Un estudio del Instituto del Propósito y Bienestar Integral, hecho con datos de 51 mil colaboradores en México, encontró que el manejo del crédito predice la intención de dejar el empleo. Aquí te contamos por qué el estado civil y el género también influyen en una posible renuncia.
Pagar las tarjetas a tiempo y no acumular deudas de más también se asocia con quedarse más tiempo en el empleo. Así lo encontró El FICO Score como predictor de la intención de rotación laboral: Evidencia empírica para México, un estudio del Instituto del Propósito y Bienestar Integral (IPBI) que analizó el historial crediticio de 51,796 trabajadores mexicanos [1]. Estas son las preguntas que responde.
1. ¿Qué encontró el estudio?
El hallazgo central se resume en dos cifras: una persona con score cercano a 300 puntos tiene una probabilidad estimada de renuncia de 12%; alguien con score cercano a 850, baja a 4.5% de probabilidad [1]. La diferencia, de más de 7 puntos porcentuales, se mantiene incluso después de ajustar por edad, sexo, estado civil y nivel de endeudamiento.
El número de deudas activas importa por su cuenta: cada tarjeta de crédito adicional se asocia con un aumento de 3.1% en la probabilidad de renuncia; cada préstamo personal adicional, con 1% más [1]. Perder margen financiero parece poner a la persona en modo de búsqueda, de recursos, de mejores condiciones, y eso incluye buscar otro trabajo [2]. También coincide con algo que ya se sabía: las personas con mejor puntaje crediticio suelen recibir mejores evaluaciones de desempeño, quizá porque la misma disciplina que lleva a pagar a tiempo ayuda a sostenerse en un empleo [3].
2. ¿Qué es el score crediticio y qué tiene que ver con el FICO Score?
El score crediticio es el concepto general: un número que resume qué tan responsable es una persona para pagar lo que debe. El FICO Score es el modelo específico que estandarizó ese cálculo, creado por la estadounidense Fair Isaac Corporation, y hoy es la referencia que más se usa en el mundo para construir ese tipo de puntaje [4].
En México no se le llama FICO Score en el día a día. Buró de Crédito y Círculo de Crédito, las dos Sociedades de Información Crediticia autorizadas en el país, construyen su propio puntaje bajo una lógica muy parecida a la de FICO: el historial de pago pesa más que cualquier otro factor, seguido de cuánta deuda se usa respecto a la disponible y desde hace cuánto existe ese historial [5]. Es decir, el “FICO Score” del que habla el estudio no es un número importado de Estados Unidos: es, en la práctica, equivalente al score que cualquier persona puede consultar en Buró o en Círculo de Crédito.
3. ¿Por qué las mujeres renuncian más que los hombres?
El estudio incluyó el sexo como variable de control, junto con la edad, el estado civil y el número de créditos activos. Lo relevante es que, aun tomando en cuenta el manejo del crédito, las mujeres siguen mostrando una probabilidad de renuncia mayor que los hombres, lo que sugiere que algo más allá del dinero explica esa diferencia.
Que muchas mujeres sean el sostén económico del hogar no las libera de la carga de cuidado, la duplica. En México, tres de cada diez hogares, 11.5 millones, tienen jefatura femenina, y aun así las mujeres siguen haciendo el grueso del trabajo doméstico y de cuidado: casi 40 horas semanales sin pago, frente a 18.2 horas de los hombres [6]. Ser la principal fuente de ingresos no exime a una mujer de seguir siendo, además, quien cuida.
Esa doble carga se refleja en las propias cifras de abandono laboral. Datos del INEGI muestran que las mujeres encabezan las renuncias por matrimonio, embarazo o responsabilidades familiares, mientras que los hombres renuncian sobre todo por buscar mejores condiciones o sueldo [7]. El Instituto Mexicano para la Competitividad calcula que nueve de cada diez personas que dejan el mercado laboral por dedicarse al cuidado son mujeres, y que ellas recortan gastos o piden dinero prestado cuatro veces más que los hombres a causa de ese rol [8]. Leído así, la diferencia que encontró el estudio del IPBI no describe menor compromiso laboral: describe qué tan poco preparado está el mercado de trabajo mexicano para sostener a alguien que, además de trabajar, cuida.
4. ¿Por qué las personas divorciadas renuncian más que las solteras?
El estudio encontró algo específico dentro del estado civil: las personas divorciadas renuncian con más frecuencia que las solteras; las casadas, en cambio, muestran una ligera tendencia a quedarse más tiempo, aunque ese resultado es menos concluyente.
Parece contraintuitivo, en teoría ambos tienen menos ataduras familiares que una persona casada. La teoría del arraigo laboral explica la diferencia: la permanencia en un empleo depende de lo que la persona sacrificaría si se va, una casa, la escuela de los hijos, la red construida con la pareja, y el divorcio rompe esas ataduras de golpe, mientras que quien nunca se casó nunca llegó a acumularlas [9]. Esa misma teoría identifica al divorcio como un ejemplo típico de “shock”: un evento que puede detonar la salida aunque la persona esté conforme con su trabajo.
A eso se suma el factor económico. Un divorcio suele traer gastos legales, división de bienes y, en muchos casos, dos hogares donde antes había uno, cambios que se documentan como una fuente de tensión financiera importante [10]. Esa presión coincide con el mismo mecanismo señalado antes: perder recursos económicos empuja a buscar cómo reponerlos, incluso en otro empleo [2].
5. ¿Qué tan confiable es el modelo para detectar quién se va a ir?
