Hanademi

Where AI can remake Mexican business banking · V7

32 slides · 9 min · 2026-08-01 language
ENES
theme
LightDark
view
DeckTableTalk
brand
HanademiPlatzi
Where AI can remake Mexicanbusiness bankingMade for Freddy Vega, by Hanademi
Dónde la IA puede transformarla banca empresarial mexicanaMade for Freddy Vega, by Hanademi
95.5% of Mexico's 5.4 million MSMEs aremicroenterprisesDistribution of Mexican MSMEs by business size, OECD report published in 2026.Made for Freddy Vega, by HanademiSources: oecd.org.Unit% of MSMEsMicro95.5%Small3.8%Medium-sized0.7%
Mexico has 5.4 million MSMEs, and almost all are microenterprises. That makes traditional high-touch service expensive per account. The first banking opportunity for AI is not replacing judgment. It is making this long tail economical to serve.
Sources
El 95.5% de las 5.4 millones de mipymesmexicanas son micronegociosDistribución de las mipymes mexicanas por tamaño, informe de la OCDE publicado en 2026.Made for Freddy Vega, by HanademiFuentes: oecd.org.Unidad% de mipymesMicro95,5 %Pequeñas3,8 %Medianas0,7 %
México tiene 5.4 millones de mipymes y casi todas son micronegocios. Eso encarece el servicio tradicional intensivo por cuenta. La primera oportunidad bancaria para la IA no es sustituir el juicio. Es hacer rentable la atención de esta larga cola.
Fuentes
A few terms before we beginMade for Freddy Vega, by HanademiMSMEA micro, small or medium-sized enterprise.Open financePermission-based sharing of financial data through standard connections.AI agentSoftware that uses AI and tools to complete multi-step tasks.
Three terms carry much of the argument. MSMEs define the market, open finance defines a possible data rail, and agents define the operating model. Keeping them distinct prevents the technology discussion from drifting away from banking reality.
Algunos términos antes de comenzarMade for Freddy Vega, by HanademiMipymeUna micro, pequeña o mediana empresa.Finanzas abiertasIntercambio autorizado de datos financieros mediante conexionesestandarizadas.Agente de IASoftware que usa IA y herramientas para completar tareas de varios pasos.
Tres términos sostienen gran parte del argumento. Las mipymes definen el mercado, las finanzas abiertas definen una posible vía de datos y los agentes definen el modelo operativo. Mantenerlos separados evita que la conversación tecnológica se aleje de la realidad bancaria.
Mexico is the arenaThe Angel of Independence rises between buildings and flowering trees in Mexico City.Sources: IIF Warns Mexico Is Drifting Back Toward Pre-Pandemic Stagnation. mexicobusiness.news.
The opportunity sits within Mexico’s complex urban economy, where banks must serve businesses at radically different scales.
México es el terrenoEl Ángel de la Independencia se alza entre edificios y árboles con flores en la Ciudad de México.Fuentes: IIF Warns Mexico Is Drifting Back Toward Pre-Pandemic Stagnation. mexicobusiness.news.
La oportunidad está en la compleja economía urbana de México, donde los bancos deben atender empresas de escalas muy distintas.
In Mexico's 2019 Economic Census, 95% ofestablishments were micro, limitingrevenue per account.This older census measure covers establishments, while the opener covers MSMEs bysize. Both point to a market dominated by very small firms.Sources: Instituto Nacional de Estadística y Geografía. (2020). Censos Económicos 2019: Resultados definitivos. INEGI.; INEGI PRESENTA LOSRESULTADOS OPORTUNOS DE LOS CENSOS ECONÓMICOS 2019.
The 2019 Economic Census reached the same structural conclusion as the newer OECD evidence. About 95% of establishments were micro. That leaves limited revenue to fund manual research, repeated document requests and bespoke follow-up. The winning agent should compress those costs without lowering credit standards.
En los Censos Económicos 2019 de México,95% de los establecimientos eran micro, loque limitaba el ingreso por cuenta.Esta medida censal más antigua cubre establecimientos, mientras la apertura cubremipymes por tamaño. Ambas señalan un mercado dominado por empresas muy pequeñas.Fuentes: Instituto Nacional de Estadística y Geografía. (2020). Censos Económicos 2019: Resultados definitivos. INEGI.; INEGI PRESENTA LOSRESULTADOS OPORTUNOS DE LOS CENSOS ECONÓMICOS 2019.
Los Censos Económicos 2019 llegaron a la misma conclusión estructural que la evidencia más reciente de la OCDE. Cerca de 95% de los establecimientos eran micro. Eso deja poco ingreso para financiar investigación manual, solicitudes repetidas de documentos y seguimiento personalizado. El agente ganador debe comprimir esos costos sin reducir los estándares crediticios.
Only 10.7% of Mexican MSMEs obtainedfinancing from any source in 2023.Credit agents should reduce the cost of evaluating thin-file firms without treating everyrejection as a data-processing failure.Sources: oecd.org.
The financing gap appears before any model is deployed. Only 10.7% of Mexican MSMEs obtained financing from any source in 2023. Better data and cheaper review can help at the margin. They cannot by themselves fix weak records, informality or limited risk capital.
Sources
Solo 10.7% de las mipymesmexicanas obtuvo financiamiento dealguna fuente en 2023.Los agentes de crédito deben reducir el costo de evaluar empresas con pocosantecedentes sin tratar cada rechazo como una falla de procesamiento de datos.Fuentes: oecd.org.
