Daniel Liechtenstein, CEO y cofundador de Hypercore – Serie de entrevistas

Daniel Liechtenstein, CEO y cofundador de Hypercore, es un emprendedor fintech y estratega financiero con una trayectoria que abarca tecnología de préstamos, desarrollo de software, consultoría empresarial y planificación financiera a gran escala. Co‑fundó Hypercore en 2020 después de haber trabajado como socio de desarrollo de negocio en Articode, donde se centró en proyectos de software fintech y clientes de servicios financieros, y de ejercer de forma independiente como consultor financiero y empresarial para startups y empresas en crecimiento. En etapas anteriores de su carrera, Liechtenstein ocupó cargos senior de planificación financiera y estrategia en las Fuerzas de Defensa de Israel y en el Ministerio de Defensa de Israel, donde sus responsabilidades incluían la gestión de importantes presupuestos de TIC, la evaluación de inversiones tecnológicas, la negociación de acuerdos a gran escala con proveedores tecnológicos globales y la contribución a la infraestructura en la nube y a iniciativas de adquisición estratégica.

Hypercore es una plataforma tecnológica creada para fondos de crédito privado y prestamistas no bancarios, diseñada para modernizar la infraestructura operativa detrás del préstamo. Su plataforma de extremo a extremo centraliza los datos de los préstamos y soporta todo el ciclo de vida, desde la originación y la gestión de la cartera hasta el servicio, la gestión de fuentes de financiación, la generación de informes y el vencimiento, al tiempo que automatiza muchos de los cálculos y flujos de trabajo que tradicionalmente se manejaban mediante hojas de cálculo y sistemas desconectados. Más recientemente, Hypercore ha ampliado su enfoque hacia la administración de préstamos nativa de IA, utilizando agentes de IA junto con datos estructurados de los préstamos y supervisión profesional para automatizar actividades de servicio recurrentes, como la incorporación de facilidades, cálculos, pagos, conciliaciones, notificaciones y generación de informes. La plataforma está diseñada para proporcionar a los prestamistas visibilidad de cartera en tiempo real, flujos de trabajo auditables y la infraestructura necesaria para escalar operaciones sin expandir proporcionalmente los equipos administrativos.

Cuando iniciaron Hypercore, ¿qué creían que faltaba en la forma en que las firmas de crédito privado gestionaban los préstamos después del cierre? ¿Y cómo ha cambiado esa idea a medida que la IA se ha desarrollado?

Iniciamos Hypercore porque realmente no existía un sistema de gestión de préstamos creado para el crédito privado.

Muchos sistemas manejan los productos de préstamo estándar razonablemente bien, pero el crédito privado no es estándar. Implica diferentes estructuras, diferentes mecánicas de pago, convenios, enmiendas, cascadas, grupos de prestamistas y más. No hay dos operaciones iguales, y las firmas dependen excesivamente de hojas de cálculo y procesos manuales.

Nuestra idea era construir una infraestructura que pudiera representar el préstamo correctamente y gestionarlo a lo largo de todo su ciclo de vida.

Esta idea evolucionó cuando nos dimos cuenta de que, una vez que teníamos esa infraestructura subyacente, la IA podía hacer algo útil con ella. Si el préstamo está representado correctamente en el sistema y se conoce su estado actual, la IA puede comprender un evento, aplicar los términos del préstamo, iniciar el flujo de trabajo, actualizar los sistemas, preparar la salida y involucrar a una persona cuando se requiere juicio o aprobación humana.

Esta constatación fue lo que nos llevó a comenzar a ofrecer servicios de administración de préstamos junto con el software. Estamos utilizando la infraestructura que ya hemos construido, junto con agentes de IA y nuestro equipo de operaciones, para ejecutar el trabajo.

La infraestructura debe estar primero, pero una vez que se tiene, se puede usar la IA para cambiar la forma en que se completan las operaciones posteriores al cierre.

La mayor parte de la conversación sobre IA en el crédito privado ha girado en torno a la suscripción y la diligencia debida. ¿Por qué cree que la mayor oportunidad podría surgir realmente después del cierre del préstamo?

La suscripción es el punto de partida obvio porque hay mucho que leer y analizar, y la IA es muy buena en eso. Sin embargo, ese proceso solo lleva unas pocas semanas. Después del cierre, usted es responsable del préstamo durante años, teniendo que gestionar pagos, cambios de tasas, enmiendas, pruebas de convenios, desembolsos, notificaciones, conciliaciones, informes y más. Además, cada vez que la cartera crece, todo ese trabajo crece con ella.

