En el Nu DS & MLE Meetup #6, realizado por Nu M\u00e9xico, tuvimos la oportunidad de escuchar a Mois\u00e9s Rojo, f\u00edsico y cient\u00edfico de datos con m\u00e1s de 12 a\u00f1os de experiencia. Su trayectoria en Nu pasa por diferentes hitos: fue responsable de los primeros modelos de cr\u00e9dito en M\u00e9xico, lider\u00f3 la construcci\u00f3n de la infraestructura global de aprendizaje autom\u00e1tico para el aumento de l\u00edneas y hoy dirige el \u00e1rea de Ciencia de Datos en Cobranza a nivel global.<\/p>\n\n\n\n
Antes de llegar a Nu, se desempe\u00f1\u00f3 como director de innovaci\u00f3n en ciencia de datos en Kantar y tambi\u00e9n colabor\u00f3 con medios de comunicaci\u00f3n en proyectos de periodismo de datos.<\/p>\n\n\n\n
En el encuentro, Mois\u00e9s comparti\u00f3 una visi\u00f3n que va m\u00e1s all\u00e1 de lo t\u00e9cnico y se adentra en algo m\u00e1s profundo: la cultura de datos e inteligencia artificial que sostiene a Nubank. M\u00e1s que algoritmos y modelos, es esta filosof\u00eda la que crea una ventaja competitiva, permitiendo que la empresa simplifique la vida de millones de clientes de una manera radicalmente diferente.<\/p>\n\n\n\n
La tesis central de Nubank es clara: la tecnolog\u00eda genera eficiencia, y esa eficiencia regresa a los clientes en forma de mejores productos y precios m\u00e1s justos. Pero, en el \u00e1mbito de la ciencia de datos, la tecnolog\u00eda se traduce en sistemas de decisi\u00f3n. Cada elecci\u00f3n a lo largo de la jornada del cliente \u2014desde el an\u00e1lisis inicial para otorgar una tarjeta hasta la definici\u00f3n de estrategias de cobranza\u2014 est\u00e1 respaldada por modelos de machine learning.<\/p>\n\n\n\n
Estos modelos act\u00faan de manera invisible, pero decisiva. Al solicitar una tarjeta, por ejemplo, es la inteligencia artificial la que estima el riesgo crediticio, define los l\u00edmites y aprueba la propuesta en segundos, sin necesidad de burocracia ni intervenci\u00f3n humana. La misma l\u00f3gica aplica para la detecci\u00f3n de fraudes, garantizando seguridad desde el primer contacto con el cliente.<\/p>\n\n\n\n
Una vez activada, la relaci\u00f3n evoluciona con el apoyo de los datos. Las preguntas enviadas a trav\u00e9s de la app se responden r\u00e1pidamente gracias al uso de procesamiento de lenguaje natural. Si es necesario hablar con una persona, el sistema dirige autom\u00e1ticamente la consulta al agente m\u00e1s adecuado. La misma inteligencia que aprueba cr\u00e9ditos o detecta fraudes tambi\u00e9n personaliza la atenci\u00f3n al cliente.<\/p>\n\n\n\n
Y a medida que el cliente madura en el uso de la tarjeta, los modelos siguen funcionando: analizan patrones de uso, calculan la probabilidad de incumplimiento y ayudan a definir cu\u00e1ndo y c\u00f3mo aumentar el l\u00edmite de cr\u00e9dito. Incluso la cobranza se convierte en una experiencia menos traum\u00e1tica, con estrategias adaptadas a la realidad de cada persona. Esta misma filosof\u00eda se aplica a otros productos, como los pr\u00e9stamos personales. En todas las etapas, la tecnolog\u00eda est\u00e1 ah\u00ed para reducir la complejidad y devolver tiempo al cliente.<\/p>\n\n\n\n
Para que todo esto sea posible, existe un engranaje invisible, sostenido por equipos multidisciplinarios y una plataforma de datos robusta.<\/p>\n\n\n\n
Los ingenieros de datos transforman miles de millones de eventos en conjuntos de informaci\u00f3n accionable. Los ingenieros de machine learning garantizan que los modelos sean escalables y puedan aplicarse a gran escala. Los cient\u00edficos de datos desarrollan predicciones a partir de esos conjuntos, mientras que los analistas de negocio traducen las predicciones en impacto financiero concreto.<\/p>\n\n\n\n
