El deterioro de la calidad crediticia dejó de ser una anécdota de un par de meses y se instaló como el dato más preocupante del sistema financiero argentino en 2026.
Según el último Informe sobre Bancos del BCRA, la mora de las familias en entidades financieras trepó al 12,1% en abril, contra apenas 3,7% un año antes; en los préstamos personales la irregularidad llegó al 13,8% y en tarjetas de crédito al 11,6%.
Una consultora especializada en el tema, por su parte, calculó que la irregularidad en los préstamos para consumo pasó de 12,1% en abril a 12,7% en mayo, mientras el crédito bancario en pesos se contraía por el freno que los propios bancos le pusieron a la originación de nuevos préstamos.
Ese es el "dato oficial" que surge del sistema bancario regulado. Pero cuando se mira el fenómeno con una lupa más amplia, que incluya no solo a los bancos, sino también al ecosistema fintech y a los solicitantes que hoy quedan fuera de los bureaus tradicionales, el panorama es todavía más crudo.
Un relevamiento sobre casi 20 millones de solicitudes de crédito evaluadas en bancos privados, bancos públicos y fintechs argentinas muestra una mora consolidada del 30%, es decir, más de 6 millones de personas en situación irregular.
La brecha entre ese número y el 7% de irregularidad que reporta el BCRA para el crédito al sector privado en su conjunto no es una contradicción: refleja que buena parte de la demanda de crédito de los sectores medios y bajos, informales, monotributistas, jubilados con ingresos bajos, ni siquiera llega a computarse en las estadísticas de la banca tradicional, porque directamente no accede a ese crédito o queda en manos de otros canales.
El desagregado por tipo de entidad confirma que no todos los prestamistas juegan el mismo partido.
La lectura conjunta de estos tres números cuenta una historia más matizada que "la fintech es más riesgosa". Las fintech concentran casi tantas solicitudes como los bancos privados, pero con montos de crédito diez veces menores: son, en los hechos, la puerta de entrada al sistema financiero para el segmento de menor ingreso y mayor informalidad, ese que la banca tradicional directamente no atiende o le ofrece líneas mínimas. Los bancos públicos, en cambio, muestran el ticket promedio más alto pese a una mora también elevada, lo que sugiere una exposición mayor en términos de cartera comprometida en términos absolutos, no solo de tasa.
Esta dinámica es consistente con lo que viene marcando el propio Banco Central: a febrero de 2026, la deuda promedio por cliente persona humana en proveedores no financieros de crédito rondaba $1,1 millón, con tasas nominales anuales de hasta 144% en préstamos personales y 87% en tarjetas no bancarias. Niveles que explican por qué el crédito informal y el de las fintech de nicho terminan absorbiendo un riesgo de default estructuralmente más alto.
Cuando se cruza la mora por franja de edad, el segmento de 35 a 44 años concentra el 21,5% de los casos, seguido por los de 25 a 34 años (19,6%) y 45 a 54 años (18,9%). Es decir, casi el 60% de la mora se concentra en adultos en edad plenamente activa, la llamada "generación sándwich": personas que sostienen gastos de hijos, alquiler o cuotas de vivienda, y que además absorbieron con más fuerza la licuación salarial de los últimos años.
Los mayores de 65 años explican un 16,6% adicional, un dato relevante si se considera que buena parte de ese universo son jubilados con ingresos fijos y sin margen para absorber shocks de precios.
Por nivel de ingresos, el patrón es todavía más elocuente: el 30% de los morosos declara ingresos de entre $0 y $1.000.000, y otro 20% se ubica entre $1.000.000 y $2.000.000. Es decir, prácticamente la mitad de la mora identificada está concentrada en los dos tramos de ingresos más bajos del relevamiento. Solo un 15% combinado corresponde a ingresos superiores a los $3.000.000.
