La concesión de crédito mediante IA amplía el acceso al crédito, pero la supervisión es importante

En esencia, muchos servicios financieros son negocios basados en la información. Por ejemplo, para determinar correctamente un precio que permita que una póliza siga siendo rentable, una compañía de seguros necesita contar con información precisa sobre la frecuencia futura de los accidentes y su costo.

Del mismo modo, para conceder préstamos es necesario evaluar correctamente el riesgo de impago de cada cliente y fijar el tipo de interés correspondiente.

Históricamente, estas tareas se realizaban primero basándose únicamente en el criterio humano y en fórmulas matemáticas rudimentarias; la clase social, las relaciones personales y la conducta individual influían en el acceso de cada persona a los servicios financieros.

Con el tiempo fueron apareciendo métodos más profesionales y objetivos para evaluar el riesgo adecuadamente y con menos sesgos. Por ejemplo, en Estados Unidos, los puntajes crediticios pueden convertirse en el principal método para evaluar la capacidad de pago de quien solicita un préstamo.

Ahora se están generalizando métodos aún más avanzados, que utilizan la IA para evaluar los riesgos crediticios con mayor precisión y aprovechan la enorme cantidad de datos útiles que los puntajes crediticios tradicionales no utilizan.

Así, los préstamos basados en IA pueden llegar a prestatarios que los modelos crediticios convencionales suelen dejar de lado y, en general, mejorar la evaluación del riesgo. Sin embargo, esta ampliación del acceso al crédito también puede entrañar riesgos si se lleva a cabo de manera inadecuada, como errores en la calidad de la evaluación crediticia y un aumento de la discriminación, entre otros.

Un nuevo estudio de investigadores de Kunming University (China), Shanghai University of Finance and Economics (China) y University of Hamburg (Alemania) analiza los efectos de la inteligencia artificial en los mercados de crédito.

El estudio concluyó que los préstamos basados en IA aumentan la inclusión financiera entre 8,4 y 11,2 puntos porcentuales en promedio, sobre todo en el caso de los prestamistas de tecnología financiera. Sin embargo, también constató que la expansión del crédito impulsada por la IA amplifica la volatilidad de los riesgos extremos.

Publicaron sus resultados en International Review of Economics & Finance¹, con el título «Inteligencia artificial en los mercados de crédito: concesión algorítmica de préstamos, inclusión financiera y arbitraje regulatorio».

Análisis de los préstamos basados en IA

Promesas y riesgos de los préstamos basados en IA

Lo que comenzó como una novedad adoptada por empresas emergentes como Upstart (más adelante se ofrece más información sobre esta empresa) ahora está presente, en alguna medida, en la mayoría de los procesos de concesión de préstamos.

«Los algoritmos de aprendizaje automático ya sustentan los sistemas de concesión de préstamos de los principales bancos minoristas, las plataformas de préstamos digitales y un número cada vez mayor de empresas emergentes de tecnología financiera».

Estos sistemas pueden procesar y calcular miles de variables relacionadas con historiales de transacciones, evaluaciones psicométricas, patrones de comportamiento en dispositivos móviles y señales sociales en tiempo real. Sin embargo, también pueden generar nuevos problemas:

• Pueden perpetuar o amplificar sesgos históricos presentes en los datos de entrenamiento.
• Funcionan con cierto grado de opacidad, lo que dificulta la supervisión regulatoria.
• Su implementación en distintas jurisdicciones propicia una forma de arbitraje regulatorio que pone en entredicho la lógica territorial de la regulación prudencial.

Construir una base de datos adecuada

Para comprender no solo los efectos locales de los préstamos basados en IA, sino también los que trascienden las fronteras jurisdiccionales, los investigadores analizaron 42 economías de Asia-Pacífico (14 países), Europa (10 países), América Latina (10 países) y África subsahariana (8 países) durante el período 2012–2022.

Para estos países, recopilaron datos sobre inclusión financiera, calidad de la arquitectura de supervisión y exhaustividad de los marcos macroprudenciales.

La inclusión financiera, la métrica más importante, se midió teniendo en cuenta los siguientes factores:

• Tasa de tenencia de cuentas de crédito formales.
• Penetración del crédito entre las mipymes.
• Proporción de prestatarios respecto de la población adulta.
• Número de sucursales de bancos comerciales por cada 100.000 adultos.
• Tasa de tenencia de cuentas de dinero móvil.

