controlan su actividad.
Busca que dLocal conserve la rapidez sin perder la confianza que dan las licencias y la supervisión. Cuando habla con una empresa del Fortune 500, parte de su argumento es que va a confiarle su infraestructura financiera a una entidad regulada. Si además puede resolverle las cosas más rápido que una institución tradicional, cree que tiene una ventaja importante. Lo llama “velocidad de escape”.
Una capa horizontal
dLocal factura más de mil millones de dólares haciendo un trabajo que la mayoría de quienes pagan nunca ve.
Una empresa como Google, Netflix, Spotify o Amazon quiere crecer en un país y descubre que cobrar no es tan sencillo como esperaba. En Estados Unidos o Europa estaba acostumbrada a aceptar tarjetas de crédito. En Uruguay tiene que contemplar Oca o transferencias locales; en Brasil, Pix o Mercado Pago.
Resolverlo por cuenta propia en cada mercado exige una inversión difícil de justificar.
dLocal ya tiene esas conexiones en más de sesenta mercados y trabaja con más de mil medios de pago. Sus clientes hacen una sola integración y necesitan agregar poco código. Uruguay representa menos del 1 % de la facturación.
Arnt cree que ahí hay una lección para otras empresas. Las compañías de pagos que admira en Silicon Valley suelen construir y controlar toda su tecnología, con la intención de ofrecer algo mejor que los actores establecidos.
En los mercados emergentes se encuentran con una dificultad distinta: hay muchos sistemas, proveedores y maneras de pagar. Construirlos todos no resulta viable.
Por eso dLocal conecta lo que ya existe. El comerciante global trabaja con una sola plataforma y la empresa se ocupa de resolver las diferencias entre los sistemas que hay detrás.
Antes de entrar en un país, mandan un equipo a conversar con reguladores, bancos y fintechs. Buscan socios con los que puedan integrarse rápido y resolver los ajustes que vayan apareciendo.
A veces deciden esperar. Si la única alternativa es un banco centenario que tarda seis meses en hacer cada cambio, Arnt entiende que todavía no es el momento.
Antes de lanzar a un comerciante también pueden hacer un premortem: revisar qué podría salir mal antes de que pase. La experiencia ayuda. Ya se equivocaron en veinte mercados, dice, y conocen muchos de los problemas que pueden encontrarse.
Dos preguntas
Arnt recuerda 2025 como el año en que decidieron meterse de lleno en inteligencia artificial. Veía dos posibilidades: transformar la empresa o quedar atrás frente a una compañía que hubiera nacido con esa tecnología.
No creía que pudieran probar un poco y esperar tranquilos.
Tampoco fue un año de grandes resultados inmediatos. Aprendieron bastante y empezaron a ver frutos cuando revisaron lo que habían hecho.
Para decidir dónde poner los recursos se hicieron dos preguntas. La primera era si la IA podía abrir una fuente de ingresos o un negocio nuevo. En pagos, todavía no encontraron una oportunidad grande y cercana que resultara evidente.
La segunda era si podía cambiar los costos, los márgenes y la productividad. Ahí no tuvieron dudas.
Dedicaron casi todo el esfuerzo a revisar cómo trabajaba la organización. Dejaron a unas pocas personas siguiendo los nuevos modelos de negocio, para que les avisaran si aparecía algo que no debían perder de vista.
Arnt reconoce los límites de la compañía. No son Stripe ni están en la frontera de la investigación. Tampoco cree que les fuera bien intentando ocupar ese lugar.
En cambio, ve mucho por hacer dentro de dLocal. Los servicios financieros requieren conciliaciones, auditorías y controles, algunos por regulación y otros porque se está moviendo dinero ajeno. Hay miles de tareas alrededor de cada transacción.
Si empezaran hoy desde cero, cree, tendrían una empresa más chica, con mejores márgenes y menos errores.
El error del primer intento
La primera vez les pidieron a los equipos que ayudaran a transformar su propio trabajo.
Fueron claros sobre lo que podía pasar: algunas funciones podían cambiar tanto que el puesto dejara de existir como lo conocían. También les dijeron que iban a reconocer ese esfuerzo y que aprender a trabajar con estas herramientas les serviría después.
Antes de automatizar necesitaban saber qué hacía cada persona y cómo lo hacía. Les pidieron que documentaran los procesos, algo que hasta entonces no habían hecho de esa manera.
Aprendieron mucho, pero avanzaron poco.
Arnt admite que el pedido era injusto. La gente tenía que sostener el trabajo de todos los días y, además, describir paso a paso tareas que podían terminar siendo automatizadas. En algunos casos estaba ayudando a eliminar su propio puesto.
