Nandan Sheth, CEO de Splitit – Serie de entrevistas

Nandan ShethSheth Sheth, CEO de Splitit, es un ejecutivo y emprendedor experimentado en el sector fintech con amplia experiencia en pagos, comercio digital e infraestructura financiera. Ha liderado la empresa desde 2022 y también ha formado parte de su junta directiva. Antes de Splitit, trabajó cinco años en Fiserv como Director de Carat y Comercio Digital, donde contribuyó a dar forma a los ecosistemas de pago modernos. Anteriormente, cofundó Acculynk, empresa pionera en tecnologías de autenticación segura para pagos en línea. Su trayectoria profesional también incluye puestos de liderazgo en American Express tras la adquisición de Harbor Payments, empresa que cofundó y convirtió en una importante plataforma de facturación electrónica. Durante más de dos décadas, Sheth se ha centrado en desarrollar innovaciones de pago que reducen la fricción, mejoran la seguridad y optimizan la rentabilidad para los comerciantes, lo que le permite liderar la evolución de Splitit hacia un proveedor de infraestructura de próxima generación para el modelo "compra ahora, paga después".

Dividirlo Splitit es una empresa fintech centrada en transformar el sistema de compra ahora, paga después (BNPL) en una infraestructura que prioriza al comercio, en lugar de un producto de crédito para el consumidor. A través de su plataforma, permite a los compradores dividir sus compras en cuotas utilizando sus tarjetas de crédito existentes, eliminando la necesidad de nuevos préstamos, verificaciones de crédito o solicitudes extensas. Su innovación principal reside en un modelo de marca blanca de "Pagos a Plazos como Servicio" que permite a los comercios integrar completamente el BNPL en su propia experiencia de pago, manteniendo la propiedad de las relaciones con los clientes y los datos, al tiempo que mejora las tasas de conversión y el valor promedio del pedido. Al aprovechar las redes de tarjetas de crédito existentes e integrarse directamente en los sistemas de los comercios mediante una única API, Splitit se posiciona como una alternativa más segura y fluida a los proveedores tradicionales de BNPL, adaptándose al creciente escrutinio regulatorio y ofreciendo una experiencia de pago sin fricciones y controlada por la marca.

Has fundado y vendido varias empresas de pagos, entre ellas Harbor Payments y Acculynk. ¿Cómo ha influido esa experiencia en tu perspectiva sobre por qué la certeza en los pagos podría convertirse en el factor determinante del auge del comercio basado en agentes?

Mi trayectoria profesional se ha centrado en la capa de pagos, esa parte del comercio que pocos perciben a menos que falle. He aprendido que el descubrimiento llama la atención, pero la autorización es, en última instancia, la que genera ingresos.

En el comercio basado en agentes, donde la IA influye en las compras, los agentes prefieren métodos de pago predecibles, rápidos y con alta probabilidad de procesamiento. La incertidumbre en los pagos genera fricción y puede llevar a los agentes a evitar ciertos comercios o productos. La certeza en los pagos pasa de ser una preocupación técnica a un factor clave en las recomendaciones.

Splitit lanzó recientemente su programa de socios de comercio con agentes. ¿Cómo contribuye la integración de pagos a plazos vinculados a tarjetas en agentes de compra autónomos con IA a solucionar el problema de la falta de certeza en los pagos que, en su opinión, limita las conversiones actualmente?

Al incorporar capacidades de pago posterior vinculadas a tarjetas en agentes de compra autónomos, Splitit Programa de socios comerciales de Agentic La IA integra las compras a plazos en una etapa más temprana del proceso, no solo en el momento del pago. Esto permite al agente evaluar la asequibilidad y la idoneidad del pago mientras reduce las opciones y decide qué comprar.

Otra ventaja es que nuestro modelo utiliza tarjetas y sistemas existentes, lo que facilita y hace más fiables los pagos para los agentes de IA. Esto resuelve un gran problema: muchas conversiones fallan por la incertidumbre del pago, más que por la adecuación del producto. Si los consumidores deben solicitar un nuevo crédito o esperar la aprobación, el proceso se interrumpe. Utilizar el crédito existente acelera el proceso.

En términos prácticos, ¿cómo permite su programa que los agentes de IA tengan en cuenta la asequibilidad en las recomendaciones utilizando tarjetas y sistemas de pago existentes, sin necesidad de solicitar nuevos créditos ni crear nuevas cuentas?

Splitit permite al agente convertir el precio total de una compra en un pago mensual utilizando una tarjeta que el comprador ya posee. Esto es muy diferente a obligar a alguien a crear un sistema de financiación independiente.

El comprador utiliza su tarjeta actual sin necesidad de solicitar una nueva tarjeta, abrir una nueva cuenta ni acceder a un sitio web de terceros. El plan de pago a plazos se mantiene dentro de la relación bancaria actual del comprador, lo que facilita la toma de decisiones en cuanto a la asequibilidad y ayuda a los agentes de IA a evaluar no solo las características y el precio del producto, sino también si el comprador puede completar la compra de forma realista.

Usted argumenta que el descubrimiento impulsado por IA ya está por delante de la conversión. ¿En qué puntos específicos los pagos generan fricción en el flujo comercial gestionado por agentes?

La fricción se produce en tres áreas: elegibilidad, autorización y flujo de trabajo. Un comprador puede encontrar el producto adecuado mediante IA, pero el proceso puede fallar si la opción de pago requiere una decisión crediticia, genera una autorización impredecible o necesita una solicitud o aprobación por separado.

Esta es la brecha entre el descubrimiento y la conversión. La IA ya impulsa el tráfico de alta intención en el comercio minorista, pero la infraestructura de pagos está rezagada. La oportunidad existe. El reto consiste en lograr que la finalización de la compra sea tan fluida como el descubrimiento.

