En 2021, el crédito a actividades agrícolas, ganaderas y pesqueras creció en más de 660 millones de euros, rozando a cierre del año los 23.000 millones de euros, según el informe "Evolución del crédito a empresas por sectores de actividad en España 2021", publicado por AIS Group, consultora especialista en la aplicación de soluciones de inteligencia artificial a la gestión del riesgo

Este crecimiento del crédito en el sector primario contrasta con la reducción el 0,7% del saldo total de crédito a las empresas en España en el último ejercicio, que supone una rebaja el volumen de préstamos de unos 4.000 millones de euros, hasta situarse alrededor de los 571 mil millones de euros. Al contrario que el grueso de las compañías, el conjunto de las empresas del sector primario ha seguido con una tendencia alcista en su endeudamiento.

Tendencia alcista desde 2015 El crédito al sector primario en España sigue una tendencia alcista desde 2015. Igual que en la mayoría de los segmentos empresariales, la llegada de la pandemia en 2020 aceleró su crecimiento, lo que se reflejó especialmente en marzo de 2021, cuando la tasa de variación anual llegó al 4,6%. Tras unos meses con un incremento más pausado, con tasas inferiores al 2%, diciembre volvió a marcar un repunte hasta alcanzar el 3%, lo que deja la cartera con un saldo de 22,9 mil millones de euros en préstamos. Aun así, el crédito a estas compañías apenas representa el 4% del total de la financiación al conjunto de actividades productivas, que al final de 2021, sumaba algo más de 571.000 millones de euros.

Una nota positiva es que, en el último año, la cantidad de créditos dudosos concedidos al sector primario se ha reducido de 1.230 millones a 1.189 millones de euros. Esto ha provocado el descenso de 3 décimas en la tasa de morosidad, quedando en el 5,2% frente al 5,5% que registraba a diciembre de 2020.

Si bien, la situación es complicada para las empresas de este sector, pues están fuertemente afectadas por la incertidumbre que provoca la evolución de la actual guerra en Ucrania y el panorama económico nacional e internacional. Así, la probabilidad de que tengan que seguir endeudándose para desarrollar su actividad es alta, por lo que no es de extrañar que volvamos a ver tasas de variación positivas en los próximos trimestres.

Inteligencia artificial para mantener crédito y morosidad bajo control Una de las grandes preocupaciones de bancos y financieras es controlar el riesgo de crédito para que la morosidad no se dispare y, con ella, las provisiones necesarias y lo hacen aplicando la tecnología para mejorar la gestión tanto de la concesión de préstamos, como el seguimiento y la recuperación.

Según el director comercial de AIS, David Fernández, “entre los proyectos que realizamos en AIS en todo el mundo, cada vez es más frecuente que las entidades recurran al 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.

Esta tendencia se justifica en su alto poder predictivo -comparado con los métodos tradicionales- y su capacidad de optimización de las decisiones. La metodología machine learning, por ejemplo, permite 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 y más en el contexto actual.

Según David Fernández, “se espera que haya un fuerte ascenso de la mora en los próximos meses y el Banco de España ha realizado varios avisos al respecto. Mejorar los sistemas de control para detectar señales de deterioro antes de que se transformen en impagos reales, es fundamental para bancos y financieras”.