El modelo de Affirm aprobo archivos sin puntaje FICO: lo que leen los datos de secuencia

El diecisiete de septiembre de 2026, Affirm dijo en un comunicado para inversionistas que habia puesto en produccion un nuevo modelo de suscripcion en sus checkouts de EE. UU. El modelo esta basado en transformers, toma decisiones en tiempo real, y fue entrenado con catorce años de los propios datos de prestamos de la empresa a nivel de transaccion.

El detalle que importa aqui es lo que aprobo. Affirm dice que el modelo extendio credito a solicitantes que su sistema anterior habia rechazado, incluidos solicitantes con archivo delgado y solicitantes sin ningun puntaje FICO, y que esas aprobaciones produjeron 3.4% mas compras completadas que un grupo de control a riesgo comparable.

La idea detras de esto vale la pena entenderla bien, porque ha estado implicita en el modelado de credito durante años. Un puntaje de credito comprime un archivo en estadisticas resumen. Un modelo de secuencia lee el orden y el momento que la compresion descarta. Dos archivos pueden producir estadisticas resumen identicas y estar moviendose en direcciones opuestas.

Empecemos por lo que es un puntaje, mecanicamente.

Un puntaje de credito es un numero calculado a partir de un archivo tal como esta en el momento de la consulta. Los insumos son estadisticas resumen: cuantas cuentas tienes, cuanto de tu limite disponible se reporta como usado, cuantos pagos se atrasaron y que tan recientemente, cuanto tiempo lleva existiendo el archivo, con que frecuencia se ha consultado.

Cada uno de esos es una compresion. Una cifra de utilizacion del 30% es una razon calculada a partir del saldo de estado de cuenta reportado mas recientemente contra el limite. Los saldos de estado de cuenta anteriores a ese estan en tu reporte, pero no estan en la razon. La razon es un numero de un mes.

Los puntajes no son totalmente ciegos al tiempo. La recencia y la gravedad de una morosidad se ubican dentro del historial de pagos, y la antigüedad del historial de credito es su propia categoria de factor, asi que un atraso de treinta dias del mes pasado no se trata igual que uno de hace dos años.

Que tan finamente se lee cualquiera de eso no es algo que te pueda decir. Ni FICO ni VantageScore publican sus mecanismos internos, asi que nadie fuera de esas empresas puede decir como se pondera el tiempo dentro del modelo, y no voy a inventar un mecanismo para llenar el vacio. Lo que si se puede decir no requiere los mecanismos internos: la salida es un solo numero, y un solo numero no puede cargar un orden. Haga lo que haga un puntaje con el tiempo, comprimir un archivo a un solo valor descarta la secuencia que el archivo mismo todavia conserva. Los saldos de estado de cuenta y las fechas de pago siguen estando en el reporte.

La trayectoria es lo que se pierde. Si un saldo llego al 30% subiendo o bajando no esta en la razon, y un modelo construido sobre la razon no puede recuperarlo.

Lo que sigue es una ilustracion, no datos reales. Construi estos dos archivos para aislar el punto. No se describe a ningun solicitante real.

Dos archivos, A y B. Ambos tienen tres cuentas revolventes. Ambos tienen $4,000 en limites totales: dos tarjetas de $1,500 y una de $1,000. Ambos reportan un saldo total de $1,200 este mes, y $1,200 dividido entre $4,000 es 30% de utilizacion. Ambos tienen exactamente un atraso de treinta dias en los ultimos veinticuatro meses y dos consultas duras en los ultimos doce. La cuenta mas antigua de cada uno tiene veintiseis meses, el promedio dieciocho.

En las estadisticas resumen que lee un puntaje, estos archivos son casi indistinguibles.

Ahora la secuencia.

El archivo A cargaba $3,100 hace doce meses, lo cual contra los mismos $4,000 en limites era 78% de utilizacion. Cada estado de cuenta desde entonces ha reportado un saldo mas bajo que el anterior, hasta llegar a $1,200 ahora. Eso es $1,900 pagados a lo largo de doce estados de cuenta, unos $158 al mes. El pago atrasado fue hace veintiun meses, cerca del inicio del archivo, y nada se ha atrasado desde entonces. Ambas consultas tienen once meses.

El archivo B cargaba $160 hace doce meses, lo cual contra $4,000 es 4% de utilizacion. Cada estado de cuenta desde entonces ha reportado un saldo mas alto, llegando a $1,200 ahora. Eso es $1,040 agregados a lo largo de doce estados de cuenta, unos $87 al mes, mientras los pagos pasaron de liquidar el estado de cuenta por completo a pagar cerca del minimo. El pago atrasado fue el mes pasado. Ambas consultas cayeron dentro de los ultimos sesenta dias.

