Integrando a los próximos 30 millones: por qué la device intelligence es clave para la inclusión financiera en Indonesia

Para llegar a los próximos 30 millones de prestatarios, Indonesia necesita un scoring que refleje cómo viven las personas – no solo cómo operan en el sistema bancario. Aunque los servicios financieros se han expandido, los sistemas de crédito heredados aún dependen en gran medida de los historiales financieros formales, lo que excluye a amplias poblaciones con ingresos informales, documentación inconsistente o sin huella crediticia.

Con la promulgación de la legislación POJK 29/2024 y la creciente madurez de la device intelligence, Indonesia cuenta con la infraestructura regulatoria y tecnológica para cambiar este rumbo. Ahora es el momento de pasar de la lógica tradicional del scoring a modelos basados en señales de comportamiento reales – porque Indonesia no podrá cerrar su brecha financiera sin modelos de scoring que vean más allá del historial bancario.

Revelando la brecha de inclusión financiera

A pesar de una década de avances significativos, la inclusión financiera en Indonesia sigue siendo desigual. La población adulta del país es de aproximadamente 205 a 210 millones (sobre una población total de ~280 millones). Según la encuesta SNLIK 2024, la inclusión nacional se sitúa en 80,51%, pero este promedio oculta brechas estructurales que los sistemas de crédito tradicionales continúan reforzando. Esto significa que alrededor del 19,5% (unos 40 millones de adultos) todavía están excluidos de los servicios financieros formales. De ellos, una parte importante – cerca de 30 millones – se estima que están excluidos del crédito o subevaluados.

La división es especialmente marcada en personas sin educación formal, quienes viven en zonas rurales y las poblaciones jóvenes o mayores. Muchos son trabajadores informales, participantes de la economía gig, microemprendedores rurales, mujeres sin empleo formal o jóvenes sin historial crediticio. Estos individuos pueden tener acceso a servicios financieros básicos (por ejemplo, billeteras digitales o cuentas de ahorro), pero carecen de acceso al crédito formal debido a expedientes crediticios limitados o inexistentes.

Un punto de inflexión: POJK 29/2024 da luz verde a la inclusión basada en datos

En diciembre de 2024, la Autoridad de Servicios Financieros (OJK) promulgó la POJK 29/2024, que establece el marco formal para los Proveedores de Scoring Alternativo (ACS) – entidades autorizadas a utilizar fuentes de datos no tradicionales como telecomunicaciones, servicios públicos, comercio electrónico y metadatos de dispositivos para evaluar el riesgo de los prestatarios. Es importante destacar que la POJK 29/2024 exige que estos modelos de scoring sean explicables, cumplan con la privacidad y se basen en el consentimiento, además de prohibir el uso de datos crediticios o financieros tradicionales.

Para Indonesia, este cambio es más que una actualización regulatoria – es un catalizador de crecimiento. Al permitir oficialmente el uso de datos alternativos y habilitar a millones de personas excluidas del crédito a acceder al financiamiento formal, la POJK 29/2024 puede estimular el consumo, expandir la actividad de las pequeñas empresas, mejorar la calidad de vida y fortalecer la base tributaria nacional. El aumento resultante de la participación económica podría tener un efecto multiplicador en sectores que van desde el comercio minorista hasta la infraestructura.

Este movimiento también alinea a Indonesia con los líderes globales en finanzas inclusivas. La Alianza para la Inclusión Financiera (AFI) ha subrayado que cerrar las brechas financieras requiere de un open finance inclusivo – marcos que permitan compartir datos diversos con permiso del cliente de manera transparente, segura e interoperable.

La Guía de Desarrollo e Implementación de Políticas 2025 de AFI para un Open Finance Inclusivo resalta casos de uso como el scoring alternativo para microcréditos, la verificación de identidad digital en la incorporación de clientes, la integración de datos intersectoriales (por ejemplo, telecomunicaciones, servicios públicos) y la detección de fraudes en tiempo real. La device intelligence encaja directamente en esta visión, al proporcionar señales técnicas y de comportamiento basadas en consentimiento que ayudan a segmentar riesgos y ampliar el acceso de manera responsable para poblaciones desatendidas.

La device intelligence como una nueva perspectiva sobre el riesgo

La device intelligence es el análisis de señales técnicas y de comportamiento generadas cuando una persona utiliza un smartphone, una tableta o una computadora. Estas señales abarcan múltiples capas:

• Atributos técnicos – tipo de dispositivo, sistema operativo, versión del navegador y configuraciones de seguridad

• Patrones de comportamiento – velocidad de navegación, actividad de sesión y estilo de interacción

• Señales contextuales – horario de uso, geolocalización y tipo de red

• Indicadores de riesgo – presencia de herramientas de spoofing, randomizadores o máquinas virtuales a nivel de navegador o dispositivo

En conjunto, estas señales ofrecen a los prestamistas una visión dinámica de la confiabilidad y la intención. Incluso cuando un solicitante no tiene historial crediticio formal, la device intelligence puede ayudar a distinguir usuarios genuinos de perfiles de riesgo – facilitando un acceso más amplio al crédito sin comprometer los controles de riesgo.