La brecha de financiamiento aparece antes de desplegar cualquier modelo. Solo 10.7% de las mipymes mexicanas obtuvo financiamiento de alguna fuente en 2023. Mejores datos y una revisión más barata pueden ayudar. Por sí solos no corrigen expedientes débiles, informalidad o capital de riesgo limitado.
Fuentes
Access must feel usableA smartphone and blue payment card are held above a wooden table.Sources: Buscan bancarizar a las Pymes en México: BBVA- Grupo Milenio. milenio.com.
Expanding business finance also requires simple banking interactions that customers can use in everyday transactions.
El acceso debe ser prácticoUn teléfono y una tarjeta de pago azul se sostienen sobre una mesa de madera.Fuentes: Buscan bancarizar a las Pymes en México: BBVA- Grupo Milenio. milenio.com.
Ampliar el financiamiento empresarial también exige interacciones bancarias sencillas para las transacciones cotidianas.
Mexico's average MSME loan rate was15.59% in 2024.The reported rate strengthens the case for cheaper service, but it does not show howmuch of the rate comes from operating costs.Sources: oecd.org.
Access is not the only constraint. The OECD reported an average MSME loan rate of 15.59% in 2024, down only 0.1 percentage points. AI can reduce some origination and servicing costs. It cannot remove funding costs, expected losses or capital requirements.
Sources
La tasa promedio para mipymes en Méxicofue 15.59% en 2024.La tasa reportada refuerza el caso para un servicio más barato, pero no muestra cuántoproviene de costos operativos.Fuentes: oecd.org.
El acceso no es la única restricción. La OCDE reportó una tasa promedio para mipymes de 15.59% en 2024, apenas 0.1 puntos porcentuales menor. La IA puede reducir algunos costos de originación y servicio. No puede eliminar el costo de fondeo, las pérdidas esperadas ni los requisitos de capital.
Fuentes
McKinsey modeled US$200B to US$340B inannual value for global banking.This is a modeled global range, not measured value realized by Mexican banks.Sources: McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.
The economic prize is large enough to demand attention. McKinsey modeled annual value equal to 2.8% to 4.7% of global banking revenue. That is not a forecast for Mexico or a guaranteed profit pool. It is a reason to test specific workflows rather than buy a broad AI story.
McKinsey modeló US$200,000 aUS$340,000 millones anualespara la banca mundial.Este es un rango mundial modelado, no valor medido y realizado por bancos mexicanos.Fuentes: McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.
El premio económico es lo bastante grande para exigir atención. McKinsey modeló un valor anual equivalente a 2.8% a 4.7% de los ingresos de la banca mundial. No es un pronóstico para México ni una ganancia garantizada. Es una razón para probar procesos específicos en lugar de comprar una historia general sobre IA.
Bounded AI workflows cut completion timeby 21% to 60%Reported completion-time reductions across professional writing, a central bank and the HKMA GenAISandbox.Made for Freddy Vega, by HanademiSources: Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence.Science.; cepr.org.; fintechnews.hk.Unit% less completion time60%HKMA banking cases40%Professional writing21%Central-bank tasks
Three settings produced meaningful time savings on bounded work. The reported reductions ranged from 21% at a central bank to 60% in HKMA sandbox cases. The professional-writing experiment landed between them at 40%. These are separate studies, so the spread describes task dependence rather than a leaderboard.
Los procesos delimitados con IA redujeronel tiempo entre 21% y 60%Reducciones reportadas del tiempo de ejecución en redacción profesional, un banco central y el Sandbox deIA generativa de la HKMA.Made for Freddy Vega, by HanademiFuentes: Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificialintelligence. Science.; cepr.org.; fintechnews.hk.Unidad% menos tiempo de ejecución60 %Casos bancarios de HKMA40 %Redacción profesional21 %Tareas de banco central
Tres entornos produjeron ahorros importantes de tiempo en trabajo delimitado. Las reducciones reportadas fueron de 21% en un banco central a 60% en casos del sandbox de la HKMA. El experimento de redacción profesional quedó entre ambos con 40%. Son estudios separados, por lo que la variación describe dependencia de la tarea y no una clasificación.
AI gains reversed outside the model'scapability frontierReported percentage changes in a 758-consultant GPT-4 experiment; the figures were not live-verifiedduring this build.Made for Freddy Vega, by HanademiSources: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business School WorkingPaper 24-013.Unit% or percentage-point changeMore tasks completed12.2%Faster completion25.1%Higher quality40%Correct beyond frontier-19%
Inside the model's capability frontier, users completed more tasks, worked faster and produced higher quality. Outside that frontier, correctness fell by 19 percentage points. The figures were not verified live during this build, so they remain methodology-limited. The operating lesson is to test each workflow rather than approve a model once for every task.
Las ganancias de IA se revirtieron fuera dela capacidad del modeloCambios porcentuales reportados en un experimento con 758 consultores y GPT-4; las cifras no severificaron en vivo durante esta elaboración.Made for Freddy Vega, by HanademiFuentes: Dell'Acqua, F., et al. (2023). Navigating the jagged technological frontier. Harvard Business SchoolWorking Paper 24-013.Unidad% o cambio en puntos porcentualesMás tareas completadas12,2 %Ejecución más rápida25,1 %Mayor calidad40 %Acierto fuera de capacidad-19 %
Dentro de la capacidad del modelo, los usuarios completaron más tareas, trabajaron más rápido y produjeron mayor calidad. Fuera de esa capacidad, el acierto cayó 19 puntos porcentuales. Las cifras no se verificaron en vivo durante esta elaboración, por lo que tienen una limitación metodológica. La lección operativa es probar cada proceso en lugar de aprobar un modelo una sola vez para todas las tareas.