Actualmente, muchos comerciantes utilizan plataformas de pago a plazos. ¿En qué se diferencia un modelo de pago a plazos con tarjeta de las plataformas tradicionales de pago a plazos cuando se integra en procesos de compra impulsados ​​por inteligencia artificial?

Nuestro modelo de pago a plazos con tarjeta utiliza el crédito existente del consumidor, mientras que el modelo tradicional de "compra ahora, paga después" suele requerir que el comprador solicite un nuevo crédito en el momento de la compra. Esta diferencia es crucial en los procesos de compra impulsados ​​por IA, ya que cada nueva decisión crediticia conlleva el riesgo de una denegación. Cuando esto ocurre con demasiada frecuencia, el agente de IA comienza a dar menor prioridad a los comercios.

El sistema tradicional de "compra ahora, paga después" requiere más pasos y nuevas marcas. Nuestro modelo mantiene el control en manos de los comerciantes y garantiza que los compradores utilicen tarjetas de confianza, lo que reduce la incertidumbre para los agentes de IA.

Desde un punto de vista técnico, ¿la optimización del proceso de pago está perdiendo importancia frente a la previsibilidad de la autorización en un entorno basado en agentes?

La optimización del proceso de compra es importante, pero la previsibilidad de la autorización lo es aún más. En otras palabras, un flujo de compra claro y sencillo sigue siendo útil, pero la aprobación del pago es lo que, en última instancia, determina el resultado. En el comercio tradicional, las empresas se centraban en la eficiencia de la interfaz de usuario porque los compradores humanos gestionaban cada paso por sí mismos. En el comercio con agentes, los agentes de IA se encargan de gran parte de esa navegación.

El problema más complejo radica en si el pago se procesará de forma estable y sin fricciones. Si el proceso de autorización —mediante el cual los bancos o las redes de pago aprueban una transacción— no es fiable, un proceso de pago con un diseño impecable no resuelve el problema real. En este contexto, la previsibilidad de la autorización se convierte en parte fundamental del rendimiento del comercio, y no solo de las operaciones de pago.

A medida que los agentes autónomos comienzan a tomar decisiones de compra en nombre de los consumidores, ¿qué nuevas consideraciones normativas o de cumplimiento deben tener en cuenta las empresas de tecnología financiera?

El consentimiento es fundamental. Las empresas deben definir la autoridad del agente y aclarar los requisitos de aprobación.

La rendición de cuentas es fundamental. Deben existir auditorías claras de las compras realizadas por los agentes y de los excesos de límites.

El control es esencial. Las empresas necesitan permisos, límites y lógica de excepciones sólidos.

En mi opinión, la capa de pagos debe permitir las compras de los agentes y garantizar la rendición de cuentas. Esto requiere una seguridad sólida, una autorización clara y un consentimiento bien definido. A medida que los humanos se alejan cada vez más de las transacciones, una gobernanza sólida en la capa de pagos se vuelve fundamental para generar confianza en el comercio entre agentes.

¿Cómo influyen los pagos a plazos en los motores de recomendación de IA de forma diferente a las opciones de pago tradicionales? ¿Los cambios en la asequibilidad alteran significativamente la forma en que los agentes clasifican o priorizan los productos?

El proceso de pago tradicional aparece después de la selección del producto. Los pagos a plazos se ven influenciados antes por la evolución de la capacidad adquisitiva. Los productos que antes eran inalcanzables a precio completo ahora son viables con pagos a plazos predecibles mediante tarjeta. Esto modifica la forma en que los agentes de IA clasifican las opciones: consideran no solo la idoneidad del producto, sino también la capacidad real de compra.

¿Qué señales o métricas está observando para determinar si el comercio basado en agentes está pasando de la fase experimental a la adopción a gran escala?

Cinco señales pueden indicar cuándo el comercio mediado por agentes pasa de ser una novedad a un canal escalable que transforma las transacciones.

En primer lugar, hay que monitorizar el porcentaje de tráfico comercial generado por las compras realizadas con inteligencia artificial. Esto demuestra si los consumidores están adoptando la tecnología, y no solo probándola.

En segundo lugar, presta atención a la calidad de la conversión. Es importante que las sesiones impulsadas por IA se conviertan a tasas significativas, no solo que generen clics.

En tercer lugar, conviene analizar si los métodos de pago con mayor confianza en la autorización obtienen una mayor proporción de recomendaciones. Esto demostraría que la certeza del pago influye en el comportamiento de los agentes.

En cuarto lugar, busque una integración más profunda. Cuando los comerciantes, las plataformas y los proveedores de pago integran los pagos directamente en los flujos de trabajo de los agentes, convierten la experimentación en infraestructura.

En quinto lugar, observe si las recomendaciones tienen mayores tasas de aprobación, tasas de conversión y un valor promedio de pedido más elevado cuando la asequibilidad se incorpora a las recomendaciones.

De cara al futuro, ¿cree que las transacciones gestionadas por agentes se extenderán más allá del comercio electrónico a áreas como las compras B2B o la gestión de suscripciones?

El comercio electrónico es el primer paso, no el último. Los agentes aportan valor a cualquier proceso de compra con reglas y presupuestos preestablecidos. La gestión de compras B2B y de suscripciones son ejemplos claros.

Todo esto depende de una plataforma de pago en la que las empresas confíen, se conecten e integren. Por eso, Splitit admite estándares abiertos como el Protocolo de Comercio Universal de Google para permitir transacciones reales entre diferentes categorías.

Gracias por la estupenda entrevista, cualquiera que desee saber más debería visitar Dividirlo.