A Índia simplificou os pagamentos digitais ao nível de um scan de código QR. O próximo estágio de desenvolvimento consiste no uso de sistemas de pagamento para conectar consumidores a produtos financeiros adequados e ajudar as empresas a superar os desafios do crescente comércio online.
No evento TechSparks 2026, Dip Agarwal, chefe de pagamentos na PhonePe, e Hilan Khariya, diretor de produto na Razorpay, participaram de um painel de discussão com Madanmohan Rao, diretor de pesquisa da YourStory. A discussão foi sobre o tema 'Além das transações: resolvendo problemas de acessibilidade financeira com dinheiro contextual'.
Durante o debate, foi observado que os pagamentos estão se tornando parte de uma experiência digital mais ampla, ajudando a aumentar o sucesso das transações e contribuindo para a atração e retenção de clientes para vendedores.
Agarwal observou que os pagamentos digitais se tornaram uma realidade cotidiana para mais de 500 milhões de usuários UPI, que usam este sistema para enviar dinheiro a amigos, pagar contas de eletricidade, compras online e compras em lojas.
No entanto, o próximo desafio é integrar mais 500 milhões de pessoas no ecossistema de pagamentos digitais, ao mesmo tempo em que se oferece aos usuários existentes acesso a produtos financeiros que vão além dos simples pagamentos.
Para os negócios, aceitar pagamentos é apenas o primeiro passo. Khariya relatou que a experiência da Razorpay com milhões de pequenas e médias empresas mostrou que os vendedores enfrentam vários desafios após criar a infraestrutura para coleta de pagamentos, incluindo aquisição de clientes, aumento de conversão e estímulo a compras repetidas.
Ele enfatizou: 'Ao longo desses anos, aprendemos trabalhando com milhões de PMEs. Um problema maior às vezes vai além dos pagamentos. Pagamentos são o que eu chamo agora de infraestrutura principal necessária para as PMEs configurarem seu comércio digital ou negócio online. Mas, além disso, com o que a maioria das empresas luta é a questão: como eu gero demanda? Como maximizo a retenção? Como aumento a conversão?'
Inicialmente, a Razorpay resolvia algumas dessas necessidades através de produtos de folha de pagamento, pagamento de salários e pagamentos a fornecedores. No entanto, a interação com os vendedores mostrou que os negócios precisam de suporte que vá além da gestão de dinheiro; eles também precisavam de ajuda para construir e desenvolver suas operações online.
Khariya acrescentou que ajudar um maior número de pequenas empresas a estabelecer uma presença online e ter sucesso no comércio digital pode impulsionar o crescimento da economia digital indiana.
Cada transação digital gera informações que as plataformas de pagamento podem usar para entender melhor as necessidades dos clientes, identificar riscos e melhorar a experiência de pagamento.
Khariya apresentou o modelo baseado em transações da Razorpay, Vulcan 5.2, desenvolvido para entender o que ele chamou de linguagem de pagamentos. Segundo ele, cada transação contém quase 3000 atributos. Ao analisá-los, o modelo é capaz de prever informações ausentes, avaliar a probabilidade de fraude e determinar se a conversão da transação provavelmente ocorrerá.
Isso permite que as empresas identifiquem operações suspeitas, reduzam riscos e aumentem as chances de transformar potenciais compradores em clientes pagantes. Khariya explicou que o aprendizado de máquina tradicional geralmente envolve a identificação de padrões, o desenvolvimento de hipóteses e o treinamento de modelos em torno deles. No entanto, os modelos baseados em transformadores são capazes de detectar padrões menores que podem ser difíceis de capturar usando métodos tradicionais.
Na PhonePe, o aprendizado de máquina é aplicado para aumentar a confiabilidade dos pagamentos. Agarwal falou sobre um modelo interno chamado Kill Switch, que prevê a probabilidade de conclusão bem-sucedida de uma transação. Este modelo leva em conta fatores como o tempo de resposta do banco e indicadores recentes de sucesso de transações para avaliar a probabilidade de um pagamento bem-sucedido.
