No se puede ganar con el diferencial de tasas, ¿en qué confiará el banco en los próximos diez años?

问AI · ¿Cómo puede la banca resolver el dilema de la compresión del margen de intereses mediante la transformación numérico-inteligente?

Introducción: Reconfigurar integralmente la lógica de negocio, la estructura de activos y el modelo de servicios del banco con la transformación numérico-inteligente.

Después de la “década dorada”, la banca en China ha entrado en un periodo de transformación profunda.

Con los ajustes de la estructura de la economía macro, la profundización de la liberalización de tasas de interés y la intensificación de la supervisión financiera, sumado al impacto de la revolución tecnológica, las cuatro presiones —tasas bajas, margen de intereses estrecho, alto riesgo y regulación estricta— se han vuelto de manera sostenida un problema común en la industria.

Al 29 de marzo, entre los 13 bancos que ya han divulgado sus informes financieros, el margen neto de intereses promedio de 2025 se ha reducido hasta ~1,5%, retrocediendo 10 bps interanualmente y cayendo casi 60 puntos básicos frente a 2020. Según datos de la Administración Nacional de Supervisión Financiera, en 2025 los bancos comerciales lograron un beneficio neto acumulado de ~2,4 billones de yuanes, con un crecimiento interanual de ~2,3%.

Bajo la presión general que enfrenta la industria, la diferenciación entre bancos se intensifica; el modelo tradicional de expansión por escala ya no puede sostenerse.

Algunos bancos se aferran a negocios tradicionales y caen en dilemas como “escasez de activos” (asset shortage), costos de fondeo elevados y aumento del riesgo; también hay bancos que intentan abrir camino con la transformación digital.

Al mayo de 2025, los bancos grandes y medianos ya han establecido, tanto a nivel de la sede central como de las sucursales provinciales, departamentos especializados de finanzas tecnológicas; a nivel nacional se han establecido 2178 sucursales tecnológicas.

Según investigaciones de la industria, los bancos comerciales nacionales ya han formulado en general estrategias de digitalización; los bancos grandes y medianos en su mayoría han creado departamentos especializados para la digitalización. Pero la digitalización de la mayoría de los bancos aún se queda en una etapa inicial de “sustituir personas con herramientas”: canales en línea, oficina móvil y aprobaciones electrónicas.

El informe global de McKinsey sobre banca 2025 muestra que, actualmente, las instituciones financieras que usan de forma masiva agentes de IA en todo el mundo aún no alcanzan el 10%; sin embargo, a medida que la tecnología de IA se integra profundamente en los procesos centrales del negocio, se formará un ciclo inteligente “percepción-decision-ejecución”. Los bancos líderes podrían reducir los costos operativos en 15%-20% y aumentar el retorno del patrimonio para los accionistas en 4 puntos porcentuales.

Algunos bancos ya están explorando rutas de transformación más profundas; la transformación numérico-inteligente ha pasado de “opción de respuesta” a “respuesta obligatoria”.

En 2024, China Merchants Bank lanzó la estrategia “AI + finanzas”, aplicando la IA a escenarios como el asesoramiento de inversión inteligente y el control de riesgos. Ping An Bank, apoyándose en las ventajas tecnológicas del grupo, construyó un sistema de servicios inteligentes de IA, impulsando la integración profunda entre la IA y los servicios financieros. Industrial and Commercial Bank of China (ICBC) construyó un ecosistema de “ICBC digital”, promoviendo la digitalización de todo el ciclo de negocio.

Xingye Bank, en cambio, utiliza la transformación numérico-inteligente como motor central: reconfigura la lógica de negocio, optimiza la estructura de activos y apuesta por nuevos sectores emergentes, logrando un crecimiento estable que atraviesa el ciclo. En 2025, sus ingresos y beneficios netos han mantenido un crecimiento positivo por segundo año consecutivo; sus activos totales superaron 11 billones de yuanes, manteniéndose como el segundo puesto entre los bancos por acciones; su tasa de morosidad se mantiene estable en un nivel bajo de 1,08%, convirtiéndose en un ejemplo típico de la transformación numérico-inteligente en bancos por acciones.

Adiós a la “Edad de Oro”

Durante la década anterior, la banca en China logró un crecimiento acelerado apoyándose en el dividendo del proceso de urbanización e industrialización, dependiendo de la colocación de créditos, los ingresos por margen de intereses y los negocios tradicionales de banca corporativa para formar la inercia operativa de “dar prioridad a la escala, a las garantías, a lo presencial y a las industrias tradicionales”. A medida que el modelo de desarrollo económico se transformó, este esquema maduro dejó de funcionar rápidamente, y la compresión del margen de intereses se volvió un problema común de la industria.

