LAS NUEVAS ARQUITECTURAS CLOUD, NO-CODE Y CON INTELIGENCIA ARTIFICIAL REDUCEN LA COMPLEJIDAD Y LOS TIEMPOS DE IMPLEMENTACIÓN DE UNA TECNOLOGÍA QUE DURANTE DÉCADAS ESTUVO ASOCIADA A COSTOSOS PROYECTOS DE GRAN ESCALA. EMPRESAS LOCALES YA PARTICIPAN DE ESTA ETAPA CON PLATAFORMAS CREADAS EN EL PAÍS.
La automatización de las decisiones de crédito atraviesa una nueva etapa. La evolución de estas tecnologías cobra especial relevancia en un escenario nacional de expansión del financiamiento, donde el saldo real del crédito al sector privado, considerando todas las monedas, creció un 10,1% interanual en junio de 2026. Por su parte, el saldo de financiamiento de los proveedores no financieros registró en febrero de 2026 un crecimiento real interanual del 22%, de acuerdo a cifras del Banco Central.
A medida que aumenta la actividad, también asciende la cantidad de información que las entidades necesitan procesar antes de otorgar un préstamo y definir sus condiciones. Los motores de decisión implementan modelos estadísticos, automatización e inteligencia artificial para acelerar ese análisis. Mientras la tendencia gana terreno en los mercados financieros de la región, Argentina se incorpora mediante desarrollos locales.
Los primeros motores se remontan a mediados de 1950, en Estados Unidos, Gran Bretaña y Alemania. Su programación era compleja y la implementación, además de costosa, podía demorar años, lo que limitaba su acceso a grandes corporaciones con recursos tecnológicos robustos.
La última generación basada en arquitectura cloud, no-code y con inteligencia artificial integrada cambió ese panorama. Entre otras muchas ventajas, permitió superar la dependencia de equipos externos para ejecutar o editar flujos de decisión, otorgando autonomía a las propias áreas de riesgo para configurar y ajustar sus políticas de crédito en cuestión de minutos y no de meses. A su vez, la incorporación de IA suma la posibilidad de interpretar instrucciones formuladas en lenguaje natural y traducirlas a la lógica de la plataforma.
Los motores de decisión forman parte de una tendencia más amplia hacia la denominada decision intelligence, que combina datos, analítica y automatización para asistir la toma de decisiones. Se trata de un mercado global que, según proyecta Global Market Insights, alcanzará los USD 25.000 millones en 2032. Para las empresas argentinas que desarrollan estas tecnologías, el crecimiento de la categoría abre oportunidades para participar como creadoras y no únicamente como usuarias.
“El ecosistema tecnológico-financiero argentino se caracteriza por una adopción temprana de nuevas herramientas, y cuenta al mismo tiempo, con talento capacitado para desarrollarlas localmente. Esa combinación logra avanzar desde sistemas de decisión rígidos y costosos hacia plataformas más flexibles y accesibles”, afirma Santiago Etchegoyen, CTO de SIISA, empresa argentina de tecnología y buró enfocado en el mercado de crédito.
El impulso argentino de estas soluciones ocurre en un contexto regional donde bancos, fintechs, entidades financieras y otras empresas crediticias enfrentan una presión creciente por procesar más solicitudes y ajustar sus políticas en menos tiempo, y con costos operativos más bajos. Esa demanda convive con un desafío por ampliar el acceso al financiamiento sin perder capacidad de evaluación y gestión del riesgo.
En ese escenario, Argentina se alinea con Brasil, México y Colombia, mercados donde el acceso al crédito formal todavía tiene mucho margen para crecer. Al respecto, Etchegoyen sostiene: “El país históricamente cuenta con una base consolidada de burós de crédito y proveedores de scoring, lo que generó un terreno fértil para que la siguiente etapa de innovación con los motores de decisiones de última generación, surgiera con desarrollo nacional y no como adopción de tecnología importada”.
Los próximos pasos apuntan a un análisis más continuo de las políticas de crédito. Integrados con herramientas de analítica avanzada, distintas fuentes de datos vía API e inteligencia artificial, los motores de decisión permiten seguir el comportamiento de las carteras y revisar los criterios con mayor frecuencia. Para las diversas entidades que otorgan financiamiento, esa evolución amplía el alcance de la automatización y acerca la gestión del crédito a las áreas que trabajan con ellas todos los días.