Agarwal observou: 'Os consumidores realmente não se importam se a transação falhar. Eles se preocupam que ela fique em estado de espera.' Ele continuou: 'Neste modelo, informamos ao cliente antes mesmo de ele iniciar a transação que, provavelmente, seu banco não está funcionando, e aconselhamos que ele tente a transação novamente mais tarde.'
Essa abordagem ajuda a ganhar confiança e incentiva os usuários a retornar à plataforma. O contexto da transação também pode ajudar as plataformas de pagamento a recomendar produtos financeiros com base nas necessidades do cliente. Por exemplo, um cliente que reserva um voo internacional através da PhonePe pode receber uma recomendação de seguro de viagem. Para alguém que viaja apenas dentro da Índia, reservar um ônibus pode ser mais relevante.
Agarwal explicou que a PhonePe usa limitadores em seus algoritmos para evitar recomendar produtos irrelevantes para clientes individuais.
A Razorpay também utiliza IA para ajudar os vendedores a gerenciar operações diárias de negócios. Khariya descreveu duas iniciativas — Ray e Agent Studio, criadas para aumentar a acessibilidade do suporte empresarial e automatização. Ray é um assistente de IA que funciona como gerente de relacionamento com o cliente para empresas. Embora grandes clientes geralmente tenham gerentes dedicados, escalar esse tipo de suporte para pequenos vendedores era um desafio complexo.
O Ray visa preencher essa lacuna, permitindo que os vendedores descrevam seus problemas por meio de notas de voz ou mensagens no WhatsApp em inglês simples, sem a necessidade de navegar por painéis de controle e consoles complexos.
O Agent Studio vai além, permitindo que as empresas usem agentes de IA autônomos para executar tarefas específicas. Tais tarefas incluem recuperação de carrinhos de compras abandonados, representação dos interesses dos vendedores em disputas, confirmação de pedidos com pagamento na entrega e verificação de endereços de entrega.
Khariya relatou que a Razorpay lançou 12 agentes, usados por 600 marcas, algumas das quais usam vários agentes. A empresa planeja aumentar o número de agentes para 100 nos próximos seis meses e, eventualmente, atingir 100.000 empresas que os utilizam.
Agarwal também discutiu como ferramentas baseadas em IA podem ajudar a atrair mais pessoas para o ecossistema de pagamentos digitais. Ele destacou as dificuldades enfrentadas pelos usuários de telefones de botão, muitos dos quais vivem em pequenas cidades e áreas rurais ou estão apenas começando a participar da economia formal. Telefones de botão têm várias limitações, incluindo a impossibilidade de receber atualizações de software por ar. Os usuários também podem precisar de ajuda em processos familiares a consumidores mais digitais.
Para resolver esses problemas, a PhonePe implementou chatbots que ajudam os usuários a realizar tarefas como vincular contas bancárias e configurar PINs UPI. A PhonePe também trabalha para facilitar o início das vendas online para micro e pequenos vendedores. Criar um site usando plataformas como Shopify ou WooCommerce pode ser caro e complicado para jovens empreendedores. O produto SmartPages da PhonePe visa simplificar esse processo, permitindo que os vendedores criem uma página de checkout, listem produtos e comecem a vender sem contratar um desenvolvedor web ou assinar uma plataforma mais complexa.
O ecossistema de pagamentos digitais da Índia simplificou as transações diárias para milhões de pessoas. Na opinião de Agarwal e Khariya, a próxima oportunidade reside em usar essa infraestrutura para resolver uma gama mais ampla de necessidades de consumidores e empresas. Desde aumentar a confiabilidade dos pagamentos e fornecer produtos financeiros relevantes até ajudar os vendedores a gerenciar operações e atrair clientes — pagamentos contextuais e IA podem expandir o papel das plataformas de pagamento além de simples transações.
}))