También crearon un nuevo indicador, la intensidad de adopción de los préstamos basados en IA (ALII, por sus siglas en inglés), para evaluar hasta qué punto se ha generalizado esta modalidad en cada país.

«El ALII funciona como una métrica estructural de la intensidad de adopción tecnológica a escala macroeconómica y de la distribución de capacidades en todo el sector. En lugar de auditar la precisión de modelos individuales o la alineación algorítmica a nivel micro, el índice cuantifica la densidad estructural y el grado de penetración operativa de los procesos automatizados de toma de decisiones en el conjunto del ecosistema financiero».

Resultados del estudio

Grandes disparidades

Como era de esperar, el estudio constató que la inclusión financiera varía considerablemente entre regiones: va de 0,042 en las economías de bajos ingresos de África subsahariana durante los primeros años de la muestra a 0,941 en las economías de altos ingresos de Asia-Pacífico en los años posteriores.

El índice de intensidad de los préstamos basados en IA presenta una dispersión aún mayor: el valor medio de 0,317 oculta un coeficiente de variación de 0,89; las economías de ingreso bajo registran un promedio de 0,089 y las de ingreso alto, de 0,524.

Otro hallazgo es que el ALII se aceleró notablemente después de 2016, coincidiendo con la implementación comercial de aplicaciones de aprendizaje profundo para la calificación crediticia. Mientras tanto, los valores más altos de Credit Cycle Volatility (CCV) se observaron en las economías de mercados emergentes durante el período posterior a 2015, en consonancia con la rápida expansión del crédito FinTech documentada en los datos del ALII.

Los préstamos basados en IA impulsan la inclusión

El estudio encontró una relación directa entre los préstamos basados en IA y la inclusión financiera.

«Un aumento de una desviación estándar en el índice de intensidad de los préstamos basados en IA se asocia con un incremento de 0,084 desviaciones estándar en el índice de inclusión financiera».

También parece que el efecto positivo de los préstamos basados en IA sobre la inclusión financiera es mayor cuando la capacidad de supervisión es más débil. Esto podría deberse a dos motivos posibles y no excluyentes:

• En entornos con una supervisión más débil hay más prestatarios desatendidos a quienes los prestamistas que usan IA pueden atender de forma rentable mediante datos alternativos.
• En entornos con poca supervisión, los prestamistas que usan IA están más dispuestos a conceder crédito a prestatarios marginales porque los costos regulatorios de atribuir posibles incumplimientos son menores.

Este efecto también parece deberse principalmente a las empresas FinTech, ya que los prestamistas tecnológicos que usan IA generan dividendos de inclusión financiera sustancialmente mayores (3 veces) que los bancos establecidos que implementan herramientas de IA.

«Un aumento de una desviación estándar en la intensidad de los préstamos FinTech basados en IA eleva el FII aproximadamente 13,8 puntos porcentuales, casi tres veces el efecto atribuible a una adopción equivalente de IA por parte de los bancos establecidos».

Así pues, parece que el aumento de la inclusión financiera no se debe a que la IA reduzca los costos de tramitación para los clientes actuales de los bancos, sino a que las empresas FinTech usan la IA para llegar a prestatarios excluidos del sistema bancario convencional.

Esto concuerda con la idea general de que los bancos establecidos implementan la IA de forma defensiva —para proteger las relaciones existentes con sus clientes—, en lugar de hacerlo de forma expansiva —para dirigirse a nuevos segmentos—.

¿Mayores riesgos según el país?

El estudio encontró que el aumento de la inclusión financiera gracias a los préstamos basados en IA no está vinculado de manera significativa con mayores riesgos sistémicos en entornos con poca supervisión. Por lo tanto, es probable que este sea el contexto en el que los préstamos basados en IA produzcan los mejores resultados: mayores aumentos de la inclusión financiera y menores riesgos.

En cambio, en las economías más desarrolladas y los entornos financieros sujetos a una regulación más estricta, los préstamos basados en IA generan beneficios más moderados en materia de inclusión. En ese caso, también provocan un aumento pequeño, pero no insignificante, de los riesgos. Es probable que esto se deba a que, en esas economías, solo los prestatarios más marginales están realmente excluidos de cualquier tipo de préstamo.

«La inclusión financiera ya es casi universal entre la población adulta, por lo que queda poco margen para que los préstamos basados en IA amplíen el grupo de personas incluidas».

