Criminalística · Evidencia · Inteligencia artificial
Inteligencia artificial en la criminalística: el papel del perito en la era digital
La inteligencia artificial puede ayudar a encontrar patrones y procesar información. El desafío pericial consiste en determinar qué significan esos resultados, cómo verificarlos y hasta dónde permiten sostener una conclusión.
¿Qué ocurre cuando una inteligencia artificial señala una pista?
Una cámara registra un hecho. Un sistema automatizado selecciona un rostro parecido al de una persona investigada. Otra herramienta identifica posibles alteraciones en un documento. Los resultados parecen claros, pero plantean una pregunta fundamental: ¿qué evidencia permite confiar en ellos?
La inteligencia artificial aplicada a la criminalística puede apoyar tareas de búsqueda, clasificación y análisis. Sin embargo, la rapidez de procesamiento y la apariencia convincente de una respuesta no garantizan su exactitud.
En este escenario, el papel del perito adquiere una dimensión adicional: además de examinar los indicios, debe evaluar la herramienta utilizada, verificar sus resultados y explicar sus limitaciones. Su intervención exige competencia técnica, independencia de criterio y un procedimiento documentado.
1. ¿Cómo puede contribuir la IA a la criminalística?
La inteligencia artificial reúne tecnologías diferentes. Un sistema de comparación de imágenes, una herramienta de transcripción y un modelo que genera texto no tienen las mismas funciones ni los mismos riesgos. Su utilidad debe evaluarse según la tarea específica.
Las siguientes aplicaciones describen posibles formas de apoyo. Su incorporación a un examen pericial requiere comprobar el desempeño de la herramienta en condiciones relevantes para ese análisis.
| Área | Apoyo de la IA | Intervención del perito |
|---|---|---|
| Imágenes y videos | Localizar objetos o seleccionar secuencias de interés entre grandes cantidades de material. | Revisar el archivo original, los errores de detección, la calidad de imagen y el contexto. |
| Comparación biométrica | Proponer candidatos a partir de semejanzas entre determinadas características. | Examinar las limitaciones del método y diferenciar una coincidencia sugerida de una conclusión sustentada. |
| Documentos | Extraer texto, clasificar archivos o señalar diferencias visuales para su revisión. | Determinar si el análisis requiere el original, instrumental especializado o muestras de comparación. |
| Audio | Elaborar transcripciones preliminares y localizar segmentos de interés. | Comprobar las palabras frente a la grabación y señalar los fragmentos dudosos o ininteligibles. |
| Organización de información | Preparar resúmenes o borradores a partir de material autorizado. | Verificar cada afirmación y referencia, preservar la confidencialidad y controlar posibles omisiones. |
En documentología y caligrafía forense, por ejemplo, extraer texto o detectar una diferencia gráfica constituye una tarea distinta de establecer autenticidad o autoría. Esa distinción evita atribuir a una herramienta conclusiones que su función no permite sostener.
2. El papel del perito: verificar, interpretar y explicar
Utilizar una herramienta exige comprender sus condiciones de funcionamiento y su relación con la pregunta pericial. El profesional debe poder justificar por qué la seleccionó, qué información introdujo y cómo evaluó el resultado.
Definir una pregunta que pueda examinarse
Antes de procesar los indicios, es necesario precisar el objeto del examen. Buscar señales de edición en un archivo, comparar características visibles o transcribir una conversación son tareas diferentes. Una pregunta bien delimitada permite elegir un método adecuado y reconocer cuándo faltan datos.
Evaluar la calidad y procedencia del material
La resolución, la compresión, la iluminación, el ruido y las transformaciones previas pueden afectar el análisis. El perito debe identificar qué material recibió, de dónde procede y qué limitaciones introduce su estado.
Comprobar el desempeño del método
Una herramienta puede funcionar adecuadamente en una prueba controlada y ofrecer resultados menos fiables con material degradado. La validación debe aportar información sobre su desempeño y sobre las condiciones en las que su utilización resulta defendible. La guía del NIST sobre validación en ciencias forenses desarrolla principios para reunir y utilizar esos datos.
Contrastar y comunicar los resultados
El examen debe considerar explicaciones alternativas y discrepancias con otros elementos disponibles. Al comunicar el resultado, corresponde distinguir lo observado, lo inferido y lo que permanece indeterminado.