Desde 2020, el LPR se ha recortado en múltiples ocasiones y la liberalización de las tasas de depósito se ha impulsado; los ingresos por rendimiento en el lado de los activos bancarios han continuado a la baja, mientras que en el lado de los pasivos los costos siguen siendo rígidos, lo que reduce el margen neto de intereses año tras año.

En este contexto, los grandes bancos estatales, gracias a su base de sucursales y clientes, mantienen relativamente más resiliencia en el margen de intereses; en cambio, los bancos por acciones y los bancos pequeños y medianos, al carecer de ventajas de escala, muestran caídas de margen de intereses más evidentes.

En 2025, el margen neto de intereses de los grandes bancos estatales cayó en general por debajo de 1,5%; el de los bancos por acciones se mantuvo en general por encima de 1,6%. Aun así, los ingresos netos por intereses siguen enfrentando presión a la baja. Para estabilizar el margen de intereses, la mayoría de los bancos se ha visto obligada a reducir el costo de los pasivos; pero la tendencia a que los depósitos sean más a plazo fijo y de mayor duración es clara. En bancos pequeños y medianos incluso ha aparecido una “guerra interna” de subida de tasas para captar depósitos, lo que comprime aún más el espacio de rentabilidad.

En la etapa de transición económica, la demanda de financiamiento en la infraestructura tradicional, bienes raíces, y en sectores de mayoreo y menudeo se ha desacelerado; además, la oferta de activos de alta calidad es insuficiente, y los bancos caen en un estado de “tener dinero pero no poder colocarlo”, es decir, escasez de activos. Al mismo tiempo, el crédito tradicional dependiente del “ver estados financieros” y “ver garantías” difícilmente se adapta a las características de las industrias emergentes con activos ligeros, alta I+D y alto crecimiento; la oferta financiera en áreas de estrategias nacionales como tecnología, verde y manufactura de alta gama es seriamente insuficiente.

Tener activos físicos empresariales de alta calidad, estables y de bajo riesgo permite tomar la iniciativa en la reestructuración de la industria. Pero el modelo tradicional de operación de activos depende en gran medida de la experiencia humana, lo que dificulta lograr una fijación de precios precisa y un control de riesgos dinámico.

Las empresas de innovación científica y tecnológica (“科创”) con características de “activos ligeros, falta de garantías, alto riesgo” presentan una contradicción natural con los sistemas tradicionales de evaluación crediticia; muchas empresas tecnológicas en etapas iniciales no pudieron obtener financiamiento bancario debido a la falta de garantías. Por otro lado, los riesgos siguen liberándose en sectores tradicionales como bienes raíces y plataformas de financiamiento locales; algunas entidades ven aumentar sus tasas de morosidad, incrementando la presión de gestión de riesgos, conformando una situación de “escasez de activos y alto riesgo al mismo tiempo”.

Aunque todos los bancos comerciales nacionales ya han formulado estrategias de digitalización, la gran mayoría todavía se queda en la etapa inicial de “herramientas sustituyendo personas”, enfocándose solo en optimización de procesos y reducción de costos para mejorar la eficiencia; no han integrado la numérico-inteligencia en la lógica central del negocio.

Por ejemplo, algunos bancos lanzan iteraciones de banca móvil y atención al cliente inteligente, pero la aprobación de crédito, la evaluación de riesgos y la gestión de clientes siguen dependiendo de la experiencia humana. Algunos bancos invierten enormes sumas en construir sistemas tecnológicos, pero el problema de los “silos de datos” es grave: los datos de banca corporativa/finanzas para empresas (企金), retail y de interbancarios no se pueden conectar, lo que impide lograr una comercialización precisa y un control de riesgos inteligente.

En comparación con el extranjero, bancos internacionales como JPMorgan y Goldman Sachs ya han aplicado la IA a eslabones centrales como la fijación de precios de operaciones, la modelación de riesgos, la investigación de industrias y el análisis de sentimiento; en China, la transformación numérico-inteligente de los bancos aún tiene cierta brecha.

