Introducción

Como parte de las acciones para mejorar la gestión y aprovechar de forma más eficiente los datos disponibles, la Subsecretaría de Innovación del Municipio de San Isidro está estudiando la posibilidad de desarrollar un modelo que permita predecir el nivel de morosidad del impuesto de Alumbrado, Barrido y Limpieza (ABL).

Para avanzar en esa dirección, resulta esencial contar con un panorama claro sobre el estado actual de la deuda, su evolución en el tiempo y su composición. Este informe presenta esa caracterización a partir de las cuentas activas del período 2022–2025 (hasta el tercer bimestre inclusive).

Además, se analizan las variables que podrían influir en el nivel de morosidad, como la inflación (IPC), los ajustes aplicados al ABL y la ubicación geográfica de las cuentas, entre otros factores relevantes.

Análisis de deuda

A continuación se presenta una tabla que muestra, de forma anualizada, la evolución del nivel de morosidad (expresado como ratio) junto con otras variables de referencia. Antes de interpretarla, es importante aclarar el significado de las columnas “Cuentas con deuda” y “Cuentas totales”.

El impuesto de Alumbrado, Barrido y Limpieza (ABL) se liquida de manera bimestral, y las cuentas pueden darse de alta o baja en cualquier momento del año. Por eso, se decidió trabajar únicamente con las cuentas activas en cada período de referencia.

El total de cuentas por año representa la cantidad de interacciones cuenta–bimestre. Si una cuenta permaneció activa durante todo el año, aparece seis veces (una por cada bimestre). En consecuencia, para 2025 se observa aproximadamente un 50% menos de cuentas que en los años anteriores, ya que el período analizado llega solo hasta el tercer bimestre.

De modo similar, si una cuenta registró deuda en uno o más bimestres, se contabiliza en la columna “Cuentas con deuda” según la cantidad de veces que presentó esa condición. Esta metodología permite una lectura más precisa y dinámica del comportamiento de la morosidad a lo largo del tiempo.

Evolución de la deuda de ABL por año
Año Cuentas con deuda Cuentas totales Media IPC Media IPC (bienes) Media IPC (servicios) Media aumento ABL Ratio
2022 72925 735240 5.63 5.68 5.50 1.11 0.10
2023 83084 737395 8.85 8.94 8.58 1.11 0.11
2024 112005 737087 7.61 7.12 8.53 1.23 0.15
2025 79218 369199 2.47 1.93 3.27 1.04 0.21
Fuente: Municipio de San Isidro

A lo largo del período analizado se observa un crecimiento sostenido del ratio de deuda del ABL, lo que indica que, proporcionalmente, cada vez más cuentas activas presentan deuda. Este aumento no se explica por el número total de cuentas —que se mantiene estable—, sino por factores de tipo económico y coyuntural.

Al comparar esta evolución con la del Índice de Precios al Consumidor (IPC), aparecen patrones interesantes. Entre 2022 y 2023 el IPC general aumenta con fuerza y el ratio de deuda también sube, aunque de manera moderada. En 2024, pese a que la inflación comienza a bajar, el ratio de deuda crece con mayor intensidad. Este desfase sugiere un efecto de inercia: la presión inflacionaria del año anterior sigue afectando la capacidad de pago de los contribuyentes, incluso cuando los precios se estabilizan.

En 2025 la inflación continúa desacelerándose, pero el ratio alcanza su punto más alto. Esto refuerza la hipótesis de inercia: los efectos acumulados de años previos, sumados a ajustes económicos generales, generan un contexto más propenso a la acumulación de deuda, incluso en escenarios de menor inflación.

También se observa que el componente de servicios del IPC se mantiene más alto que el de bienes a partir de 2024. Esto podría reflejar una transferencia de costos más persistente en sectores menos sensibles al ajuste inmediato, lo que impacta indirectamente en el cumplimiento tributario.

En síntesis, el ratio de deuda no responde de forma lineal a la inflación puntual, sino que está influido por efectos de arrastre que muestran cierta rigidez en la recuperación económica de hogares y empresas. Esta dinámica será clave para ajustar el modelo predictivo, considerando posibles rezagos temporales entre los cambios macroeconómicos y la respuesta en los niveles de morosidad.

Cuando el análisis se desagrega por bimestre, estas tendencias se observan con un nivel de detalle aún mayor.

