Cómo es el modelo de IA que el Tec de Monterrey desarrolló para detectar casos de violencia de género

En la Fiscalía de Género de Zacatecas, cada fiscal puede tener a su cargo cientos de carpetas, una cantidad que vuelve difícil mirar todos los casos con la misma atención y que obliga a decidir, muchas veces en pocos minutos, cuáles requieren un seguimiento más cercano. Saben —se sabe— que algunas de las mujeres que presentan una denuncia regresarán pocos meses después, cuando la violencia continúe o se agrave; otras, porque una cuota alimentaria sigue impaga o porque una resolución judicial nunca llegó a cumplirse. Reconocerlas a tiempo puede depender de detalles que, bajo la presión cotidiana, resultan fáciles de pasar por alto.

Los fiscales con más años de experiencia suelen advertir las señales. Quienes acaban de incorporarse, o llegan trasladados desde otra área, todavía deben construir esa intuición. De esa diferencia surgió una pregunta: ¿podría ser posible reunir la experiencia acumulada por la institución y convertirla en una herramienta que ayude a identificar los casos más delicados?

La respuesta comenzó a tomar forma a partir de los registros que la fiscalía conserva desde 2014. Con esa información, un equipo del Centro de Ciencia de Datos de la Escuela de Gobierno y Transformación Pública del Tecnológico de Monterrey desarrolló un modelo de inteligencia artificial que busca anticipar qué mujeres podrían volver a presentarse durante los dos años siguientes. El sistema asigna un nivel de riesgo y ofrece una señal para orientar la mirada de la fiscal, que conserva la responsabilidad de interpretar el caso y decidir qué intervención corresponde.

Fernanda Sobrino Macías es quien lleva adelante el proyecto. Economista de formación, su trabajo académico se ha concentrado en el uso de datos para comprender el crimen y mejorar la respuesta de las instituciones públicas. En su doctorado investigó cómo la crisis de los opioides había modificado el mercado de la heroína en México, para lo cual desarrolló un sistema capaz de leer noticias sobre narcotráfico, identificar organizaciones criminales y registrar su presencia territorial. Aquella herramienta, a la que describe ahora como “una especie de abuelo de ChatGPT”, le permitió seguir durante décadas la actividad de ochenta y seis organizaciones a través de la cobertura de los medios.

Con el tiempo, Sobrino orientó su trabajo hacia la aplicación de inteligencia artificial y aprendizaje automático en gobiernos y organizaciones sociales. El proyecto de Zacatecas participa de esa búsqueda, aunque trabaja sobre una materia especialmente sensible, donde una clasificación equivocada puede condicionar la atención que recibe una mujer expuesta a la violencia.

Diez años de historias

La posibilidad de construir el modelo estuvo ligada a una característica infrecuente de la fiscalía de Zacatecas: sus expedientes poseen una estructura común y se actualizan a medida que avanza cada investigación. La unificación de la información permitió seguir los casos a través del tiempo y, a partir de ese recorrido, reconocer cuáles habían llegado nuevamente a la fiscalía.

El modelo analiza alrededor de 2.500 variables. Algunas describen a la mujer y al agresor: sus edades, el vínculo entre ambos, la existencia de episodios anteriores o la intervención de la Justicia. Otras recuperan las condiciones del hecho, como el lugar y el horario, la presencia de los hijos, el consumo de alcohol o drogas, las amenazas y el uso de armas. También se consideran elementos vinculados con el funcionamiento institucional, entre ellos la carga de trabajo de la fiscal o el momento en que fue recibida la denuncia.

Esa amplitud responde a la lógica del aprendizaje automático, que permite incorporar una gran cantidad de información para buscar combinaciones recurrentes. El sistema aprende de los expedientes en los que una mujer volvió a presentarse y compara con ellos cada caso nuevo. El resultado se expresa mediante un puntaje que indica cuánto se parece esa historia a otras registradas durante los diez años anteriores.