La estructura de negocios de los bancos se vuelve altamente convergente: en el segmento corporativo se enfocan en grandes empresas estatales y bienes raíces; en el retail se enfocan en préstamos hipotecarios y tarjetas de crédito; los negocios intermedios dependen de pagos y compensaciones, y de ventas por mandato/representación, con falta de competitividad diferenciada. Con recursos de clientes de alta calidad limitados, los bancos caen en guerras de precios y de recursos, y los ingresos integrales siguen disminuyendo.

Al mismo tiempo, instituciones financieras emergentes como bancos de internet y compañías de finanzas de consumo, aprovechando operaciones más ligeras y ventajas numérico-inteligentes, están arrebatando participación en el mercado de crédito retail y finanzas para pequeñas y microempresas, desviando aún más clientes de los bancos tradicionales.

La industria reconoce de manera general que la transformación ya no es una “pregunta de elección”, sino una “pregunta de respuesta obligatoria” relacionada con la supervivencia. Pero cómo romper el estancamiento se convierte en un reto planteado ante todos los bancos.

Romper el estancamiento de la “escasez de activos”

Las “dos sesiones” nacionales de 2026 marcan la dirección para este dilema. El informe de trabajo del gobierno propuso por primera vez “crear nuevas formas de economía inteligente”, incorporando “coordinación cómputo-energía” (“算电协同”) en el nuevo proyecto de infraestructura, y se estima que la inversión en redes eléctricas de “los próximos quince” (十五五) alcanzará 4 billones de yuanes. Energía de hidrógeno verde y almacenamiento energético de nueva generación, entre otros, se incluyen por primera vez en las seis grandes industrias futuras.

En el ámbito de las finanzas tecnológicas, el informe de trabajo del gobierno también especifica “fortalecer los servicios financieros de toda la cadena y todo el ciclo de vida para la innovación científica y tecnológica”, y exige que las instituciones financieras pasen de “buscar ganancias a corto plazo” al modelo de capital paciente de “acompañar durante largo tiempo”. Para empresas tecnológicas en campos clave de tecnología central, se implementarán de forma habitual “vías verdes” para la financiación bursátil y fusiones y adquisiciones.

Bajo esta orientación de políticas, la banca sigue explorando cómo usar métodos numérico-inteligentes para habilitar las finanzas para la industria, y así reconfigurar el reconocimiento de activos de la banca industrial y su forma de fijar precios.

Por ejemplo, en las finanzas tecnológicas, cada vez más bancos comienzan a transformar indicadores de activos ligeros como patentes, I+D, barreras tecnológicas y equipos de investigación en “activos de crédito tecnológico” cuantificables, autorizables y controlables por riesgos, logrando realmente un apoyo financiero integral para empresas de ciencia y tecnología en todas las etapas del ciclo de vida.

Por ejemplo, el China Construction Bank establece un sistema de evaluación de capacidades de innovación dinámica con cuatro factores como talento, tecnología, capital y mercado como núcleo, lanzando productos como “善新贷” y “善科贷”. ICBC aprovecha las ventajas de “préstamo con deuda + fianza sobre acciones” del grupo ICBC para construir una matriz de servicios para todo el ciclo de vida de empresas tecnológicas. CIB (CITIC Bank) lanzó “科创e贷”, un crédito puro 100% en línea basado en crédito, con criterios de concesión centrados en puntos de innovación empresarial y calificaciones de ciencia y tecnología.

Xingye Bank, por su parte, utiliza como base un sistema de evaluación de “tecnología en flujo” (técnicas/“technical flow”), evaluando con precisión a las empresas tecnológicas desde su capacidad de innovación científica y tecnológica. A finales de 2025, “技术流” de Xingye Bank ya había servido a más de 365k clientes de empresas tecnológicas.

En el sector manufacturero, el monto de préstamos a manufactura de Xingye Bank casi alcanza 1 billón de yuanes, muy por encima del nivel promedio de la industria. Al mismo tiempo, el saldo de financiamiento inmobiliario corporativo disminuyó interanualmente en más de 50.000 millones de yuanes, y los fondos fluyeron con precisión hacia los sectores clave de la economía real.

Estos resultados de optimización de estructura reflejan, sin excepción, la capacidad de fijación de precios precisa y control de riesgos dinámico habilitada por la transformación numérico-inteligente.

De la numérico-inteligencia a la inteligencia

Ante el dilema de la industria, los bancos líderes han comenzado exploraciones de transformación, con cuatro líneas de enfoque centrales: actualización numérico-inteligente, optimización de estructura de activos, posicionamiento en nuevos sectores y operación integral.