Evolución de la deuda de ABL por año y bimestre
Año Bimestre Cuentas con deuda Cuentas totales Media IPC Media IPC (bienes) Media IPC (servicios) Media aumento ABL Ratio
2022 1 11730 122148 3.9 3.9 3.9 1.20 0.10
2022 2 11804 122205 6.7 6.5 7.0 1.05 0.10
2022 3 12002 122502 4.8 5.1 4.1 1.04 0.10
2022 4 12053 122667 7.4 7.0 8.0 1.12 0.10
2022 5 12469 122853 6.0 7.3 3.7 1.14 0.10
2022 6 12867 122865 5.0 4.3 6.3 1.14 0.10
2023 1 12929 122706 6.0 5.1 7.6 1.20 0.11
2023 2 13326 122699 7.8 7.9 7.6 1.08 0.11
2023 3 13637 122843 8.0 7.4 9.0 1.07 0.11
2023 4 14136 122927 6.2 5.9 6.7 1.08 0.11
2023 5 14286 123077 12.2 13.1 10.4 1.06 0.12
2023 6 14770 123143 12.9 14.2 10.2 1.15 0.12
2024 1 15644 122460 19.6 20.2 17.9 1.60 0.13
2024 2 17335 122794 11.5 10.5 13.8 1.45 0.14
2024 3 17848 122813 4.3 4.0 5.0 1.12 0.15
2024 4 18312 122877 4.0 3.2 5.6 1.12 0.15
2024 5 20888 122961 3.7 3.2 4.6 1.05 0.17
2024 6 21978 123182 2.6 1.7 4.3 1.05 0.18
2025 1 24015 123002 2.0 1.3 3.1 1.08 0.20
2025 2 26365 123053 3.9 3.8 4.0 1.00 0.21
2025 3 28838 123144 1.5 0.7 2.7 1.04 0.23
Fuente: Municipio de San Isidro

El análisis bimestral permite observar con mayor detalle la relación entre el ratio de morosidad, la inflación (IPC) y los aumentos del ABL, mostrando efectos de arrastre que no se aprecian en los datos anuales.

En 2022 el ratio se mantiene estable, cerca de 0.10, lo que refleja una resistencia inicial de los contribuyentes ante el deterioro de su capacidad de pago.

Durante 2023 se registra un aumento lento y progresivo, pese a los picos inflacionarios y al incremento del ABL hacia fin de año. El ratio apenas sube a 0.12, lo que evidencia un efecto inercial: la morosidad reacciona con retraso ante la presión inflacionaria.

En 2024 la suba se acelera. El ratio crece desde el primer bimestre, acompañando el salto inflacionario y los mayores ajustes del ABL, y sigue en aumento incluso cuando la inflación comienza a moderarse.

En 2025 la tendencia alcanza su punto máximo (0.23 en el tercer bimestre), aun con la inflación más baja del período. Este desfase muestra que la mejora macroeconómica no se traduce de inmediato en una reducción del incumplimiento: los contribuyentes siguen arrastrando dificultades previas.

En síntesis, tanto la inflación como los aumentos del ABL generan efectos acumulativos e inerciales sobre la morosidad, con impactos que se mantienen más allá del momento en que se producen.

IPC acumulado

Con el fin de analizar la relación entre el aumento de la morosidad y la evolución de los precios, se presenta a continuación el IPC acumulado desde el primer bimestre de 2022 (base 100).

Evolución de la deuda de ABL por año y bimestre. IPC acumulado (base100 = 2022/01)
Año Bimestre Media IPC Media IPC Media IPC (bienes) Media IPC (servicios) Ratio
2022 1 3.9 100.00 100.00 100.00 0.10
2022 2 6.7 111.61 112.68 109.46 0.10
2022 3 4.8 124.22 126.36 119.87 0.10
2022 4 7.4 140.75 142.10 137.49 0.10
2022 5 6.0 159.64 163.91 150.99 0.10
2022 6 5.0 178.68 180.87 173.34 0.10
2023 1 6.0 199.44 200.36 196.22 0.11
2023 2 7.8 229.40 231.97 222.95 0.11
2023 3 8.0 269.06 272.55 260.03 0.11
2023 4 6.2 302.31 303.64 296.87 0.11
2023 5 12.2 380.92 389.10 361.18 0.12
2023 6 12.9 467.04 484.78 428.66 0.12
2024 1 19.6 698.78 757.52 580.19 0.13
2024 2 11.5 896.01 944.21 794.29 0.14
2024 3 4.3 1020.52 1041.88 968.28 0.15
2024 4 4.0 1108.04 1103.17 1102.26 0.15
2024 5 3.7 1196.14 1169.21 1231.37 0.17
2024 6 2.6 1261.61 1215.25 1335.69 0.18
2025 1 2.0 1324.16 1253.21 1440.44 0.20
2025 2 3.9 1406.07 1328.15 1535.51 0.21
2025 3 1.5 1467.12 1374.89 1619.55 0.23
Fuente: Municipio de San Isidro

Deuda acumulada y presión inflacionaria: relación entre morosidad y variación del IPC acumulado

El análisis bimestral muestra una relación clara entre el IPC acumulado y el ratio de morosidad: a medida que la inflación se acumula, el incumplimiento crece de forma sostenida.

