Redacción Digital Inside España
El último estudio de Experian, realizado por Forrester Consulting en once países de EMEA y Asia-Pacífico para los sectores de servicios financieros y telecomunicaciones, sitúa el foco en España a partir de entrevistas a 109 altos directivos responsables de decisiones sobre desarrollo e implantación de IA/ML en riesgo crediticio. El trabajo constata que el aprendizaje automático está transformando la toma de decisiones en España a partir de estas 109 entrevistas a responsables de riesgo e IA/ML. El informe describe un cambio en la forma de evaluar la elegibilidad crediticia al incorporar fuentes de datos alternativos (distintas de las utilizadas en modelos tradicionales) y modelos capaces de aprender patrones a partir de los datos, con impacto en inclusión, eficiencia y resultados financieros.
En primer término, el estudio vincula ML con la ampliación del acceso a los servicios financieros, especialmente hacia clientes con historiales crediticios limitados o subbancarizados. El 75% de las empresas españolas que ya utilizan ML afirma que esta tecnología les ayuda a llegar de forma responsable a segmentos tradicionalmente desatendidos. Esta extensión del acceso no se presenta como un fin en sí mismo, sino como parte de una estrategia que combina crecimiento con control del riesgo.
En paralelo, se observan efectos en la cuenta de resultados. El 86% de los encuestados señala mejoras en la rentabilidad por una optimización de la predicción del riesgo y una reducción de la morosidad. El informe subraya así la doble vertiente del ML: mayor alcance a nuevos clientes y, al mismo tiempo, ajustes en la evaluación del riesgo que favorecen los resultados financieros.
La eficiencia operativa y la automatización aparecen como otros ejes destacados. Casi tres cuartas partes de los usuarios de ML (74%) identifican una mayor precisión y mejoras en los procesos como beneficios clave. Más de dos tercios coinciden en que el uso de ML les permite automatizar un mayor número de decisiones crediticias, disminuyendo la carga manual y acortando tiempos de respuesta. Las entidades prevén una automatización amplia: el 66% anticipa que, en un plazo de cinco años, la gran mayoría de las decisiones de financiación estarán totalmente automatizadas. Para el lector profesional, este horizonte implica revisar flujos de originación y gobernanza de modelos, así como la integración con sistemas de core bancario y analítica.
El estudio también aborda el papel de la IA generativa (GenAI) en la gestión del riesgo. El 73% de los entrevistados considera que la GenAI puede reducir de forma significativa el tiempo y el esfuerzo necesarios para desarrollar e implantar nuevos modelos de decisión; el 59% apunta su utilidad para simplificar la documentación regulatoria, acelerando la validación y la coordinación entre riesgo y cumplimiento. En la práctica, esto se traduce en ciclos de documentación más ágiles y en un refuerzo de la trazabilidad exigida por las áreas de compliance.
Pese a los avances, persiste la cautela en parte del tejido empresarial. Las principales barreras a la adopción siguen siendo el coste, la incertidumbre regulatoria, la falta de conocimientos internos, la explicabilidad de los modelos y las infraestructuras heredadas. Entre las organizaciones que aún no utilizan ML, el 65% considera que el coste de implantación no supera los beneficios percibidos y el 59% reconoce no comprender completamente el valor potencial de esta tecnología. Además, el 69% de los no usuarios muestra preocupación por la transparencia de los modelos y el 62% teme desviaciones respecto a la normativa, a lo que se suma que el 67% ve sus sistemas de TI y datos no preparados para soportar ML. El informe matiza que muchas de estas inquietudes responden a ideas erróneas, ya que los modelos modernos pueden ser explicables y conformes a la regulación, y existen plataformas de terceros capaces de cubrir carencias de capacidades y de infraestructura.
Mariana Pinheiro, CEO de Experian EMEA & APAC afirma: “El aprendizaje automático está abriendo el acceso a los servicios financieros para millones de personas que han estado históricamente excluidas del sistema financiero. Al aprovechar datos alternativos y modelos de riesgo más avanzados, el aprendizaje automático permite a las entidades financieras tomar decisiones más justas y precisas, especialmente para los consumidores con historiales financieros limitados. Esta tecnología se está convirtiendo en un elemento central para construir sistemas financieros más inclusivos y sostenibles”.
En sus conclusiones, la investigación recoge la visión directiva de la compañía promotora del estudio: se prioriza mejorar la rentabilidad mediante decisiones más precisas apoyadas en conjuntos de datos más ricos, con el objetivo de posibilitar un crecimiento responsable que favorezca la inclusión y contribuya al progreso social. También se resalta el papel del aprendizaje automático como elemento que puede abrir el acceso al crédito a personas históricamente excluidas, y como componente que gana peso en la construcción de sistemas financieros más inclusivos y sostenibles.