3. Errores, sesgos y límites que deben examinarse
Falsos positivos y falsos negativos
Un sistema puede señalar una coincidencia inexistente o pasar por alto una coincidencia relevante. El desempeño depende, entre otros factores, del tipo de material y de los umbrales de decisión utilizados.
Una puntuación de similitud tampoco equivale automáticamente a una probabilidad de identidad. Si una herramienta muestra un valor de “95”, primero debe conocerse qué representa esa escala y cómo se evaluó. Ese número, por sí solo, no expresa una probabilidad de culpabilidad.
Sesgo de automatización
La presentación de una respuesta precisa puede favorecer que el examinador la acepte sin suficiente revisión. Para reducir ese riesgo, conviene documentar las observaciones y, cuando el procedimiento lo permita, realizar una valoración inicial antes de conocer la sugerencia automatizada.
Contenido inventado por modelos generativos
Los modelos generativos pueden producir referencias inexistentes, explicaciones incorrectas o datos que no aparecen en el material examinado. El NIST identifica este riesgo como confabulación en su perfil de riesgos de IA generativa . En un informe, cada afirmación debe poder comprobarse en una fuente o registro identificable.
Detalles generados durante la mejora de imágenes
Algunos métodos generativos pueden producir detalles visualmente plausibles que no eran verificables en la imagen original. Una matrícula, una letra o un rasgo facial aparentemente “recuperado” exige comprobar si corresponde a información registrada o a contenido sintetizado.
Deepfakes y autenticidad digital
Las imágenes, voces y videos sintéticos añaden dificultades al examen de autenticidad. La evaluación debe integrar la procedencia, los archivos disponibles, los metadatos y otros elementos pertinentes, además de cualquier detector utilizado.
El proyecto Guardians of Forensic Evidence del NIST incluye entre sus objetivos de evaluación la detección de manipulación y el análisis de procedencia. La existencia de estas líneas de trabajo no implica que un detector concreto ofrezca una respuesta infalible.
4. Ejemplo práctico: una matrícula en un video borroso
Caso hipotético con fines explicativos.
En una investigación se recibe un video nocturno de un vehículo. La matrícula resulta parcialmente ilegible. Una herramienta de mejora generativa produce una imagen más nítida y muestra una secuencia completa de caracteres.
La pregunta pericial es si esos caracteres pueden sostenerse a partir de la información registrada. Para examinarlo, un procedimiento razonado incluiría:
- Preservar el material recibido. Conservar el archivo y registrar su procedencia, las copias de trabajo y las operaciones realizadas.
- Examinar la secuencia original. Revisar varios fotogramas y determinar qué características son realmente visibles.
- Documentar el procesamiento. Identificar la herramienta, su versión y la configuración relevante, señalando si genera contenido.
- Contrastar los caracteres sugeridos. Buscar respaldo en el material original y en otros registros obtenidos de forma independiente.
- Delimitar la conclusión. Explicar cuáles caracteres tienen respaldo observable y cuáles no pueden establecerse.
Reconocer una limitación preserva el rigor del examen y permite orientar la búsqueda de información adicional.
5. ¿Qué debe explicar un informe pericial que utiliza IA?
Para facilitar la revisión técnica, el informe debe describir la intervención de la herramienta con un nivel de detalle proporcional a su influencia en las conclusiones. Una estructura útil contempla:
- Objeto del examen: la pregunta técnica y el alcance del trabajo.
- Material analizado: identificación de archivos, documentos o muestras y sus condiciones relevantes.
- Herramienta utilizada: nombre, versión o identificador disponible, fecha de uso y configuración pertinente.
- Procedimiento: entradas, transformaciones, parámetros e instrucciones relevantes para comprender el análisis.
- Fundamento y validación: información sobre el desempeño del método y su adecuación a la tarea.
- Verificación: comprobaciones realizadas y contraste con otros elementos.
- Limitaciones: errores posibles, condiciones no evaluadas e incertidumbre.
- Conclusiones: respuestas que se mantengan dentro de lo que los datos permiten sostener.
En sistemas que cambian de versión o generan respuestas variables, conservar los resultados y la información de la ejecución resulta especialmente importante. Si otro examinador no puede reproducir exactamente una salida, esa dificultad debe explicarse.
