Fintech Inclusión Financiera Vigilancia Algorítmica Análisis 2026

IA en la banca mexicana: ¿inclusión financiera o vigilancia algorítmica?

Un análisis OSINT sobre cómo los algoritmos están redefiniendo el acceso al crédito en México — y a quién beneficia realmente esta transformación.

Veredicto del Estudio
70% de la población carece de calificación crediticia sólida en México.
La IA está ampliando la frontera crediticia, pero también profundizando sesgos al replicar lógicas tradicionales de exclusión.
Riesgo identificado: algoritmos opacos que toman decisiones financieras sin supervisión humana ni rendición de cuentas.
Oportunidad: Modelos híbridos (IA + presencia humana) han alcanzado tasas de aprobación de crédito cercanas al 80%, muy por encima del promedio del sector.

1. ¿Qué se investigó?

El objetivo fue analizar, mediante una metodología de Inteligencia de Fuentes Abiertas (OSINT) aplicada al sector financiero mexicano, el impacto real de la inteligencia artificial en la inclusión financiera. La pregunta de fondo es doble: ¿la IA está democratizando el acceso al crédito o está consolidando un nuevo tipo de vigilancia algorítmica que excluye a quienes no encajan en los modelos?

Para responderla, se cruzaron datos de bancos tradicionales, fintechs, declaraciones de reguladores (CONDUSEF, CNBV, Banxico), estudios académicos y casos documentados de exclusión financiera en México durante el periodo 2024-2026. El reto metodológico consistió en distinguir entre el discurso de inclusión que promueven las instituciones y la evidencia empírica de cómo los algoritmos están afectando a distintos segmentos de la población.

2. Hallazgos clave – El mapa de la inclusión algorítmica

2.1 Los "invisibles" del sistema financiero

El dato más revelador del análisis es estructural: apenas el 10% de la población mexicana cuenta con una calificación crediticia sólida; entre el 20% y el 25% se ubica en la categoría subprime; y el 70% restante es invisible para los modelos tradicionales de riesgo. Como señala un análisis de Expansion, "no son personas sin ingresos, son personas sin datos". El sistema financiero tradicional ha confundido sistemáticamente comportamiento con capacidad de pago.¹

Esta invisibilidad no es neutral. Afecta desproporcionadamente a mujeres, adultos mayores y trabajadores informales. Según el estudio "Los invisibles" de Creditea y Provident, ser mujer incrementa en un 40% la probabilidad de no recibir servicios financieros en comparación con los hombres.² Las pausas laborales por trabajo de cuidados no remunerado, los ingresos discontinuos y la informalidad son interpretados por los algoritmos como "riesgo", no como realidades estructurales.

2.2 La IA como doble filo: inclusión y exclusión simultánea

La evidencia muestra que la IA está operando como un doble filo. Por un lado, está ampliando la frontera crediticia hacia sectores tradicionalmente excluidos. Fintechs como Creditea utilizan modelos de IA y data alternativa para evaluar perfiles de riesgo, analizar comportamientos de pago y personalizar líneas de crédito. Aviva, con inversión de BID Lab, combina visión computacional y una red de quioscos para ofrecer préstamos a comunidades desatendidas.³

Por otro lado, la digitalización acelerada de la banca y la integración masiva de IA amenazan con profundizar la exclusión financiera de los adultos mayores, un sector que abarca a más de 15 millones de personas (15% de la población según el Inegi).⁴ Oscar Rosado Jiménez, presidente de CONDUSEF, ha alertado sobre el peligro de querer automatizar todo: "La IA puede generar mecanismos de exclusión con la población adulta mayor".⁵

El contraste generacional es evidente. Mientras los jóvenes celebran el uso de IA en la banca móvil, los adultos mayores la rechazan por temor a equivocarse. La reducción de ventanillas físicas traslada el costo operativo y el riesgo al eslabón más débil.

