La exclusión financiera persiste como una barrera estructural para el desarrollo económico argentino. La dificultad para estimar con precisión el riesgo de impago en individuos sin historial bancario genera racionamiento de crédito, restringiendo el acceso a servicios financieros incluso a quienes podrían afrontar las condiciones de un préstamo. Esta limitación parece deberse más a la insuficiencia de información que a una escasez real de fondos. Este trabajo explora el potencial del aprendizaje automático para mejorar los mecanismos de evaluación crediticia en el sistema financiero argentino. Mediante un análisis comparativo entre enfoques tradicionales y técnicas recientes de inteligencia artificial, se examina cómo la calidad del análisis puede optimizarse al ampliar la base informativa y refinar los procesos de tratamiento de datos. Los hallazgos sugieren que ciertas técnicas modernas superan en capacidad predictiva a los métodos actualmente más difundidos, especialmente cuando se incorporan variables adicionales y se aprovechan nuevas herramientas analíticas. En este sentido, los avances recientes en inteligencia artificial abren una oportunidad concreta para ampliar el acceso al crédito y promover la inclusión financiera, al facilitar decisiones más precisas, equitativas y fundamentadas en los datos.