El algoritmo prestamista: Cómo la inteligencia artificial está redefiniendo el acceso al crédito en América Latina

Por Daniel Materón, CEO de RapiCredit  Durante décadas, el sistema financiero latinoamericano operó sobre una paradoja incómoda: millones de personas con capacidad de pago demostrable quedaban fuera de él por carecer de historial. El banquero clásico exigía evidencia del pasado para financiar el futuro. La inteligencia artificial (IA) ha comenzado a modificar ese supuesto, aunque el alcance real de la transformación todavía se está definiendo. Los modelos de aprendizaje automático procesan variables que ningún comité de crédito consideraría: patrones de recarga de un celular prepago, geolocalización, comportamiento en aplicaciones de comercio electrónico, huella digital de gasto. Cuando los datos son representativos y el modelo está bien calibrado, la evaluación de riesgo resulta más rica y potencialmente más equitativa. La magnitud del avance es tangible: en América Latina y el Caribe, el 70% de los adultos poseía una cuenta financiera en 2024, frente al 54% en 2017 y apenas 39% en 2011 Findevgateway.  El dinero móvil, que hace tres años alcanzaba al 22% de la población regional, llega hoy al 37% World Bank Blogs. La región aún se sitúa cinco puntos porcentuales por debajo del promedio de las economías de ingreso bajo y medio Findevgateway, si bien la brecha se cierra a ritmo inusualmente rápido. Colombia condensa tanto el dinamismo del fenómeno como sus límites. El país alberga 409 empresas fintech activas en 2025, uno de los ecosistemas más dinámicos de América Latina Colombiafintech, con 115 compañías dedicadas al crédito digital Dock.  En paralelo, según la Superintendencia Financiera, apenas el 36% de los adultos colombianos accede a productos de crédito formal: sólo 13,5 millones de personas tienen al menos un producto crediticio activo Uamerica.  La masificación del acceso a una cuenta y la penetración crediticia avanzan a velocidades distintas, y es en ese diferencial donde la IA ha encontrado su nicho más lucrativo: sustituir historial por datos alternativos y semanas de aprobación por segundos. El atractivo comercial es evidente. Las fintech colombianas combinan scoring digital, big data e inteligencia artificial para desembolsar préstamos en menos de 24 horas, con modelos de gestión de riesgo que, según la industria, conservan estándares equivalentes a los tradicionales Colombiafintech. RapiCredit, por ejemplo, otorgó más de 1,2 millones de créditos íntegramente digitales en 2025.  Que el modelo atiende a segmentos históricamente ignorados por la banca es difícil de refutar: el 47% de los usuarios de Addi, que cerró el año con 2,7 millones de clientes activos, no cuenta con tarjeta de crédito Latam Fintech Hub. La industria está construyendo, de facto, un sistema financiero paralelo que atiende a quienes el tradicional postergó durante generaciones. Tres incomodidades suelen pasar desapercibidas en los balances entusiastas. La primera es el sesgo algorítmico. Un modelo entrenado con datos históricos de un sistema excluyente tiende a replicar esa exclusión, ahora a mayor velocidad y con márgenes de rendición de cuentas más estrechos. El Banco de Pagos Internacionales (BIS) advirtió en diciembre de 2024 que la IA exacerba riesgos preexistentes como el riesgo de modelo y la privacidad de datos Global Regulation Tomorrow.  La opacidad de los sistemas de caja negra dificulta verificar cómo se tomó una decisión, un problema crítico cuando se trata de suscripción de crédito o seguros The Global Treasurer. Un préstamo negado por un algoritmo inexplicable reproduce la opacidad del antiguo comité de crédito, con la agravante de que apelar la decisión resulta considerablemente más difícil cuando el criterio decisorio está distribuido entre millones de parámetros. La segunda es la concentración. En octubre de 2025, el Financial Stability Board y el BIS alertaron que el sector financiero corre el riesgo de depender excesivamente de un puñado de proveedores de hardware especializado, infraestructura en la nube y modelos preentrenados PYMNTS. La misma concentración que genera eficiencias operativas introduce vulnerabilidades sistémicas cuando la gobernanza no acompaña el ritmo de adopción. Para mercados emergentes, donde los supervisores disponen de menos capacidad técnica que los actores que vigilan, el desbalance se acentúa. La tercera es el vacío regulatorio. La Ley de Inteligencia Artificial de la Unión Europea, vigente desde agosto de 2024, clasifica el scoring crediticio como una aplicación de alto riesgo y exige documentación detallada, supervisión humana y evaluaciones de conformidad arxiv. América Latina aún trabaja en construir un marco equivalente.  Colombia dio un primer paso con la Ley 326 de 2022 para el crédito digital Colombiafintech, aunque la legislación específica sobre IA permanece fragmentaria.  Mientras tanto, el volumen de datos personales procesados crece exponencialmente, y con él la superficie de ataque cibernético. La IA seguramente ampliará el acceso al crédito, al menos en el margen. La cuestión abierta tiene que ver con la calidad de esa ampliación: qué sucede cuando un modelo discrimina, quién responde cuando una decisión automatizada resulta injusta, cómo se distribuyen los costos cuando una falla operativa en un proveedor concentrado afecta simultáneamente a decenas de instituciones. La confianza, a diferencia de la capacidad de cómputo, se construye en plazos institucionales y requiere mecanismos de reparación creíbles. Para las fintech colombianas, el desafío comercial de 2026 se ha desplazado. Sumar usuarios ya es, en buena medida, un problema resuelto. Demostrar que los modelos son justos, auditables y resilientes, que la ciberseguridad y la protección del consumidor ocupan un lugar tan central como la tasa de aprobación, y que la industria está dispuesta a ser fiscalizada con estándares equivalentes a los de la banca tradicional, son las tareas pendientes. La sofisticación técnica adquiere valor sostenible cuando la gobernanza la acompaña. La oportunidad histórica de cerrar la brecha crediticia en la región existe. Su materialización dependerá de la concurrencia de tres factores considerablemente menos glamorosos que el próximo avance en aprendizaje profundo: reglas claras, supervisión competente y disposición empresarial a la fiscalización. Democratizar el crédito con IA requiere, en última instancia, construir instituciones a la altura de los modelos.