La herramienta, entonces, estima la posibilidad de que la mujer vuelva a la fiscalía; una categoría que reviste situaciones de distinta gravedad: puede tratarse de una nueva agresión del mismo hombre, de una relación posterior atravesada por la violencia o de una presentación reiterada porque el padre de sus hijos continúa incumpliendo la cuota alimentaria. Dentro de ese universo también aparecen historias en las que la violencia se intensificó a lo largo de varias denuncias y terminó en un femicidio.

El modelo, por lo tanto, trabaja con la recurrencia, mientras que la eventual escalada constituye una de las posibilidades incluidas dentro de ella. Esta distinción importa porque delimita el alcance actual del proyecto y evita atribuirle una capacidad que todavía debe ser estudiada: la de anticipar específicamente cuáles episodios podrían tener un desenlace fatal.

En paralelo, el equipo desarrolla otra línea de investigación sobre los relatos incluidos en las carpetas. Una especialista en trabajo de campo ha clasificado las historias según la relación entre víctima y agresor, la presencia de los hijos, las amenazas, el uso de armas y otras circunstancias. A partir de esa lectura, se entrena un modelo de lenguaje que intenta reconocer patrones narrativos asociados con las distintas formas que adquiere la violencia.

Entre los indicios preliminares apareció una palabra que, por su recurrencia dentro de los expedientes, podría señalar un cambio en la intensidad de la agresión. Según explicó Sobrino, cuando el hombre llama “puta” a la mujer, la violencia suele escalar desde el plano verbal hacia el físico. El insulto adquiere así un valor que excede la ofensa: dentro de las historias analizadas, puede funcionar como la señal de que el episodio está atravesando un umbral. El hallazgo permanece todavía en estudio, pero permite advertir que una palabra, leída dentro de una secuencia y en relación con otros elementos, puede ofrecer información sobre el curso que está tomando la agresión.

Veinticinco mujeres

Cada semana, el modelo selecciona a las veinticinco mujeres con mayor nivel de riesgo, una cifra que responde a la capacidad de la propia fiscalía para brindar una atención adicional. Al probar el sistema con expedientes históricos, el equipo encontró que, entre las veinticinco mujeres señaladas, alrededor de quince habían vuelto posteriormente a la fiscalía. La capacidad del modelo es notable: una selección al azar habría identificado sólo a una, mientras que el procedimiento habitual habría reconocido aproximadamente cuatro.

Debido a las consecuencias posibles, el modelo se fue ajustando para que reduzca los falsos negativos: aquellos casos en los que una mujer que volverá a sufrir violencia queda fuera de la selección. Ese criterio acepta que entre las veinticinco elegidas pueda haber mujeres que finalmente no regresen. En esos casos, la intervención adicional habrá resultado innecesaria, pero no es nada en comparación a que omito una situación de alto riesgo con consecuencias mucho más graves. La decisión técnica expresa entonces una elección institucional: la fiscalía prefiere ampliar el margen de prevención.

La exposición deja abierta, además, la pregunta sobre qué atención recibirán las mujeres señaladas. El sistema podría recomendar un seguimiento más cercano, una intervención policial, asesoramiento jurídico, acompañamiento psicológico o alguna medida destinada a fortalecer su autonomía. La eficacia del proyecto dependerá tanto de la calidad de la predicción como de la respuesta que la fiscalía pueda ofrecer una vez advertido el riesgo.

Una memoria para la fiscalía

Mientras el proyecto se consolida, el equipo de Sobrino se encuentra evaluando otra herramienta dentro de la fiscalía de Zacatecas dedicada a ordenar expedientes por robos y delitos de menor gravedad. Cada semana, el sistema selecciona 600 carpetas con posibilidades de avanzar; 300 son entregadas a los fiscales y las restantes funcionan como grupo de comparación. Después de casi seis meses, las carpetas priorizadas avanzaban, en promedio, un mes antes y en una proporción cercana al 10% superior.

La experiencia de Zacatecas muestra cuánto puede hacerse cuando una institución conserva información sistemática y está dispuesta a examinar su propio funcionamiento. La prueba decisiva llegará cuando el modelo empiece a utilizarse en tiempo real. El algoritmo puede ayudar a reconocer una historia que tristemente se parece a otras. La posibilidad de modificar el desenlace continuará dependiendo de lo que el Estado sea capaz de hacer con esa advertencia.