Este modelo, basado en squads multidisciplinarios due\u00f1os de principio a fin de sus soluciones, elimina las barreras tradicionales entre \u00e1reas. No existe un equipo de tecnolog\u00eda aislado y distante: todos trabajan juntos para transformar datos en productos que generan una diferencia real en la vida de los clientes.<\/p>\n\n\n\n
Si la tecnolog\u00eda ofrece la base, la cultura moldea la forma en que construimos y operamos este ecosistema. Mois\u00e9s cit\u00f3 una frase que resume bien este esp\u00edritu: \u201cla cultura es lo que hacemos cuando nadie nos est\u00e1 viendo\u201d.<\/p>\n\n\n\n
En Nubank, nuestras decisiones arquitect\u00f3nicas en datos reflejan directamente nuestros valores. En lugar de centralizar todo en un solo equipo, optamos por un modelo de Data Mesh, en el que cada equipo es due\u00f1o de sus dominios y tiene autonom\u00eda para construirlos y remodelarlos. Esta descentralizaci\u00f3n aumenta la responsabilidad, pero tambi\u00e9n potencia la innovaci\u00f3n, ya que da a cada squad la libertad de ajustar y evolucionar sus propios productos de datos.<\/p>\n\n\n\n
La autonom\u00eda, sin embargo, no significa desorden. Al mismo tiempo que fomentamos la independencia, construimos cat\u00e1logos y est\u00e1ndares de gobernanza que permiten compartir features, datos y buenas pr\u00e1cticas entre equipos. De esta forma, cada contribuci\u00f3n fortalece no solo un producto, sino todo el ecosistema, creando un efecto compuesto que multiplica el valor para el negocio.<\/p>\n\n\n\n
Otro pilar es la eficiencia inteligente. En lugar de limitar recursos, preferimos dar visibilidad y responsabilidad sobre los costos. Creemos que quienes est\u00e1n m\u00e1s cerca del problema son quienes tienen mejores condiciones para decidir. Esto significa confiar en que cada nubanker buscar\u00e1 eficiencia con inteligencia, equilibrando ahorro e impacto.<\/p>\n\n\n\n
La combinaci\u00f3n de tecnolog\u00eda robusta con una cultura fuerte genera impacto a una escala impresionante: m\u00e1s de 100 modelos de machine learning en producci\u00f3n solo en el \u00faltimo a\u00f1o, m\u00e1s de 30 petabytes de datos procesados, 1.000 millones de eventos ingeridos mensualmente y una red de 200 cient\u00edficos de datos que trabajan globalmente. Todo esto para apoyar a m\u00e1s de 122 millones de clientes.<\/p>\n\n\n\n
Estas cifras no son solo m\u00e9tricas t\u00e9cnicas: representan decisiones automatizadas que eliminan burocracia, reducen la ansiedad financiera y permiten que las personas hagan un mejor uso de su tiempo y su dinero.<\/p>\n\n\n\n
Al cerrar su presentaci\u00f3n, Mois\u00e9s enfatiz\u00f3 que la tecnolog\u00eda es la palanca que permite escalar el impacto de Nubank. Pero es la cultura \u2014expresada en los valores, en las decisiones arquitect\u00f3nicas y en la confianza en los equipos\u2014 la que convierte esa tecnolog\u00eda en una verdadera ventaja competitiva.<\/p>\n\n\n\n
Lo que diferencia a Nubank no es solo la adopci\u00f3n de machine learning o de inteligencia artificial, sino la manera en que valores, personas y plataformas se combinan para crear productos financieros radicalmente diferentes. Productos que simplifican la vida de nuestros clientes y hacen que su relaci\u00f3n con el dinero sea m\u00e1s justa y transparente.<\/p>\n\n\n\n
Al final, eso es lo que nos mueve: usar los datos y la inteligencia artificial no como un fin en s\u00ed mismos, sino como instrumentos de transformaci\u00f3n para millones de personas.<\/p>\n\n\n\n