Un puntaje no se deja engañar del todo por esto. El pago atrasado de B es reciente y tambien sus consultas, y la recencia es parte de lo que contabilizan las categorias de historial de pagos y consultas, asi que B muy probablemente quedaria por debajo de A. Lo que la razon de utilizacion no puede cargar es la trayectoria del saldo. Doce descensos consecutivos y doce ascensos consecutivos llegan al mismo 30% identico y entran a la razon como el mismo 30% identico. Dale a ambos archivos veinticuatro meses limpios y sin consultas recientes, y se vuelven dificiles de separar en las estadisticas resumen mientras siguen siendo obviamente distintos para cualquiera que lea el orden.

La descripcion que da Affirm del modelo es que identifica patrones dentro de las cuentas y entre ellas, incluido como cambian esos patrones con el tiempo, sin una caracteristica diseñada a mano para cada patron.

Esa segunda mitad es el punto de ingenieria. El modelado de credito convencional funciona mediante ingenieria de caracteristicas: una persona decide de antemano que la utilizacion vale la pena medirla, escribe la definicion, y el modelo aprende un peso para ella. Si la trayectoria del saldo a lo largo de doce meses vale la pena medirla, alguien tiene que definirla primero, sobre que ventana y medida como, antes de que cualquier modelo pueda usarla. Cada patron que el modelo puede ver es un patron que alguien anticipo.

A un modelo de secuencia se le entregan los eventos en orden, con su momento, y descubre por si mismo que ordenamientos cargan informacion. La arquitectura de transformers es la familia de modelos usada para el lenguaje, y se transfiere porque un archivo de credito, leido como un flujo de eventos, tiene una forma similar a una oracion: las unidades estan ordenadas, y el significado de cualquiera de ellas depende de lo que la rodea. Un saldo de $400 significa una cosa despues de seis meses de saldos de $2,000 y otra cosa despues de seis meses de saldos de $50.

Catorce años de datos a nivel de transaccion es lo que hace eso aprendible. Se necesita un numero muy grande de secuencias antes de que los ordenamientos que predicen el pago se separen de los que no.

El numero que publico Affirm es que las aprobaciones del nuevo modelo produjeron 3.4% mas compras completadas que un grupo de control, a riesgo comparable.

Lee que es esto, y que no es. Es un aumento relativo en compras completadas. No es una tasa de aprobacion, y no es un salto de 3.4 puntos porcentuales de una vez. Si mil checkouts se completaron bajo el sistema de control, unos 1,034 se completaron bajo el nuevo, treinta y cuatro mas por cada mil. Ese es un resultado comercial real y de apariencia modesta, que es mas o menos el aspecto que tiene una mejora genuina de suscripcion, en lugar de una relajacion de los estandares.

"A riesgo comparable" es la frase que sostiene todo. Aprobar a mas gente es trivialmente facil si vas a aceptar peores perdidas, asi que la afirmacion solo significa algo si el riesgo se mantuvo. Affirm tambien dice que estos prestamos tuvieron mejor desempeño que una expansion similar bajo sus modelos anteriores, que es la comparacion decisiva: el mismo ensanchamiento del criterio de aprobacion, hecho de dos formas.

Lo que la cifra no te dice es cuantas de las aprobaciones adicionales fueron solicitantes con archivo delgado o sin puntaje, ni cuales son las probabilidades de ningun individuo. Affirm no ha publicado un desglose, y yo no inferiria uno.

Esta es la parte que mas probablemente se malinterprete, asi que sere directo. El modelo rige las propias decisiones de aprobacion de Affirm en los propios checkouts de Affirm. Ese es todo el alcance.

No cambia tu puntaje FICO. No cambia tu VantageScore. No cambia lo que los buros nacionales tienen sobre ti ni como lo tienen. Un prestamista que usa un modelo distinto para leer tu archivo no altera el archivo.

No significa que otros prestamistas te vayan a aprobar. Un analista de riesgo hipotecario, un prestamista de autos y un emisor de tarjetas usan cada uno sus propios modelos con su propio apetito de riesgo, y una aprobacion en un checkout no tiene ningun peso en ninguno de ellos.

Tampoco significa que Affirm haya dejado de leer los reportes de credito. La informacion de secuencia es una afirmacion sobre como se lee un archivo, no sobre si se lee.

La suscripcion por flujo de caja y la suscripcion por secuencia se discuten como si fueran lo mismo. No lo son, y vale la pena quedarse con la diferencia.

La suscripcion por secuencia hace algo distinto. Toma los datos que ya estan en el archivo y deja de descartar su estructura. No se agrega ninguna fuente nueva. Se elimina la compresion.

La respuesta honesta no ha cambiado, y no voy a fingir lo contrario porque un prestamista haya lanzado un mejor modelo.

Construye un archivo convencional. Las hipotecas, los prestamos de auto y las tarjetas de credito todavia fijan sus tasas segun el puntaje. Un modelo de suscripcion en un prestamista de punto de venta no te consigue una hoja de tasas en un banco, y el archivo convencional sigue siendo el instrumento sobre el que corre casi cualquier decision de credito consecuente en este pais.

