Copyrights. Kenneth Matías Echaiz Ríos,
2026. Todos los derechos reservados.
La incorporación de la inteligencia artificial al análisis de la prueba testimonial representa uno de los avances más significativos y, al mismo tiempo, uno de los desafíos más complejos a los que se enfrenta la neuropsicología forense contemporánea. Sistemas de aprendizaje automático, procesamiento del lenguaje natural y reconocimiento de emociones prometen aportar una velocidad y una capacidad de procesamiento de las que el ojo humano carece, ofreciendo una aparente objetividad estadística a un ámbito tradicionalmente marcado por la subjetividad interpretativa. Sin embargo, esta promesa de precisión matemática oculta un problema epistemológico de fondo: el algoritmo no es neutral, sino que codifica en sus capas internas los sesgos, las limitaciones y las desigualdades del mundo del que aprende.
Desde la perspectiva de la neuropsicología forense, el testimonio no es un mero acto de reproducción de hechos, sino un proceso cognitivo complejo donde confluyen la memoria autobiográfica, la gestión emocional, la identidad cultural y las estrategias narrativas. Introducir un sistema de inteligencia artificial en este proceso sin una comprensión profunda de sus limitaciones equivale a delegar un juicio clínico y jurídico en un sistema que no comprende el contexto humano que evalúa. La literatura especializada, recogida en obras como Inteligencia Artificial Explicable en el Análisis Testimonial Forense, advierte que la ausencia de mecanismos de explicabilidad transforma la herramienta de apoyo en una caja opaca cuyas conclusiones resultan difíciles de contradecir en sede judicial.
El presente artículo aborda, desde un enfoque crítico y constructivo, las principales limitaciones técnicas y los sesgos algorítmicos que contaminan el análisis testimonial asistido por inteligencia artificial. Lejos de demonizar la tecnología, se propone un marco de reflexión necesario para que el neuropsicólogo forense pueda integrar estas herramientas con la debida cautela, garantizando que la justicia no se convierta en un mero proceso estadístico donde la diferencia cultural o la complejidad humana sean penalizadas por un modelo que las desconoce.
La principal fuente de distorsión en cualquier sistema de inteligencia artificial aplicado al ámbito forense reside en los datos con los que ha sido entrenado. Un modelo destinado a evaluar la credibilidad testimonial se nutre de transcripciones de juicios, grabaciones de interrogatorios y resultados de pruebas neuropsicológicas etiquetadas. El problema surge cuando estos conjuntos de datos reflejan fielmente las desigualdades estructurales del sistema judicial. Las estadísticas muestran una sobrerrepresentación histórica de minorías étnicas, colectivos vulnerables y estratos socioeconómicos bajos en las bases de datos judiciales. Si el algoritmo aprende que ciertos patrones lingüísticos o conductuales, más frecuentes en estos grupos, se asocian estadísticamente con el engaño, el sesgo algorítmico queda codificado de forma permanente e invisible.
En consecuencia, el sistema no detecta mentiras, sino que amplifica los prejuicios históricos incrustados en los expedientes judiciales. Un patrón de habla entrecortada, la evitación del contacto visual o ciertas respuestas fisiológicas de estrés pueden ser estadísticamente significativos en la base de datos de entrenamiento, pero son perfectamente normales en contextos culturales donde el respeto a la autoridad se manifiesta precisamente a través de esas conductas. El algoritmo, que carece de conciencia cultural, aplica el mismo baremo a un ejecutivo formado en oratoria que a un inmigrante que declara en un idioma que no domina, transformando la diferencia en un factor de penalización estadística.
Los sistemas de procesamiento del lenguaje natural (PLN) evalúan la credibilidad analizando la estructura semántica y sintáctica del testimonio bajo el supuesto de que un relato veraz contiene un mayor número de detalles sensoriales, referencias contextuales y una gramática más compleja. Este enfoque, que resulta razonable en poblaciones homogéneas, colapsa cuando se enfrenta a la diversidad cultural y lingüística real. Las culturas de alto contexto, por ejemplo, construyen narrativas circulares, implícitas y cargadas de simbolismo. Un modelo entrenado exclusivamente con narrativas lineales y explícitas propias del mundo occidental catalogará sistemáticamente estos testimonios como incoherentes, evasivos o pobres en detalles, cuando en realidad responden a una lógica narrativa distinta pero igualmente válida.