En 2022, el IPC pasa de 100 a 178.7 y el ratio se mantiene estable en 0.10, señal de que en la primera fase inflacionaria los contribuyentes aún logran sostener sus pagos.

A partir de 2023, con un IPC que supera los 200 puntos, la morosidad empieza a aumentar (0.12), marcando el primer impacto real de la presión inflacionaria acumulada. Esto confirma que es el efecto acumulado —más que la inflación puntual— el que condiciona la capacidad de pago.

En 2024, el IPC acumulado alcanza 700 puntos y el ratio sube de 0.13 a 0.18 en pocos bimestres. A mayor inflación acumulada, mayor morosidad, incluso cuando la inflación bimestral comienza a bajar. Los efectos inflacionarios son, por tanto, rezagados y persistentes.

En 2025, con una inflación mensual mínima (2.0, 3.9 y 1.5), el IPC acumulado roza los 1.500 puntos y el ratio llega a 0.23. Esto muestra una desconexión temporal entre inflación corriente y morosidad: aunque los precios se estabilicen, las dificultades económicas previas siguen afectando el cumplimiento.

Conclusión:
La morosidad responde con inercia a la inflación acumulada, no a los valores de corto plazo. Por ello, el IPC acumulado se consolida como un indicador más robusto para explicar y anticipar la evolución de la deuda.

El gráfico siguiente resume la relación entre ambas variables mediante un modelo lineal (R² = 0.92), lo que indica una asociación muy fuerte. En términos prácticos, esto significa que el 92% de la variación del nivel de morosidad puede explicarse por los cambios en el IPC acumulado. En otras palabras, cuando la inflación se acumula, la morosidad tiende a aumentar de manera proporcional y sostenida.

Perfil del deudor


En este apartado se analiza la composición de la deuda, haciendo foco en su distribución y recurrencia a lo largo del tiempo. Asimismo, se examina su concentración espacial y la posible existencia de patrones diferenciales según la localización geográfica.

Distribución del ratio de deuda: medidas de posición por universo de cuentas
2022 - 2025
Universo Min 1Qu Mediana Media 3Qu Max
total 0.00 0.00 0.00 13.46 9.52 100
deudores 4.76 4.76 23.81 39.55 80.95 100
Fuente: Municipio de San Isidro


Al analizar el ratio de deuda se observa una clara diferencia entre el total de cuentas y aquellas que presentan morosidad. En el conjunto general, la mayoría no registra deuda: la mediana y el primer cuartil son cero, lo que indica que más del 50% estuvo al día durante todo el período. Aun así, el promedio general alcanza 13,46%, impulsado por un grupo menor con altos niveles de deuda.

Entre las cuentas con morosidad, la mediana sube a 23,81% y el promedio a 39,55%, con un tercer cuartil superior al 80%. Esto muestra que una parte de los contribuyentes acumula deuda durante buena parte del período analizado.

Para profundizar en el perfil de los deudores, las cuentas se clasificaron según su ratio de deuda (proporción de períodos adeudados sobre el total posible):
- Sin deuda: ratio = 0
- Eventual: 0 < ratio ≤ 0.33
- Regular: 0.33 < ratio ≤ 0.66
- Crónico: ratio > 0.66

De esta segmentación surge que 66% de las cuentas no presenta deuda. Entre las cuentas con mora, los deudores eventuales representan el 20%, los crónicos el 10% y los regulares el 5%.

En síntesis, aunque la mayoría de los contribuyentes cumple regularmente, existe un grupo significativo con patrones intermitentes o persistentes de incumplimiento. En particular, más de 12.000 cuentas crónicas mantienen deudas reiteradas, lo que plantea un desafío importante para la gestión y recuperación de la deuda.


Al analizar solo las cuentas con deuda (ratio de deuda > 0), se observa que la mayoría corresponde a deudores eventuales, que representan el 58% del total. Este grupo presenta deuda en un tercio o menos de los períodos posibles, lo que sugiere una morosidad esporádica o transitoria.

Los deudores crónicos constituyen el 29% y se caracterizan por registrar deuda en más de dos tercios de los períodos, mostrando un incumplimiento sostenido en el tiempo. Por su parte, los deudores regulares —con deuda entre un tercio y dos tercios de los períodos— representan el 13% restante.

