Copyrights. Kenneth Matías Echaiz Ríos,
2026. Todos los derechos reservados.
La evaluación de la capacidad para testificar en menores de edad representa uno de los desafíos más delicados dentro de la psicología forense. No se trata únicamente de determinar si un niño o adolescente puede recordar y relatar hechos, sino de valorar un conjunto de funciones cognitivas, emocionales y sociales que deben concurrir para que su testimonio sea considerado válido y fiable ante un tribunal. Este proceso exige un conocimiento profundo del desarrollo infantil, de las escalas de maduración neuropsicológica y de los factores contextuales que pueden influir en la declaración de un menor.
Tradicionalmente, los peritos han debido apoyarse en entrevistas clínicas, pruebas estandarizadas de inteligencia y memoria, y en su propio juicio clínico para emitir un dictamen sobre esta capacidad. Sin embargo, la complejidad de los casos actuales —con frecuencia marcados por situaciones de abuso crónico, violencia intrafamiliar o traumas complejos— demanda herramientas más precisas y objetivas. En este contexto, la incorporación de modelos de inteligencia artificial explicable comienza a perfilarse como un recurso complementario de gran valor, capaz de aportar datos cuantificables y trazables que refuercen el razonamiento pericial sin sustituir la indispensable mirada del profesional.
Cuando un tribunal solicita una pericia sobre la capacidad de un menor para declarar, no pregunta únicamente si el niño dice la verdad. Lo que se busca determinar es si el menor posee las competencias cognitivas necesarias para percibir, recordar, comprender y comunicar hechos relevantes para el caso. Esta capacidad se sustenta en pilares neuropsicológicos específicos que deben ser evaluados de forma sistemática y documentada.
Entre los componentes esenciales destacan la memoria episódica, que permite recuperar eventos específicos en su contexto espacio-temporal; la comprensión verbal, necesaria para entender las preguntas que se le formulan; la capacidad de atención sostenida, que posibilita mantener el foco durante la entrevista; y el control ejecutivo, que regula la inhibición de respuestas impulsivas y la organización del discurso. Además, deben considerarse factores emocionales como el nivel de ansiedad o la presencia de síntomas traumáticos que puedan interferir en la declaración. Cada uno de estos elementos debe ser valorado con instrumentos adaptados a la edad y al nivel de desarrollo del menor.
En el ámbito jurídico español y latinoamericano, los criterios para valorar la capacidad de un menor para testificar se fundamentan en principios de protección infantil y en el interés superior del menor. La Ley de Enjuiciamiento Criminal y las legislaciones específicas de protección a la infancia establecen que los jueces pueden recabar informes periciales psicológicos para determinar si un menor se encuentra en condiciones de prestar declaración sin que ello le cause un perjuicio desproporcionado. Este marco legal otorga al perito un papel central en la evaluación de las competencias testimoniales.
Sin embargo, la práctica forense revela una realidad heterogénea. No existe un protocolo único estandarizado para la evaluación de la capacidad para testificar, y los profesionales suelen combinar distintas baterías neuropsicológicas con escalas de credibilidad y entrevistas semiestructuradas. Esta diversidad metodológica, aunque rica en matices clínicos, plantea desafíos en términos de reproducibilidad y comparación entre casos. Precisamente aquí es donde la inteligencia artificial explicable puede aportar consistencia, al permitir sistematizar la información recogida y generar indicadores objetivos que complementen el juicio del experto.
La inteligencia artificial explicable, conocida por sus siglas en español como IAE, se diferencia de los modelos tradicionales de aprendizaje automático en que no se limita a ofrecer una predicción o clasificación, sino que proporciona razones comprensibles sobre cómo llegó a esa conclusión. Para el ámbito forense, esta característica resulta esencial, ya que un dictamen pericial debe poder ser entendido, cuestionado y defendido ante un tribunal. Un sistema que solo arroja un resultado sin explicación carece de valor probatorio y vulnera el derecho de defensa.
