Del algoritmo al patrullero: la ciencia ficción ya vigila las calles mendocinas
Un sistema basado en inteligencia artificial analiza datos en tiempo real, asigna niveles de riesgo y permite anticipar zonas y horarios críticos. El Gobierno provincial busca pasar de una lógica reactiva a un modelo preventivo, apoyado en tecnología, monitoreo y despliegue estratégico de recursos.
El gobernador Alfredo Cornejo presentó el nuevo sistema de seguridad basado en inteligencia artificial durante la apertura del 186º período de sesiones ordinarias de la Legislatura de Mendoza. En ese contexto, el mandatario detalló la implementación de herramientas tecnológicas que permiten analizar grandes volúmenes de datos para anticipar el delito, definir zonas de riesgo y optimizar la intervención policial. El anuncio forma parte de una estrategia más amplia que incorpora reconocimiento facial, monitoreo inteligente y control de comunicaciones en cárceles, con el objetivo de transformar el enfoque de seguridad pública en la provincia.
El sistema presentado por el gobierno de Mendoza se apoya en una lógica relativamente simple en su concepto, pero compleja en su ejecución:
Convertir grandes volúmenes de datos en decisiones operativas en tiempo real.
En términos prácticos, el modelo funciona a partir de múltiples fuentes de información -llamadas al 911, denuncias, registros históricos de delitos, geolocalización, datos de cámaras y otras variables contextuales- que son procesadas por un "agente de inteligencia artificial". Este agente no es una persona, sino un algoritmo diseñado para detectar patrones, correlaciones y recurrencias que no son evidentes a simple vista.
A partir de ese procesamiento, el sistema construye una predicción probabilística del delito. Es decir, no afirma que un hecho va a ocurrir, sino que identifica zonas, días y franjas horarias donde aumenta significativamente la probabilidad de que suceda. Por ejemplo, puede determinar que en un determinado barrio, entre las 20 y las 23 horas de los fines de semana, existe una alta recurrencia de robos.
La inteligencia artificial analiza datos en tiempo real, asigna niveles de riesgo y permite anticipar zonas y horarios críticos. Imagen ilustrativa.
Para traducir esa predicción en acción concreta, el sistema asigna a cada escenario un índice de riesgo que va de 0 a 1, donde 1 representa el nivel más alto de probabilidad del hecho delictivo. Ese valor funciona como una especie de "semáforo": cuanto más cercano a 1, mayor es la prioridad de intervención.
En función de ese índice, las autoridades ajustan el despliegue de recursos:
- Se refuerzan patrullajes en zonas críticas
- Se posicionan móviles policiales de manera preventiva
- Se intensifica el monitoreo en tiempo real de cámaras de vigilancia
El objetivo es claro: llegar antes que el delito ocurra o, en su defecto, reducir el tiempo de respuesta al mínimo.
Para entender mejor la lógica, el propio modelo puede compararse con sistemas ampliamente utilizados en el sector privado, como los de PedidosYa o Uber. Estas plataformas analizan datos históricos y en tiempo real para anticipar picos de demanda. Si detectan que en ciertos horarios y zonas aumentan los pedidos o viajes, redistribuyen sus recursos (repartidores o conductores) hacia esos puntos antes de que la demanda se dispare.
El sistema de reconocimiento facial que implementó el Gobierno de Mendoza ya tuvo su primera detención: Rafael Ángel Villegas González, un hombre con dos pedidos de captura que fue identificado y arrestado.
La diferencia es que, en este caso, el "recurso" no es una moto o un auto, sino presencia policial y capacidad de vigilancia. Y el "evento a anticipar" no es un pedido o un viaje, sino un potencial delito.
Este enfoque marca un cambio de paradigma en la seguridad pública: se pasa de un esquema reactivo -intervenir después del hecho- a uno predictivo y preventivo, donde la clave está en la capacidad de los algoritmos para leer el comportamiento pasado y proyectarlo hacia el futuro inmediato.
Sin embargo, como todo sistema basado en datos y predicciones, su efectividad dependerá tanto de la calidad de la información que procesa como de los criterios con los que se utilicen esas predicciones en la toma de decisiones.
Del mundo a Mendoza: la policía predictiva avanza entre promesas de eficacia y debates pendientes
El sistema de "policía predictiva" que busca implementar Mendoza forma parte de una tendencia global que ya se ha aplicado en distintas ciudades del mundo, especialmente en Estados Unidos. Allí, programas como PredPol (hoy Geolitica) se utilizaron en ciudades como Los Ángeles, Atlanta y Palo Alto, donde los algoritmos analizaban datos históricos para identificar zonas y horarios con mayor probabilidad de delito, permitiendo reforzar el patrullaje de manera anticipada.
En Reino Unido y otros países europeos, también se ensayaron herramientas similares, aunque con una adopción más cauta y bajo mayor control, debido a preocupaciones vinculadas a la privacidad, los sesgos y el uso de datos sensibles.
El balance internacional muestra un escenario mixto: si bien estos sistemas permiten optimizar recursos y mejorar la capacidad de prevención, también han generado cuestionamientos sobre su eficacia real y sus posibles efectos discriminatorios. De hecho, algunas ciudades como Santa Cruz (ciudad del estado de California, en Estados Unidos) decidieron prohibir su uso.
En este contexto, la iniciativa mendocina no representa una novedad absoluta, sino la incorporación de un modelo ya probado a nivel global, cuyo funcionamiento -basado en datos, predicción y despliegue estratégico- abre tanto oportunidades en materia de seguridad como debates aún no resueltos.
Cuando la ficción anticipó la seguridad del futuro
Películas y series como Minority Report, Person of Interest y Black Mirror exploran desde hace años la idea de anticipar delitos mediante tecnología. Aunque exageradas, estas historias coinciden en un punto clave: los sistemas predictivos pueden ser útiles, pero también plantean riesgos sobre el control social, los sesgos y la pérdida de privacidad. La ficción, más que celebrar estos avances, funciona como advertencia sobre el delicado equilibrio entre seguridad y libertad.
Conclusión
El avance hacia sistemas de seguridad basados en inteligencia artificial, como el que impulsa Mendoza, sintetiza una tensión cada vez más visible a nivel global: la promesa de mayor eficacia frente al delito y los límites que imponen los derechos individuales.
El principal problema no es técnico, sino estructural. Estos sistemas aprenden de datos históricos, y si esos datos reflejan desigualdades -zonas más vigiladas, poblaciones más controladas- el algoritmo tiende a reproducir y amplificar esos sesgos. Así, barrios que ya eran foco de atención policial pueden quedar atrapados en un círculo de sobre-vigilancia, mientras otros delitos, menos visibles, permanecen fuera del radar.
A esto se suma un riesgo más profundo: la naturalización de la vigilancia permanente. El uso de reconocimiento facial, monitoreo en tiempo real y análisis predictivo abre interrogantes sobre privacidad, control estatal y uso de información sensible. La línea entre prevención y control social puede volverse difusa si no existen marcos claros de regulación, transparencia y auditoría.
En definitiva, el modelo no es ni una solución mágica ni un fracaso absoluto. Es una herramienta potente, pero condicionada: su impacto dependerá de cómo se use, con qué controles y bajo qué criterios políticos y éticos. La tecnología puede anticipar patrones, pero no reemplaza decisiones humanas ni resuelve por sí sola las causas profundas del delito.
El desafío, entonces, no es solo tecnológico. Es institucional. Porque en el intento de anticipar el delito, también se define qué tipo de sociedad se está dispuesto a construir.
