Vasyl Soloshchuk, CEO y Fundador de INSART – Serie de Entrevistas

Vasyl Soloshchuk, CEO y Fundador de INSART, es un emprendedor fintech con más de 25 años de experiencia en desarrollo de software, liderazgo de ingeniería e inversión de riesgo. Comenzó su carrera como desarrollador y progresó de forma constante hacia roles de liderazgo, llegando a escalar INSART hasta convertirla en un actor internacional centrado en la tecnología financiera. A lo largo de su carrera, ha trabajado estrechamente con fundadores y equipos ejecutivos para definir la estrategia y ejecución de productos, al mismo tiempo que ha contribuido al ecosistema tecnológico más amplio mediante iniciativas como el Kharkiv IT Cluster y la participación en sindicatos de capital de riesgo que apoyan startups emergentes.

INSART se posiciona como una aceleradora fintech, combinando experiencia en ingeniería con apoyo estratégico para ayudar a las empresas a crear y escalar productos financieros en cada etapa de crecimiento. La compañía apoya a startups y empresas desde la ideación temprana y el desarrollo de MVP hasta el ajuste producto‑mercado, la estrategia de salida al mercado y el despliegue a gran escala. Con un enfoque en áreas como la banca digital, pagos, préstamos e infraestructura financiera, INSART actúa tanto como socio técnico como plataforma de crecimiento, ayudando a las empresas fintech a acelerar los plazos de desarrollo y a navegar la complejidad de escalar en mercados regulados.

Comenzaste tu carrera como desarrollador de software; ¿qué señales tempranas te convencieron de que los servicios financieros se convertirían en una de las industrias más impulsadas por la tecnología?

Comencé como desarrollador de software freelance cuando todavía estaba en la universidad. Rápidamente reuní a un equipo y empezamos a asumir proyectos a través de sitios web de freelancers. El desarrollo de software y las finanzas me interesaban mucho en ese momento. Estaba haciendo desarrollo de software. Aprendiendo sobre finanzas al mismo tiempo. Era una forma de combinar mis habilidades e intereses.

Lo que me moldeó al principio fue la combinación: crear software, estudiar finanzas y pensar en la libertad financiera y el emprendimiento. Me obsesioné bastante con la intersección de la tecnología y las finanzas porque creo firmemente que las personas solo pueden ser libres cuando son financieramente libres.

También fue un momento muy crucial en mi vida.

En 2008, era interno de doctorado en el IBM Watson Research Center en Nueva York. Eso coincidió exactamente con la crisis financiera. Trabajaba en proyectos de análisis de datos mientras seguía de cerca los desarrollos en los mercados financieros. Estaba en Nueva York, visitando la Bolsa de Valores y hablando con personas de IBM que trabajaban con fondos de cobertura y firmas de inversión. Se percibía una verdadera confusión y frustración: la gente no entendía cómo avanzar. Fue entonces cuando me di cuenta de que la industria financiera, tal como existía, no era estable. Necesitaba redefinirse. Y para mí quedó claro que la tecnología sería el motor de ese cambio.

Tuve la oportunidad de quedarme en IBM. Pero elegí hacer otra cosa, decidí crear INSART. Mi objetivo era ayudar a crear tecnología. Quería hacer que el sistema financiero fuera más fuerte y abierto. Ahora que lo pienso, hubo algunas señales que me llevaron a tomar esa decisión.

Primero, los servicios financieros son fundamentalmente sistemas de información. El dinero es datos, las transacciones son cambios de estado. Una vez que entiendes eso, se vuelve evidente que el software no es una función de apoyo, sino el núcleo del negocio. Empresas como Stripe son un buen ejemplo de esto, donde las API se convirtieron esencialmente en el producto.

En segundo lugar, la regulación estaba aumentando en complejidad. Cada nuevo requisito añade capas de lógica e informes. Esto no puede escalar solo con personas. Requiere sistemas. Puedes ver esto claramente en empresas como Plaid, que construyeron infraestructura para manejar esa complejidad.