Novice support workers gained more fromAI assistanceIncrease in issues resolved per hour in a field study of 5,179 support agents.Made for Freddy Vega, by HanademiSources: Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper 31161.Unit% productivity increaseAll agents14%Novice agents34%2.4x
AI assistance raised overall support productivity by 14%. The gain was about 34% for novice workers. That points to a strong relationship-manager use case: prepare research, drafts and next steps while spreading patterns from experienced staff. The human still owns the client relationship and final advice.
Los agentes principiantes ganaron más conla asistencia de IAAumento de casos resueltos por hora en un estudio de campo con 5,179 agentes de soporte.Made for Freddy Vega, by HanademiFuentes: Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper 31161.Unidad% de aumento en productividadTodos los agentes14 %Agentes principiantes34 %2,4x
La asistencia de IA elevó 14% la productividad general del soporte. La mejora fue cercana a 34% para trabajadores principiantes. Esto apunta a un uso potente para ejecutivos de relación: preparar investigación, borradores y próximos pasos mientras difunde patrones del personal experimentado. La persona conserva la relación con el cliente y la asesoría final.
Human-led advice scaled across 2,540locationsCitizens Advice operating footprint and people advised in 2024.Made for Freddy Vega, by HanademiSources: justiceinnovation.law.stanford.edu.UnitcountLocal organizations270Service locations2,540People advised2,800,000
Citizens Advice combined 270 local organizations, 2,540 locations and remote channels to advise 2.8 million people in 2024. The useful pattern is augmentation at scale, not unsupervised advice. An agent can retrieve evidence and prepare drafts. A person remains responsible for advice that changes a customer's options.
La asesoría dirigida por personas escaló a2,540 sedesAlcance operativo de Citizens Advice y personas asesoradas en 2024.Made for Freddy Vega, by HanademiFuentes: justiceinnovation.law.stanford.edu.UnidadconteoOrganizaciones locales270Sedes de servicio2.540Personas asesoradas2.800.000
Citizens Advice combinó 270 organizaciones locales, 2,540 sedes y canales remotos para asesorar a 2.8 millones de personas en 2024. El patrón útil es el complemento a escala, no la asesoría autónoma. Un agente puede recuperar evidencia y preparar borradores. Una persona sigue siendo responsable de la asesoría que cambia las opciones del cliente.
Stanford's unverified figures put legal AIerrors at 17% to 33%Reported hallucination rates for 3 legal AI systems; live verification was unavailable at build time.Made for Freddy Vega, by HanademiSources: Magesh, V., et al. (2024). Hallucination-free? Assessing the reliability of leading AI legal research tools. Stanford HAI.Unit% hallucination rate33%Leading system17%Legal tool A17%Legal tool B
The relationship-manager agent should behave like a junior banker, not a signing officer. Stanford reported error rates between 17% and 33% for legal research systems. The figures were not independently verified during this build. The risk pattern still supports retrieval, citations and human approval for consequential advice.
Cifras no verificadas de Stanford sitúan loserrores jurídicos entre 17% y 33%Tasas de alucinación reportadas para 3 sistemas jurídicos de IA; no hubo verificación en vivo durante laelaboración.Made for Freddy Vega, by HanademiFuentes: Magesh, V., et al. (2024). Hallucination-free? Assessing the reliability of leading AI legal research tools. Stanford HAI.Unidad% de alucinaciones33 %Sistema líder17 %Herramienta jurídica A17 %Herramienta jurídica B
El agente para ejecutivos de relación debe comportarse como un banquero júnior, no como quien firma. Stanford reportó tasas de error entre 17% y 33% en sistemas de investigación jurídica. Las cifras no se verificaron de forma independiente durante esta elaboración. El patrón de riesgo todavía respalda el uso de fuentes, citas y aprobación humana para asesoría importante.
IFC estimated a US$5.2T annual financinggap for formal MSMEs.This is a global estimate for developing economies, not a Mexico-specific financing gap.Sources: International Finance Corporation. (2017). MSME finance gap. World Bank Group.
The credit problem is much larger than document processing. IFC estimated a US$5.2 trillion annual financing gap for formal MSMEs across developing economies. Cash-flow data can make some thin-file firms easier to assess. It cannot turn every risky or undercapitalized borrower into a safe loan.
La IFC estimó una brecha anual de US$5.2billones para mipymes formales.Esta es una estimación mundial para economías en desarrollo, no una brecha específicade México.Fuentes: International Finance Corporation. (2017). MSME finance gap. World Bank Group.
El problema crediticio es mucho mayor que el procesamiento de documentos. La IFC estimó una brecha anual de US$5.2 billones para mipymes formales de economías en desarrollo. Los datos de flujo de efectivo pueden facilitar la evaluación de algunas empresas con pocos antecedentes. No pueden convertir a cada prestatario riesgoso o descapitalizado en un crédito seguro.
