Visa ha lanzado un piloto para que empresas paguen a destinatarios en wallets de stablecoin convertidas desde fiat, con el objetivo de acelerar la entrega de fondos a creadores, freelancers y trabajadores de la economía gig en EE. UU. La iniciativa busca reducir fricciones de la liquidación tradicional y podría modificar la latencia operativa y la trazabilidad de los pagos corporativos, impactando a equipos de producto, compliance y tesorería que gestionan pagos masivos.
El programa opera vía Visa Direct, convirtiendo fondos fiat a stablecoins denominadas en USD (principalmente USDC) en el punto de pago, y enviándolos directamente a wallets compatibles. Cada transacción se registra en blockchain para mejorar la auditabilidad, de acuerdo con la información presentada por la compañía.
El piloto exige que los beneficiarios dispongan de una wallet compatible y que se completen controles KYC/AML, lo que añade salvaguardas contra uso ilícito pero incorpora requisitos operativos para integradores y socios de cumplimiento.
Contexto e impacto de los stablecoin payouts
Según datos citados por la iniciativa, el 57% de los creadores digitales prioriza el acceso instantáneo a sus ingresos, argumento central frente a las cadenas de corresponsalía que demoran días. En 2024 los volúmenes de transacción en stablecoins se sitúan en torno a $27,6 billones y hay proyecciones de más de $2 billones para 2028, reflejando magnitud de la actividad on‑chain y expectativas de crecimiento.
Los pagos casi instantáneos frente a liquidaciones tradicionales podrían mejorar el flujo de caja de trabajadores y creadores, alineándose con la demanda de acceso inmediato a fondos. Mientras que el registro on‑chain facilita conciliaciones y evidencia de cumplimiento, reforzando controles de seguimiento y reporte para pagos masivos.
El piloto extiende previos experimentos de prefunding con stablecoins y se enmarca en una estrategia de nuevas fuentes de ingresos. La compañía ha fijado metas ambiciosas para 2026, convirtiendo ese año en un hito para evaluar si el modelo escala más allá de pruebas limitadas.