Y tercero, la presión sobre los márgenes obliga a la automatización. Las instituciones financieras compiten en velocidad, costo y riesgo. La tecnología es la única palanca que mejora los tres. Con el tiempo, trabajando con empresas fintech, vimos que los ganadores no eran los que tenían mejores ideas, sino los que tenían mejor arquitectura y ejecución. Y esa sigue siendo la misión que seguimos en INSART hoy: impulsar negocios fintech que redefinan las finanzas y amplíen la libertad digital.

¿Dónde está la IA ya entregando valor medible hoy?

La brecha entre la IA como narrativa y la IA como sistema de producción sigue siendo muy grande.

Donde vemos valor real es en áreas con datos sólidos y bucles de retroalimentación rápidos.

La detección de fraude es el ejemplo más claro. Empresas como Feedzai y Stripe Radar utilizan aprendizaje automático para detectar anomalías en tiempo real, y el impacto es directamente medible en la reducción de pérdidas por fraude.

La automatización operativa es otra área. Por ejemplo, empresas como UiPath están ayudando a instituciones financieras a automatizar procesos con gran carga documental, reduciendo costos y acelerando la ejecución.

La personalización también funciona bien. Wealthfront y plataformas similares utilizan IA para adaptar estrategias de inversión y mejorar la participación del usuario.

Una área que está emergiendo muy rápido es la inteligencia empresarial generativa. Muchas empresas ya tienen datos, pero la dirección no puede acceder a los insights lo suficientemente rápido. Estamos construyendo sistemas donde los ejecutivos pueden hacer preguntas como “¿Por qué los ingresos disminuyeron esta semana?” y obtener respuestas inmediatas a través de los sistemas.

Ahí es donde la IA se vuelve muy práctica: mejora la velocidad de decisión, no solo los procesos.

En suscripción, detección de fraude y cumplimiento — ¿qué está funcionando realmente?

La detección de fraude ya funciona a escala. Tiene señales claras y retroalimentación continua. Empresas como Featurespace son ejemplos destacados de esto.

La suscripción funciona parcialmente. Rinde bien en ciertos segmentos, especialmente al usar datos alternativos. Por ejemplo, Upstart utiliza IA para decisiones de préstamo, pero aún opera dentro de los límites regulatorios.

El cumplimiento regulatorio es el área más compleja. Gran parte de lo que se promociona como IA sigue siendo automatización basada en reglas. El cumplimiento impulsado por IA real es más complejo, requiere comprensión contextual en lugar de meros patrones. Empresas como ComplyAdvantage se dirigen en esta dirección, pero aún está en evolución.

También hay un cambio más silencioso pero importante en la elaboración de informes internos y la toma de decisiones. Muchas instituciones aún dependen de paneles estáticos. La IA está comenzando a transformar esto en sistemas dinámicos que permiten a la dirección comprender lo que está sucediendo en tiempo real y actuar más rápido.

¿Cuánto del entusiasmo actual por la IA es hype versus capacidad real?

La IA es tanto real como sobre‑mercadeada al mismo tiempo.

Parte de ella entrega valor real en producción. El resto sigue siendo impulsado por la narrativa, especialmente en la recaudación de fondos y el posicionamiento.

La diferencia es simple. Si la IA mejora un KPI medible, es real. Si principalmente mejora una presentación de ventas, es hype.

Por ejemplo, añadir etiquetas de IA a un panel no es transformador. Pero si la IA ayuda a un CFO a comprender instantáneamente los impulsores de ingresos y a actuar, eso es una oportunidad real.

Empresas como OpenAI y Anthropic están construyendo modelos centrales poderosos, pero el verdadero desafío es cómo aplicarlos a los sistemas empresariales.

Por eso nos enfocamos en la inteligencia de decisiones y la analítica empresarial generativa. Esta es una de las pocas áreas donde el valor es inmediato y la adopción es natural.

¿Por qué tantos pilotos de IA no llegan a producción?

La mayoría de los fracasos están vinculados a los sistemas, no a los modelos. Los problemas fundamentales son datos fragmentados, falta de infraestructura de producción y falta de claridad en la responsabilidad de los resultados.

Además, la IA se desarrolla en aislamiento, por lo que los equipos crean modelos y esos modelos no se integran en los flujos de trabajo o sistemas de informes. Un buen ejemplo son los bancos que están experimentando con modelos similares a los que ofrecen empresas como DataRobot pero que no pueden implementarlos.