Cash-flow credit tests are moving from 6institutions to a 16-bank pilotParticipating institutions in 2 separate small-business credit-data initiatives; the 16-bank program wasscheduled to begin in August 2026.Made for Freddy Vega, by HanademiSources: FinRegLab. (2019). The use of cash-flow data in underwriting credit: Small business spotlight. FinRegLab.;ajupress.com.Sources use different measurement bases; read the comparison directionally, not as one exact scale.Unitparticipating institutionsFinRegLab study6Planned 2026 pilot162.7x
FinRegLab found predictive value in electronic cash-flow variables across 6 participating institutions. A separate report dated July 27, 2026 said a 16-bank pilot would begin the next month. Neither result establishes performance in Mexico. Together they show a practical validation path: controlled pilots before automated credit authority.
Las pruebas de crédito por flujos pasan de6 instituciones a un piloto con 16 bancosInstituciones participantes en 2 iniciativas separadas de datos para crédito empresarial; el programa de 16bancos estaba previsto para comenzar en agosto de 2026.Made for Freddy Vega, by HanademiFuentes: FinRegLab. (2019). The use of cash-flow data in underwriting credit: Small business spotlight. FinRegLab.;ajupress.com.Las fuentes usan bases de medición distintas; lea la comparación como tendencia, no como una escala exacta.Unidadinstituciones participantesEstudio FinRegLab6Piloto previsto en 2026162,7x
FinRegLab encontró valor predictivo en variables electrónicas de flujo de efectivo en 6 instituciones participantes. Un reporte separado del 27 de julio de 2026 indicó que un piloto con 16 bancos comenzaría al mes siguiente. Ningún resultado establece desempeño en México. Juntos muestran una ruta práctica de validación: pilotos controlados antes de otorgar autoridad crediticia automatizada.
Stripe reported a 26% reduction in reviewhandling time with human oversight, notautonomous clearance.The result is attributed to Stripe because it is company-reported and was publishedthrough an AWS case study.Sources: aws.amazon.com.
Stripe reported a 26% reduction in compliance-review handling time from its agent system. Human oversight remained part of the workflow. That combination matters more than the headline number. The agent prepares and connects evidence, while a person remains responsible for consequential clearance.
Stripe reportó una reducción del 26%en el tiempo de gestión de revisionescon supervisión humana, noautorización autónoma.El resultado se atribuye a Stripe porque fue reportado por la empresa y publicadomediante un caso de estudio de AWS.Fuentes: aws.amazon.com.
Stripe reportó una reducción del 26% en el tiempo de gestión de revisiones de cumplimiento con su sistema de agentes. La supervisión humana siguió formando parte del proceso. Esa combinación importa más que la cifra principal. El agente prepara y conecta evidencia, mientras una persona conserva la responsabilidad de la autorización importante.
HSBC says AI found at least twice as manysuspicious reportsSuspicious activity reports identified relative to HSBC's previous rules-based system, indexed to 1.Made for Freddy Vega, by HanademiSources: amlintelligence.com.The previous system is indexed to 1.Unitrelative reports identifiedPrevious rules system1AI model2
Financial crime is a natural agent problem because evidence is fragmented across transactions, customers and documents. HSBC says its AI model identified more than twice as many suspicious activity reports as its previous rules system. That is a company-reported result, not independent proof. The operating test is whether better detection arrives with manageable false positives and review costs.
HSBC afirma que la IA detectó al menos eldoble de reportes sospechososReportes de operaciones sospechosas identificados frente al sistema previo de HSBC basado en reglas,indexado a 1.Made for Freddy Vega, by HanademiFuentes: amlintelligence.com.El sistema previo se indexa a 1.Unidadreportes identificados en términos relativosSistema previo de reglas1Modelo de IA2
Los delitos financieros son un problema natural para agentes porque la evidencia está fragmentada entre transacciones, clientes y documentos. HSBC afirma que su modelo identificó más del doble de reportes de operaciones sospechosas que su sistema previo de reglas. Es un resultado reportado por la empresa, no una prueba independiente. La prueba operativa es si la mejor detección llega con falsos positivos y costos de revisión manejables.
Illicit finance dwarfs measured fraud andscam lossesNasdaq estimates for global illicit funds and losses during 2023, US$ billions.Made for Freddy Vega, by HanademiSources: Nasdaq. (2024). 2024 global financial crime report. Nasdaq.UnitUS$$3,100BIllicit funds$485.6BFraud losses$77.7BScam losses
Nasdaq estimated US$3.1 trillion in illicit funds moving through the global financial system during 2023. Reported fraud losses were US$485.6 billion and scam losses were US$77.7 billion. The scale supports agents that connect fragmented evidence. It also raises the cost of letting those agents act with broad permissions.
Las finanzas ilícitas superan ampliamentelas pérdidas por fraude y estafasEstimaciones de Nasdaq sobre fondos ilícitos y pérdidas mundiales durante 2023, miles de millones USD.Made for Freddy Vega, by HanademiFuentes: Nasdaq. (2024). 2024 global financial crime report. Nasdaq.UnidadUSD$3.100 mil MFondos ilícitos$485,6 mil MPérdidas por fraude$77,7 mil MPérdidas por estafas
Nasdaq estimó que US$3.1 billones en fondos ilícitos circularon por el sistema financiero mundial durante 2023. Las pérdidas reportadas por fraude fueron US$485,600 millones y por estafas US$77,700 millones. La escala respalda agentes que conecten evidencia fragmentada. También eleva el costo de permitirles actuar con permisos amplios.