En el contexto de la evaluación de menores, la IAE puede aplicarse al análisis de patrones de respuesta, a la detección de inconsistencias narrativas y a la valoración de la coherencia estructural del relato. Por ejemplo, un modelo entrenado con testimonios de menores de distintas edades y condiciones clínicas puede identificar si las respuestas del evaluado se corresponden con las esperadas para su grupo etario y perfil neuropsicológico, generando además una explicación detallada de los factores que sustentan esa conclusión. Esto permite al perito contar con una segunda opinión estructurada y cuantificable, que puede integrarse en el informe como evidencia complementaria.
Una de las áreas donde la inteligencia artificial explicable muestra mayor potencial es en el análisis lingüístico de las declaraciones de menores. Mediante técnicas de procesamiento del lenguaje natural, es posible examinar la riqueza léxica, la complejidad sintáctica, el uso de marcadores temporales y espaciales, y la presencia de elementos sensoriales o emocionales en el relato. Estas variables, analizadas de forma automatizada pero explicable, pueden ofrecer indicios sobre la autenticidad del testimonio y sobre el nivel de desarrollo cognitivo del menor.
Es importante subrayar que estas herramientas no reemplazan el análisis cualitativo del perito. Por el contrario, lo enriquecen al aportar datos objetivos sobre aspectos que el ojo humano difícilmente puede cuantificar en extensos relatos. Un sistema de IAE puede señalar, por ejemplo, que un testimonio presenta una estructura temporal coherente propia de niños de 8 a 10 años, pero que el uso de vocabulario abstracto corresponde a un nivel de desarrollo superior al esperado. Esta discrepancia, debidamente explicada por el modelo, invita al perito a profundizar en la evaluación de posibles influencias externas o de un desarrollo atípico.
Otra aplicación relevante de la inteligencia artificial explicable en la evaluación de menores es la detección de patrones de simulación o de sugestionabilidad inducida. Los niños, especialmente aquellos que han sido sometidos a entrevistas repetitivas o sugestivas por parte de adultos, pueden incorporar información falsa en sus relatos sin ser conscientes de ello. Distinguir entre un recuerdo genuino y uno implantado es uno de los mayores retos en la psicología forense infantil.
Los modelos de aprendizaje automático entrenados con bases de datos de testimonios auténticos y sugestionados pueden identificar marcadores sutiles en el lenguaje y en la estructura narrativa que se correlacionan con la presencia de influencia externa. La ventaja de la IAE radica en que puede desglosar estos marcadores y presentarlos de forma comprensible para el perito. Por ejemplo, puede indicar que ciertas frases presentan una rigidez gramatical atípica o que existen repeticiones literales que sugieren aprendizaje memorístico más que recuerdo experiencial. Estos indicios, contextualizados por el experto, fortalecen la fundamentación del dictamen pericial.
A pesar de sus indudables ventajas, la incorporación de inteligencia artificial en la evaluación de la capacidad para testificar en menores no está exenta de riesgos. El principal de ellos es el sesgo algorítmico. Muchos modelos han sido entrenados con datos provenientes de poblaciones adultas o de contextos culturales específicos, lo que puede generar conclusiones erróneas cuando se aplican a niños de entornos diversos. Un modelo que no ha sido validado con muestras representativas de la población infantil local puede catalogar como anómalas respuestas que son perfectamente normales en un determinado contexto sociocultural.
Además, existe el peligro de que los profesionales depositen una confianza excesiva en los resultados generados por estos sistemas, descuidando la valoración clínica integral. La inteligencia artificial explicable está diseñada para ser una herramienta de apoyo, no un sustituto del criterio profesional. El perito debe mantener siempre el control analítico y la responsabilidad ética sobre el dictamen final. Cualquier indicación proporcionada por un modelo debe ser contrastada con la observación directa, la historia del menor y el resto de pruebas aplicadas. Solo así se garantiza que la tecnología sirva a la justicia y no la condicione indebidamente.
Para que la inteligencia artificial explicable se convierta en un aliado efectivo en la evaluación neuropsicológica forense de menores, es necesario adoptar un conjunto de buenas prácticas que aseguren su uso ético y riguroso. En primer lugar, todo modelo utilizado debe contar con estudios de validación específicos para población infantil y para el contexto forense. No basta con que funcione bien en entornos clínicos generales; debe demostrar su fiabilidad en situaciones donde están en juego derechos fundamentales del menor.
