Esta rebaja representa el 89% de la reducción de la cartera global de créditos a actividades productivas, cifrada en algo más de 3.100 millones de euros.
Con 108.000 millones de euros, la cartera de créditos a la industria es la más cuantiosa de entre todas las destinadas a actividades productivas. Supone casi una quinta parte de los créditos vivos a todo el tejido empresarial. Tras crecer en tasas cercanas al 6% y 7% a lo largo de 2020 por el impacto del coronavirus, retorna a una senda bajista. Así, en la primera mitad de 2021 el stock de créditos a compañías de este segmento se redujo 2,5% respecto al último diciembre.
En cuanto a la tasa de morosidad, se ha mantenido estable a lo largo de la pandemia y continúa asentada en el 4,8%. Esto son escasamente 2 décimas por debajo de la media global del crédito a empresas.
En términos absolutos, sin embargo, sí se observa un descenso de un 3% del total de créditos dudosos en el primer semestre de 2021 hasta situarse por debajo de los 5.150 millones de euros; unos 146 millones de euros menos que a cierre de 2020. Si se toma la referencia anual de junio 2020 a junio 2021, el descenso aumenta hasta los 307 millones de euros. Cabe destacar que, en el caso de las empresas industriales, esta tendencia a la baja no es novedad. Su volumen de créditos dudosos está menguando desde 2014, cuando alcanzó su máximo al rozar los 15.200 millones de euros.
Tecnología para mantener crédito y morosidad bajo controlGran parte de la preocupación actual de bancos y financieras es seguir controlando el riesgo de crédito para que la morosidad no se dispare y con ella lo hagan las provisiones necesarias. Es por ello que están aplicando la tecnología para mejorar su gestión tanto en lo que concierne a la concesión de préstamos, como al seguimiento y la recuperación. El director de relaciones institucionales de AIS, el economista José Manuel Aguirre, señala que “entre los proyectos que realizamos en AIS, cada vez es más frecuente el uso de técnicas como machine learning para desarrollar modelos de evaluación de solicitudes de préstamo, ya sea para operaciones con particulares, autónomos o empresas.” También es frecuente su uso en sistemas de seguimiento, como la generación de alertas tempranas que avisan de indicios de un posible deterioro de la cartera, e incluso en herramientas destinadas a la recuperación de impagados, para definir las estrategias de recobro más adecuadas para cada perfil y momento.
El motivo de que se esté recurriendo cada vez más a la inteligencia artificial para este tipo de herramientas es su gran poder predictivo -comparado con los métodos tradicionales- y su capacidad de optimización de las decisiones, comenta Aguirre. Técnicas como el machine learning permiten considerar miles de variables en los análisis, por lo que el nivel de exactitud de los modelos predictivos que las utilizan es muchísimo más elevado, lo que es una característica muy valorada en el negocio financiero.