2.3 El factor humano como correctivo

Un hallazgo clave del análisis es que la tecnología sin contacto humano es fría; el contacto humano sin tecnología es ineficiente. Los modelos que combinan IA con presencia humana —equipos que realizan cobranza, conocen necesidades reales del cliente y generan confianza— han alcanzado tasas de aprobación cercanas al 80%, muy por encima del promedio del sector. Como lo expresa un análisis de El Financiero: "la inclusión financiera en México no se logrará con discursos ni con algoritmos aislados, sino con un modelo que combine la potencia de la IA con la empatía y cercanía de equipos humanos".⁶

3. El péndulo regulatorio – ¿quién vigila al vigilante?

La IA en la banca mexicana opera en un vacío regulatorio que empieza a cerrarse. A diferencia de la Unión Europea, México no cuenta (ni parece que contará en el corto plazo) con una ley general de inteligencia artificial. Lo que existe es un mosaico normativo: la Ley Federal de Protección de Datos Personales, lineamientos del INAI sobre decisiones automatizadas y criterios dispersos de las autoridades financieras.⁷

Sin embargo, ese mosaico ya empieza a tocar puntos sensibles. Los modelos de scoring crediticio automatizado deben ser transparentes y evitar sesgos discriminatorios (por ejemplo, no pueden negar un crédito con base exclusivamente en el código postal o el nombre del solicitante), y las decisiones algorítmicas sobre préstamos de montos relevantes deben conservar un componente de revisión humana.

Un precedente importante ocurrió en mayo de 2026, cuando la CNBV autorizó a una firma como Asesor en Inversiones Independiente pese a que su modelo de negocio incorpora inteligencia artificial como componente central. El expediente incluyó un manual de gobernanza de IA elaborado específicamente para facilitar la evaluación del regulador.⁸ La señal es clara: la autoridad no está cerrando la puerta a modelos disruptivos, pero exige que la innovación nazca con cumplimiento incorporado desde el diseño, no como un parche posterior.

El 1 de julio de 2026, la CNBV publicó en el Diario Oficial de la Federación una reforma a la Circular Única de Bancos que incorpora la biometría facial (además de la huella dactilar) como mecanismo oficial de identificación y autenticación de clientes.⁹ Esto abre un nuevo frente en la protección de datos sensibles.

Por su parte, el Banco de México (Banxico) ya ha incorporado en su gestión de riesgos institucional aquellos derivados del uso de la IA, y continuará con el seguimiento iniciado en 2024. El banco central reconoce que la IA ya es un factor clave en el aumento de fraudes y ataques digitales, y advierte que podrían afectar la estabilidad financiera del país. En su Reporte de Estabilidad Financiera de diciembre de 2025, Banxico subrayó que los riesgos asociados a estas tecnologías no deben desestimarse, dado el ritmo acelerado de su adopción.¹⁰

4. Hipótesis y validación – ¿El algoritmo es el problema o la solución?

El análisis OSINT permite formular una hipótesis central: el problema no es la IA en sí misma, sino los datos con los que se entrena y la opacidad con la que opera. La IA no hace más que replicar y escalar los sesgos históricos del sistema financiero mexicano.

La validación cruzada con múltiples fuentes —académicas, regulatorias y de la industria— apunta a que la verdadera inclusión financiera requiere tres condiciones que la IA por sí sola no puede garantizar:

• Datos alternativos y verificables: La validación de ingresos sigue siendo el cuello de botella. Mientras el sistema se base en recibos de nómina en PDF y documentos impresos, la exclusión persistirá.
• Modelos explicables (XAI): La opacidad algorítmica erosiona la confianza. Los modelos de Machine Learning explicables permiten fortalecer las decisiones de riesgo crediticio y detectar fraudes.
• Supervisión humana y rendición de cuentas: Como lo ha señalado la CONDUSEF, el uso de IA en la banca debería ser opcional, permitiendo a los usuarios elegir cómo prefieren comunicarse con su institución financiera.