Por situación laboral, quienes están en relación de dependencia explican el 32% de la mora, seguidos por los jubilados (13%) y los monotributistas (9,8%). Las combinaciones de categorías muestran además un fenómeno cada vez más habitual en el mercado laboral argentino: la pluriactividad, personas que combinan un empleo formal con otra changa o actividad independiente para llegar a fin de mes, y que aun así caen en mora.
El punto más crítico de todo el relevamiento, sin embargo, no está en ninguno de los tramos anteriores, sino en la categoría "Sin dato": 35% de los casos por nivel de ingresos y otro tanto por situación laboral. Es decir, más de un tercio de las personas que hoy solicitan crédito en el sistema bancario y fintech combinado no tiene información de ingresos ni de relación laboral disponible para las entidades que evalúan el riesgo.
Ese "sin dato" es la fotografía de la informalidad laboral argentina. El propio BCRA estima que cerca del 40% de la población no accede al crédito formal, y distintos estudios de inclusión financiera vienen marcando que en Argentina cerca del 40% de la población no está bancarizada.
Son personas con capacidad de pago real (trabajan, generan ingresos, mueven dinero) pero invisibles para los métodos de scoring tradicionales, que dependen casi exclusivamente del historial en el sistema bancario formal y de los datos que reportan el empleador o la AFIP.
Ese vacío de información es, paradójicamente, uno de los principales motores del propio deterioro de la mora: cuando una entidad no tiene forma de diferenciar a un buen pagador informal de un mal pagador, tiende a sub-prestar a quien sí podría pagar y, al mismo tiempo, queda expuesta a otorgar crédito a quien no puede hacerlo, simplemente porque el scoring tradicional no logra discriminar con precisión dentro de ese universo de "sin dato".
Frente a este escenario, una porción creciente del ecosistema fintech y bancario viene desarrollando modelos de evaluación de riesgo que no dependen únicamente de las variables clásicas (historial en el BCRA, recibo de sueldo, antigüedad laboral formal), sino que incorporan cientos de variables alternativas (comportamiento digital, consumos, geolocalización, patrones de uso del teléfono, capital social) para calificar a personas que hoy caen en el casillero de "sin dato".
Es el caso, por ejemplo, de el scoring mobile desarrollado por Findo (www.findo.com.ar), que procesa más de 170 parámetros y más de 10.000 puntos de datos en tiempo real por solicitante para estimar capacidad y voluntad de pago, incluso en personas sin historial crediticio previo.
La compañía asegura haber permitido el acceso a servicios financieros a más de 250.000 personas en la región, y su modelo ya fue adoptado por entidades como Naranja X, que a través de este sistema aprobó decenas de miles de tarjetas de crédito a solicitantes que el scoring tradicional habría rechazado.
La lógica de este tipo de modelos no es reemplazar al scoring bancario clásico, sino complementarlo: actuar específicamente sobre ese tercio de la población que hoy queda "sin dato" y que, lejos de ser necesariamente de alto riesgo, es simplemente invisible para las fuentes de información con las que trabaja el sistema financiero tradicional.
En un contexto en el que la mora bancaria alcanza máximos históricos y las entidades restringen cada vez más el otorgamiento de crédito, la capacidad de discriminar mejor el riesgo dentro de la población informal aparece como una de las pocas palancas disponibles para frenar el deterioro de cartera sin resignar inclusión financiera.
El sistema financiero argentino enfrenta hoy una tensión de fondo: la mora sube en todos los segmentos, tanto bancos públicos, como privados y fintech, pero sube de manera desigual, y una parte importante de ese deterioro está atada a un problema de información más que de solvencia.
Mientras el crédito al sector privado sigue representando menos del 10% del PBI, uno de los niveles más bajos de la región, el desafío de fondo no es solo bajar la mora actual, sino evitar que la falta de datos sobre un tercio de los solicitantes siga funcionando como un freno estructural para la expansión sana del crédito en el país.
*Diego Kupferberg es experto en desarrollo de negocios digitales y creador de https://apinegocios.netlify.app/