Las billeteras virtuales aprovecharon las agresivas promociones de viajes gratis en el transporte público para captar masivamente a usuarios y quedarse con su bien más preciado: la información detallada de sus movimientos cotidianos.
De esta forma se descubrió un negocio silencioso que transforma tus rutinas en un scoring financiero mediante las billeteras virtuales; cada vez que pasaste el teléfono por el lector del celular, las aplicaciones registraron tus horarios de viaje, frecuencias, recorridos exactos y consumos para alimentar sistemas automatizados de riesgo crediticio.
La morosidad en estos préstamos de billeteras virtuales se cuadruplicó en el último año, demostrando que el uso de algoritmos conductuales está empujando al sobreendeudamiento a la población.
La trampa detrás del pasaje gratis: Comprar una relación cotidiana
La expansión de los pagos digitales en el transporte público comenzó en 2024, cuando el sistema SUBE se abrió a tarjetas y aplicaciones de celulares mediante las billeteras virtuales. Gigantes del sector tecnológico como Mercado Pago, Ualá y Naranja X lanzaron ofertas sumamente agresivas que parecían irracionales desde el punto de vista económico, absorbiendo el costo total de los pasajes de los usuarios.
Sin embargo, la inversión detrás de las billeteras virtuales no buscaba rentabilidad inmediata por pasaje, sino recolectar datos de alta fidelidad. «Cuando regalaban viajes, no estaban comprando solamente usuarios. Estaban comprando una relación cotidiana», explicó Kubra Melisa Altaytas, doctora en Ciencias Sociales por Flacso e investigadora del Conicet. El transporte ofrece información extremadamente regular, permitiendo a las plataformas reconstruir la biografía financiera y conductual de las personas a través de sus horarios de ida y vuelta al trabajo.
El peligro de la «biografía financiera»: Qué saben las aplicaciones de vos
A diferencia de la banca tradicional, que evalúa a los solicitantes mediante recibos de sueldo, ingresos formales o antecedentes del Veraz, las billeteras virtuales operan bajo una lógica de recolección microscópica. Su objetivo es medir la confiabilidad financiera analizando los hábitos más pequeños e íntimos de la vida económica de un ciudadano.
Las billeteras virtuales capturan y analizan las 24 horas del día variables como:
- Horarios de uso del transporte y previsibilidad de las rutinas.
- Frecuencia de transferencias entre personas y recargas de celular.
- Pagos con código QR en comercios de cercanía, supermercados y farmacias.
- Destinos geográficos habituales y vinculación con otras cuentas digitales.
La hipótesis algorítmica detrás de estos modelos de inteligencia artificial en las billeteras virtuales es que una persona con una rutina estática y previsible posee un menor riesgo de impago. No obstante, este análisis de «datos inferidos» —aquellos construidos de forma automatizada mediante Big Data sin que el usuario los entregue conscientemente— ha comenzado a mostrar fallas estructurales graves.
Estalló la mora: El fracaso del scoring de inteligencia artificial
La promesa de las fintech de utilizar la recolección de datos y el análisis de comportamiento para prestar dinero con mayor precisión que los bancos tradicionales chocó de frente con la realidad económica de 2026. La acumulación masiva de datos en las billeteras virtuales no logró prevenir el sobreendeudamiento ni el cese de pagos de sus clientes.
Según datos revelados por Daniela Bossio, integrante del Grupo Moneda Desarrollo y Equidad (MDE), la cartera irregular del crédito no bancario ya superó la alarmante cifra del 28 por ciento. En sintonía, un informe técnico de la consultora EcoGo demostró que los préstamos considerados «irrecuperables» pasaron del 2,6 por ciento en marzo de 2025 al 10,8 por ciento en marzo de 2026. En apenas doce meses, el indicador de pérdida se cuadruplicó, desatando una crisis de confianza sobre la efectividad real de evaluar la solvencia de una persona mediante sus viajes en colectivo.
Discriminación automatizada y desactualización legal en Argentina
Además del impacto financiero, el uso de esta infraestructura de vigilancia permanente encendió las alarmas de los organismos defensores de los derechos digitales. Marina Meira, coordinadora de Políticas Públicas en Derechos Digitales, advirtió sobre el grave peligro de la discriminación automatizada. Al asociar de forma masiva determinadas zonas geográficas o patrones de movilidad periférica con perfiles de alto riesgo, los algoritmos tienden a reproducir y consolidar desigualdades sociales históricas bajo una máscara de neutralidad tecnológica.
Desde la Fundación Vía Libre, su responsable de políticas públicas, Margarita Trovato, alertó que Argentina enfrenta una legislación penal y civil completamente obsoleta frente al avance de los datos inferidos. Al no ser considerados formalmente como «información personal» por las empresas del sector, los perfiles de riesgo construidos en las sombras carecen de mecanismos públicos de control, impidiendo que un ciudadano pueda auditar, discutir o exigir la corrección de la calificación que le asignó una inteligencia artificial.
Cada viaje en colectivo, cada pago mínimo y cada transacción con QR quedan registrados en una base de datos que define de manera invisible las oportunidades económicas de la población. Las facilidades de las billeteras virtuales abrieron canales de inclusión financiera indispensables, pero la falta de transparencia sobre el uso de la privacidad plantea un debate urgente que excede lo tecnológico: quién es el verdadero dueño de los datos de nuestra vida cotidiana.