Finance had the second-highest breach costin IBM's estimateAverage global breach cost by industry in 2023, US$ millions; live verification was unavailable at build time.Made for Freddy Vega, by HanademiSources: IBM Security. (2023). Cost of a data breach report 2023. IBM.UnitUS$ per breachHealthcare$10.9MFinancial$5.9MPharmaceutical$4.8MTechnology$4.7M
IBM estimated an average financial-sector breach cost of US$5.9 million in 2023. Only healthcare ranked higher among the listed industries. The figure was not live-verified during this build. It still makes the governance trade-off clear: capability without constrained permissions can create an expensive failure path.
Finanzas tuvo el segundo mayor costo defiltración según IBMCosto promedio mundial de una filtración por sector en 2023, millones USD; no hubo verificación en vivodurante la elaboración.Made for Freddy Vega, by HanademiFuentes: IBM Security. (2023). Cost of a data breach report 2023. IBM.UnidadUSD por filtraciónSalud$10,9 MFinanzas$5,9 MFarmacéutica$4,8 MTecnología$4,7 M
IBM estimó un costo promedio de US$5.9 millones por filtración en el sector financiero durante 2023. Solo salud quedó por encima entre los sectores listados. La cifra no se verificó en vivo durante esta elaboración. Aun así, aclara el dilema de gobernanza: capacidad sin permisos restringidos puede crear una ruta de fallo costosa.
IBM's unverified estimate puts breachresponse at 277 daysAverage time to identify and contain a breach in IBM's 2023 report; live verification was unavailable atbuild time.Made for Freddy Vega, by HanademiSources: IBM Security. (2023). Cost of a data breach report 2023. IBM.Unitdays0100200300204Identification73Containment277Total lifecycle
Digital onboarding and open data increase speed, but they also expand the data exposed to attack. IBM reported 204 days to identify a breach and another 73 days to contain it. The figure was not verified live during this build. Permissions, monitoring and incident response therefore belong inside the product design.
La estimación no verificada de IBM sitúa larespuesta en 277 díasTiempo promedio para identificar y contener una filtración en el informe de IBM de 2023; no huboverificación en vivo durante la elaboración.Made for Freddy Vega, by HanademiFuentes: IBM Security. (2023). Cost of a data breach report 2023. IBM.Unidaddías0100200300204Identificación73Contención277Ciclo total
La incorporación digital y los datos abiertos aumentan la velocidad, pero también amplían los datos expuestos a ataques. IBM reportó 204 días para identificar una filtración y otros 73 para contenerla. La cifra no se verificó en vivo durante esta elaboración. Por eso, permisos, monitoreo y respuesta a incidentes deben formar parte del diseño del producto.
A financial breach averages aboutUS$21,300 per lifecycle dayDivide the US$5.90 million average breach cost by the 277-day lifecycle, then allocate that costproportionally across 204 identification days and 73 containment days.Made for Freddy Vega, by HanademiSources: IBM Security. (2023). Cost of a data breach report 2023. IBM.UnitUS$ millions per average breachTotal average breach cost$5.9Identification-period equivalent$4.3Containment-period equivalent$1.6
Under an even daily allocation, the long identification phase carries almost three-quarters of the average lifecycle cost exposure.
Una filtración financiera promedia cerca deUS$21,300 por día de cicloDividir el costo promedio de US$5.90 millones entre el ciclo de 277 días y asignar ese costoproporcionalmente entre 204 días de identificación y 73 días de contención.Made for Freddy Vega, by HanademiFuentes: IBM Security. (2023). Cost of a data breach report 2023. IBM.Unidadmillones de US$ por filtración promedioCosto promedio total de la filtración$5,9Equivalente del periodo de identificación$4,3Equivalente del periodo de contención$1,6
Con una asignación diaria uniforme, la larga fase de identificación concentra casi tres cuartas partes de la exposición al costo promedio del ciclo.
Mexico's trade exposure grew as interestrates climbedMerchandise exports in US$ billions and Banxico's overnight target rate, end-2020 to end-2023.Made for Freddy Vega, by HanademiSources: Instituto Nacional de Estadística y Geografía. (2024). Balanza comercial de mercancías de México. INEGI.; Banco deMéxico. (2025). Objetivo para la tasa de interés interbancaria a un día. Banco de México.UnitUS$ billions and %Merchandise exports$418B$593B20202023Overnight target rate4.2%11.2%20202023
Mexican merchandise exports rose from about US$418 billion to US$593 billion between 2020 and 2023. Over the same endpoints, Banxico's target rate rose from 4.25% to 11.25%. That creates more trade flows and a more demanding funding environment. An agent can refresh forecasts, enforce limits and surface exceptions without claiming to know the next market move.
La exposición comercial de México creciómientras subían las tasasExportaciones de mercancías en miles de millones USD y tasa objetivo a un día de Banxico, cierre de 2020a cierre de 2023.Made for Freddy Vega, by HanademiFuentes: Instituto Nacional de Estadística y Geografía. (2024). Balanza comercial de mercancías de México. INEGI.;Banco de México. (2025). Objetivo para la tasa de interés interbancaria a un día. Banco de México.Unidadmiles de millones USD y %Exportaciones de mercancías$418 mil M$593 mil M20202023Tasa objetivo a un día4,2 %11,2 %20202023
Las exportaciones mexicanas de mercancías subieron de cerca de US$418,000 millones a US$593,000 millones entre 2020 y 2023. En los mismos extremos, la tasa objetivo de Banxico aumentó de 4.25% a 11.25%. Esto genera más flujos comerciales y un entorno de financiamiento más exigente. Un agente puede actualizar pronósticos, aplicar límites y detectar excepciones sin afirmar que conoce el siguiente movimiento del mercado.