Asi que: una cuenta inicial reportando a los tres buros, abierta y mantenida. Saldos de estado de cuenta bajos en relacion con los limites, porque la razon lee el estado de cuenta. Todos los pagos a tiempo, porque un pago atrasado es lo mas costoso que puedes poner en un archivo corto. Y tiempo, que es el unico insumo que no puedes comprar.

Lo que ha cambiado es la forma del periodo intermedio. Hay mas prestamistas capaces de suscribir un archivo que un puntaje no puede leer, y ahora hay una razon para preocuparse por la trayectoria de tus saldos y no solo por su nivel.

Un modelo basado en transformers se puso en vivo en los checkouts de EE. UU. de Affirm el diecisiete de septiembre, entrenado con catorce años de datos de prestamos a nivel de transaccion. Affirm reporta que aprobo a personas que su sistema anterior habia rechazado, incluidos solicitantes sin puntaje FICO, produciendo 3.4% mas compras completadas a riesgo comparable.

La idea detras de esto es la parte duradera. Un puntaje comprime un archivo en estadisticas resumen, y la compresion pierde informacion. Dos archivos con el mismo numero de cuentas, la misma utilizacion del 30% y el mismo unico pago atrasado pueden estar moviendose en direcciones opuestas, y la direccion no esta en la razon. Un modelo que lee la secuencia recupera la direccion.

Nada de eso toca tu reporte de credito ni tus puntajes, y nada de eso predice lo que hara ningun otro prestamista. Si tienes un archivo delgado, el consejo es el mismo que la semana pasada: construye uno convencional, mantenlo limpio, dejalo envejecer. El periodo intermedio esta un poco menos cerrado de lo que estaba. Eso es todo lo que cambio.

1. ¿Que anuncio Affirm el 17 de septiembre de 2026?

Affirm dijo en un comunicado para inversionistas que un modelo de suscripcion basado en transformers y en tiempo real estaba en produccion en sus checkouts de EE. UU. Fue entrenado con catorce años de los datos de prestamos de la empresa a nivel de transaccion, y Affirm dice que aprobo a solicitantes que su sistema anterior habia rechazado, incluidos solicitantes con archivo delgado y sin FICO.

2. ¿Esto cambia mi puntaje FICO?

No. Este es el modelo interno de suscripcion de un prestamista. No altera tu reporte de credito, tu puntaje FICO, tu VantageScore, ni lo que los buros nacionales tienen sobre ti. Una forma distinta de leer un archivo no cambia el archivo.

3. ¿Que significa 3.4% mas compras completadas?

Es un aumento relativo frente a un grupo de control, no una tasa de aprobacion. Si mil checkouts se completaron bajo el sistema de control, unos 1,034 se completaron bajo el nuevo. Affirm afirma que la comparacion se mantuvo a riesgo comparable y que esos prestamos tuvieron mejor desempeño que una expansion similar bajo sus modelos anteriores.

4. ¿Por que un modelo de secuencia puede ver algo que un puntaje de credito no puede?

Un puntaje lee estadisticas resumen calculadas a partir del archivo en un momento dado. La utilizacion, por ejemplo, es el saldo de estado de cuenta mas reciente dividido entre el limite, asi que los meses de saldos detras de el no estan en el numero. Un modelo de secuencia lee los eventos en orden con su momento, asi que puede distinguir un saldo que llega al 30% bajando de uno que llega ahi subiendo.

5. ¿Una aprobacion de Affirm significa que otros prestamistas me van a aprobar?

No. Cada prestamista usa sus propios modelos con sus propios datos y su propio apetito de riesgo. Una aprobacion en un checkout de punto de venta es una afirmacion sobre una empresa y una transaccion, y no tiene ningun peso ante un analista de riesgo hipotecario, un prestamista de autos o un emisor de tarjetas.

6. ¿Affirm ignora los reportes de credito ahora?

No. Leer informacion de secuencia describe como se lee un archivo, no si se lee. Nada en el anuncio dice que los reportes de credito hayan sido eliminados de la decision.

7. ¿Que deberia hacer en realidad si no tengo puntaje de credito?

Construye un archivo convencional, porque las hipotecas, los autos y las tarjetas todavia fijan sus tasas segun el puntaje. Una cuenta reportando a los tres buros, mantenida y con antigüedad, con saldos de estado de cuenta bajos reportados y sin pagos atrasados. Los modelos mas nuevos amplian quien puede financiarse mientras tanto, pero no reemplazan el archivo.

8. ¿Que pasa si un modelo automatizado me rechaza?

Tienes derecho a las razones principales especificas de la decision, igual que con cualquier otro rechazo de credito. Una decision automatizada no reduce esa obligacion, y "el modelo te rechazo" no es una razon principal especifica.