¿Cuánto tiempo llevaría revisar, una por una, más de cien mil fotografías borrosas, repetidas o tomadas desde ángulos imposibles? Para una persona, sería una tarea capaz de ocupar semanas. Para una investigación policial, ese tiempo puede ser una pieza clave.
Interpol utilizó inteligencia artificial durante la operación Shams II, coordinada en Túnez en junio de 2026, para ordenar 108.076 imágenes de propaganda yihadista. El mecanismo permitió localizar 126 coincidencias vinculadas con posibles combatientes terroristas tras una etapa de filtrado masivo.
El hallazgo no fue que una máquina reemplazó a los investigadores. Interpol aplicó la IA como una capa previa de limpieza: separó las imágenes repetidas y descartó aquellas que no tenían calidad suficiente para reconocer un rostro con fiabilidad.
El trabajo se parece a vaciar una caja llena de llaves viejas antes de intentar abrir una puerta. Algunas son copias idénticas. Otras están dobladas, rotas o ni siquiera pertenecen a una cerradura. La IA funcionó como la mano que ordena el llavero antes de que el investigador pruebe la llave correcta.
El filtro que reduce una montaña de archivos
La operación comenzó con 108.076 fotografías obtenidas de distintas fuentes de propaganda. Muchas aparecían varias veces, tenían resoluciones diferentes o mostraban caras demasiado pequeñas, cubiertas o desenfocadas para identificarlas.
Entonces entraron en juego procesos automatizados, agentes programados y scripts (pequeños programas que ejecutan tareas concretas). Según Interpol, estos engranajes digitales redujeron el conjunto a 6.362 imágenes únicas y aptas para la fase siguiente.
Eso significa que solo el 5,9% del material original pasó el filtro. Cerca del 94% fue descartado antes de llegar al sistema de reconocimiento facial.
La analogía también puede trasladarse a una oficina. En lugar de pedirle a un equipo que lea miles de papeles duplicados antes de encontrar una ficha útil, la automatización retira las hojas repetidas y deja sobre el escritorio solo los documentos legibles. El criterio final, sin embargo, sigue siendo humano.
Las 6.362 imágenes seleccionadas fueron procesadas por el Interpol Facial Recognition System, el sistema de reconocimiento facial de la organización, que está operativo desde 2016. Esta tecnología compara rasgos visibles de un rostro con imágenes almacenadas en bases autorizadas para buscar posibles coincidencias.
El sistema obtuvo resultados relacionados con 126 personas. Pero esa coincidencia no equivale a una prueba de delito ni confirma, por sí sola, la identidad o la actividad criminal de alguien. Cada alerta debe ser verificada, y las personas señaladas deben ser localizadas e investigadas mediante los procedimientos correspondientes.
Una oportunidad para acelerar la investigación
La clave de Shams II está en un uso menos visible de la IA. No se centró en generar textos, imágenes o conversaciones, sino en reducir una carga de trabajo que habría exigido muchas más horas de revisión manual.
Interpol no detalló qué modelos, proveedores o infraestructura utilizó. Tampoco aclaró si los scripts generados con ayuda de IA fueron creados por sistemas autónomos o mediante modelos de lenguaje que asistieron a los equipos técnicos.
La organización ya había explorado este terreno con DTECH-Light, un proyecto presentado en 2018 para detectar y analizar contenido digital relacionado con terrorismo. Shams II revela ahora cómo ese cableado previo puede volver más ágil una herramienta ya conocida.
Para los investigadores, la tecnología no decide quién es culpable. Pero sí puede encender antes la luz sobre la información útil, mientras las personas conservan la tarea central: comprobar, contextualizar y actuar con evidencia.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