Si la IA ahorra una hora a un profesional de inversión durante la suscripción, eso es útil. Pero si reduce la cantidad de trabajo manual necesario para gestionar una cartera cada día, eso es enorme.

¿Qué hace que el servicio de un préstamo durante cinco o siete años sea más difícil de automatizar que analizarlo cuando el acuerdo se está suscribiendo por primera vez?

Si le pides a un sistema de IA que resuma un contrato de crédito, es una tarea bastante básica. Alguien revisa la respuesta de la IA y continúa.

Pero el servicio no funciona así. El cálculo de este mes puede verse afectado por una enmienda del año pasado, un reajuste de tasa de hace tres meses y un pago de la semana pasada. El estado del préstamo, y de hecho el propio préstamo, cambia continuamente. El acuerdo original es solo el punto de partida. También hay que estar al tanto de enmiendas, exenciones, elecciones y cualquier otro acuerdo que se haya tomado fuera del documento original.

¡Esto no es fácil! No se trata solo de leer documentos; hay que mantener un instrumento financiero activo durante varios años y garantizar que cada nuevo evento se aplique correctamente. Si cometes un error al principio, puede propagarse a cálculos futuros durante meses o incluso años antes de que alguien lo note.

Muchos gerentes todavía conservan su propio “libro sombra” para verificar el trabajo de su administrador. ¿Por qué se ha vuelto tan común? ¿Y qué tendría que cambiar para que las empresas se sientan cómodas abandonándolo?

Si un administrador te envía un cálculo sin ninguna información sobre cómo lo obtuvo, ¡probablemente lo calcularías tú mismo también! Eso es básicamente lo que es el libro sombra. Genera trabajo duplicado, pero existe por una razón; el gerente necesita saber que los números son correctos.

Para eliminar los libros sombra, los gerentes necesitarán mucho más visibilidad del trabajo, incluidos los insumos utilizados, los términos aplicados y qué, si es que algo, ha cambiado.

Si el gerente y el administrador trabajan sobre el mismo registro de préstamo subyacente, no hay necesidad de libros sombra. Sin embargo, no creo que nadie los abandone solo porque un nuevo proveedor les diga que pueden hacerlo. Esa confianza deberá ganarse con resultados precisos durante un período de tiempo.

Hay una gran diferencia entre la IA que puede leer un contrato de crédito y la IA que realmente puede llevar a cabo el trabajo de servicio. ¿Qué necesita un sistema antes de que confíes en que ejecute esos flujos de trabajo?

Requiere varias cosas, entre ellas:

• Un registro de préstamo fiable
• Conocimiento de actividades previas
• Acceso a los sistemas donde se realiza el trabajo
• Conciencia de cuándo se termina una tarea y qué hacer si algo no parece correcto

Tomemos un pago, por ejemplo. Evidentemente, la IA tiene que calcular el pago, pero no termina ahí.

El pago también debe procesarse, pueden necesitarse distribuir avisos, los sistemas deben actualizarse, un humano puede necesitar revisarlo y el efectivo debe conciliarse después.

Y la tolerancia a los errores es muy baja. Por eso nuestro equipo es responsable del servicio de administración que ofrecemos. La IA realiza parte del trabajo subyacente, pero no pretendemos que el software en sí sea de alguna manera responsable del resultado.

Una vez que la IA comienza a tocar cosas como pagos, asignaciones e informes a inversores, ¿cómo decides qué puede manejar por sí sola y dónde aún necesita intervenir una persona?

Honestamente, depende de lo que ocurra si el sistema se equivoca. Hay muchísimas situaciones en las que la IA puede hacer el trabajo automáticamente, como extraer información, conciliar registros, identificar anomalías, ese tipo de cosas. Pero si estás moviendo efectivo o enviando algo externamente, necesitas que una persona intervenga.

Dicho esto, también creo que hay demasiado enfoque en si existe un paso de aprobación humana y no lo suficiente en lo que esa persona realmente puede ver. Si le doy a alguien un número y un botón de aprobar, no es de mucha ayuda. Necesitan la capacidad de entender de dónde proviene el número sin perder una hora rehaciendo el cálculo.

En resumen, si una tasa cambia, el sistema necesita la capacidad de proporcionar la tasa anterior, la nueva tasa, el documento fuente y los insumos. Entonces una persona puede revisarlo realmente.