The MSME loan spread was 2.17 times thebanking NPL ratioMade for Freddy Vega, by HanademiSources: oecd.org.; Banco de México. (2025). Objetivo para la tasa de interés interbancaria a un día. Banco deMéxico.; Banxico cierra 2023 con tasa de referencia en 11.25%.Unitpercent and percentage points051015Bank NPL ratio2.00%Policy rate11.25%MSME loan rate15.59%4.34 point spread, 2.17x NPLRate, %
The price wedge above the policy rate was more than twice the share of loans currently classified as nonperforming.
El margen crediticio de las mipymes fue2.17 veces la morosidad bancariaMade for Freddy Vega, by HanademiFuentes: oecd.org.; Banco de México. (2025). Objetivo para la tasa de interés interbancaria a un día. Banco deMéxico.; Banxico cierra 2023 con tasa de referencia en 11.25%.Unidadporcentaje y puntos porcentuales051015Morosidad bancaria2.00%Tasa de referencia11.25%Tasa de crédito mipyme15.59%Margen de 4.34 puntos, 2.17x la morosidadTasa, %
La diferencia de precio sobre la tasa de referencia superó dos veces la proporción de créditos clasificados actualmente como morosos.
Coding AI saved time on one task and lost iton familiar repositoriesControlled GitHub Copilot task times and separate METR results for experienced developers usingearly-2025 tools.Made for Freddy Vega, by HanademiSources: Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The impact of AI on developer productivity: Evidencefrom GitHub Copilot. GitHub.; Becker, J., et al. (2025). Measuring the impact of early-2025 AI on experienced open-sourcedeveloper productivity. METR.Unitminutes and reported %Bounded Copilot task16171Control groupCopilot groupReported time effects55.8%19%Copilot fasterExperienced users slower
In a bounded task, Copilot users finished in a median 71 minutes versus 161 minutes for the control group, a reported 55.8% improvement. In a separate METR study, experienced open-source developers took 19% longer with selected early-2025 tools on familiar repositories. The studies are not directly comparable. Their contrast shows why banks must measure net cycle time inside each real repository.
La IA de programación ahorró tiempo en una tarea ylo perdió en repositorios conocidosTiempos de una tarea controlada con GitHub Copilot y resultados separados de METR para desarrolladoresexperimentados con herramientas de inicios de 2025.Made for Freddy Vega, by HanademiFuentes: Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The impact of AI on developer productivity: Evidencefrom GitHub Copilot. GitHub.; Becker, J., et al. (2025). Measuring the impact of early-2025 AI on experienced open-sourcedeveloper productivity. METR.Unidadminutos y % reportadoTarea delimitada con Copilot16171Grupo de controlGrupo con CopilotEfectos reportados sobre el tiempo55,8 %19 %Copilot más rápidoExpertos más lentos
En una tarea delimitada, los usuarios de Copilot terminaron en una mediana de 71 minutos frente a 161 minutos en el grupo de control, una mejora reportada de 55.8%. En un estudio separado de METR, desarrolladores experimentados de código abierto tardaron 19% más con ciertas herramientas de inicios de 2025 en repositorios conocidos. Los estudios no son directamente comparables. Su contraste muestra por qué los bancos deben medir el tiempo neto dentro de cada repositorio real.
AI exposure reaches 40% of jobs inemerging marketsIMF estimate of employment exposed to AI by economy group, 2024.Made for Freddy Vega, by HanademiSources: International Monetary Fund. (2024). Gen-AI: Artificial intelligence and the future of work. IMF Staff Discussion Note2024/001.Unit% of employment60%Advanced economies40%Emerging markets26%Low-income countries
The IMF estimates that AI touches about 40% of employment in emerging markets. Exposure is higher in advanced economies and lower in low-income countries. This is not a forecast that 40% of jobs disappear. For banks, the immediate issue is redesigning tasks, controls and skills around human and machine collaboration.
La exposición a IA alcanza 40% del empleoen mercados emergentesEstimación del FMI sobre empleo expuesto a IA por grupo de economías, 2024.Made for Freddy Vega, by HanademiFuentes: International Monetary Fund. (2024). Gen-AI: Artificial intelligence and the future of work. IMF Staff Discussion Note2024/001.Unidad% del empleo60 %Economías avanzadas40 %Mercados emergentes26 %Países de bajos ingresos
El FMI estima que la IA alcanza cerca de 40% del empleo en mercados emergentes. La exposición es mayor en economías avanzadas y menor en países de bajos ingresos. No es un pronóstico de que desaparezca 40% de los empleos. Para los bancos, el asunto inmediato es rediseñar tareas, controles y habilidades alrededor de la colaboración entre personas y máquinas.
Training access trails the expecteddisruption of workEmployer expectations for skills change and training over 5 years, World Economic Forum survey publishedin 2023.Made for Freddy Vega, by HanademiSources: World Economic Forum. (2023). The future of jobs report 2023. World Economic Forum.Unit% of skills or workersSkills expected to change44%Workers needing training60%Adequate training access50%
Employers expected 44% of workers' skills to change within 5 years. They also expected 60% of workers to need training, while only 50% had adequate access. The gap is operationally important. Banks need training plans before copilots become mandatory infrastructure.
