Justicia 4.0: cómo la Inteligencia Artificial puede mejorar el sistema penal

19 de noviembre de 2024

Justicia 4.0: cómo la Inteligencia Artificial puede mejorar el sistema penal

En “¿Puedo ir preso?”, el libro que coordinó el juez Mariano Borinsky, se plantea que el uso de herramientas más precisas y eficientes puede servir para tomar decisiones más justas o agilizar procesos. Sus riesgos

>La inteligencia artificial (IA) se estÃ¡ convirtiendo en un aliado cada vez mÃ¡s relevante en diversos Ã¡mbitos, y la justicia penal no es la excepciÃ³n. En un contexto donde muchas veces la lentitud, la falta de eficiencia y la disparidad en las decisiones son cuestionados, la IA emerge como una herramienta que podrÃa transformar el sistema judicial argentino. En particular, su implementaciÃ³n en la gestiÃ³n de la prisiÃ³n preventiva y la administraciÃ³n penitenciaria promete generar mejoras significativas al facilitar la digitalizaciÃ³n de documentos, el anÃ¡lisis de grandes volÃºmenes de datos y la predicciÃ³n de patrones en las decisiones judiciales.

El uso de tecnologÃas como el aprendizaje automÃ¡tico y la analÃtica avanzada tambiÃ©n estÃ¡ permitiendo a jueces, fiscales y abogados acceder a herramientas mÃ¡s precisas y eficientes para tomar decisiones. Sin embargo, esta incursiÃ³n de la tecnologÃa en el Ã¡mbito judicial tambiÃ©n plantea interrogantes sobre sus riesgos y desafÃos Ã©ticos. ¿Es posible encontrar un equilibrio entre la prÃ¡ctica tradicional del sistema judicial y los avances tecnolÃ³gicos? ¿QuÃ© implicancias tiene la aplicaciÃ³n de IA en un campo tan sensible como el penal? Estas preguntas y muchas mÃ¡s son parte de un debate que reciÃ©n comienza.

Este tema ha sido abordado en profundidad en el libro ¿Puedo ir preso?, una obra colectiva de reciente publicaciÃ³n dirigida por el juez Mariano Borinsky, que explora la compleja relaciÃ³n entre la justicia penal y la prisiÃ³n preventiva. Dentro de este contexto, los capÃtulos dedicados a la inteligencia artificial, escritos por NicolÃ¡s Aguinsky y David Mielnik, reflexionan sobre las oportunidades y los riesgos de incorporar estas tecnologÃas al proceso judicial.

-En el libro ¿Puedo ir preso?, los artÃculos de Aguinsky y Mielnik analizan el fenÃ³meno de la inteligencia artificial y seÃ±alan que puede mejorar la eficiencia y transparencia en los procesos de prisiÃ³n preventiva. ¿Puede dar ejemplos de cÃ³mo esto podrÃa lograrse en la prÃ¡ctica?

No debe perderse de vista que la IA optimiza la gestiÃ³n de recursos judiciales al clasificar y priorizar casos segÃºn su urgencia. Esto genera mÃ¡s disponibilidad de tiempo en los operadores judiciales para que se concentren en los casos y en los aspectos mÃ¡s complejos. TambiÃ©n puede pensarse en la posibilidad que ofrece la IA de evaluar el riesgo procesal bajo parÃ¡metros objetivos y distintos datos, haciendo que las decisiones sean mÃ¡s consistentes y menos influenciadas por factores externos. AdemÃ¡s, la IA puede buscar y analizar jurisprudencia relevante en segundos, identificando precedentes aplicables y ayudando a identificar patrones en determinadas decisiones.

Siempre debe tenerse presente que esta es una herramienta mÃ¡s a utilizar en la administraciÃ³n de justicia, aprovechando su potencial sin comprometer los derechos de las personas, y teniendo en cuenta que la corroboraciÃ³n humana es fundamental. Aunque la IA puede agilizar procesos y ofrecer anÃ¡lisis rÃ¡pidos, no puede sustituir el criterio humano ni asegurar, por sÃ sola, la justicia y equidad en las decisiones. Por lo tanto, la intervenciÃ³n humana es necesaria para garantizar que los principios Ã©ticos y los derechos fundamentales no se vean comprometidos.

-¿CuÃ¡les consideran que son las principales barreras para la implementaciÃ³n efectiva de la inteligencia artificial en el sistema penitenciario, y cÃ³mo podrÃan superarse?

-¿La IA puede generar resistencia y desconfianza en los funcionarios?

-La IA puede ayudar a identificar patrones en decisiones judiciales, pero ¿cÃ³mo se puede asegurar que estos sistemas no reproduzcan sesgos raciales o de otro tipo?

