@alejoqqtaLuis Alejandro Rojas Rodriguez

Investigación

Análisis criminal e IA

Cómo examinar información agregada y evaluar hipótesis sin atribuir peligrosidad a personas o confundir denuncias con criminalidad real.

Ámbito: Colombia, con referencias internacionales identificadas. Fuentes contrastadas: 2026-10-11. Primera edición: publicación autorizada por el autor.

Al terminar podrás

  • Definir unidad de análisis y procedencia de datos.
  • Distinguir asociación y explicación causal.
  • Construir indicadores con límites explícitos.

01

Antes del modelo: qué representan los registros

Propuesta metodológica: describa si su tabla contiene hechos denunciados, casos investigados, procesos o condenas. Las unidades no son intercambiables. Registre cobertura, periodo, duplicados, cambios de clasificación y datos faltantes. No atribuya a una comunidad un comportamiento a partir de una tabla cuyo proceso de registro desconoce.

02

Análisis agregado no es predicción individual

Propuesta: limite un primer ejercicio a patrones agregados y no identificables de tiempo o tipo de hecho. Un incremento de registros puede tener explicaciones que la base no permite descartar, como cambios de recepción o clasificación. Evite convertir un patrón territorial en etiqueta de peligrosidad individual. La interpretación debe conservar tanto sus apoyos como sus alternativas.

03

La calidad de la inferencia depende del contexto

La guía UNICRI-INTERPOL incluye evaluación de riesgos y preparación organizacional para IA en seguridad. Para esta comunidad proponemos usarla como mapa de preguntas, no como aval de una herramienta. La pregunta académica relevante es qué consecuencias tendría un error y qué mecanismo permitiría detectarlo, corregirlo y evitar que se reproduzca.

04

Indicadores que no se contradigan

Propuesta de análisis: publicar definición, numerador, denominador, unidad, periodo y fuente de cada indicador. Compare periodos equivalentes y declare cambios de metodología. Si emplea categorías asignadas por IA, examine una muestra y reporte errores encontrados. Un tablero atractivo pierde valor si sus métricas mezclan registros con personas o periodos con coberturas diferentes.

05

De un hallazgo a una pregunta comprobable

Propuesta: redacte hallazgos en tres partes: observación, alcance y alternativa. Por ejemplo, «aumentan los registros de una categoría en esta base; no sabemos si cambió la denuncia; necesitamos verificarlo». Esa forma conserva utilidad sin prometer conocimiento que no existe. Las recomendaciones de política deben derivarse de evidencia adicional, no solo del patrón visual.

06

Una agenda de investigación responsable

Propuesta: estudiar si las diferencias de registro alteran las conclusiones, si hay errores sistemáticos y qué efectos tiene una recomendación agregada. Presentar incertidumbre puede ser más útil que añadir un modelo complejo. Antes de aplicar el resultado a una decisión, plantee qué evidencia adicional cambiaría su conclusión. Mantenga la discusión en hipótesis verificables, sin perfiles individuales ni juicios sobre grupos vulnerables.

Ejemplo formativo ficticio

Una base sintética contiene 100 registros en un periodo y 140 en otro. El aumento es 40 %, pero el estudiante descubre que también cambió el formulario de registro. Presenta el cálculo como ejercicio y se abstiene de afirmar que el delito real aumentó 40 %. No usa nombres ni clasifica peligrosidad.

Límites y preguntas abiertas

  • Inferir comportamiento individual de información agregada.
  • Confundir mayor registro con mayor ocurrencia.
  • Ocultar cambios de clasificación o cobertura.
  • Etiquetar poblaciones mediante atributos sensibles.

Para debatir

  1. ¿Qué cambios del sistema de registro podrían alterar una tendencia?
  2. ¿Qué indicador permite interpretar una cifra sin exagerarla?

Fuentes y trazabilidad

Los enlaces permiten revisar el original. Una guía internacional no se presenta como obligación colombiana; una hipótesis no se presenta como resultado demostrado.

UNICRI e INTERPOL: Toolkit for Responsible AI Innovation in Law Enforcement (abre en otra pestaña)Guía internacional no vinculante · Consultar fecha en el original

Herramientas para gobernanza y evaluación de riesgos en organismos de seguridad.

NIST: AI Risk Management Framework (abre en otra pestaña)Marco técnico voluntario · 2023-01-26

Marco voluntario para gestionar riesgos durante el ciclo de vida de IA.

Qué respalda cada documento

Herramientas para gobernanza y evaluación de riesgos en organismos de seguridad.

Revisar soporte original (abre en otra pestaña)Guía internacional no vinculante

La fuente respalda las afirmaciones indicadas, no todas las conclusiones de un caso individual. Las propuestas metodológicas de la guía son análisis editorial.

Marco voluntario para gestionar riesgos durante el ciclo de vida de IA.

Revisar soporte original (abre en otra pestaña)Marco técnico voluntario

La fuente respalda las afirmaciones indicadas, no todas las conclusiones de un caso individual. Las propuestas metodológicas de la guía son análisis editorial.

Taller de contraste y decisión

  1. Formula la pregunta concreta que el ejemplo permite resolver. Separa hechos dados de supuestos que añadiste.
  2. Consulta dos fuentes de la guía. Para cada una registra autor o autoridad, fecha, ámbito y apartado que usarías.
  3. Escribe una conclusión provisional con su sustento y una conclusión que todavía no puedas defender. Explica qué información falta.
  4. Diseña una revisión humana proporcional al impacto y una regla para detener el uso si no puedes verificar la salida.

La meta no es repetir una respuesta predeterminada: es mostrar un razonamiento que otra persona pueda revisar, reconstruir y cuestionar.

Criterios para revisar el ejercicio

  • El ejemplo permanece ficticio y no incorpora datos de un caso real.
  • Cada afirmación decisiva tiene un documento original y un alcance explícito.
  • La respuesta reconoce incertidumbre y no atribuye a una fuente algo que no demuestra.

Preguntas frecuentes

¿Un mapa de denuncias muestra todo el delito de una zona?

El conjunto observado depende de cómo se denuncia y registra. El ejercicio exige describir población, período, categorías y ausencia de datos; un patrón puede generar una hipótesis, no identificar responsables.

¿Qué parte es investigación y qué parte es propuesta editorial?

Las secciones enlazan las fuentes de los hechos o reglas que describen. Los ejercicios, listas y protocolos se identifican como propuestas de trabajo; no se atribuyen a una autoridad ni se presentan como estándares obligatorios.

¿Cómo aportar una actualización o corregir esta guía?

Indica el apartado, el documento original y por qué modifica la afirmación. Una captura o un resumen de IA no reemplaza la fuente. La corrección pasa por revisión editorial y conserva una fecha de actualización.

Método y alcance de la investigación

Investigación documental en fuentes primarias oficiales y artículos originales. Las secciones de propuesta son razonamiento editorial y ejercicios propios; no se atribuyen a una autoridad. Consulta de documentos seleccionados, no revisión sistemática exhaustiva. Los ejemplos son ficticios y no resultados observados. Pendiente revisión humana y ampliación bibliográfica antes de difusión.

Descargar ficha de estudio

Videos de este tema

La introducción propia está en preparación. Puedes consultar el canal; aún no hay un video introductorio vinculado a esta guía.

Ir al canal de YouTube (abre en otra pestaña)