La ineficiencia que está encareciendo el crédito en México

En un entorno económico marcado por los retos de la volatilidad y una mayor presión por crecer de manera rentable, el crédito en México enfrenta un desafío menos visible pero determinante para bancos, fintechs y entidades financieras en general: la forma en la que se evalúa el riesgo. Más allá de la morosidad, la oportunidad de mejorar la eficiencia en los procesos de evaluación crediticia se ha convertido en un costo oculto que encarece la colocación, limita la capacidad de escalar operaciones y frena el crecimiento del sector financiero.

Aunque la digitalización ha avanzado, la automatización de las decisiones de crédito sigue siendo dispar. De acuerdo con el Fintech Radar México, elaborado por Finnovista, alrededor de 68% de las fintech en el país utiliza tecnologías avanzadas, como analítica de datos, automatización o inteligencia artificial, en procesos clave como la evaluación de riesgo y la originación de crédito. Aunque es un porcentaje importante, una parte relevante del sector financiero aún depende de procesos manuales o semiautomatizados para tomar decisiones crediticias.

Esta brecha aún marca una diferencia significativa. La automatización de la evaluación crediticia puede reducir hasta en 50% el tiempo necesario para tomar una decisión, además de mejorar la consistencia de los criterios y el control del riesgo.

En contraste, los procesos tradicionales suelen implicar mayores tiempos de respuesta, reprocesos y costos por crédito otorgado.

El Banco de México ha señalado que el crédito al sector privado es un componente fundamental para impulsar la actividad económica; sin embargo, su crecimiento depende en gran medida de la capacidad operativa de las instituciones para evaluar grandes volúmenes de solicitudes de manera eficiente. Cuando los procesos no escalan al ritmo de la demanda, las entidades enfrentan un dilema recurrente: crecer asumiendo mayores niveles de riesgo o limitar la colocación para proteger la cartera.

Brechas en la automatización crediticia

Desde una perspectiva de negocio, evaluar mal el crédito genera costos estructurales. Consultoras como McKinsey & Company coinciden en que las instituciones financieras con procesos de decisión poco automatizados pueden perder ingresos potenciales relevantes debido a rechazos innecesarios, decisiones inconsistentes y menor eficiencia operativa, además de registrar una rentabilidad inferior por crédito otorgado frente a aquellas que han optimizado sus modelos de evaluación.

De esta manera, el reto no está en la falta de información, sino en cómo se transforma en decisiones accionables. Durante años, la evaluación del crédito se ha enfocado en cumplir procesos, no en optimizar decisiones.

Esa ineficiencia tiene un impacto directo en el crecimiento y la rentabilidad de las instituciones financieras.

El costo oculto de la mala evaluación

Los costos de una mala evaluación no siempre son evidentes en el corto plazo. Cuando se opera con modelos rígidos o procesos manuales, el impacto se refleja en menor colocación, mayor carga operativa y un uso ineficiente del capital. Evaluar mejor permite crecer sin elevar el riesgo y sin incrementar los costos.

En un país donde, según cifras del Instituto Nacional de Estadística y Geografía (INEGI), más del 55% de la población ocupada participa en la economía informal, la eficiencia en la evaluación crediticia se vuelve estratégica para ampliar el mercado sin comprometer la calidad de la cartera. Para las instituciones financieras, la discusión ya no gira únicamente en torno a cuánto crédito se otorga, sino qué tan bien se decide.

A medida que el sistema financiero mexicano busca fortalecer su papel como motor de crecimiento económico, conseguir una óptima eficiencia en las decisiones crediticias se convierte en una ventaja competitiva, una reducción de costos, una disminución de errores y una oportunidad de crecimiento ordenado para las instituciones crediticias.

Santiago Etchegoyen, cofounder & CTO de uFlow Licenciado en Ciencias de la Computación, experto en modelos de scoring y su aplicación en políticas crediticias para la industria financiera. Tiene más de 10 años en burós crediticios y análisis de riesgos.