El acceso a capacitación queda detrás delcambio esperado en el trabajoExpectativas empresariales sobre cambio de habilidades y capacitación durante 5 años, encuesta del ForoEconómico Mundial publicada en 2023.Made for Freddy Vega, by HanademiFuentes: World Economic Forum. (2023). The future of jobs report 2023. World Economic Forum.Unidad% de habilidades o trabajadoresHabilidades que cambiarán44 %Trabajadores que necesitaráncapacitación60 %Acceso adecuado a capacitación50 %
Los empleadores esperaban que 44% de las habilidades laborales cambiara dentro de 5 años. También esperaban que 60% de los trabajadores necesitara capacitación, mientras solo 50% tenía acceso adecuado. La brecha importa en la operación. Los bancos necesitan planes de capacitación antes de que los copilotos se conviertan en infraestructura obligatoria.
In summaryMade for Freddy Vega, by HanademiSources: Nasdaq. (2024). 2024 global financial crime report. Nasdaq.; amlintelligence.com.; oecd.org.; cepr.org.; fintechnews.hk.; International FinanceCorporation. (2017). MSME finance gap. World Bank Group.Nasdaq estimated that US$3.1 trillion in illicit funds moved through the global financial system during 2023.HSBC said its AI financial-crime model identified more than twice as many suspicious activity reports as its previous rules-based system.INEGI's 2024 Economic Censuses found that only 10.7% of Mexican MSMEs obtained financing from any source in 2023.At the National Bank of Slovakia, randomized GPT-4o access improved output quality by up to 44% and reduced completion time by 21%.A report on the HKMA GenAI Sandbox said banks could reduce production time by up to 60% with generative AI.IFC estimated an annual US$5.2 trillion financing gap for formal micro, small and medium enterprises in developing economies.
The value of the research is not only what each source knew, but what became visible when their evidence was combined.
En resumenMade for Freddy Vega, by HanademiFuentes: Nasdaq. (2024). 2024 global financial crime report. Nasdaq.; amlintelligence.com.; oecd.org.; cepr.org.; fintechnews.hk.; International FinanceCorporation. (2017). MSME finance gap. World Bank Group.Nasdaq estimó que US$3.1 billones en fondos ilícitos circularon por el sistema financiero mundial durante 2023.HSBC afirmó que su modelo de IA para delitos financieros identificó más del doble de reportes de operacionessospechosas que su sistema anterior basado en reglas.Los Censos Económicos 2024 del INEGI encontraron que solo 10.7% de las mipymes mexicanas obtuvo financiamiento de alguna fuente en 2023.En el Banco Nacional de Eslovaquia, el acceso aleatorio a GPT-4o mejoró la calidad hasta 44% y redujo el tiempo de ejecución 21%.Un reporte sobre el Sandbox de IA generativa de la HKMA indicó que los bancos podían reducir hasta 60% el tiempo de producción.La IFC estimó una brecha anual de financiamiento de US$5.2 billones para mipymes formales de economías en desarrollo.
El valor de la investigación no está solo en cada fuente, sino en lo que apareció al combinar sus evidencias.
Illicit financial flows equaled 60% of theMSME financing gapCompare US$3.1 trillion of illicit funds with the US$5.2 trillion annual MSME financing gap; combineUS$485.6 billion of fraud losses and US$77.7 billion of scam losses for a US$563.3 billion subset.Made for Freddy Vega, by HanademiSources: Nasdaq. (2024). 2024 global financial crime report. Nasdaq.; Nasdaq Verafin 2024 Global Financial Crime Report.; InternationalFinance Corporation. (2017). MSME finance gap. World Bank Group.UnitUS$ billionsAnnual MSME financing gap$5,200Illicit funds$3,100Fraud and scam losses$563.3
The scale passing through financial crime channels is comparable to more than half of the unmet formal financing need of developing-economy MSMEs.
Los flujos financieros ilícitos equivalieronal 60% de la brecha mipymeComparar US$3.1 billones de fondos ilícitos con la brecha anual de financiamiento mipyme de US$5.2billones; sumar US$485.6 mil millones en pérdidas por fraude y US$77.7 mil millones por estafas para unsubconjunto de US$563.3 mil millones.Made for Freddy Vega, by HanademiFuentes: Nasdaq. (2024). 2024 global financial crime report. Nasdaq.; Nasdaq Verafin 2024 Global Financial CrimeReport.; International Finance Corporation. (2017). MSME finance gap. World Bank Group.Unidadmiles de millones de US$Brecha anual de financiamiento mipyme$5.200Fondos ilícitos$3.100Pérdidas por fraude y estafas$563,3
La escala que pasa por canales de delito financiero es comparable con más de la mitad de la necesidad de financiamiento formal no atendida de las mipymes en economías en desarrollo.
Global banking AI value equals at most 6.5%of the MSME financing gapDivide the US$200 billion and US$340 billion banking AI estimates by the US$5.2 trillion annual MSMEfinancing gap.Made for Freddy Vega, by HanademiSources: McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey &Company.; AI Could Boost Bank Earnings by as Much as $340 Billion, McKinsey Says - Bloomberg.; International FinanceCorporation. (2017). MSME finance gap. World Bank Group.UnitUS$ billions annuallyAnnual MSME financing gap$5,200Upper banking AI value$340Lower banking AI value$200
Even the upper global value estimate represents only one dollar for every fifteen dollars of unmet MSME financing demand.