A medida que el sistema se demuestra en un flujo de trabajo, puedes automatizar más, pero no lo hagas solo porque se haya lanzado un modelo nuevo.

Los préstamos de crédito privado pueden ser increíblemente a medida. ¿Cómo automatizas eso sin pedirle a un modelo de IA que reinterpretar efectivamente el acuerdo cada vez que ocurre algo?

La IA es útil cuando estás leyendo los documentos y averiguando cómo funciona el acuerdo. Un contrato de 200 páginas más sus enmiendas es exactamente el tipo de cosa con la que la IA puede ayudar. Luego, una vez que comprendes la estructura, la IA puede ayudar a mapear el acuerdo al modelo de préstamo para que quede representado correctamente. Después de eso, los cálculos son determinísticos.

Si el préstamo tiene una cascada, un componente PIK, múltiples tramos o una reducción de precios, esas reglas están en el sistema. ¡No le estamos pidiendo a un modelo de lenguaje que relea los documentos cada vez que llega un pago! Los gerentes deben poder reproducir y explicar cada cálculo; eso es imposible si el modelo reinterpreta el acuerdo cada vez que ocurre algo.

El riesgo de inversión naturalmente recibe la mayor parte de la atención en el crédito privado. ¿Qué tipos de riesgo operativo crees que los gerentes tienden a subestimar?

Los gerentes subestiman las pequeñas cosas: una enmienda que se refleja en un lugar pero no en otro; una conciliación que ocurre más tarde de lo esperado; un empleado que sin saberlo trabaja con una versión antigua de los términos.

Generalmente no es una falla colosal única, sino un pequeño problema que permanece incorrecto en el fondo durante un tiempo antes de comenzar a afectar otras cosas.

Por ejemplo, si calculas algo a partir del término incorrecto, eso alimenta un pago y luego aparece en los informes. Cuando alguien lo note, tendrás que revisar meses de trabajo.

La IA puede ayudar reduciendo esa ventana. Si puedes conciliar todos los días en lugar de al final del trimestre, puedes encontrar problemas mucho más rápido. Si cada enmienda se captura y refleja en el sistema de inmediato, reduces la probabilidad de que las personas trabajen con versiones diferentes del préstamo.

No es tan emocionante como la idea de que la IA tome decisiones de inversión, pero operativamente marca una gran diferencia.

Para una firma que tiene años de préstamos almacenados en sistemas heredados, hojas de cálculo, PDFs y correos electrónicos, ¿qué es realmente difícil al pasar a un nuevo entorno operativo?

Descubrir cuál es el dato correcto.

Una firma podría tener términos en un contrato de crédito, saldos en otro sistema, enmiendas en una carpeta, historial de pagos en un correo electrónico, e incluso algún contexto importante que solo existe en la memoria de un miembro del equipo.

Así que primero tienes que reconstruir el préstamo tal como está hoy. Luego debes compararlo con lo que dice el sistema existente. A veces los números no coinciden y tienes que averiguar por qué. ¿Quizá algo se mapeó incorrectamente durante la migración? ¿Quizá hubo un ajuste manual hace años? ¿O tal vez el sistema antiguo simplemente estaba equivocado? Sea cual sea el caso, no puedes simplemente ignorar la diferencia.

Recomendamos ejecutar los entornos antiguo y nuevo en paralelo durante un tiempo, comparar los resultados, investigar las diferencias y poner todo en orden antes de completar la migración.

No es la forma más rápida de migrar, pero en una cartera de préstamos activa, la velocidad no debería ser el objetivo principal.

Si la IA permite a las firmas gestionar carteras mucho más grandes con equipos operativos más pequeños, ¿cómo crees que eso cambia el papel del administrador de préstamos tradicional?

La administración solía significar trabajo manual, pero si la IA puede hacer la mayor parte, el nuevo rol del administrador de préstamos es asegurarse de que los números sean correctos y corregir rápidamente cualquier problema que surja.

Los gerentes pueden asumir más trabajo ellos mismos, dependiendo de cuántas personas tengan y si pueden entregar el trabajo de manera precisa y transparente. Sin embargo, muchas firmas seguirán prefiriendo externalizar. Los equipos operativos más pequeños solo funcionan si el conocimiento de los miembros anteriores del equipo se captura en algún lugar. Si simplemente eliminas a las personas del proceso sin hacer eso, no has mejorado necesariamente nada.

Gracias por la excelente entrevista, los lectores que deseen saber más deben visitar Hypercore.