Hoy analizamos un caso pionero de scoring alternativo con big data e inteligencia artificial, implementado desde Alemania pero enfocado en mercados emergentes como Polonia y México.
📌 ¿Qué hizo Kreditech (luego Monedo)?
Ofreció préstamos al consumo 100% digitales mediante un motor de riesgo automatizado que analizaba más de 20.000 variables por cliente. Su sistema funcionaba sin intervención humana, procesando datos en tiempo real: redes sociales, comportamiento online, tipo de dispositivo, geolocalización, conexiones, patrones de navegación, etc.
💡 Enfoque de IA:
Kreditech implementó un modelo de machine learning con técnicas de deep learning, capaz de tomar decisiones en menos de 60 segundos. Su scoring era “vivo”: se actualizaba en tiempo real, no con una foto estática del historial.
🌍 Impacto:
➡️ Acceso a crédito para personas con mal historial o sin historial tradicional.
➡️ Escalamiento en países emergentes con estructuras bancarias rígidas.
➡️ Proyección de €1.000 millones en ingresos (2025).
➡️ Más de $500M levantados en capital para expansión.
⚠️ Riesgos enfrentados:
Su algoritmo tipo “caja negra” levantó preocupaciones regulatorias por falta de explicabilidad. Aunque muy eficaz en mercados con baja supervisión, su opacidad limitó el acceso a países con marcos normativos más exigentes (como Alemania).
🧠 Aunque Kreditech ya no está operativa, desempeñó un papel clave en transformar la forma en que millones de personas y empresas accedían al crédito, demostrando que la inteligencia artificial puede abrir puertas incluso cuando los modelos tradicionales las cierran.
💬 Desde Technovation seguimos estudiando estos casos para adaptar sus lecciones a América Latina: ¿cómo escalar scoring inclusivo sin perder trazabilidad ni confianza?
¿Te fue de utilidad este post? Ayuda a otros compartiéndolo y recomendándolo 🤝