Los grandes bancos estatales, apoyándose en su ventaja de escala, promueven una digitalización numérico-inteligente en todo el ámbito. Bancos estatales como ICBC, China Construction Bank y Agricultural Bank of China, aprovechando ventajas en capital, clientes y sucursales, toman la numérico-inteligencia como el principal motor de actualización integral en toda la plataforma.

Los bancos por acciones con orientación retail se centran en la digitalización retail, construyendo una ventaja en gestión patrimonial. Bancos por acciones centrados en retail como China Merchants Bank y Ping An Bank enlazan profundamente la numérico-inteligencia con la gestión patrimonial y el crédito retail.

Los bancos de finanzas para la industria se profundizan en la economía real, y apuestan por los sectores de tecnología y verde.

A diferencia de la cobertura integral de los grandes bancos estatales y el foco en el lado C de los bancos retail, el centro de la transformación de estos bancos es usar la numérico-inteligencia para resolver los puntos críticos de las finanzas para la industria y lograr una competitividad diferenciada con sectores característicos.

Como banco característico de finanzas para la industria representado por Xingye Bank, sale de los marcos tradicionales de banca corporativa y de la trampa de la “banalización”, y utiliza la numérico-inteligencia como vínculo para conectar sectores emergentes como tecnología, verde y manufactura, reconfigurando la lógica subyacente de operación.

El salto de “digitalización” a “inteligencia” es el punto más alto de la competencia en la banca.

Según el presidente de Xingye Bank, Lü Jiajin, la transformación digital es una guerra de vida o muerte. El banco eleva la numérico-inteligencia a núcleo estratégico, crea un equipo directivo de “inteligencia artificial + acción”, y durante tres años consecutivos la inversión tecnológica ronda ~8.000 millones de yuanes, con un equipo tecnológico de más de 8.000 personas. Actualmente, bajo la habilitación numérico-inteligente, el crecimiento de clientes de alto patrimonio supera 12%, el ciclo de entrega de TI se reduce más de 30% y la comercialización inteligente basada en IA ha alcanzado acumuladamente 21,39 millones de personas.

El efecto de la numérico-inteligencia también se refleja directamente en indicadores financieros.

La tasa de costo de intereses en pasivos de Xingye Bank bajó 43 puntos básicos interanualmente, el margen neto de intereses se mantiene en 1,71%, con una caída muy mejor que el promedio de la industria; los ingresos netos por intereses han mantenido crecimiento positivo por tres años consecutivos.

En el lado de los activos, la numérico-inteligencia impulsa una optimización profunda de la estructura crediticia del banco: se abandona la dependencia tradicional de “bienes raíces + infraestructura”, y se transita hacia tres campos estratégicos: verde, tecnología y manufactura. En 2025, los préstamos verdes de ese banco alcanzaron 1,1 billones de yuanes, con un crecimiento interanual de 19,05%; los préstamos a manufactura casi 1 billón de yuanes, con un crecimiento interanual de 15,10%; y los préstamos al sector inmobiliario cayeron considerablemente.

En el ámbito de las finanzas tecnológicas, para abordar que el modelo tradicional de crédito no se adapta a las características de “activos ligeros y alto crecimiento” de las empresas tecnológicas, Xingye Bank desarrolló el sistema de evaluación de “tecnología en flujo”, evaluando 15 dimensiones como patentes de invención, equipos de investigación y ventajas tecnológicas.

En 2025, el monto de crédito aprobado bajo “tecnología en flujo” fue de 1,15 billones de yuanes; el saldo de préstamos tecnológicos fue 1,12 billones de yuanes, ocupando el primer lugar entre los bancos por acciones; la tasa de morosidad fue solo 0,85%. El banco, mediante la vinculación de capital y deuda de AIC (Financial Asset Investment Company) —enlace de acciones y préstamos con deuda—, se convirtió en “socio de crecimiento” para empresas tecnológicas; ese mismo año inyectó 6.808 millones de yuanes.

La numérico-inteligencia está pasando del back office al front office, y de herramienta a motor. Esta tendencia de transformación ya se ha convertido en consenso de la industria.

China Construction Bank “gobierno inteligente” integrado en los servicios gubernamentales; Agricultural Bank “aldea inteligente” para atender a clientes rurales; y Bank of China “cruces inteligentes” transfronterizos que ayuda a las empresas a expandirse al exterior.

