¿Se adaptará la gestión del riesgo y la rentabilidad de entidades financieras frente a las tasas que lleva el Banco de la República?

La persistencia de la inflación en Colombia, que se ubicó en un 5,56% anual, sumada a un déficit fiscal, llevó al Banco de la República a fijar las tasas de interés en un 11,25% y a proyectar niveles cercanos al 12% hacia el cierre del año. Esta situación  dejó en las entidades financieras una gran pregunta: ¿cómo mantener la colocación de crédito sin deteriorar la calidad de la cartera?

Pese a lo que muchos piensan, tasas de interés elevadas no necesariamente se traducen en mayores ganancias. Así lo confirma un análisis de Corficolombiana, en donde se evidenció que, durante el ciclo de alzas entre 2022 y 2024 (cuando la tasa de referencia pasó del 1,75% al 13,25%), la rentabilidad del sistema financiero se deterioró de forma significativa.

En particular, el ROA (indicador que mide la rentabilidad en función de los activos totales) cayó del 2,52% al 0,47%, mientras que el ROE (que refleja el retorno sobre el patrimonio) descendió del 17,12% al 3,2%. Estos resultados evidencian una correlación negativa entre tasas de interés elevadas y utilidades bancarias.

Santiago Etchegoyen, cofundador y CTO de uFlow, empresa de tecnología aplicada a la automatización del crédito, explica que este escenario viene acompañado de una tasa de usura que ha estado al alza por varios meses consecutivos, lo que eleva el techo de los intereses permitidos para productos de consumo y tarjetas de crédito.

“Si bien este encarecimiento del dinero endurece las condiciones del mercado, también representa una oportunidad de rentabilidad excepcional para las instituciones que logren originar crédito de forma precisa, permitiéndoles capturar márgenes superiores en un entorno donde el tope regulatorio es más flexible”, señala Etchegoyen.

La respuesta del sector ha sido la implementación de diferentes tipos de tecnologías, desde la integración de modelos con inteligencia artificial (IA) hasta el uso de motores de decisiones que permiten procesar datos estructurados y no estructurados para predecir el riesgo en milisegundos.

Al utilizar analítica avanzada y modelos predictivos para procesar datos estructurados y alternativos en tiempo real, las financieras pueden identificar perfiles de bajo riesgo con mayor precisión, asegurando que el que preste bien sea quien obtenga la mayor rentabilidad del sistema.

Firmas como McKinsey & Company destacan que la automatización y el uso de modelos avanzados de IA permiten anticipar señales tempranas de deterioro financiero y optimizar las decisiones de crédito a lo largo de todo el ciclo, desde la originación hasta el seguimiento de cartera, mejorando tanto la inclusión financiera como la calidad del portafolio.

“En áreas como la cobranza, la analítica predictiva permite anticipar comportamientos de mora y ajustar estrategias antes de que se materialicen los incumplimientos. Asimismo, herramientas como chatbots, asistentes virtuales y modelos de scoring dinámico están reduciendo los tiempos de atención y liberando recursos para tareas de mayor valor agregado”, señala el CTO de uFlow.

Las entidades que logren apalancar sus estrategias mediante tecnologías como la IA, la analítica avanzada y los motores de decisión podrán capitalizar mejor ese mayor spread, colocando crédito con mayor precisión y menor riesgo. En contraste, aquellas que mantengan modelos tradicionales enfrentarán un mayor desafío en su rentabilidad.