Term sheets en private credit: dónde termina la estandarización y empieza la negociación

Un mercado construido sobre la medida

El private credit se vendió a inversores y prestatarios como la alternativa flexible a los mercados sindicados. Donde un leveraged loan sigue plantillas pulidas durante décadas y el margen de negociación es estrecho, el direct lending se supone que ofrece estructuras adaptadas al perfil de cada prestatario. Los fondos pueden evaluar caso por caso, proponer estructuras de préstamo no estándar, construir covenants flexibles y tomar decisiones relacionales — por ejemplo alineando los tests de covenant con la estacionalidad de una actividad, como recuerda Morgan Stanley en su análisis 2026 sobre la evolución del direct lending.

Esa flexibilidad tiene un coste operativo. Para un fondo que revisa 200 dossiers al año, cada term sheet debe leerse, compararse mentalmente con un mercado de referencia difuso y negociarse en decenas de puntos. Para los despachos que redactan después la documentación final, cada deal parte de una base cercana al anterior pero ligeramente distinta. El resultado es un mercado donde las convenciones son en gran medida implícitas, transmitidas a través de la experiencia de los profesionales más que codificadas en documentos públicos.

Lo que se estandariza — y por qué

La presión hacia la estandarización procede de varias fuentes. Del lado de los prestamistas, la diversificación de las fuentes de capital — fondos, BDC, socios aseguradores — exige una documentación más legible y más comparable entre deals. Del lado de sponsors y prestatarios, la llegada de despachos especializados y la circulación rápida de precedentes entre transacciones empujan hacia formulaciones comunes. Del lado del mercado secundario, la perspectiva de una mayor liquidez sobre las posiciones de private credit presupone términos más previsibles de un dossier a otro.

La iniciativa más estructurante de 2025 es la publicación por parte de la Loan Syndications and Trading Association de un Exposure Draft de Model Credit Agreement Provisions for Private Corporate Credit Deals (PCC MCAPs), fechado el 26 de noviembre de 2025. Estas disposiciones modelo se dirigen a un segmento preciso del mercado: las facilidades senior secured proporcionadas por un número reducido de prestamistas directos a una sociedad participada por private equity, con un EBITDA entre 15 y 150 millones de dólares. El documento parte de los MCAPs ya establecidos para el mercado LevFin y los adapta a las especificidades del club lending y del direct lending. No es vinculante para nadie, pero sirve como punto de anclaje: a medida que los profesionales se refieren a él, las desviaciones se convierten en señales en la negociación.

Más allá de los MCAPs, ciertos bloques han convergido ya en la práctica. La mecánica de cálculo de intereses — referencia a un tipo benchmark, márgenes aplicables, floors, convenciones de cómputo — sigue convenciones muy estables desde la transición post-LIBOR. Las definiciones de Change of Control y las mecánicas de prepayment voluntario siguen siendo variables en sus umbrales pero homogéneas en su estructura. Las cláusulas procesales (notices, mecánicas de voto de los prestamistas, transferencias) convergen hacia formulaciones comunes que las herramientas de revisión documental identifican sin dificultad.

Lo que se sigue negociando sistemáticamente

La estandarización se detiene allí donde se desplaza el valor económico. El análisis de Termgrid sobre las tendencias 2025 y las perspectivas 2026 identifica un núcleo estable de términos que siguen negociándose deal por deal: la capacidad de endeudamiento incremental, las cláusulas Most Favored Nation, sus sunset provisions y la capacidad de endeudamiento no garantizado. La cuestión de las open market purchases — la posibilidad de que el sponsor recompre sus propios préstamos en el mercado — también sigue poco estabilizada y es objeto de arbitrajes caso por caso, con una mayor difusión en los deals de gran tamaño.

Más allá de estos bloques, varias zonas de personalización pesan desproporcionadamente sobre el perfil de riesgo de una posición. La definición del EBITDA ajustado es el caso de manual. No existe definición estándar: cada contrato enumera sus propios add-backs (sinergias previstas, costes no recurrentes, ajustes pro forma) y sus propias exclusiones. Dos contratos con un mismo ratio de apalancamiento máximo de 6x pueden reflejar en realidad restricciones muy distintas según la generosidad de los add-backs autorizados. El balance 2025 del restructuring private credit publicado por Proskauer recuerda que los ejercicios de gestión de pasivos (liability management exercises, o LME) que se multiplicaron en 2025 se apoyan a menudo en la explotación de carve-outs y baskets cuya formulación precisa — fijada en fase de term sheet — determina lo que es jurídicamente factible años después.

Los baskets son en sí mismos una zona de negociación intensa. Restricted payments, permitted investments, asset sales, additional debt: cada categoría de basket combina típicamente un importe fijo (hard cap), un importe expresado como porcentaje del EBITDA (grower basket) y a veces un importe reconstituido por los flujos de caja (available amount, builder basket). Las condiciones de uso, los ratios a respetar en el momento del uso, las interacciones entre baskets constituyen un grafo combinatorio que hace laboriosa la comparación manual entre dos contratos.

Una nota de la LSTA sobre la conciliación entre flexibilidad y estandarización subraya este punto: en direct lending, nada se parece nunca del todo a otra cosa, y esa variabilidad se traduce hasta en la forma en que los créditos se redactan, procesan y financian. La estandarización de los MCAPs aborda los bloques procesales y técnicos; los términos económicamente sensibles siguen siendo objeto de negociación.