La evidencia muestra que las fintechs están liderando la innovación en inclusión, introduciendo modelos que amplían la oferta para sectores tradicionalmente excluidos. Sin embargo, la cobertura bancaria y el acceso digital se concentran en zonas urbanas con menor rezago social, lo que limita el potencial inclusivo de estas tecnologías y corre el riesgo de ampliar la brecha existente.

5. Conclusión – Inclusión con vigilancia, no vigilancia en lugar de inclusión

La inteligencia artificial en la banca mexicana no es, en sí misma, ni inclusiva ni excluyente. Es un instrumento que amplifica las intenciones y los sesgos de quienes la diseñan y regulan.

El riesgo real no es la IA, sino la falta de transparencia, la ausencia de supervisión humana y la concentración de datos en pocas manos. Como lo ha advertido Banxico, es fundamental fomentar que el uso de la IA sea "de la forma más segura, eficaz y responsable".

A partir del análisis OSINT realizado, se proponen tres líneas de acción para que la IA sea una herramienta de inclusión real y no de vigilancia algorítmica:

• Alfabetización digital y financiera: La adopción de IA debe ir acompañada de políticas que enseñen a los usuarios —especialmente a adultos mayores y mujeres— a navegar el ecosistema digital.
• Regulación con enfoque de derechos: México necesita disposiciones específicas que garanticen la explicabilidad de los algoritmos, la revisión humana en decisiones relevantes y la protección de datos biométricos.
• Modelos híbridos como estándar: La evidencia muestra que la combinación de IA con presencia humana no solo es más inclusiva, sino también más rentable. Este debe ser el modelo a seguir, no la excepción.

La pregunta no es si la IA va a transformar la banca mexicana —ya lo está haciendo— sino si esa transformación va a profundizar las desigualdades o a reducirlas. La respuesta no está en los algoritmos, está en las decisiones humanas que los diseñan, regulan y supervisan. La inclusión financiera con vigilancia algorítmica no es inclusión; es control.

Notas y referencias

1. Expansión / El Economista (2025). "Los invisibles del sistema financiero mexicano". Análisis sobre la población sin calificación crediticia en México.
2. Creditea y Provident (2025). "Estudio 'Los invisibles': brecha de género en el acceso al crédito". Reporte sobre la probabilidad de exclusión financiera en mujeres.
3. BID Lab / Aviva (2025-2026). "Inclusión financiera con visión computacional y quioscos digitales". Proyecto de inversión en comunidades desatendidas de México.
4. INEGI (2025). "Encuesta Nacional de Inclusión Financiera (ENIF)". Datos sobre población adulta mayor y acceso a servicios bancarios.
5. CONDUSEF (2026). Declaraciones de su presidente, Oscar Rosado Jiménez, en el marco del "Foro de Inclusión Financiera y Tecnología", Ciudad de México, marzo de 2026.
6. El Financiero (2026). "El factor humano en la era de la IA bancaria". Análisis sobre modelos híbridos y tasas de aprobación del 80%.
7. INAI (2025). "Lineamientos sobre decisiones automatizadas y protección de datos personales". Marco regulatorio vigente para el sector financiero.
8. CNBV (mayo de 2026). Autorización a "Asesor en Inversiones Independiente" con modelo de negocio basado en IA. Expediente público disponible en el portal de la CNBV.
9. Diario Oficial de la Federación (DOF) (1 de julio de 2026). "Reforma a la Circular Única de Bancos". Incorporación de biometría facial como mecanismo oficial de identificación.
10. Banco de México (Banxico) (diciembre de 2025). "Reporte de Estabilidad Financiera". Análisis de riesgos asociados al uso de IA en el sistema financiero, incluyendo fraudes y ciberseguridad.

Fecha de análisis: Septiembre de 2026. Este artículo forma parte de la serie de investigaciones OSINT de InteligenciaLatina.com sobre el impacto de la inteligencia artificial en sectores estratégicos de la región.