Como ocurre con todos los préstamos, los mayores riesgos no se presentan en condiciones normales de mercado, sino durante períodos de gran tensión en el sistema financiero. Así, aunque los préstamos automatizados parecen estables en épocas tranquilas, durante las crisis provocan recortes de capital rápidos y generalizados, por lo que contar con sólidos colchones macroprudenciales es fundamental para evitar colapsos sistémicos y pánico en los mercados.

Arbitraje regulatorio

Un hallazgo algo más preocupante del estudio es la tendencia de las empresas FinTech que usan IA para conceder préstamos a intentar eludir regulaciones más estrictas, incluso mediante el uso de sociedades pantalla.

«En la región de Asia-Pacífico, a medida que la intensidad de la supervisión local aumentó de +0.02 a +0.22, las empresas no redujeron su actividad. En cambio, trasladaron sus operaciones fuera del perímetro regulatorio y pasaron de tener 2 a 11 filiales pantalla fuera de dicho perímetro. Al mismo tiempo, más que triplicaron la canalización transfronteriza de activos, del 14.5% al 52.8%, lo que provocó un aumento brusco de los litigios».

Esto indica que las regulaciones locales tienen dificultades para regular plenamente a este tipo de prestamistas. En cambio, alientan a los prestamistas digitales ágiles a separar sus negocios y trasladar capital a territorios sin supervisión.

Conclusiones para los inversores sobre los préstamos basados en IA

Este estudio confirma hallazgos de estudios anteriores que mostraban que los préstamos basados en IA mejoran la inclusión financiera. Por ejemplo, ya se sabía que la evaluación algorítmica de solicitudes de hipotecas en Estados Unidos aumenta las tasas de aprobación para prestatarios pertenecientes a minorías sin un aumento proporcional de los incumplimientos; un resultado coherente con una exclusión basada en la discriminación, y no con una exclusión ajustada al riesgo.

Ahora, el estudio demuestra que este efecto se observa en prácticamente todas las regiones y tipos de economías, y respalda además la existencia de un vínculo causal directo entre el aumento de los préstamos basados en IA y un acceso al capital mejor y más equitativo. Este efecto es especialmente marcado en regiones con escasa inclusión financiera o entornos de supervisión más débiles.

Al mismo tiempo, el estudio también encontró que las economías desarrolladas suelen presentar mayores riesgos y menos beneficios.

Esto podría significar que, aunque al principio los préstamos basados en IA ampliaron el acceso al capital, los mayores beneficios y los menores riesgos podrían encontrarse en los mercados frontera. Eso sí, con la salvedad de que estos mercados suelen ser intrínsecamente más arriesgados que las economías desarrolladas, independientemente de la calidad de cada empresa de préstamos basados en IA.

Por último, parece que las empresas de tecnología financiera aprovechan rápidamente el arbitraje regional e intentan eludir regulaciones más estrictas. Esto puede suponer un riesgo a largo plazo, ya que una mayor coordinación regional o una respuesta más contundente de los reguladores podrían afectar a los márgenes e incluso dar lugar a procesos judiciales contra estas empresas, un riesgo que sus accionistas deberían tener en cuenta.

En definitiva, los inversores en empresas de tecnología financiera que ofrecen préstamos basados en IA deberían evaluar si estas plataformas pueden ampliar el acceso de forma sostenible, además de analizar el crecimiento de sus préstamos.

Si existe un grupo lo bastante numeroso de personas a las que el sector financiero tradicional atiende mal, es probable que los préstamos basados en IA les reporten grandes beneficios y cuenten con un amplio mercado potencial.

Si ese grupo es demasiado pequeño, el mayor riesgo de impago en periodos de tensión en los mercados o el uso de métodos transfronterizos igualmente arriesgados para eludir las regulaciones pueden entrañar peligros ocultos para los accionistas de la empresa a largo plazo.

Invertir en préstamos impulsados por IA

Upstart Holdings

A medida que evolucionan los préstamos y las puntuaciones crediticias, surgen nuevas empresas que ofrecen mejores alternativas a las puntuaciones crediticias y las prácticas de préstamo tradicionales. Una de ellas es Upstart, un mercado de préstamos impulsado por IA que se lanzó en 2012, mucho antes de que la IA se convirtiera en un tema central de conversación en el sector tecnológico.

La idea que dio origen a Upstart era que el sistema de puntuación crediticia existente era ineficiente y obsoleto. Con muchos más datos disponibles, debía ser posible identificar mejor los riesgos de los préstamos y, como resultado, ofrecer préstamos más baratos a una gran parte de la población.

«Nuestro modelo para préstamos personales es significativamente más preciso que un modelo crediticio tradicional a la hora de evaluar el riesgo de los prestatarios. Creemos que aún quedan años de mejoras en la modelización».