Y la transformación de Xingye Bank logra una mutación de calidad, pasando de la aplicación de herramientas a la reconfiguración de paradigma.

Con su numérico-inteligencia, el banco conecta datos de banca corporativa para empresas (企金), retail e interbancario, promoviendo un desarrollo integrado de “finanzas para la industria + servicios del ecosistema”. El sistema CRM se puso en marcha con un mapa de industria (industry map), logrando la actualización de “captación de clientes por puntos” a “captación de clientes a través del ecosistema”. Cubre una base objetivo de 1800 genealogías de clientes, 2023 clientes centrales y 175k clientes.

Este paradigma de transformación de “numérico-inteligencia + industria + ecosistema” permite que los bancos por acciones, representados por Xingye Bank, tengan la posibilidad de salir de la competencia homogénea y formar una competitividad central que atraviese el ciclo.

La respuesta de la “pregunta obligatoria”

La numérico-inteligencia no es una actualización tecnológica, sino una reconfiguración integral de la lógica de negocio, la estructura de activos y el modelo de servicios. En el futuro, la transformación de la banca podría mostrar tres tendencias:

Primero, la numérico-inteligencia se convertirá en la competitividad central del banco, integrándose profundamente en todo el flujo de procesos del negocio. En el futuro, la IA, el big data y la computación en la nube se convertirán en infraestructura básica del banco; desde marketing de clientes, aprobación de préstamos y control de riesgos, hasta inversión y negociación, y gestión operativa, se implementará la inteligencia en todo el proceso.

Los bancos que todavía se quedan en la digitalización superficial y la herramienta como centro serán eliminados gradualmente por el mercado. Los bancos que logren integrar profundamente la numérico-inteligencia con el negocio central obtendrán ventajas competitivas.

Segundo, los sectores diferenciados se convertirán en la clave para romper el estancamiento, dejando atrás la competencia homogénea. La diferenciación de la industria seguirá intensificándose: los grandes bancos estatales se enfocarán en servicios de todo el ámbito; los bancos por acciones en sectores característicos; y los bancos pequeños y medianos en mercados regionales segmentados. Las finanzas tecnológicas, finanzas verdes, gestión patrimonial y finanzas para la industria se convertirán en los campos centrales de los bancos por acciones. Solo al profundizar en los sectores y formar ventajas diferenciadas se podrá atravesar el ciclo.

Tercero, convertir el servicio a la economía real en la base de la transformación, y hacer que la creación de valor reemplace la expansión de escala. La banca abandonará por completo la lógica antigua de “la escala por encima de todo”, y se orientará hacia un banco centrado en “calidad, eficiencia y equilibrio de riesgos”.

En torno a la planificación de estrategias nacionales como el sistema industrial moderno, la innovación científica y tecnológica y el desarrollo verde, y al lograr la unidad entre los beneficios económicos y los beneficios sociales, será la dirección central de la transformación bancaria.

En un nuevo punto de partida del desarrollo, varios bancos ya han establecido la numérico-inteligencia como dirección estratégica para “los próximos quince” (“十五五”).

China Construction Bank propuso la estrategia de “CCB digital”; ICBC impulsa la actualización de “ICBC digital”; Agricultural Bank of China plantea una transformación de “Aldeia agrícola inteligente” (“智慧农行”); y Xingye Bank ha establecido explícitamente una dirección estratégica basada en “cinco i” (cinco ejes): numérico-inteligente, verde, internacional, integral y ecológico.

Cuando la tecnología de IA acelera su iteración, la banca global se encuentra en la encrucijada de la transformación digital. Algunos bancos eligen “la orientación a herramientas”, tratando la IA como un medio para reducir costos y aumentar eficiencia; otros eligen “la orientación a sectores”, viendo la IA como una dirección para la planificación de inversiones.

Y la elección verdaderamente prospectiva es “la orientación a paradigma”: usar la numérico-inteligencia para reconfigurar la lógica de operación bancaria, haciendo que la inteligencia sea el sistema operativo subyacente desde la estrategia hasta la ejecución.

La numérico-inteligencia no es una pregunta de elección, sino una pregunta obligatoria; no es un complemento bonito, sino la base para la supervivencia.

Para todos los bancos, solo dejando atrás el pensamiento a corto plazo y profundizando la numérico-inteligencia junto con el servicio a la economía real podrán mantenerse firmes en las transformaciones de la industria, y convertirse verdaderamente en bancos de primera línea con capacidad de atravesar el ciclo.