Lo que la IA puede comparar entre term sheets

La brecha entre la estandarización de los bloques técnicos y la personalización de los términos económicos determina lo que las herramientas de análisis automatizado hacen útilmente y lo que no hacen. Sobre la capa estandarizada, la IA alcanza un nivel de fiabilidad elevado: identificar que una cláusula de Change of Control está presente y se ajusta a una formulación tipo, verificar que las mecánicas de voto siguen el modelo LSTA, extraer la pricing grid con sus escalones de margen en función del apalancamiento. Estas tareas son mecánicas, repetitivas y representan típicamente entre el 60 y el 70 % del contenido textual de una term sheet.

Sobre la capa negociada, la IA es útil pero pasa a ser una ayuda al análisis más que un sustituto. Comparar dos definiciones de EBITDA ajustado entre dos deals es hoy factible de manera automatizada: un modelo puede listar los add-backs presentes en cada definición, señalar los que figuran en una pero no en la otra, medir la diferencia entre los topes aplicados. Lo que no hace es juzgar si esa diferencia es aceptable a la luz de la estrategia del fondo, del perfil del borrower o de la dinámica de la negociación en curso. Esa síntesis sigue siendo un trabajo de analista o de jurista.

La aportación más tangible se sitúa en la detección de desviaciones respecto a un referencial interno. Un fondo que ya ha firmado 30 o 50 deals dispone de hecho de una base de referencia privada: sus propias posiciones sobre el apalancamiento máximo, sobre los sunset MFN, sobre los umbrales de baskets, sobre las definiciones de EBITDA aceptadas. Comparar una nueva term sheet con esa base permite identificar rápidamente las desviaciones a desafiar en negociación. Herramientas como MyClauze, Ontra o Termgrid construyen esa capa de comparación a partir de los historiales contractuales propios de cada fondo, en lugar de imponer un benchmark de mercado externo cuya pertinencia es, por construcción, limitada en private credit.

El valor de la IA en la revisión de term sheets no es decir lo que es el mercado — es decir en qué este deal se aparta de lo que sueles firmar.

Los límites del ejercicio

Varios límites deben tenerse presentes por parte de los equipos que se apoyan en herramientas de análisis de term sheets. El primero tiene que ver con el carácter evolutivo del mercado. El balance anual publicado por Dechert subraya que las condiciones de mercado en 2025 vieron comprimirse los spreads e intensificarse la competencia entre prestamistas, lo que se tradujo en un relajamiento progresivo de los términos en ciertos segmentos. Un referencial construido sobre deals firmados hace dos años puede sobreestimar el rigor de lo que se negocia hoy.

El segundo límite atañe a la confusión entre term sheet y documentación final. Una term sheet fija los grandes principios económicos y enumera los principales puntos de protección, pero la redacción completa interviene en el credit agreement, donde las definiciones precisas y las remisiones entre artículos determinan la aplicación real de los términos. Una term sheet aparentemente más estricta puede, tras una redacción completa, revelarse más laxa de lo previsto si las definiciones subyacentes contienen carve-outs generosos. Las herramientas que analizan únicamente la term sheet pierden esa capa de profundidad.

El tercer límite es la dimensión relacional. Los insights publicados por DLA Piper a partir del Debtwire Private Credit Forum recuerdan que en los segmentos upper y middle market, las relaciones entre sponsors y un núcleo reducido de gestores de private credit se apoyan en historiales de varios años. Algunos términos se conceden porque se inscriben en una relación larga, no porque representen un estándar de mercado. La IA mide diferencias; no mide la contraprestación relacional.

Cómo integrar estas herramientas en un proceso de revisión

Para un fondo que quiera equipar la revisión de sus term sheets, el enfoque más rentable consiste en separar tres capas en el proceso. La primera capa es la verificación de la conformidad con las convenciones técnicas de mercado: presencia y formulación de las cláusulas procesales, conformidad con los MCAPs (LevFin o PCC según el segmento), pricing grid. Esta capa puede automatizarse en gran medida y confiarse a una herramienta desde la recepción de la term sheet.

La segunda capa es la comparación con la base interna del fondo: apalancamiento máximo vs. media de cartera, estructura del EBITDA ajustado vs. posiciones históricas, sunset MFN vs. práctica reciente del fondo, umbrales y estructura de los baskets. Esta capa produce una ficha de desviaciones que sirve de punto de partida para la discusión entre el equipo de inversión y los abogados.

La tercera capa es el análisis cualitativo: apreciación del perfil de crédito, dinámica de negociación, contexto del sponsor, perspectiva de relación larga con el prestatario. Esta capa sigue siendo humana. Su calidad depende del tiempo que los equipos puedan dedicarle — tiempo que se libera mecánicamente cuando las dos primeras capas son preparadas por herramientas en lugar de reconstruirse a mano en cada dossier.

El reto práctico no es desplegar una IA genérica sobre la term sheet y esperar un veredicto. Es construir una cadena en la que cada capa haga lo que mejor sabe hacer, y en la que el trabajo humano se concentre allí donde el juicio y el conocimiento del mercado marcan la diferencia.