El camino no pasa por frenar el crédito, sino por construir mejores herramientas para sostenerlo: más precisas, más adaptables y más inteligentes
07.06.2026 • 01:00hs • COLUMNA
COLUMNA
La mora crece: por qué evaluar mejor es más importante que rechazar
:quality(75):max_bytes(102400)/https://assets.iproup.com/assets/jpg/2026/06/47500.jpg)
El crecimiento del crédito suele leerse como una señal positiva para cualquier economía. Más financiamiento implica más actividad, mayor consumo y también más acceso al crédito. Pero cuando ese crecimiento viene acompañado por un aumento de la mora, aparece un nuevo desafío: cómo administrar el riesgo sin rechazar potenciales clientes.
Hoy Argentina atraviesa precisamente esta situación. Datos recientes muestran que el 89% de los créditos se mantiene al día, aunque los niveles de mora muestran un deterioro respecto de períodos anteriores y empiezan a expandirse a segmentos cada vez más amplios.
Al mismo tiempo, el crédito sigue creciendo, impulsado por nuevos actores, digitalización y mayor penetración de herramientas financieras. Según datos del ITBA y la Cámara Argentina Fintech, las empresas Fintech ya originan el 25% de los créditos totales del sistema y superan los 8 millones de usuarios activos.
En ese escenario, muchas veces la discusión queda atrapada entre dos extremos: restringir el otorgamiento para reducir la probabilidad de mora o continuar creciendo, asumiendo mayores niveles de riesgo.
Pero hoy la tecnología abre una tercera opción. No se trata de elegir entre prestar más o prestar menos, sino de entender mejor a quién se le presta y en qué condiciones.
En los distintos ciclos económicos que atravesó el país, los modelos de credit scoring demostraron algo importante: los clientes tienden a deteriorarse de manera relativamente ordenada, según sus niveles de riesgo.
En otras palabras, los perfiles con mejores indicadores suelen mantener comportamientos más estables incluso en escenarios complejos. Esto permite anticipar dinámicas de mora y administrar carteras con mayor precisión sin necesidad de paralizar el crédito.
La automatización de decisiones y la incorporación de inteligencia artificial aplicada al análisis crediticio están acelerando esa capacidad. El cambio más importante no es de velocidad, sino de profundidad.
Hoy se puede detectar antes qué clientes dejan de pagar, ajustar los modelos cuando el contexto cambia y construir herramientas que sean transparentes, que se puedan auditar y que ayuden a tomar mejores decisiones sobre el riesgo.
Este desafío también se refleja en el perfil de quienes ingresan al sistema. Los segmentos más jóvenes, por ejemplo, representan cerca del 11% de la población, reciben sólo el 6% de los créditos, pero estos créditos en un 21% de los casos se encuentran en mora.
Evaluar perfiles con menor historial crediticio y trayectorias más variables exige tecnología cada vez más dinámica y precisa, como los motores de decisiones de última generación.
La mora probablemente siga formando parte de la conversación económica y social durante los próximos meses. Pero reducir el debate únicamente a cuánto sube o baja, deja afuera una discusión igual de importante: cómo evoluciona la capacidad del sistema para entender y administrar el riesgo en escenarios cada vez más complejos.
*Por Alberto Teszkiewicz, coordinador de desarrollo e investigación de SIISA
