Una mirada al rol de la IA en la inclusión financiera latinoamericana, los riesgos de sesgo algorítmico y cómo se construye un sistema más inclusivo desde la tecnología.
La conversación sobre inteligencia artificial y servicios financieros suele dividirse en dos bandos. Un bando ve la IA como amenaza: discriminación algorítmica, exclusión de poblaciones vulnerables, opacidad de las decisiones automatizadas. El otro la ve como solución: democratización del acceso al crédito, scoring alternativo, atención escalable a poblaciones tradicionalmente excluidas.
La realidad es que ambos tienen razón. La IA puede ampliar o restringir el acceso al sistema financiero. Lo que define el resultado es cómo se diseña, qué datos se usan y qué gobierno se establece sobre su uso.
El reto de la inclusión financiera en LATAM
América Latina mantiene niveles de inclusión financiera por debajo de los referentes mundiales. Aunque ha habido avances importantes en los últimos años, una parte significativa de la población sigue sin acceso a servicios bancarios básicos, sin historial crediticio formal o con acceso limitado a productos financieros adaptados a su realidad.
Datacrédito Experian, en estudios recientes publicados por medios como Portafolio en Colombia, ha destacado el papel que la IA y los modelos alternativos de scoring pueden jugar para incluir a estas poblaciones. La lógica es directa: si los modelos tradicionales requieren historial crediticio formal para evaluar a una persona, y muchas personas no tienen ese historial, los modelos tradicionales están excluyendo por diseño.
Cómo la IA puede ampliar el acceso
Los modelos de scoring alternativo usan fuentes de datos no tradicionales para evaluar la capacidad y disposición de pago de una persona. Comportamiento de pagos de servicios públicos, uso de telefonía móvil, patrones de consumo. No reemplazan al historial crediticio formal, lo complementan.
Para una persona sin historial bancario, esto puede significar la diferencia entre acceder a un crédito o no acceder. Y, para el sistema financiero, significa abrir un mercado que tradicionalmente no se podía evaluar.
Los riesgos: sesgo algorítmico y opacidad
Pero la misma tecnología puede producir resultados opuestos si se diseña mal. Los modelos de IA aprenden de datos históricos. Si esos datos contienen sesgos (de género, geografía, nivel socioeconómico), los modelos los replican y, peor aún, los amplifican.
La opacidad es otro riesgo. Cuando una persona es rechazada por un algoritmo, es difícil explicarle por qué. Esto choca con principios básicos de transparencia y debido proceso que el sistema financiero debería respetar.
Cómo se diseñan modelos inclusivos
Construir IA inclusiva en servicios financieros requiere disciplina técnica y compromiso institucional. Cuatro principios son críticos.
1. Calidad y diversidad de datos
Los modelos solo son tan buenos como los datos que los entrenan. Garantizar que los datos representen adecuadamente a poblaciones diversas es la base. Esto requiere inversión continua en recopilación, limpieza y validación de datos.
2. Auditoría de sesgos
Antes de poner un modelo en producción, hay que evaluar si sus decisiones son sistemáticamente desfavorables para algún grupo. Esta evaluación no es opcional, es una responsabilidad básica. Y debe repetirse periódicamente, no solo al inicio.
3. Explicabilidad
Los modelos deben poder explicar sus decisiones en términos comprensibles. Si una persona es rechazada, debe saber por qué. Esto no sólo es éticamente correcto, es cada vez más exigido por la regulación.
4. Supervisión humana
Las decisiones automatizadas con impacto significativo en una persona deben tener supervisión humana disponible. Los casos límite no deben resolverse solo por algoritmo, deben pasar por revisión cuando corresponda.
La inclusión también pasa por la normalización
Un punto que se discute menos: la inclusión financiera no termina cuando una persona accede al crédito. Continúa durante todo el ciclo, incluyendo el momento en que tiene dificultades para pagar. Una persona que es tratada con respeto y opciones cuando enfrenta dificultades vuelve al sistema financiero. Una persona que es maltratada se aleja por años.
Por eso, la forma en que se hace la normalización de deuda es parte central de la inclusión financiera. La tecnología bien aplicada (autogestión digital, comunicación clara, alternativas reales) protege la dignidad de la persona en un momento difícil. La tecnología mal aplicada (presión automatizada, mensajes invasivos, opacidad de los procesos) refuerza la exclusión.
Una responsabilidad compartida
La inclusión financiera por IA no es responsabilidad solo del regulador, ni solo de las entidades, ni solo de los proveedores tecnológicos. Es una responsabilidad compartida. El regulador debe establecer los marcos. Las entidades deben asumir el compromiso. Los proveedores tecnológicos deben diseñar sistemas que cumplan con esos principios desde el origen.
En Liquitty, esta es una conversación que tomamos en serio. La tecnología que usamos no solo busca eficiencia, busca preservar la dignidad del cliente en cada interacción.
| Conoce nuestra visión sobre el rol de la tecnología en el sistema financiero latinoamericano: liquitty.com |
Fuentes consultadas
- Datacrédito Experian. Análisis sobre IA y scoring crediticio en Colombia.
- Entrevistas publicadas en Portafolio sobre IA aplicada al sector financiero.
- Marco regulatorio de inclusión financiera en LATAM (referencias regionales).
