AdviceRobo, firma europea de soluciones con IA para el sector financiero, anunció su llegada a México con una propuesta enfocada en scoring crediticio, prevención de fraude y análisis de riesgo mediante inteligencia artificial, machine learning y datos alternativos.
La compañía busca posicionarse en el mercado mexicano mediante AI Credit Brain, una plataforma de “decision intelligence” que funciona como una capa adicional de análisis para bancos, fintech, neobancos y burós de crédito.
Tomás Voticky, director para México de AdviceRobo
En entrevista con Mobile Time Latinoamérica, Tomás Voticky, director de AdviceRobo para México, explicó que la decisión de entrar al país responde tanto al tamaño del mercado como al crecimiento de nuevos jugadores financieros y segmentos todavía desatendidos por la banca tradicional.
“México combina instituciones financieras maduras con fintech y neobancos que buscan nuevas maneras de evaluar riesgo y ampliar el acceso al crédito”, señaló.
Añadió que el país representa una oportunidad relevante por su población joven y por el volumen de usuarios que aún no cuentan con historial crediticio o acceso a productos financieros formales.
En ese contexto, consideró que el sector financiero es uno de los que más rápido adopta IA en procesos críticos como scoring, fraude y automatización de decisiones.
Del historial crediticio a la “huella digital”
Voticky explicó que los modelos tradicionales de scoring suelen depender de información proveniente de burós de crédito o de datos declarados por el usuario, como edad, estado civil, nivel socioeconómico o tipo de vivienda.
Sin embargo, para el experto este enfoque puede dejar fuera a segmentos emergentes y usuarios sin antecedentes financieros, además de incorporar variables susceptibles a sesgos o manipulación.
“El problema es que la información de créditos anteriores no existe para segmentos emergentes sin historial previo”, afirmó. Además, señaló que algunos datos declarados por los usuarios pueden ser “fácilmente falseables”.
Para resolverlo, la plataforma de AdviceRobo incorpora datos conductuales y señales derivadas de la huella digital del usuario, incluyendo actividad asociada a aplicaciones móviles, servicios de streaming, videojuegos, plataformas educativas, viajes, hotelería y otros patrones de consumo digital.
Voticky explicó que la tecnología de AdviceRobo puede relacionar información asociada a correos electrónicos, números telefónicos, dispositivos y actividad digital para construir perfiles de riesgo más amplios.
Además, detalló que la firma desarrolló una capa de análisis específica para México con el objetivo de adaptar sus modelos al comportamiento del mercado local. “Combinamos datos conductuales con data alternativa, esto es de la huella digital del cliente en la web, con una capa de datos socioeconómicos que AdviceRobo ha ido construyendo para el caso de México”, explicó.
Voticky también detalló que el sistema analiza la “higiene digital” de los usuarios y detecta inconsistencias relacionadas con identidad digital, comportamiento en línea y señales asociadas al consumo y manejo financiero.
Machine learning y modelos no lineales
De acuerdo con Voticky, su plataforma utiliza modelos de machine learning basados en metodologías como random forest, XGBoost y CatBoost, tecnologías asociadas a árboles de decisión capaces de detectar relaciones no lineales entre variables.
Según el directivo, los modelos tradicionales desarrollados desde mediados del siglo pasado suelen asumir relaciones lineales entre variables y comportamiento crediticio, mientras que los modelos actuales permiten segmentaciones más granulares.
“Por ejemplo, en el caso de la utilización de una tarjeta de crédito, si tú llegas a más del 95% del límite de crédito utilizado, generalmente eso implica un mayor nivel de riesgo. Si estás en el 30%, eso es positivo, implica menor riesgo. Pero si estás en 0%, no necesariamente (es positivo), ¿no? Entonces ahí hay un comportamiento no lineal que precisamente las metodologías identifican”, detalló.