-Para asegurar esto es fundamental seguir una serie de prÃ¡cticas Ã©ticas y tÃ©cnicas. Estas consisten en la realizaciÃ³n de auditorÃas regulares de los algoritmos para identificar y corregir cualquier sesgo. Se trata de analizar cÃ³mo el sistema toma decisiones y si existen patrones que afectan desproporcionadamente a ciertos grupos. Al identificar estos problemas, se pueden ajustar los algoritmos para minimizar su impacto. Otra cuestiÃ³n es la calidad de los datos con los que se entrenan los sistemas de IA. Es importante asegurar que los conjuntos de datos sean lo mÃ¡s completos y representativos posible. Los sistemas de IA deben ser diseÃ±ados de manera que sus decisiones sean explicables y auditables.

-¿CuÃ¡les son los principales desafÃos Ã©ticos que enfrenta la implementaciÃ³n de IA en el sistema judicial, especialmente en el contexto de la prisiÃ³n preventiva?

-En relaciÃ³n con el uso excesivo de prisiÃ³n preventiva, ¿cÃ³mo podrÃa la IA contribuir a una mejor gestiÃ³n de recursos en el sistema penitenciario?

-¿QuÃ© ejemplos de aplicaciones exitosas de IA en el Ã¡mbito de la prisiÃ³n preventiva en otros paÃses podrÃan servir de modelo?

-En Estados Unidos tenemos el ejemplo del uso del algoritmo conocido como COMPAS. Es una herramienta de evaluaciÃ³n de riesgo que ayuda a predecir la probabilidad de reincidencia y fuga, proporcionando a los jueces informaciÃ³n objetiva para tomar decisiones mÃ¡s fundamentadas. Sin embargo, la utilizaciÃ³n de los algoritmos predictivos estÃ¡ discutida porque las investigaciones han demostrado que pueden estar sesgados y producir evaluaciones discriminatorias.

-Nos permitirÃa analizar datos, identificar patrones y consecuentemente realizar intervenciones personalizadas. AdemÃ¡s, podrÃa facilitar la reintegraciÃ³n laboral de los reclusos, asistiendo en la bÃºsqueda de empleo y su consiguiente integraciÃ³n en la comunidad. Asimismo, su implementaciÃ³n podrÃa optimizar la administraciÃ³n de las prisiones, mejorando la seguridad y el manejo de recursos.

-Los pasos a seguir son muchos y a medida que se avance en su implementaciÃ³n se van a destapar nuevas necesidades. Principalmente, la digitalizaciÃ³n y unificaciÃ³n de datos es indispensable. Invertir en la digitalizaciÃ³n de archivos y la creaciÃ³n de bases de datos unificadas, es necesario para que los sistemas de IA puedan operar eficazmente. La capacitaciÃ³n de los profesionales es otro aspecto fundamental.

-¿Y quÃ© se hace en ese caso?

Notas Relacionadas

ACTUALIDAD

La Garrafa Social llegará este jueves a Los Sauces, Villa Seca y Los Árboles

El operativo municipal recorrerá tres puntos del departamento durante la jornada del jueves 16 de julio, con el objetivo de facilitar el acceso de las familias al gas envasado.

ACTUALIDAD

Nexo Cloacal Barrio 8 de noviembre: en Tupungato comenzó una nueva obra de servicios públicos que beneficiará a más de 100 familias.

Los trabajos tiene por objeto brindar solución a la problemática presentada por los contribuyentes de los inmuebles que integran el mencionado barrio y las propiedades frentistas a la red en calle Correa hasta Los Ceibos, reforzando zonas que presentan problemas crónicos por colapso de los pozos sépticos existentes y la red cloacal que está proyectada en el interior del lugar la cual presenta desbordes por conexiones sin permiso municipal.

ACTUALIDAD

La mitad del país se percibe clase baja y casi 9 de cada 10 asegura que su salario no le gana a la inflación

El Monitor de Opinión Pública (MOP) de Zentrix Consultora de junio confirma que el malestar económico ya no es sólo una percepción difusa, sino un dato estructural con anclaje directo en el bolsillo: el 50,2% de los argentinos se autopercibe de clase baja, el 86,1% asegura que su salario no le está ganando a la inflación, y el 61% llega con sus ingresos, como máximo, hasta el día 20 del mes.

La autopercepción de clase social confirma una sociedad que se ubica mayoritariamente en la base de la pirámide: el 50,2% se define como clase baja, contra apenas un 10,5% que se reconoce en la clase alta; el resto —cerca de cuatro de cada diez— se percibe de clase media. Esta fotografía no es un dato subjetivo aislado ni una simple etiqueta de autopercepción. A diferencia de otras mediciones donde la clase social es sólo una variable descriptiva, en este informe se convierte en la clave explicativa de todo lo demás: cuando se la cruza con la experiencia concreta del ingreso, la autopercepción se confirma número por número, y ahí es donde el diagnóstico deja de ser una sensación para volverse un patrón sistemático.