Según el más reciente informe del Banco Central, la mora en los créditos familiares ha escalado al 12,8% y, en los préstamos personales, al 15,9%. Esta situación ha reducido drásticamente el margen de error para las entidades que otorgan crédito.

Con una mora tan alta, la necesidad de ajustes operativos se ha vuelto esencial. Cambiar requisitos de aprobación, modificar los límites de riesgo o revisar ciertos perfiles se ha convertido en una práctica casi diaria.

No obstante, el verdadero desafío no radica en la decisión de ajustar, sino en su implementación. A menudo, los cambios decididos por el área de riesgo deben esperar la adaptación de equipos técnicos, y esa demora puede traducirse en pérdidas significativas.

La Revolución de la Inteligencia Artificial en la Evaluación de Créditos

Bancos, fintech y retailers están optando por dos capas tecnológicas que funcionan en conjunto para hacer frente a esta crisis. La primera es la arquitectura no-code, que permite a los equipos crear reglas sin necesidad de programación.

La segunda es un asistente de inteligencia artificial que convierte instrucciones en lenguaje natural en lógica operativa, facilitando cambios rápidos en el proceso.

Por ejemplo, un analista puede indicar que se deben rechazar automáticamente las solicitudes de clientes con más de dos productos en mora. El asistente lo traduce a una regla aplicable de inmediato.

El impacto de la inteligencia artificial en el contexto de mora récord.

Según Santiago Etchegoyen, CTO de SIISA, «en un entorno de cambios semanales, la velocidad se vuelve determinante«. La tecnología actual permite a las áreas de riesgo gestionar sus necesidades sin depender de tiempos prolongados para la implementación.

La Importancia de la Explicabilidad en Modelos de IA

En el ámbito crediticio, un concepto fundamental es la explicabilidad, que se refiere a la capacidad de un modelo para justificar decisiones de aprobación o rechazo de créditos.

Sin esta capacidad, los solicitantes quedan en la oscuridad respecto a las razones de un posible rechazo. Con la explicabilidad, cada decisión es trazable, lo que permite tanto a los usuarios como a las entidades auditar el sistema.

Alejandra Vidal, experta en riesgos crediticios, destaca que «un modelo rápido pero opaco puede acarrear riesgos regulatorios». Por el contrario, un modelo que permite explicar decisiones es esencial en un mercado que cambia constantemente.

El Dilema del Uso de la IA en el Crédito

Un sistema que ajusta reglas al instante puede tener implicaciones positivas y negativas:

Por un lado, puede identificar rápidamente a solicitantes solventes y aprobar créditos que antes eran rechazados. Por otro, puede cerrar el acceso a créditos de inmediato ante indicios de riesgo, excluyendo a segmentos de la población.

En un país donde casi 7 millones de personas están fuera del sistema crediticio formal por demoras prolongadas, esta distinción es crítica. Como apunta Martín Casares, consultor en transformación digital, «la tecnología es neutral; es la política de riesgo de cada entidad la que define el impacto en los usuarios».

Velocidad y Riesgo: Un Binomio Crítico

Con la mora en entidades financieras alcanzando cifras récord, la habilidad para ajustar los criterios de otorgamiento se ha convertido en una ventaja competitiva vital.

Eliminar el proceso intermedio de codificación no solo ahorra tiempo, sino que redefine quién controla las políticas de riesgo. En un contexto de ajustes constantes, el tiempo de reacción se vuelve tan crucial como la precisión del modelo que guía estas decisiones.

Para las entidades compitiendo en un entorno de morosidad, cada día cuenta, pudiendo marcar la diferencia entre mantener una cartera sana o enfrentar un deterioro inminente.