Inteligencia artificial (IA) y datos alternativos como mecanismos de inclusión financiera para las mypes en el Perú: una revisión integradora

Abstract

El presente estudio analiza el impacto de la inteligencia artificial (IA) como mecanismo para mitigar las asimetrías de información que limitan el acceso al crédito de las micro- y pequeñas empresas (mypes) en el Perú. Mediante una revisión documental de carácter narrativo e integrador, se sistematizó evidencia secundaria de reportes técnicos, literatura académica y casos de estudio (2020-2025). Los hallazgos revelan una fractura estructural: mientras la pequeña empresa alcanza niveles de acceso al crédito del 54,3%, la microempresa apenas llega al 26,3%, restringida por una «autocensura financiera» derivada de barreras fiscales (régimen NRUS) e informalidad. La investigación valida que la adopción de modelos de credit scoring alternativo y el uso de huellas transaccionales de billeteras digitales permiten sustituir la falta de estados financieros formales por una «presunción de solvencia» conductual. No obstante, se discute que la viabilidad de esta inclusión tecnológica se enfrenta a riesgos éticos significativos, como el sesgo algorítmico y la discriminación automatizada, concluyéndose que la sostenibilidad del modelo requiere una gobernanza de datos rigurosa y la implementación efectiva de entornos de prueba (sandboxes) regulatorios.

This study analyzes the impact of artificial intelligence (AI) as a mechanism to mitigate the information asymmetries that limit access to credit for micro and small enterprises (MSEs) in Peru. Through a narrative and integrative document review, secondary evidence from technical reports, academic literature, and case studies (2020-2025) was systematized. The findings reveal a structural divide: while small businesses achieve credit access levels of 54,3%, microenterprises barely reach 26,3%, restricted by «financial self-censorship» stemming from tax barriers (NRUS Regime) and informality. The research validates that the adoption of alternative credit scoring models and the use of transactional fingerprints from digital wallets allow the lack of formal financial statements to be replaced by a behavioral «presumption of solvency.» However, it is argued that the viability of this technological inclusion faces significant ethical risks, such as algorithmic bias and automated discrimination. It concludes that the sustainability of the model requires rigorous data governance and the effective implementation of regulatory sandboxes.