Caso práctico: Amartha – Créditos para mujeres rurales con scoring alternativo

Amartha es una plataforma indonesia de préstamos peer-to-peer dedicada a servir a las ultra-microemprendedoras, con un enfoque particular en mujeres rurales. En lugar de basarse en historiales crediticios tradicionales, Amartha evalúa el riesgo utilizando puntajes de reputación social, modelos de préstamos grupales y datos obtenidos en encuestas de campo. Indicadores de comportamiento fuera de línea, como la asistencia a reuniones comunitarias, se combinan con datos de uso del teléfono móvil para crear una visión más completa de la fiabilidad de los prestatarios.

Impacto destacado:

• Más de 1,5 millones de MIPYMES lideradas por mujeres financiadas desde su inicio

• Tamaño promedio de préstamo de alrededor de Rp 3 millones (USD ~200)

• Tasas de repago consistentemente superiores al 95%

• Reconocimiento por parte de UNESCAP y AFI por enfoques innovadores de inclusión

El caso de Amartha demuestra que el scoring no basado en burós, cuando se apoya en datos móviles y en la confianza comunitaria, puede ampliar de manera sostenible el crédito a poblaciones rurales e invisibles para el sistema financiero formal.

Caso práctico: Jenius – Alcanzando a los millennials con scoring basado en apps

Jenius, la plataforma de banca digital lanzada por Bank SMBC (antes BTPN), fue diseñada para responder a las necesidades de los millennials y la Generación Z en Indonesia. En lugar de evaluar a los solicitantes únicamente con datos de buró, Jenius analiza patrones de comportamiento dentro de su aplicación – incluidos hábitos de presupuesto, actividad de ahorro y categorías de transacciones – para personalizar ofertas y extender límites de crédito preaprobados. Este enfoque permite al banco incorporar y atender a clientes sin historial crediticio previo.

Impacto destacado:

• Más de 3,5 millones de usuarios incorporados hasta 2023

• Alta adopción entre millennials urbanos y nativos digitales

• Primer acceso al crédito habilitado para clientes sin historial bancario

Jenius muestra cómo las señales de comportamiento basadas en dispositivos pueden aprovecharse para experimentar con productos crediticios de forma segura y con bajo riesgo, particularmente para los segmentos más jóvenes de la población.

Recomendaciones estratégicas

Para aprovechar al máximo la POJK 29/2024 y escalar la inclusión financiera de manera responsable, las instituciones deben tratar la device intelligence no solo como un requisito de cumplimiento, sino como una capacidad estratégica central. El potencial va más allá de cumplir con las expectativas regulatorias – también abre la puerta a ampliar el alcance de clientes, hacer crecer las carteras e ingresar en mercados no atendidos.

Los mayores beneficios llegarán para las instituciones de microfinanzas (IMFs), proveedores BNPL, bancos digitales y actores de finanzas embebidas. Estos segmentos suelen atender a clientes con poca o ninguna historia crediticia formal y pueden beneficiarse directamente de los conocimientos más ricos que ofrece la device intelligence.

Cómo actuar:

1. Implementar modelos de device intelligence donde el scoring basado en burós sea ineficaz o imposible – como en el 51% de indonesios sin educación formal que aún están subevaluados por sistemas heredados.
2. Cumplir con confianza – la POJK 29/2024 respalda los sistemas de scoring alternativo, siempre que sean auditables, explicables y basados en el consentimiento.
3. Medir el impacto mediante indicadores clave de inclusión (KPIs) – enfocándose en segmentos rurales, adultos mayores, personas con baja escolaridad y trabajadores de la gig economy, para evaluar tanto los resultados sociales como los comerciales.

Estos pasos no son simplemente casillas operativas. Forman la base para construir confianza, mejorar la calidad de las carteras y desbloquear un crecimiento a largo plazo, al tiempo que se amplía el acceso al crédito de manera responsable.

Conclusión

Indonesia ha avanzado claramente hacia la inclusión financiera, pero las brechas destacadas en el SNLIK 2024 muestran que los modelos de crédito tradicionales aún dejan a demasiadas personas fuera. Con la POJK 29/2024 ofreciendo certeza regulatoria – y con instituciones globales como AFI y la investigación académica validando la efectividad de los datos alternativos – el caso de la device intelligence ya no es teórico. Hoy es una herramienta crítica y probada.

Cuando se usa de manera transparente y responsable, la device intelligence puede ayudar a llegar a millones de personas subatendidas y fortalecer la resiliencia del ecosistema financiero de Indonesia.

Los datos de dispositivos no son un parche. Son una solución estratégica para unas finanzas inclusivas y preparadas para el futuro.

¿Qué sigue: de la visión a la acción?

La oportunidad es clara – millones de indonesios con capacidad de pago siguen siendo invisibles para los modelos de scoring tradicionales. Con la POJK 29/2024 en vigor y la device intelligence lista para desplegarse, las herramientas para cerrar esa brecha ya están disponibles.

El siguiente paso es la ejecución. Ya sea que Usted sea una IMF, un proveedor BNPL, un banco digital o un actor de finanzas embebidas, el camino comienza con probar modelos de device intelligence, medir el impacto en la inclusión y escalar de forma responsable.

Solicite una demo con JuicyScore para explorar cómo la device intelligence puede ayudarle a hacer crecer su portafolio mientras expande el acceso financiero.