El entender que es posible hacer que la tecnología de monitoreo electrónico (ME) evolucione hacia un espectro de acción preventiva se está volviendo algo cada vez más consistente.
La inteligencia artificial (IA) y la analítica de grandes datos (el proceso de examinar grandes y variados conjuntos de datos para descubrir patrones ocultos, correlaciones desconocidas, tendencias y otra información útil que en última instancia pueda conducir a tomar decisiones mejor informadas) están creciendo a un ritmo sin precedentes. Potencialmente, estas tecnologías pueden dar lugar a aplicaciones ampliamente beneficiosas, que pueden aplicarse al campo del monitoreo electrónico a medio plazo. De hecho, la IA ya se utiliza, en algunas partes del mundo, en el sector de la justicia penal, ya que “los algoritmos están ayudando cada vez más a los organismos encargados de hacer cumplir la ley y ayudan a los jueces a cumplir sus juramentos”.[1]
Sin embargo, las soluciones de ME de hoy en día se siguen centrando exclusivamente en un enfoque reactivo, lo que significa que una intervención solo tiene lugar cuando una alarma indica una falta de conformidad, ya sea una violación de las normas y restricciones impuestas (violación de las zonas de inclusión o exclusión o violación del toque de queda en casos de arresto domiciliario, por ejemplo), que se intente manipular el dispositivo, que se detecte que la batería del brazalete no está recibiendo carga o que se produzcan otras situaciones similares.
Juntas, la IA y la analítica de grandes datos resultan en la identificación de tendencias y patrones, lo que permite descubrir correlaciones, así como perfiles de riesgo, mediante el uso de todos los datos disponibles, que son proporcionados por el sistema de ME. Estos datos incluyen, entre otros, la posición GPS, la velocidad, los movimientos, los sensores de movimiento, los detectores de manipulación; además, un nuevo sistema de ME impulsado por IA podría tomar en cuenta los datos históricos y mezclarlos con cualquier otra fuente de datos pertinente que deba correlacionarse (otros delincuentes, un mapa de zonas criminógenas, escenas de delitos, registros de circuito cerrado de televisión, velocidad del automóvil, etc.).
(1) Centro Berkman Klein. (2018). Core Use Cases and Cross-Cutting Themes. Disponible en https://cyber.harvard.edu/research/ai/usecases
//
José Demetrio es el fundador y CEO de GEOSATIS. Tiene una educación en electricidad y certificados técnicos en aplicaciones de seguridad especializadas. Su perfil innovador y emprendedor data del comienzo de su carrera, que al principio se desarrolló en el sector de la seguridad. También trabajó para operadores de telecomunicaciones y contribuyó a la implementación de soluciones de bloqueo de comunicaciones móviles para las prisiones.
Publicidad
