Scoring crediticio con inteligencia artificial en México: qué exige la transparencia algorítmica

Cada vez más entidades financieras y plataformas fintech en México incorporan modelos de inteligencia artificial y aprendizaje automático en sus procesos de evaluación crediticia, con el argumento de que estos modelos permiten evaluar con mayor precisión el riesgo de solicitantes que no cuentan con historial en el Buró de Crédito tradicional. El uso de variables alternativas —patrones de comportamiento en la aplicación, geolocalización, metadatos del dispositivo, historial de pagos de servicios— puede efectivamente ampliar el acceso al crédito para segmentos previamente excluidos, pero también plantea una pregunta que las autoridades mexicanas de protección al consumidor financiero han comenzado a poner sobre la mesa con mayor insistencia: ¿qué tan explicable es, para el propio solicitante rechazado, la decisión que tomó un algoritmo?

El derecho a una explicación cuando el crédito es negado

La Ley para la Transparencia y Ordenamiento de los Servicios Financieros y la normativa aplicable a las entidades supervisadas por la CNBV establecen, en términos generales, la obligación de informar al solicitante las razones de una decisión crediticia negativa. Cuando esa decisión proviene de un modelo de scoring basado en inteligencia artificial, el reto práctico es que muchos de estos modelos —particularmente los que emplean técnicas de aprendizaje profundo— no producen de forma nativa una explicación sencilla en lenguaje humano de qué variables pesaron más en el resultado. Esto ha llevado a que el debate regulatorio en México, en línea con discusiones similares en otras jurisdicciones, se oriente hacia exigir a las entidades que utilicen modelos con capacidad de explicabilidad razonable, o que complementen el resultado del modelo con una revisión humana capaz de comunicar al solicitante, en términos comprensibles, los factores generales que influyeron en el rechazo.

Qué puede exigir el consumidor mexicano hoy

Mientras el marco regulatorio específico sobre IA en servicios financieros continúa desarrollándose en México, un solicitante de crédito puede, en el marco de la normativa vigente de transparencia y protección al consumidor, solicitar a la entidad una explicación de las razones generales del rechazo, consultar su reporte de Buró de Crédito para verificar que la información utilizada sea correcta, y presentar una queja ante la CONDUSEF si considera que la decisión se basó en información errónea o en criterios discriminatorios no justificados. La transparencia algorítmica no implica que el consumidor tenga derecho a conocer el código o los parámetros exactos del modelo —información que las entidades protegen por razones de propiedad y de seguridad frente al fraude— sino a recibir una explicación razonable de los factores que llevaron a la decisión.

Si buscas crédito, revisa siempre tu historial en el Buró de Crédito antes de aplicar. En CréditoLab México comparamos prestamistas registrados, y en nuestro glosario financiero puedes consultar términos como scoring alternativo y explicabilidad algorítmica.