Abstract
La transformación digital del sistema financiero ha impulsado la adopción de modelos de inteligencia artificial para mejorar la evaluación del riesgo crediticio. En este contexto, el presente estudio tiene como objetivo analizar la eficiencia predictiva, los posibles sesgos algorítmicos y los desafíos regulatorios asociados al uso de sistemas automatizados de scoring crediticio en Panamá. La investigación se desarrolló mediante un enfoque cuantitativo con diseño documental y análisis comparativo de literatura científica especializada sobre modelos de aprendizaje automático aplicados al riesgo crediticio. Los resultados evidencian que los modelos basados en inteligencia artificial presentan un desempeño superior a los enfoques tradicionales en términos de precisión predictiva, capacidad de discriminación del riesgo y reducción del tiempo de evaluación crediticia. No obstante, también se identifican desafíos relevantes relacionados con la presencia de sesgos algorítmicos derivados de desigualdades estructurales en los datos utilizados para entrenar los modelos, lo que puede generar diferencias en el acceso al crédito entre distintos grupos poblacionales. Asimismo, se observa la necesidad de fortalecer los marcos regulatorios y los mecanismos de gobernanza tecnológica para garantizar transparencia, equidad y supervisión en el uso de decisiones automatizadas. En conclusión, la inteligencia artificial representa una herramienta estratégica para mejorar la eficiencia del sistema financiero, siempre que su implementación se acompañe de mecanismos adecuados de control y regulación.