El valor global de la IA bancaria equivalecomo máximo al 6.5% de la brecha mipymeDividir las estimaciones de IA bancaria de US$200 mil millones y US$340 mil millones entre la brechaanual de financiamiento mipyme de US$5.2 billones.Made for Freddy Vega, by HanademiFuentes: McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivityfrontier. McKinsey & Company.; AI Could Boost Bank Earnings by as Much as $340 Billion, McKinsey Says -Bloomberg.; International Finance Corporation. (2017). MSME finance gap. World Bank Group.Unidadmiles de millones de US$ anualesBrecha anual de financiamiento mipyme$5.200Valor superior de IA bancaria$340Valor inferior de IA bancaria$200
Incluso la estimación global superior representa solo un dólar por cada quince dólares de demanda de financiamiento mipyme no atendida.
Observed time savings imply 1.27x to 2.50xtask capacityConvert each time reduction into fixed-labor capacity using 1 divided by 1 minus the reduction: 21%, 26% and60% become 1.27x, 1.35x and 2.50x.Made for Freddy Vega, by HanademiSources: cepr.org.; aws.amazon.com.; fintechnews.hk.Unittasks per original task-timeCentral-bank knowledge work1.3Compliance reviews1.4Bank production workflows2.5
The largest reported banking time reduction would support twice the throughput gain implied by the more conservative field results.
Los ahorros de tiempo observados implicanuna capacidad de 1.27x a 2.50xConvertir cada reducción de tiempo en capacidad con trabajo fijo mediante 1 dividido entre 1 menos lareducción: 21%, 26% y 60% se vuelven 1.27x, 1.35x y 2.50x.Made for Freddy Vega, by HanademiFuentes: cepr.org.; aws.amazon.com.; fintechnews.hk.Unidadtareas por tiempo original de una tareaTrabajo de conocimiento en banco central1,3Revisiones de cumplimiento1,4Flujos de producción bancaria2,5
La mayor reducción de tiempo reportada en banca permitiría el doble de aumento de capacidad implícito en los resultados de campo más conservadores.
4.82 million Mexican MSMEs lackedfinancing in 2023Apply the 10.7% financing rate to 5.4 million MSMEs, then subtract the 577,800 financed firms from thetotal.Made for Freddy Vega, by HanademiSources: oecd.org.Unitmillion MSMEsAll MSMEs5.4Obtained financing0.6Without financing4.8
Only about one firm in nine obtained financing, leaving nearly nine times as many MSMEs outside the financed pool.
Sources
4.82 millones de mipymes mexicanascarecieron de financiamiento en 2023Aplicar la tasa de financiamiento de 10.7% a 5.4 millones de mipymes y restar las 577,800 empresasfinanciadas del total.Made for Freddy Vega, by HanademiFuentes: oecd.org.Unidadmillones de mipymesTodas las mipymes5,4Obtuvieron financiamiento0,6Sin financiamiento4,8
Solo cerca de una de cada nueve empresas obtuvo financiamiento, dejando casi nueve veces más mipymes fuera del grupo financiado.
Fuentes
At one-third of GDP, private credit wouldhave added about US$234 billionApply the approximate 33% credit-to-GDP ratio to current-dollar GDP of US$1.12 trillion in 2020 andUS$1.83 trillion in 2025.Made for Freddy Vega, by HanademiSources: Federal Reserve Bank of St. Louis. (2026). Gross domestic product for Mexico [MKTGDPMXA646NWDB]. FRED, Federal ReserveBank of St. Louis; data from World Bank.; World Bank. (2024). GDP, current US$, Mexico. World Development Indicators.; World Bank.(2024). Domestic credit to private sector, percent of GDP, Mexico. World Development Indicators.UnitUS$ billions$0$500$1K$2K20202025Current-dollarGDPImplied privatecredit at 33%
A stable credit-depth ratio can conceal large absolute balance-sheet growth when the nominal economy expands quickly.
Con un tercio del PIB, el crédito privadohabría sumado unos US$234 mil millonesAplicar la razón aproximada de crédito a PIB de 33% al PIB en dólares corrientes de US$1.12 billones en2020 y US$1.83 billones en 2025.Made for Freddy Vega, by HanademiFuentes: Federal Reserve Bank of St. Louis. (2026). Gross domestic product for Mexico [MKTGDPMXA646NWDB]. FRED, FederalReserve Bank of St. Louis; data from World Bank.; World Bank. (2024). GDP, current US$, Mexico. World DevelopmentIndicators.; World Bank. (2024). Domestic credit to private sector, percent of GDP, Mexico. World Development Indicators.Unidadmiles de millones de US$$0$500$1K$2K20202025PIB en dólarescorrientesCrédito privadoimplícito al 33%
Una razón estable de profundidad crediticia puede ocultar un gran crecimiento absoluto del balance cuando la economía nominal se expande rápidamente.

The research behind this deck

The market is enormous in accounts and tiny in average customer scale. These terms separate useful automation from vague AI promises.

Key findings

The argument

This research is published in English and Spanish. Ver en español

La investigación detrás de esta presentación

El mercado es enorme en cuentas y diminuto en la escala promedio del cliente. Estos términos separan la automatización útil de las promesas vagas sobre IA.

Hallazgos clave

El argumento

Esta investigación se publica en inglés y español. Read in English