En segundo lugar, resulta imprescindible documentar de forma exhaustiva cada uso de estas herramientas. Esto incluye registrar la versión del modelo, la fecha de aplicación, los datos de entrada utilizados, los resultados obtenidos y las explicaciones generadas. Esta trazabilidad permite que el dictamen pueda ser auditado y replicado en caso de impugnación. Finalmente, se recomienda que el perito incluya en su informe una sección específica dedicada a la metodología basada en inteligencia artificial, donde explique claramente qué herramientas se emplearon, con qué finalidad y bajo qué limitaciones. Esta transparencia refuerza la solidez del dictamen y facilita su comprensión por parte del tribunal.
El futuro de la evaluación neuropsicológica forense de la capacidad para testificar en menores no pasa por la sustitución del profesional, sino por su potenciación mediante herramientas inteligentes. El concepto de «perito aumentado» describe precisamente esta sinergia: el experto mantiene el liderazgo del proceso, la responsabilidad ética y la capacidad de integración contextual, mientras que los sistemas de inteligencia artificial explicable procesan grandes volúmenes de datos, detectan patrones sutiles y generan indicadores cuantificables que enriquecen el análisis.
Este modelo integrador exige un cambio en la formación de los psicólogos forenses. Ya no basta con dominar las pruebas tradicionales y las técnicas de entrevista; es necesario adquirir competencias en interpretación crítica de datos algorítmicos, en comprensión de los principios de la inteligencia artificial explicable y en comunicación de hallazgos tecnológicos ante los tribunales. Las universidades y colegios profesionales tienen la responsabilidad de incorporar estas competencias en los programas de formación especializada. Solo así podremos garantizar que la tecnología se ponga al servicio de una justicia más precisa, transparente y respetuosa con los derechos de los menores.
La evaluación de la capacidad de un menor para testificar es una tarea que requiere sensibilidad, experiencia y rigor. La inteligencia artificial explicable no viene a reemplazar al psicólogo forense, sino a ofrecerle una herramienta adicional que puede ayudarle a ser más preciso y objetivo en sus análisis. Piense en ella como un asistente muy capacitado para revisar grandes cantidades de información y señalar detalles que podrían pasar desapercibidos, pero siempre bajo la supervisión y el criterio del profesional.
Lo más importante es que cualquier herramienta tecnológica que se utilice en un peritaje debe ser transparente y comprensible. Si un sistema no puede explicar cómo llegó a una conclusión, no es seguro utilizarlo en un contexto judicial. Cuando se emplea correctamente, la inteligencia artificial explicable puede contribuir a que los dictámenes sobre la capacidad de los menores para testificar sean más completos, mejor fundamentados y, en última instancia, más justos. El ser humano debe permanecer siempre en el centro del proceso, tomando las decisiones finales y asumiendo la responsabilidad de cada conclusión.
Desde una perspectiva técnica, la implementación de inteligencia artificial explicable en la evaluación neuropsicológica forense de menores requiere el desarrollo y validación de modelos específicos entrenados con datos infantiles multiculturales y etiquetados por expertos. Las arquitecturas más prometedoras combinan procesamiento del lenguaje natural con redes neuronales interpretables mediante técnicas como mapas de atención, valores SHAP o explicaciones contrafactuales adaptadas al dominio forense. Es imprescindible que estos modelos cumplan con los estándares de admisibilidad probatoria, incluyendo los criterios Daubert en jurisdicciones de tradición anglosajona o los principios de motivación y contradicción propios del sistema continental.
Asimismo, se recomienda la implementación de sistemas de registro inmutable para garantizar la trazabilidad completa de las entradas, procesamientos y salidas de los modelos. La validación cruzada externa con muestras independientes, los estudios de generalización poblacional y la evaluación continua de sesgos deben formar parte obligatoria del ciclo de vida de cualquier herramienta de inteligencia artificial explicable utilizada en contextos forenses. Solo mediante este rigor científico y ético podremos aprovechar todo el potencial de estas tecnologías para mejorar la calidad de las evaluaciones periciales en menores, sin comprometer los principios fundamentales del derecho de defensa y el interés superior del niño.
Descubre cómo NeuroKer mejora tu bienestar utilizando tecnología avanzada y datos. Empatía y precisión al servicio de tu crecimiento personal.