Si los datos que resultan de este proceso no llegan a los tomadores de decisiones a nivel C que pueden utilizarlos, entonces todo el proyecto se detiene. Los modelos de IA solo funcionan cuando forman parte de cómo tomamos decisiones, no cuando son algo que probamos de manera aislada.

¿Cómo superan las instituciones los desafíos de infraestructura de datos?

No se trata de IA, sino de arquitectura de datos. Las instituciones de alto rendimiento unifican sus datos, crean canalizaciones de procesamiento de datos en tiempo real y establecen métricas consistentes. Empresas como Snowflake y Databricks son realmente importantes en este ámbito porque ayudan a garantizar que la infraestructura de datos pueda manejar grandes volúmenes de información. Y esta es la base para construir sistemas de toma de decisiones y reportes sólidos.

Muchas empresas utilizan datos incompletos, lo que lleva a respuestas incorrectas y la gente no confía en los resultados. La forma correcta de hacerlo es: primero, obtienes los datos; luego, construyes la infraestructura para los datos; después, creas los modelos; y finalmente, obtienes valor para el negocio a partir de los datos, los modelos y la infraestructura que Snowflake y Databricks proporcionan para los datos.

¿Cómo está cambiando la IA generativa el fraude y la detección de fraude?

La IA generativa está cambiando tanto los enfoques ofensivos como los defensivos. El problema del fraude está empeorando. Los ataques de fraude se están volviendo realmente complicados. Las personas están usando cosas como deepfakes, identidades falsas y correos de phishing creados por computadoras. Estas cosas se están volviendo muy populares rápidamente. Empresas como Sensity AI están vigilando los riesgos que acompañan a los deepfakes. Quieren saber qué tipo de problemas pueden causar los deepfakes.

En el ámbito de la seguridad, las organizaciones se están moviendo hacia sistemas adaptativos. En lugar de reglas estáticas, dependen del análisis de comportamiento y la detección en tiempo real. Darktrace es un ejemplo de este enfoque. Estamos entrando en una fase donde esencialmente es una batalla entre IA y IA. Los sistemas estáticos basados en reglas ya no son suficientes.

¿Cómo equilibran las instituciones las decisiones de crédito impulsadas por IA con la regulación?

Existe una tensión entre ser eficiente y cumplir con las regulaciones. La inteligencia artificial ayuda con las predicciones, y las regulaciones exigen transparencia.

Las instituciones implementan una combinación de estrategias y enfoques. La inteligencia artificial genera pronósticos. Luego añaden más capas para explicar las cosas. Por ejemplo, Upstart trabaja estrechamente con los reguladores para garantizar la explicabilidad de sus modelos.

El control humano siempre estará en primer plano, especialmente para decisiones de alto riesgo. El futuro es para sistemas mejorados con IA que sean eficientes y auditables.

¿Qué separa a las instituciones que adoptan IA con éxito de las que tienen dificultades?

En resumen, las instituciones que han integrado y adaptado IA con éxito se diferencian de otras en su arquitectura.

Las instituciones exitosas son nativas de la nube, modulares y basadas en datos. Nubank y compañías similares son buenos ejemplos; fueron construidas con arquitectura moderna desde el principio. No puedes implementar inteligencia en un sistema que no fue diseñado para soportarla.

De cara al futuro, ¿la IA automatizará procesos o redefinirá los productos financieros?

Desde una perspectiva a corto plazo, la IA reducirá costos y mejorará la gestión de riesgos, y, por supuesto, automatizará el proceso. A largo plazo, transformará los productos financieros.

Veremos servicios financieros más dinámicos y personalizados.

Uno de los cambios más notables se producirá en la forma en que se toman decisiones dentro de las organizaciones. Pasaremos de informes estáticos a sistemas inteligentes interactivos en tiempo real. En finanzas, la velocidad de la toma de decisiones es una ventaja competitiva, y la IA cambiará esto fundamentalmente.

Gracias por la excelente entrevista, los lectores que deseen saber más sobre esta aceleradora fintech deberían visitar INSART.