Este comienzo temprano proporcionó a la empresa una abundante fuente de datos con la que entrenar su propia IA y aprovechar los avances recientes en los métodos de entrenamiento de IA.

Fuente: Upstart

Esto significa que el método de Upstart puede identificar a personas con puntuaciones FICO altas que, en la práctica, tienen un alto riesgo de impago de sus préstamos. Y, a la inversa, que las personas con puntuaciones FICO bajas no tienen tantas probabilidades de incurrir en impago.

Así, mediante el uso de IA y datos, Upstart puede lograr resultados sobresalientes en un grupo determinado. Por ejemplo, puede ofrecer más préstamos con el mismo nivel de riesgo y aumentar la tasa de aprobación del 27 % al 67 %. También puede reducir significativamente las pérdidas, bajando la tasa de impago del 9 % al 5 %, es decir, casi a la mitad.

Fuente: Upstart

Además, usar un algoritmo en lugar de un agente de préstamos permite automatizar el proceso. Esto no solo cuesta menos, sino que también hace que solicitar un préstamo sea mucho más rápido y sencillo.

El mercado de Upstart pone en contacto a prestatarios con bancos, cooperativas de crédito e inversores institucionales. La empresa informó de que, en 2025, los inversores institucionales compraron el 64 % del principal de los préstamos originados a través de su mercado.

Upstart opera en un mercado enorme: cada año se originan créditos por valor de 25 billones de dólares en todo el mundo. De ese total, las plataformas que originan y gestionan esos créditos pueden obtener ingresos de hasta 1 billón de dólares.

En 2025, la empresa originó 1,5 millones de préstamos (un aumento interanual del 115 %), por un total de 11.000 millones de dólares (un aumento interanual del 86 %), y obtuvo unos ingresos totales de 1.000 millones de dólares (un aumento interanual del 64 %). La empresa también está creciendo rápidamente en nuevos segmentos. Por ejemplo, la originación de préstamos para automóviles se multiplicó por 5 (de 45 millones de dólares en el cuarto trimestre de 2024 a 263 millones en el primer trimestre de 2026), y la de préstamos hipotecarios se multiplicó por 6 (de 27 millones de dólares en el cuarto trimestre de 2024 a 143 millones en el primer trimestre de 2026).

Así que, aunque ya es elevado, el número actual de préstamos palidece frente al potencial total de los métodos avanzados de puntuación crediticia y la evaluación de préstamos impulsada por IA.

Fuente: Upstart

Las cifras recientes de crecimiento y el hecho de haberse creado como una empresa concebida desde el principio en torno a la IA son factores muy positivos para el futuro de Upstart, aunque la cotización no haya recompensado realmente este éxito: se mantiene en el mismo nivel que en 2022 y muy por debajo de su máximo de 2021, durante la pandemia.

En parte, esto se debe a que el modelo de negocio de Upstart también conlleva algunos riesgos.

El primero es que su modelo podría deteriorarse si las condiciones económicas se alejan de los datos de entrenamiento y la IA no detecta nuevas tendencias.

Otro problema es la creciente presión regulatoria para exigir explicabilidad, equidad e informes sobre el rendimiento demográfico, ya que la IA podría reintroducir, aunque fuera de forma involuntaria, prácticas discriminatorias que ya se habían prohibido en el sector financiero.

Por último, la empresa sigue dependiendo de que la financiación institucional continúe disponible a lo largo de los ciclos crediticios, mientras se acumulan señales de tensión en el sistema financiero en un contexto de elevados niveles de deuda y una situación geopolítica tensa.

Aun así, Upstart está en una posición ideal para convertirse en un mercado clave de préstamos basados en IA y en un proveedor de infraestructura para la evaluación crediticia, una evolución necesaria del impulso inicial de las redes FinTech y P2P por implantar nuevas prácticas de préstamo.

Además, los inversores quizá quieran invertir desde el principio en una empresa que está transformando radicalmente la forma de evaluar las solicitudes de préstamo.

Últimas noticias y novedades sobre las acciones de Upstart Holdings (UPST)

Estudio citado

^{1. Podong Song, Shutong Wu, Janson Partab. Inteligencia artificial en los mercados de crédito: préstamos algorítmicos, inclusión financiera y arbitraje regulatorio. International Review of Economics & Finance. Diciembre de 2026. Artículo: 105937. Volumen 112. 10.1016/j.iref.2026.105937}