En conjunto, más de 4 de cada 10 deudores muestran una recurrencia significativa (regular o crónica), lo que sugiere una menor capacidad o disposición de pago constante. La mayoría restante mantiene patrones esporádicos de deuda, posiblemente asociados a factores coyunturales.

Análisis espacial

Para evaluar la posible relación entre el ratio de morosidad y la ubicación espacial de las cuentas tributarias, se optó por realizar el análisis a nivel de parcela para lo cual se calculó la media del ratio de morosidad para cada parcela.

Como se observa en el mapa, los distintos tipos de deudores se distribuyen de manera relativamente homogénea a lo largo del territorio, sin que se identifiquen patrones claros de concentración ni comportamientos espaciales diferenciales.

Siguiendo la misma lógica, se presenta un segundo mapa con un nivel de agregación mayor —esta vez a nivel de manzana (o fracción, cuando la delimitación por manzana no existe)— que representa de forma continua la media del ratio de morosidad.

Es importante señalar que dicha media surge de promediar los valores medios de ratio obtenidos por parcela, agrupados según la manzana o fracción correspondiente

Modelos GAM

Se probaron distintos modelos GAM (Generalized Additive Models) para analizar la relación entre el ratio de morosidad y varias variables potencialmente explicativas, entre ellas: IPC acumulado, índice de unidad de superficie de tierra (IUST), proporción de descuento, superficie afectada y año de actualización de la construcción.

Estos modelos permiten detectar tanto relaciones lineales como no lineales. Sin embargo, los resultados muestran que, salvo el IPC acumulado, las demás variables presentan un poder explicativo muy bajo.

En términos generales, los GAM confirmaron que la morosidad del ABL no depende de factores físicos o administrativos de las cuentas (como tamaño, ubicación o descuentos aplicados), sino principalmente de condiciones económicas generales, en especial de la presión inflacionaria acumulada.

Por lo tanto, el IPC acumulado se consolida como la variable más sólida para comprender y anticipar la evolución de la deuda, mientras que las demás solo muestran asociaciones marginales sin relevancia práctica.

Modelo Random Forest

Con un enfoque exploratorio se probó un modelo de predicción basado en Random Forest (RF) para estimar la probabilidad de que una cuenta presente deuda. Este método de aprendizaje automático combina múltiples árboles de decisión y es ampliamente utilizado para anticipar comportamientos de incumplimiento o abandono de clientes en distintos sectores.

El modelo mostró una exactitud global alta (87%), pero esto se debe principalmente a que la mayoría de las cuentas no tiene deuda. La sensibilidad (capacidad de detectar correctamente a los deudores) fue baja (≈3%), mientras que la especificidad (identificación de cuentas al día) resultó casi perfecta (≈99,6%).

En síntesis, el modelo distingue bien los casos sin deuda, pero no logra identificar adecuadamente los deudores, lo que limita su utilidad predictiva a nivel individual. Se recomienda, por tanto, trabajar con series agregadas (bimestrales o anuales) para mejorar el desempeño y reducir el sesgo generado por la alta proporción de cuentas sin morosidad.

Conclusión

El análisis muestra que las variables que mejor explican y permiten anticipar el nivel de deuda del ABL están directamente vinculadas a las fluctuaciones económicas, en especial al Índice de Precios al Consumidor (IPC) acumulado, sobre todo en su componente de servicios. Durante el período analizado, la relación entre ambas variables fue casi perfecta, con coeficientes predictivos superiores al 90%.

Un dato relevante es el perfil de los contribuyentes: la mayoría de las cuentas no registra deuda, y si se incluyen los deudores eventuales, más del 80% mantiene un comportamiento de pago regular. Esto significa que la morosidad se concentra en una minoría de cuentas, lo que permite focalizar los esfuerzos de gestión en ese grupo reducido pero persistente.

En cambio, otras variables —como la superficie de la propiedad, el año de actualización de la construcción o la proporción de pago con descuento— muestran una baja capacidad explicativa. La morosidad no parece estar determinada por características físicas o administrativas de las cuentas, sino por factores económicos y contextuales más amplios.

Dada la dispersión de los datos a nivel individual, los modelos aplicados a cada cuenta presentan un poder predictivo limitado. Por ello, resulta más efectivo trabajar con series agregadas (bimestrales o anuales), donde las tendencias se estabilizan y la relación entre las variables económicas y la morosidad se observa con mayor claridad.

Informe ampliado

Para acceder al informe ampliado dirigirse a:

https://drive.google.com/drive/folders/1yLkDZfguChbDWxYtiQjgYSOQ2SPx0PwC?usp=sharing