En la ciudad de Chicago, la policía ha venido utilizando desde hace un tiempo un algoritmo que asigna puntuaciones en base a arrestos, disparos, afiliaciones con miembros de pandillas y una serie de variables para predecir quién es más probable que tome un arma para disparar a otra persona o reciba un disparo.
El algoritmo evalúa a las personas detenidas por la policía con un puntaje que oscila entre 1 y 500. El proceso -que se ha llevado a cabo durante cuatro años y ha dejado a casi medio millón de habitantes de Chicago con un puntaje de riesgo oficial para las autoridades policiales- ha sido utilizado como ejemplo de un enfoque innovador para la reducción de la violencia o como un ejemplo de control social basado en datos.
El puntaje de amenaza personalizado se muestra automáticamente en las pantallas del computador de la policía para que el oficial pueda conocer, por ejemplo, el riesgo relativo que implica detener a un sospechoso.
Este puntaje predictivo se utiliza en intervención policial proactiva que puede significar visitas al domicilio del sujeto, hasta una vigilancia policial adicional o una reunión comunitaria. La idea es transmitir un mensaje: “la policía te vigila”.
Este tipo de iniciativas está orientado a identificar los factores de riesgo predictivos y tratar de resolver las causas ambientales subyacentes de la violencia o de los delitos. Los investigadores de Chicago desarrollaron un algoritmo para que la policía pudiera dar prioridad a aquellas personas con el puntaje de riesgo más alto a analizar: arrestos pasados por delitos violentos, armas o delitos. El sistema no ha estado exento de crí- ticas, como usted podrá adivinar. Este puntaje de amenaza, ¿afecta la igualdad de trato entre la policía y los ciudadanos? Dicho de otro modo, un puntaje alto de amenaza podría distorsionar y sesgar las decisiones policiales, tal como lo hace en los Estados Unidos la segregación racial o como pasa en Chile con la condición social.
Tecnología para controlar delitos
Mirando este caso relatado, me pregunto si será posible utilizar un algoritmo y Big Data para predecir comportamientos inadecuados o corruptos.
¿Podríamos predecir la corrupción, por ejemplo? ¿O al menos la probabilidad de ocurrencia? ¿Existen ciertos negocios donde es más probable concentrar focos de corrupción? Compra de armamentos o suministros para la policía o ejército, licitaciones de la basura, luminarias, mobiliario público, mantención de jardines, y otros. ¿Existen organismos e instituciones públicas más riesgosas? ¿Hay mayor riesgo al contratar con una municipalidad que con otro organismo público? ¿Hay diferencia entre municipalidades o según sector geográfico? Con ayuda del aprendizaje automático, un sistema tecnológico podría incluso identificar tendencias y patrones para predecir incumplimientos, incluidos los posibles delitos y los lugares en que ocurrirán.
Sin duda, el desarrollo de Big Data y los algoritmos permiten formularse actualmente con alguna base científica esta pregunta.
Utilizando los datos que manejan el Ministerio Público, y otros organismos como la Contraloría General de la República o las municipalidades, por ejemplo, ¿podríamos elaborar un algoritmo que permita detectar y, por lo tanto, prevenir prácticas corruptas y reducir el alto costo de la corrupción para la sociedad?
Esto podría permitir identificar cargos expuestos, procesos riesgosos, proveedores peligrosos y elaborar mejores controles asociados a esos riesgos e incluso desarrollar sistemas de Inteligencia Artificial (IA) destinados a luchar contra la corrupción.
Se podría vigilar, por ejemplo, las contrataciones públicas gracias a Big Data, o predecir, a través de algoritmos más o menos complejos, dónde estarán y quiénes protagonizarán los escándalos futuros.
La Inteligencia Artificial podría permitir preveer, por ejemplo, en qué comunas chilenas habrá más corrupción en el futuro o al menos cuáles tienen las condiciones objetivas que favorecen su aparición.
La tecnología también podría dar la oportunidad de buscar patrones anormales, tales como períodos de licitación excepcionalmente cortos, o resultados inusuales como, por ejemplo, concursos sin competencia o que ha ganado la misma empresa en diferentes años. Esto supone el punto de partida para llevar a cabo una investigación más profunda que podría develar que las cosas no se están haciendo bien.
Y hoy en día que estamos empeñados no solo en eliminar la corrupción, sino en obtener más fondos públicos para los compromisos sociales, podríamos contar con una herramienta para controlar posibles delitos o fraudes fiscales o tributarios.
Un sistema que sea capaz de almacenar e interpretar información valiosa para detectar conductas sospechosas de incumplimiento tributario que se base en patrones de comportamiento sospechosos podría ser de gran utilidad en la recaudación fiscal. Todo esto en tiempo real, con el fin de frenarlo cuanto antes y ahorrar recursos al fisco. La pregunta abierta es: ¿serán estos algoritmos más eficaces que nosotros para detectar los actos corruptos del futuro?