Integridad digital y confidencialidad
Los registros de manejo y las verificaciones de integridad contribuyen a la trazabilidad. Una huella digital o hash permite comparar si un archivo conserva la misma secuencia de datos respecto de una referencia, pero no demuestra por sí sola que lo representado sea auténtico ni reconstruye la historia previa del archivo.
Antes de cargar material en una plataforma externa, corresponde comprobar las autorizaciones aplicables y las condiciones de acceso, conservación y uso de los datos. La selección de la herramienta debe ser compatible con la confidencialidad del caso.
6. Metaperitaje: revisar cómo se llegó a la conclusión
La revisión técnica de un informe debe examinar la relación entre evidencia, método y resultado. Cuando interviene una IA, también interesa conocer qué función desempeñó y cuánto dependió la conclusión de su salida.
Algunas preguntas relevantes son:
- ¿La herramienta era apropiada para la pregunta examinada?
- ¿Se conservaron los originales y se registraron las transformaciones?
- ¿Existen datos de desempeño pertinentes para las condiciones del caso?
- ¿Se verificaron las referencias y afirmaciones generadas?
- ¿Se consideraron resultados contradictorios y explicaciones alternativas?
- ¿Se distinguieron observaciones, inferencias y contenido sintetizado?
- ¿La conclusión refleja las limitaciones del análisis?
El uso de IA no convierte automáticamente un informe en fiable o deficiente. Su evaluación requiere examinar el procedimiento concreto y el respaldo de cada conclusión.
7. Preguntas frecuentes
¿La inteligencia artificial puede sustituir al perito?
Puede automatizar tareas específicas. Una conclusión pericial requiere además delimitar el problema, evaluar el material, justificar el método y explicar sus límites. La intervención profesional debe ser sustantiva y verificable, no una simple aprobación del resultado automatizado.
¿Una coincidencia facial demuestra identidad o culpabilidad?
Una coincidencia sugerida debe interpretarse según el método, el umbral y la calidad del material. No demuestra por sí sola identidad y mucho menos culpabilidad. Estas conclusiones requieren un análisis que excede una puntuación de semejanza.
¿La IA puede determinar si una firma es falsa?
Algunas herramientas pueden comparar características gráficas. El alcance de esa comparación depende de su validación y del material disponible. No debe equipararse una alerta automática con una conclusión de falsedad o autoría; el examen puede requerir originales y muestras adecuadas.
¿Es adecuado utilizar IA para redactar un informe?
Puede apoyar la organización o redacción cuando las condiciones de confidencialidad lo permitan. El profesional debe comprobar datos, citas y razonamientos, y documentar su intervención cuando sea relevante para comprender el trabajo realizado.
¿Una imagen más nítida contiene necesariamente más información real?
La apariencia de nitidez no garantiza fidelidad. Algunos métodos generan detalles plausibles. El análisis debe distinguir la información observable en el original de los elementos introducidos durante el procesamiento.
¿Qué ocurre si el resultado no puede verificarse?
Debe indicarse esa limitación y valorar cómo afecta a la conclusión. Según la tarea, puede ser necesario obtener material adicional, utilizar otro método o declarar que no es posible responder con suficiente fundamento.
8. Conclusión: el criterio pericial ante la inteligencia artificial
La inteligencia artificial ofrece posibilidades para organizar información, localizar patrones y apoyar determinados análisis. Su utilidad en criminalística depende de la calidad de los datos, la evaluación del método y la verificación de sus resultados.
El perito tiene la responsabilidad técnica de comprender esas condiciones y expresar conclusiones proporcionadas a la evidencia. Esto incluye explicar los errores posibles, reconocer la incertidumbre y señalar cuándo la información disponible resulta insuficiente.
¿Necesitas apoyo pericial o judicial?
Si buscas asesoría en metaperitaje, análisis pericial, reconstrucción de accidentes de tránsito, documentología o caligrafía forense, puedes contactar a Byron Vilema para consultar el alcance de una revisión especializada.
La evaluación inicial permite identificar la pregunta técnica, los documentos disponibles y los aspectos que requieren un examen más detallado.
Contactar a Byron VilemaMás información en www.byronvilema.com.