Las billeteras virtuales aprovecharon los viajes gratis en colectivos y subtes para ganar millones de usuarios en el AMBA. Pero detrás de las promociones también apareció otro negocio silencioso: convertir cada movimiento cotidiano en información financiera. Horarios, recorridos, frecuencia de viaje, saldos disponibles, pagos, consumos y hábitos diarios empezaron a alimentar sistemas de scoring crediticio utilizados para ofrecer préstamos, ajustar límites y medir riesgo.

La expansión de los pagos digitales en el transporte público abrió una nueva etapa para las fintech. Desde 2024, cuando el sistema comenzó a aceptar tarjetas y aplicaciones además de la SUBE, bancos y billeteras lanzaron descuentos, reintegros y pasajes gratuitos para captar clientes. Lo que parecía una simple estrategia comercial terminó convirtiéndose en una enorme fuente de datos sobre la vida cotidiana de millones de personas.

"Cuando las billeteras regalaban viajes, no estaban comprando solamente usuarios. Estaban comprando una relación cotidiana", explicó Kubra Melisa Altaytas, doctora en Ciencias Sociales por FLACSO e investigadora del CONICET. Según sostuvo, el verdadero valor no está únicamente en sumar descargas, sino en transformar los movimientos diarios de las personas en información utilizable por el sistema financiero.

La especialista señaló que el transporte ofrece algo especialmente valioso para las plataformas: información extremadamente regular y detallada sobre hábitos económicos. Cada viaje permite reconstruir horarios, rutinas laborales, frecuencia de movimientos, capacidad de gasto y vínculos con otras cuentas o promociones. "La vida cotidiana se vuelve dato, el dato se vuelve evaluación y la evaluación se transforma en una forma desigual de acceso al crédito", resumió.

Wall Street castigó a Mercado Libre, pero algunos fondos hablan de oportunidad de compra

Detrás de esa lógica aparece un cambio profundo en la forma de evaluar a los usuarios. Antes, el sistema financiero tradicional analizaba principalmente ingresos formales, recibos de sueldo o historial bancario. Ahora las fintech intentan construir una "biografía financiera conductual", basada en pagos chicos, movimientos cotidianos y comportamientos repetidos.

"Las billeteras saben distinto", explicó Altaytas. Mientras los bancos tradicionales observan salarios, cuentas o tarjetas de crédito, las aplicaciones capturan zonas mucho más pequeñas y frecuentes de la vida económica: recargas de celular, pagos con QR, transferencias entre personas, horarios de uso, consumo en supermercados o farmacias y movimientos entre cuentas.

La hipótesis detrás de esos modelos es que una persona con rutinas estables, horarios previsibles y comportamiento regular sería financieramente más "confiable". El problema es que esa traducción de hábitos sociales en puntajes crediticios empezó a mostrar fisuras.

Pierpaolo Barbieri, de Ualá

La mora de los créditos fintech volvió a crecer con fuerza durante los últimos meses y encendió alarmas sobre la efectividad real de esos sistemas de evaluación. Según datos citados por Daniela Bossio, integrante del Grupo Moneda Desarrollo y Equidad (MDE), la cartera irregular del crédito no bancario ya supera el 28 por ciento.

A su vez, un informe de EcoGo mostró que los préstamos considerados "irrecuperables" dentro del crédito no bancario pasaron de 2,6 por ciento en marzo de 2025 a 10,8 por ciento en marzo de 2026. En apenas un año, el indicador se cuadruplicó.

El deterioro de la mora dejó expuesta una contradicción del modelo fintech. Las plataformas prometían utilizar inteligencia artificial, big data y análisis conductual para prestar con mayor precisión que la banca tradicional. Sin embargo, el aumento de los incumplimientos sugiere que la acumulación masiva de datos no necesariamente evita el sobreendeudamiento ni mejora la calidad del crédito.

El aumento de los incumplimientos sugiere que la acumulación masiva de datos no necesariamente evita el sobreendeudamiento ni mejora la calidad del crédito

Además del problema financiero, empiezan a crecer cuestionamientos sobre el uso de la información personal. Marina Meira, coordinadora de Políticas Públicas en Derechos Digitales, advirtió que el principal problema es la falta de transparencia sobre cómo se utilizan esos datos.

"El debate no debería centrarse únicamente en si las fintech pueden utilizar técnicamente estos datos, sino en si las personas saben que sus hábitos cotidianos están siendo convertidos en indicadores de riesgo financiero", señaló. Según explicó, muchas veces datos recopilados para operar pagos o transporte terminan siendo reutilizados para inferir solvencia económica y construir perfiles crediticios.

Meira también alertó sobre riesgos de discriminación automatizada. Cuando algoritmos asocian determinados patrones de movilidad, zonas geográficas o hábitos de consumo con niveles de confiabilidad financiera, pueden reproducirse desigualdades sociales históricas bajo una lógica aparentemente neutral.

En la misma línea, Margarita Trovato, responsable de políticas públicas de la Fundación Vía Libre, sostuvo que Argentina tiene un "doble problema": una legislación desactualizada en comparación al resto del mundo y una enorme expansión de los llamados "datos inferidos".

"Los datos inferidos son aquellos que no son entregados directamente por la persona, sino construidos mediante análisis automatizados de grandes volúmenes de información", explicó. Según indicó, esos mecanismos permiten perfilar usuarios, predecir comportamientos y fundamentar decisiones sobre acceso a crédito, empleo o seguros sin que las personas conozcan cómo fueron evaluadas.

El debate no debería centrarse únicamente en si las fintech pueden utilizar técnicamente estos datos, sino en si las personas saben que sus hábitos cotidianos están siendo convertidos en indicadores de riesgo financiero

Para Vía Libre, el problema central es que muchas empresas no consideran esos datos como información personal, lo que reduce aún más los mecanismos de control y protección. "No hay mecanismos de acceso y discusión sobre los procesos de construcción de esos perfiles", advirtió Trovato.

Por eso, el debate excede la cuestión tecnológica. Lo que está en juego es quién puede transformar los datos de la vida cotidiana en una fuente de rentabilidad privada. Cada colectivo tomado, cada compra pequeña y cada pago con QR empiezan a formar parte de una infraestructura de evaluación permanente sobre millones de personas.