“Scoring as a service”
El modelo de negocio de AdviceRobo opera bajo un esquema de “scoring as a service”, donde las instituciones financieras pagan por volumen de consultas o evaluaciones realizadas. La solución se integra mediante una API a sistemas de originación, plataformas internas de bancos y fintech, así como con burós de crédito y otras fuentes de información financiera.
De acuerdo con la compañía, AI Credit Brain puede utilizarse desde procesos de onboarding y originación hasta administración de portafolios de crédito.
En ese sentido, Voticky aseguró que actualmente el mayor interés del mercado se concentra en la etapa de otorgamiento, debido a que más del 80% de las pérdidas asociadas a créditos se generan al momento de la decisión inicial.
Otro aspecto relevante es que su tecnología no sustituye herramientas tradicionales de scoring y prevención de fraude, sino que las complementa mediante una capa adicional de inteligencia de decisiones.
«El uso de nuestra plataforma se refleja en un aumento en la tasa de aprobación de hasta un 50% y/o en reducciones en la tasa de pérdidas de hasta un 30%”, afirmó.
Decisiones auditables
Uno de los elementos que el directivo de AdviceRobo destacó es la capacidad de explicar las decisiones generadas por sus modelos de IA.
Además de entregar un puntaje de riesgo, la plataforma proporciona códigos de razón que permiten identificar qué variables influyeron en la evaluación final de cada solicitante. Entre las señales que pueden afectar un score se encuentran correos electrónicos recién creados, inconsistencias en identidades digitales o dominios asociados a regiones inusuales.
«Nosotros regresamos un puntaje por medio de la API que está asociado a una tabla, y esa tabla tiene un trade-off, un balance entre la tasa de aprobación y la tasa esperada», explicó Voticky.
Sin embargo, aclaró que los modelos no determinan fraude o incumplimiento de manera absoluta. «Estas metodologías no te pueden decir que esta persona va a ser fraudulenta, pero sí te pueden decir que de cada 100 candidatos en este nivel de puntaje, el 20% será fraude», señaló.
En cuanto a cómo se definen los parámetros de riesgo, cada institución define el equilibrio que desea mantener entre tasa de aprobación, pérdidas esperadas y fricción para el usuario.
Los fraudes que más afectan el onboarding
Uno de los principales retos dentro del ecosistema financiero mexicano, según el ejecutivo, es el fraude digital, especialmente en procesos de onboarding remoto.
Los esquemas vinculados con ingeniería social han crecido de forma importante en el país, particularmente en operaciones donde usuarios son manipulados para compartir credenciales, códigos dinámicos o autorizaciones de transacciones.
La empresa también advirtió sobre el aumento de identidades sintéticas y el uso de inteligencia artificial generativa para evadir controles biométricos utilizados por bancos, fintech y neobancos.
En respuesta a dicho panorama, Voticky dijo que sus modelos analizan la consistencia entre identidad digital, actividad en línea y señales conductuales para detectar anomalías o posibles fraudes durante el onboarding.
Regulación y privacidad
Sobre el uso de datos alternativos, Voticky afirmó que AdviceRobo opera bajo estándares europeos de privacidad y cumplimiento regulatorio debido a que la empresa tiene origen en Países Bajos y mantiene operaciones en distintas regiones.
En ese asécto, aseguró que trabajan con una cantidad limitada de datos sensibles y aplican protocolos de destrucción de información una vez concluida la evaluación.
Según dijo, el acceso a datos conductuales ocurre dentro de procesos de onboarding y solicitudes de crédito que ya contemplan avisos de privacidad y mecanismos de consentimiento regulados por la legislación mexicana.
Perspectivas a futuro
Actualmente AdviceRobo ya desarrolla una prueba de concepto con una institución financiera importante en México y trabaja en una segunda implementación piloto con otro banco.
La empresa espera cerrar entre dos y tres contratos durante este año y ampliar su presencia hasta entre siete y diez clientes en el mercado mexicano durante 2026. Además de México, la compañía ya opera en Colombia y analiza nuevas alianzas estratégicas para expandirse a otros mercados de Latinoamérica.
