IA y analítica avanzada para la reducción de la violencia de género y crímenes de odio en México

Por Mario Ulloa, Advisory Business Development Specialist, Public Safety & National Security en SAS Latinoamérica.

En los últimos años México ha registrado un aumento en la violencia de género y los crímenes de odio contra la comunidad LGBTQI+, específicamente en contra las mujeres trans. De acuerdo con Observatorio Nacional de Crímenes de Odio contra Personas LGBTI+ en México, de 2019 a 2022 se reportaron 305 hechos violentos contra personas de la comunidad, así mismo la organización Letra S, asegura que durante 2022 del total de crímenes que cobraron la vida de alguien de la población LGBTQI+, el 55% fueron contra mujeres trans. Por su parte, el INEGI reportó que de los más de 50 millones de mujeres mayores de 15 años el 70% ha experimentado algún tipo de violencia en su vida.

En este contexto, la tecnología analítica de SAS puede contribuir con su tecnología analítica y de Inteligencia artificial (IA), como un activo clave para esclarecer estos delitos, pero también para prevenir los mismos, ya que permiten analizar grandes cantidades de datos de manera rápida y eficaz.

La tecnología es un aliado poderoso para los gobiernos y juega un papel fundamental en el tema de seguridad ciudadana. Por ejemplo, hace poco colaboramos con una entidad de seguridad pública de un país latinoamericano en un caso que había tomado 7 meses de trabajo a los investigadores para generar una red de vínculos. Sin embargo, la tecnología de SAS realizó esta misma red en tan solo 15 min y logró encontrar 17 personas, objetos y lugares más que estaban relacionados con este delito y que las autoridades no habían podido detectar.

Las herramientas de IA, analítica de datos y machine learning trabajan con todo el universo de datos existentes y tienen la capacidad de identificar lugares y horarios de mayor incidencia de delitos; detectar posibles casos de violencia de género, crímenes de odio y delitos en general. Lo que faculta a las autoridades para tomar decisiones más asertivas, que les permitan aprovechar mejor los recursos con los que cuentan y brindar una mejor seguridad a la ciudadanía.

Un claro ejemplo del poder de los datos es el que vimos con el Secretaría de Estado de Seguridad de España; ellos catalogan la violencia de genero en cinco niveles, el quinto es el de alto riesgo y amerita que la denunciante ya tenga una guarda y custodia 24/7. Con el análisis y gestión de datos logramos incrementar la predicción de alto riesgo en los delitos de violencia de género de un 38% a un 80%, es decir, más del 40%. Lo que significó un mejor manejo del personal y una mejor protección para las mujeres.

Por otro lado, se ha identificado que los delitos son graduales, por lo que las reincidencias son clave para la prevención de crímenes mayores, de hecho, se ha detectado que quien roba una moto, después irá por un automóvil y es muy probable que su tercer delito cobre la vida de una persona. Entonces, es fundamental contar con soluciones tecnológicas capaces de dar estos seguimientos que permitan a las autoridades generar mecanismos y programas. Que puedan reencaminar la vida de estas personas, para evitar que tengan un mal desenlace.

En México según datos de la Cámara de Diputados LXV legislatura, de los 28 millones de delitos, 120 mil personas son las responsables del 80 por ciento. Esto significa que existe un alto porcentaje de reincidencia delictiva y que la carrera criminal es ascendente: 1 de cada 5 personas en prisión fueron juzgadas antes por un delito menor.

Para llegar a la predicción de un delito, primero es importante entender ‘¿qué está pasando?, ¿Por qué está pasando? Y ¿Cómo se llegó a este punto?’ y esto solo se logra con el registro de los eventos, el análisis de éstos y la capacidad de ir de los general a lo particular, es decir ver lo ocurre en una ciudad, en una colonia, calle y en un hogar, si hay violencia intrafamiliar, adicciones, etc., pero para todo esto se requieren tener calidad en los datos.

Datos de calidad el reto de las organizaciones.

En el área de la IA, analítica de datos y machine learning los datos son indispensables, contar con ellos no representa un gran problema, ya que hoy en día las organizaciones gubernamentales generan una inmensa cantidad de ellos. El problema se presenta en la calidad de estos, incluso desde el origen de los mismos.

Actualmente muchas dependencias aún trabajan con el esquema de ‘captura manual de los datos’ y en muchas ocasiones los capturistas cometen errores al ingresar la información, ya sea por la necesidad de atender de manera rápida alguna denuncia o simplemente por error humano, esto dificulta los seguimientos a los delitos y reincidencias. No es lo mismo ‘Javier’ con ‘J’ que ‘Xavier’ con ‘X’, este mínimo detalle puede cambiar muchas cosas.

Los sistemas tecnológicos actuales permiten eliminar estos vicios de captura y facilitar la atención y trabajo de las personas, para que se ingrese de manera manual lo menos posible y que la mayor parte del proceso sea a través de opciones, esto se traduce en mayor calidad de datos y una atención más rápida.

Por otra parte, existen plataformas tecnológicas capaces de trabajar con datos que presentan una baja calidad desde el origen y requieren ser limpiados, alineados, homologados, clasificados y darles calidad para que sean de utilidad de acuerdo con el contexto en el que se van a utilizar.

A lo largo de los casi 50 años de historia de SAS, hemos tenido la oportunidad de colaborar con organizaciones de todo el mundo, de las más de 83 mil implementaciones tecnológicas que tenemos al 650 son con entidades de gobierno y cuando iniciamos proyectos con ellos los retos suelen ser los mismos: calidad en los datos y manejo de estos. Ya que de la adecuada gestión de los datos depende el éxito o fracaso de cualquier proyecto, por lo que es fundamental la inversión, por parte de los gobiernos, en tecnología que se adapte a los procesos existentes para avanzar con la data que se tiene y en el camino generar metodologías que permitan evolucionar y optimizar dichos procesos.