Un hallazgo estadístico no siempre se traduce en una alerta útil. El estudio probó qué pasaba si sólo se consideraba “en riesgo” a quien superaba 50% de probabilidad calculada de irse: acertaba en 9 de cada 10 casos en general, pero no señalaba a un sólo trabajador de los que sí renunciaron. Es el equivalente a un médico que nunca diagnostica una enfermedad, acierta casi siempre porque la mayoría de sus pacientes está sana, pero no detecta a ningún enfermo real.
Ajustar ese criterio a un nivel más sensible sí permitió identificar a 1,236 de los 4,512 trabajadores que finalmente dejaron su empleo, aunque también aumentó las falsas alarmas. El propio estudio lo describe como un ejercicio exploratorio, pensado para aproximar la relación entre estabilidad crediticia y estabilidad laboral, no como una herramienta lista para tomar decisiones de contratación o despido.
6. ¿Este hallazgo se puede usar para discriminar?
Hay evidencia de que no conviene hacerlo. Cuando distintos estados de Estados Unidos prohibieron a los empleadores usar el historial crediticio en contrataciones, el empleo aumentó en las zonas con score más bajo: quitar ese filtro no bajó la calidad de las contrataciones, sólo cambió el criterio [11]. En México, donde sólo 33% de los adultos tiene crédito formal [12], usar el score para contratar o para decidir quién se queda excluye, de entrada, a mucha gente que nunca tuvo acceso al sistema financiero, no por falta de responsabilidad. Otros estudios ya habían encontrado que el historial crediticio no predice con claridad el desempeño ni el despido, y que los grupos con menos acceso al crédito suelen tener peores historiales por razones estructurales, no por su desempeño en el trabajo [13]. Convertir el score en filtro puede reforzar, en lugar de corregir, esa desigualdad [14].
7. ¿El historial crediticio sirve para crear programas en favor de los colaboradores?
La lectura que sí tiene sentido es la contraria: usar el dato para construir apoyo, no para descartar personas, adelantos de nómina responsables, asesoría para reestructurar deudas o educación financiera. Bien usado, el score puede ayudarle a Recursos Humanos a identificar a tiempo a quién ofrecer una conversación antes de que decida irse; mal usado, se convierte en una nueva forma de exclusión. La diferencia no depende del dato: depende de quién decide qué hacer con él.
Con información del: Instituto del Propósito y Bienestar Integral, Dirección de Investigación. El FICO Score como predictor de la intención de rotación laboral: Evidencia empírica para México.
Nota: el historial crediticio analizado en este estudio proviene de Yuhu, una plataforma de crédito laboral que opera dentro de empresas como prestación para sus colaboradores.
Referencias
[1] Instituto del Propósito y Bienestar Integral, Dirección de Investigación. (2026). El FICO Score como predictor de la intención de rotación laboral: Evidencia empírica para México [Documento de trabajo no publicado].
[2] Hobfoll, S. E. (1989). Conservation of resources: A new attempt at conceptualizing stress. American Psychologist, 44(3), 513-524. https://doi.org/10.1037/0003-066X.44.3.513
[3] Bernerth, J. B., Taylor, S. G., Walker, H. J., & Whitman, D. S. (2013). An empirical investigation of dispositional antecedents and performance-related outcomes of credit scores. Journal of Applied Psychology, 97(2), 469-478. https://doi.org/10.1037/a0026055
[4] myFICO. (2024). What's in my FICO Scores? https://www.myfico.com/credit-education/whats-in-your-credit-score
[5] Pérez, A. (2025). ¿Buró de Crédito y Círculo de Crédito son lo mismo? Digitt. https://www.digitt.com/blog/circulo-de-credito-vs-buro-de-credito
[6] Instituto Nacional de Estadística y Geografía. (2025). Cuenta Satélite del Trabajo No Remunerado de los Hogares de México, 2024 [Comunicado de prensa]. INEGI. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2025/tnrh/CSTNRHM2024_RR.pdf
[7] Zepeda, C. (2026, 6 de abril). Analiza el Inegi las principales causas de abandono de trabajo. La Jornada. https://www.jornada.com.mx/2026/04/06/economia/016n2eco
[8] Instituto Mexicano para la Competitividad. (2023). Nueve de cada 10 personas que dejan el mercado laboral por realizar cuidados son mujeres. IMCO. https://imco.org.mx/nueve-de-cada-10-personas-que-dejan-el-mercado-laboral-por-realizar-cuidados-son-mujeres/
[9] Mitchell, T. R., Holtom, B. C., Lee, T. W., Sablynski, C. J., & Erez, M. (2001). Why people stay: Using job embeddedness to predict voluntary turnover. Academy of Management Journal, 44(6), 1102-1121. https://doi.org/10.5465/3069391
[10] Amato, P. R. (2000). The consequences of divorce for adults and children. Journal of Marriage and Family, 62(4), 1269-1287. https://doi.org/10.1111/j.1741-3737.2000.01269.x
[11] Clifford, R., & Shoag, D. (2016). “No More Credit Score”: Employer Credit Check Bans and Signal Substitution (Faculty Research Working Paper Series RWP16-008). Harvard Kennedy School. https://research.hks.harvard.edu/publications/workingpapers/Index.aspx
[12] Comisión Nacional Bancaria y de Valores & Instituto Nacional de Estadística y Geografía. (2021). Encuesta Nacional de Inclusión Financiera 2021. CNBV-INEGI.
[13] Koppes Bryan, L., & Palmer, J. K. (2012). Do job applicant credit histories predict performance appraisal ratings or termination decisions? The Psychologist-Manager Journal, 15(2), 106-127.
[14] Jones, K. P., Arena, D. F., Nittrouer, C. L., Alonso, N. M., & Lindsey, A. P. (2017). Subtle discrimination in the workplace: A vicious cycle. Industrial and Organizational Psychology, 10(1), 51-76.
