Pedir un préstamo hoy puede ser tan simple como llenar un formulario en línea y esperar unos segundos, pero lo que para vos es una decisión importante, para el sistema financiero es apenas un dato más procesado por un algoritmo. Porque sí, cada vez más, quien decide si te dan o no el dinero no es una persona, es una fórmula matemática.
Detrás de la mayoría de las decisiones de crédito que hoy se toman —especialmente en bancos digitales, apps de préstamos o plataformas de microfinanzas— hay un sistema automatizado que analiza tu información y arroja un resultado. ¿Pero cómo lo hace? ¿Qué toma en cuenta? ¿Y por qué a veces se equivoca?
Ya no te juzga un humano, sino un algoritmo
Durante décadas, cuando una persona solicitaba un préstamo, el proceso era más humano. Un ejecutivo de crédito revisaba tus papeles, analizaba tu caso y, en muchos casos, usaba su criterio para aprobar o negar la solicitud. Hoy, ese papel lo cumple una inteligencia artificial o, más específicamente, un algoritmo de evaluación crediticia.
Estos algoritmos funcionan alimentándose de grandes volúmenes de datos: tus ingresos, tu historial crediticio, tu comportamiento financiero, tu estabilidad laboral, tu edad, tu geolocalización, y en algunos casos, incluso tu comportamiento digital (cómo usas tu celular o qué tan rápido respondes un formulario).
A través de modelos estadísticos y de aprendizaje automático, comparan tu perfil con millones de otros similares y calculan el nivel de “riesgo” que representas. Es decir, si es probable o no que pagues ese dinero que estás pidiendo.
Lo que sí toma en cuenta el algoritmo para aprobar un préstamo
Aunque cada entidad financiera tiene sus propios modelos, en general los algoritmos se basan en estos criterios:
- Historial crediticio: si ya has pedido préstamos antes, si los pagaste a tiempo, si caíste en mora o si tienes cuentas pendientes.
- Ingresos y estabilidad laboral: cuánto ganas, desde cuándo estás empleado y qué tan estable parece tu ingreso.
- Nivel de endeudamiento actual: cuánto debes en otras instituciones o tarjetas de crédito.
- Edad y ubicación: algunos modelos usan patrones sociodemográficos para hacer predicciones.
- Comportamiento digital: velocidad de escritura, errores en formularios, tipo de dispositivo usado, entre otros datos sutiles que pueden ser considerados.
Por ejemplo, si ganás $800 al mes, pedís un préstamo de $300 y tenés buen historial, el algoritmo puede aprobarte sin problema. Pero si tus ingresos no están claros, pedís $500 y nunca has tenido un préstamo antes, el modelo podría marcarte como “riesgo alto”.
¿Y si no tenés historial?
Aquí viene uno de los problemas más comunes en América Latina y otras regiones: muchas personas no tienen historial crediticio formal. Nunca han tenido una tarjeta de crédito, ni préstamos bancarios. Para los algoritmos, son un “enigma”. ¿Cómo predecir si alguien pagará si no hay datos?
Por eso han surgido nuevas tecnologías llamadas modelos alternativos de scoring, que analizan otra clase de información: el pago puntual de servicios públicos, la actividad en redes sociales, el uso del teléfono, e incluso los contactos del celular. Suena invasivo, pero muchas fintech lo hacen con consentimiento del usuario, y bajo la promesa de “incluir a los no bancarizados”.
Eso sí, esta tendencia abre un gran debate: ¿es justo evaluar la capacidad financiera de alguien basándose en su comportamiento en línea o en si tiene el número de un amigo con mal historial?
¿Puede equivocarse un algoritmo al momento de dar o rechazar un préstamo?
Sí, y más de lo que imaginamos. Aunque estos sistemas son potentes y rápidos, no son infalibles. Se pueden equivocar si los datos están incompletos, si fueron mal registrados, o si el modelo fue entrenado con sesgos.
Un estudio publicado en Harvard Business Review en 2023 demostró que ciertos modelos de evaluación crediticia tendían a discriminar inconscientemente a personas jóvenes, mujeres o habitantes de zonas rurales, simplemente porque los datos históricos con los que se entrenaron reflejaban esos mismos sesgos. Es decir, si durante años los bancos prestaron más a hombres urbanos de 35 años, el algoritmo va a repetir esa tendencia.
Por eso hoy se habla tanto de la necesidad de “algoritmos éticos” y transparencia en el sistema financiero automatizado.
¿Se puede hacer algo para mejorar tus chances?
Sí. Aunque no puedas controlar el algoritmo, sí podés mejorar tu perfil. Aquí algunos consejos clave:
- Cuidá tu historial crediticio: pagá a tiempo, aunque sea el monto mínimo.
- No sobreendeudés tu perfil: pedir más de lo que ganás suele ser una alerta.
- Formalizá tus ingresos: aunque seas freelance, mostrarlos ayuda.
- Revisá tus datos en burós de crédito: errores o deudas viejas no canceladas pueden perjudicarte.
- Leé bien las condiciones: no todas las apps que ofrecen préstamos son confiables.
En teoría, el uso de algoritmos en el sistema financiero busca hacer los procesos más rápidos, eficientes y objetivos. Y en muchos casos lo logra: aprobaciones en minutos, sin papeleos, sin largas filas.
Cada vez más, los expertos piden que haya más transparencia en estos sistemas. Que sepamos qué factores se están evaluando, y que existan canales humanos para reclamar si algo salió mal. Porque sí, pedir un préstamo puede parecer tan simple, pero detrás hay todo un sistema que, aunque parezca neutro, también puede juzgarte sin conocerte.
