- En Argentina, las plataformas de pago digital convirtieron las ofertas de transporte público en una operación masiva de captura de datos conductuales
- Esa información nunca fue explícitamente cedida por los usuarios para ese fin
- Además, los datos extraídos ilegalmente llevaron a un colapso crediticio a las fintech
El modelo de adquisición de usuarios que las principales billeteras virtuales de América Latina ejecutaron desde 2024 fue, en términos de crecimiento, un éxito rotundo. Mercado Pago, Ualá, Naranja X y plataformas similares subsidiaron millones de viajes en transporte público para incorporar usuarios a escala, con costos de adquisición que parecían irracionales desde una lectura superficial.
La lógica no estaba en el costo del pasaje. Estaba en el dato.
Un activo sin declarar: datos de movilidad como insumo crediticio
Desde que el sistema de transporte público en Argentina comenzó a aceptar pagos digitales en 2024, las billeteras virtuales obtuvieron acceso a un flujo de información conductual de alta frecuencia y altísima regularidad: horarios de desplazamiento, recorridos, frecuencia de uso, zonas geográficas y consistencia de rutinas. Esa información empezó a alimentar los modelos de scoring crediticio que las plataformas utilizan para originar préstamos, ajustar límites y segmentar riesgo.
«Cuando regalaban viajes, no estaban comprando solamente usuarios. Estaban comprando una relación cotidiana», señaló en un articulo en LPO Kubra Melisa Altaytas, doctora en Ciencias Sociales por Flacso e investigadora del Conicet. El transporte, a diferencia de otras fuentes de datos digitales, produce señales con una regularidad casi perfecta, lo que lo convierte en insumo privilegiado para sistemas de inteligencia artificial orientados a predecir comportamiento financiero.
El problema jurídico es que esa información nunca fue explícitamente cedida por los usuarios para ese fin. Los especialistas la denominan «datos inferidos«: perfiles construidos de forma automatizada a partir del comportamiento, sin que el titular los entregue conscientemente ni autorice su uso crediticio de manera informada. En la arquitectura legal vigente en Argentina y en la mayoría de los países de la región, estos datos no están categorizados como información personal protegida, lo que crea un vacío regulatorio que las empresas del sector están ocupando, pero que no durará indefinidamente.
El scoring conductual falló: los números del colapso
La tesis operativa detrás del modelo era que los datos de movilidad permitirían originar crédito con mayor precisión que la banca tradicional, reduciendo el riesgo de incumplimiento al incorporar variables conductuales que el sistema formal no captura. Los resultados de 2026 invalidan esa premisa.
Según datos del Grupo Moneda Desarrollo y Equidad (MDE), la cartera irregular del crédito no bancario ya supera el 28%. Un informe de la consultora EcoGo muestra que los préstamos clasificados como irrecuperables pasaron del 2,6% en marzo de 2025 al 10,8% en marzo de 2026, cuadruplicándose en doce meses. El informe conjunto de la Cámara Argentina Fintech y el ITBA, publicado en mayo de 2026, eleva la mora total del sector al 30,5%, con una deuda irrecuperable que en pesos supera $1,5 billones.
El fracaso es también metodológico: la regularidad de la rutina de transporte de un usuario no predice de manera confiable su capacidad o voluntad de repago frente a tasas que en muchos casos superaron el 100% y el 200% anual. Los modelos sobreestimaron la señal conductual y subestimaron el estrés financiero estructural de su base de clientes.
El riesgo que viene: regulación, litigios y reputación
El vacío legal actual no es una ventaja competitiva sostenible; es un pasivo diferido. La legislación argentina sobre protección de datos está completamente desactualizada frente al fenómeno de los datos inferidos. Cuando ese marco se actualice —y la presión regulatoria regional e internacional indica que lo hará— las empresas que hoy operan en ese vacío enfrentarán tres vectores de exposición simultáneos.
El primero es el regulatorio: la incorporación de los datos inferidos a la categoría de información personal protegida obligaría a revisar las bases de consentimiento sobre las que se construyeron millones de perfiles crediticios. El segundo es el litigioso: usuarios que recibieron condiciones de crédito desfavorables basadas en algoritmos opacos tienen un caso potencial de discriminación automatizada, especialmente cuando el factor determinante fue la zona geográfica de residencia o la irregularidad de los horarios de trabajo. Además, los sistemas que asocian patrones de movilidad con perfiles de alto riesgo reproducen desigualdades estructurales.
El tercero es el reputacional: en un sector cuya propuesta de valor central es la inclusión financiera, ser señalado como operador de vigilancia conductual no consentida es un daño de marca difícil de revertir.
Una alerta para toda la región
Argentina funciona en este caso como mercado piloto y como señal anticipatoria para el resto de América Latina que presenta condiciones similares: baja bancarización formal, alta penetración de smartphones, demanda urgente de crédito accesible y marcos regulatorios rezagados respecto de la capacidad tecnológica de las plataformas.
Los ejecutivos y founders que hoy están escalando modelos equivalentes en esos mercados tienen en los datos argentinos de 2026 un escenario de referencia concreto: el crecimiento acelerado vía datos de movilidad genera pasivos regulatorios y metodológicos que no se manifiestan en el corto plazo, pero que cuando lo hacen, lo hacen de forma simultánea y sistémica.
La pregunta que el sector debería estar respondiendo ahora es qué tan preparadas están las empresas para operar cuando ese activo se convierta en un pasivo exigible.