Un ingeniero propuso otra salida: en vez de pedirles a los equipos que hicieran todo ese relevamiento, podían construir un agente que lo hiciera.
Crearon agentes que revisaron correos, tickets y la información disponible. Con eso pudieron describir cada posición: qué tareas tenía, cómo las resolvía y con quién necesitaba trabajar.
Después ordenaron los puestos según cuánto podían automatizarse. Esa información pasó a alimentar la plataforma con la que desarrollaban los agentes encargados de hacer el trabajo.
Arnt lo resume como un consultor interno. Más tarde vio lo que ofrecían las consultoras en este campo y reconoció la misma idea. Se pregunta por qué no se les ocurrió antes.
En algunas áreas, cuenta, consiguieron que agentes hicieran el trabajo de un 30 % de los puestos y reubicaron a esas personas.
También cambió su forma de pensar los procesos. Dice que muchos existen para reducir las diferencias entre cómo trabaja una persona y otra. Ordenan la tarea y vuelven más previsible el resultado, aunque a veces limiten a quien podría hacerlo mejor.
Un agente, sostiene, no necesita seguir exactamente ese recorrido. Puede buscar otra manera de llegar al resultado que se le pidió.
El programa de leverage
En los equipos de programación, el cambio los llevó a buscar más experiencia.
Arnt observa que los agentes todavía tienen dificultades con las decisiones más abstractas: diseñar bien un sistema o definir su arquitectura. En cambio, hacen muy bien buena parte de las tareas que antes se les encargaban a los ingenieros junior.
Eso está modificando la composición de los equipos. Tienen un programa al que llaman leverage, con el que van reemplazando posiciones de menor experiencia por otras más sénior.
Imagina un equipo más chico y bastante más productivo, aunque no necesariamente mucho más barato. Harían falta menos ingenieros, pero con más capacidad para tomar las decisiones que las herramientas todavía no resuelven bien.
Él mismo señala el problema que abre esa lógica: si nadie contrata juniors ni les da trabajo para aprender, ¿de dónde van a salir los seniors del futuro?
Bromea con que ya tiene edad suficiente para dejarle la pregunta a otro. Enseguida aclara que es un problema real.
Para conseguir que la gente usara las herramientas, fueron explícitos con lo que esperaban. También hicieron cosas que Arnt describe como un poco antipáticas.
Cada uno o dos meses mandaba un ranking de las áreas que más y menos tokens consumían, junto con una lista de las veinte y las cien personas que más los usaban. Quería mostrar que estaban mirando la adopción y generar algo de competencia.
Los ingenieros establecieron los controles necesarios para dar acceso a la información y manejar los costos. La gente pudo empezar a probar sin que conseguir permisos fuera un obstáculo permanente.
Arnt cuenta una escena que le divierte: alguien se para en un piso de la oficina y pregunta quién puede prestarle tokens.
De esa experiencia se queda con una distinción. Para que una persona aprenda, hay que darle herramientas y espacio para experimentar. Para cambiar la manera en que trabaja toda la empresa, hace falta que la conducción fije objetivos, pida resultados y siga el avance.
Lo que la IA no desintermedia
Cuando le preguntan si todo esto vuelve a dLocal un mejor negocio, Arnt mira qué partes de la empresa pueden perder valor y cuáles siguen siendo necesarias.
No tienen activos físicos. Todo es bits y bytes, y cree que la inteligencia artificial va a cambiar profundamente ese trabajo.
Pero sus clientes también les pagan por algo que no se resuelve solo con software: estar presentes en cada mercado. dLocal trata con procesadores y socios locales, responde ante reguladores y cumple obligaciones fiscales, tributarias y legales en sesenta países.
No espera que la IA reemplace pronto todo eso.
Por ese motivo se siente más tranquilo atendiendo mercados emergentes para clientes de países desarrollados. Si vendiera servicios financieros en los propios mercados de esos clientes, competiría con empresas que ya resuelven muchas de esas tareas. Le preocupa que allí sea cada vez más difícil diferenciar un producto de otro.
Sobre las barreras que protegen un negocio tiene menos certezas. Usar bien la IA da una ventaja inicial y muchas empresas van a quedar atrás por no conseguirlo. Pero cree que, entre compañías, donde las compras se deciden comparando costos y resultados, la tecnología también facilita que aparezcan nuevos competidores.
Todavía cuentan las relaciones personales. Hay alguien que decide contratar y alguien que llama cuando tiene un problema. Esa parte del trabajo sigue importando.
Aun así, lo que más le preocupa no es una fintech que ya conoce. Es una que nazca con inteligencia artificial y organice todo su negocio alrededor de ella desde el primer día.
