¿Puede una decisión tomada en una oficina cambiar la celda, la vigilancia y hasta las actividades disponibles para una persona? En las cárceles de Estados Unidos, esa pregunta empieza a tener un nuevo engranaje: un sistema capaz de anticipar conductas violentas antes de que ocurran.
El estado de Michigan probará desde el 1 de diciembre una inteligencia artificial, un software que detecta patrones en grandes volúmenes de información, para predecir qué internos podrían cometer actos violentos. El Departamento de Correcciones de Michigan (MDOC) desarrolló la herramienta junto a Recidiviz, una organización tecnológica sin ánimo de lucro vinculada al sistema judicial estadounidense.
El hallazgo no consiste solo en sumar una pantalla a la gestión penitenciaria. La IA influirá en la clasificación de cada preso, una decisión que determina el centro asignado, el nivel de seguridad, la supervisión diaria y las actividades a las que puede acceder.
Hasta ahora, esa tarea dependía de comités elegidos por los directores de las prisiones. Ahora, Michigan busca reemplazar parte de las revisiones periódicas por evaluaciones con datos históricos y otra información que se actualice durante el cumplimiento de la condena.
Una brújula digital para repartir las llaves
El mecanismo puede imaginarse como el tablero eléctrico de un edificio. Cada interno sería una vivienda y la clasificación, la llave que decide qué puertas se abren, qué pasillos puede recorrer y cuánta vigilancia hay en torno a él.
La IA funciona como un interruptor que revisa señales acumuladas. Mira información previa de la persona y datos que cambian con el tiempo para producir una recomendación de riesgo. Su pieza clave no es adivinar el futuro, sino ordenar rastros del pasado para influir en una decisión presente.
Pero una instalación eléctrica mal cableada no ilumina mejor una casa: puede dejar una habitación a oscuras. Del mismo modo, una predicción equivocada podría enviar a un preso a condiciones más restrictivas durante un período prolongado, incluso si su comportamiento actual no justifica esa medida.
El MDOC sostiene que el programa podría mejorar cerca de un 30% la precisión al prever comportamientos violentos. Sin embargo, todavía no explicó de dónde sale esa cifra, qué pruebas realizó ni cuáles son todos los datos que alimentarán el algoritmo, un conjunto de reglas que calcula una recomendación.
Tampoco está claro cuánto pesará la respuesta de la máquina frente al criterio de los funcionarios. Esa falta de detalle es central: una herramienta puede orientar, pero la decisión afecta la vida cotidiana de personas bajo vigilancia institucional.
La advertencia que llega desde Luisiana
Michigan no es el primer estado que usa estos sistemas. En Luisiana opera TIGER, un programa que calcula el riesgo de reincidencia, es decir, la posibilidad de volver a cometer delitos. Allí, una evaluación algorítmica puede influir en el acceso a la libertad condicional.
Una investigación publicada en abril de 2025 expuso el caso de Calvin Alexander. A los 70 años, casi ciego, usuario de silla de ruedas, sin infracciones disciplinarias y con participación en programas de rehabilitación, fue clasificado como riesgo moderado y perdió la posibilidad de comparecer ante la junta de libertad condicional.
La diferencia es importante: el modelo de Michigan se usará para alojamientos y seguridad, no para decidir excarcelaciones. El antecedente revela una oportunidad y un riesgo: si el sistema mira sobre todo antecedentes e historial laboral, puede ignorar los esfuerzos de rehabilitación o repetir sesgos raciales y socioeconómicos presentes en los datos.
Por ahora, la prueba se limitará a varias prisiones masculinas y no existen resultados sobre su eficacia real. La clave será saber cómo se corrigen los errores y cómo podrá un interno impugnar una clasificación injusta. En un lugar donde una llave define tantas puertas, el control humano seguirá siendo el cableado más importante.
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.