El bilingüismo y la competencia lingüística limitada representan otra fuente importante de distorsión. Un hablante no nativo que se comunica en una segunda lengua aprendida de forma funcional mostrará una pobreza léxica y una simplificación gramatical que un sistema de PLN mal calibrado interpretará como indicadores de baja riqueza narrativa. Esta limitación técnica puede tener consecuencias devastadoras en contextos de asilo o inmigración, donde la capacidad para expresar matices en un idioma extranjero no guarda relación alguna con la veracidad del relato. La inteligencia artificial debe, por tanto, incorporar modelos lingüísticos que distingan entre una competencia limitada y una intención de engañar, algo que rara vez sucede en las implementaciones comerciales actuales.
Además, el trauma y la vivencia de experiencias límite fragmentan la memoria de formas que la inteligencia artificial tiende a malinterpretar. La falta de linealidad temporal, las repeticiones o los silencios pueden ser mecanismos de afrontamiento ante un recuerdo traumático, no signos de fabulación. Un análisis automatizado que no contemple el contexto psicopatológico y neuropsicológico del evaluado corre el riesgo de etiquetar como falsos testimonios que son, precisamente, los más difíciles de narrar.
Durante décadas, la psicología del testimonio ha buscado indicadores universales de la mentira, una suerte de marcador biológico que delatara al testigo falaz. La inteligencia artificial, con su capacidad para analizar microexpresiones faciales, variaciones en la prosodia de la voz y patrones de movimiento, ha reavivado esta creencia en un detector de mentiras tecnológico. No obstante, la evidencia neurocientífica transcultural es contundente: la expresión emocional y la regulación fisiológica del estrés están profundamente mediadas por el entorno cultural y las experiencias vitales del individuo.
Una elevada tasa cardíaca, la sudoración o la evitación de la mirada pueden ser interpretadas por un algoritmo como signos de mendacidad, cuando en realidad son respuestas adaptativas de un individuo que pertenece a una cultura con una alta distancia al poder y que se siente intimidado por la figura de autoridad que representa el tribunal. Del mismo modo, ciertas culturas consideran respetuoso mantener la mirada baja al hablar con una figura de autoridad, mientras que para otras el contacto visual directo es un signo de sinceridad. Imponer un único umbral de nerviosismo o de naturalidad gestual a través de un algoritmo supone una violencia epistémica que borra el contexto etnográfico del evaluado y reduce la riqueza de la comunicación humana a un estándar arbitrario.
La mayoría de los sistemas avanzados de inteligencia artificial, en particular los basados en aprendizaje profundo, funcionan como cajas opacas. Esto significa que ni siquiera sus propios diseñadores pueden explicar con total precisión cómo el modelo ha llegado a una conclusión determinada. En el ámbito judicial, donde el derecho a la contradicción y a la motivación de las resoluciones son pilares fundamentales, esta opacidad constituye una limitación técnica de primer orden. Si un informe pericial se apoya en una herramienta que no puede explicar su razonamiento, la defensa queda en una posición de indefensión radical, incapaz de rebatir un argumento que no se conoce.
La inteligencia artificial explicable (IAE) surge como respuesta a este problema, proponiendo modelos que ofrecen mapas de relevancia y desgloses de las variables que han influido en el resultado. Sin embargo, la implementación de estos modelos en el ámbito forense sigue siendo incipiente. El neuropsicólogo que utiliza estas herramientas tiene la obligación ética y procesal de exigir que los resultados sean interpretables y de incorporar en su informe una declaración explícita de las limitaciones del modelo utilizado. No hacerlo así convierte la herramienta en un oráculo tecnológico incompatible con las garantías del debido proceso.
Una de las consecuencias más sutiles y peligrosas de los sesgos algorítmicos es la patologización de la diferencia cultural. Las pruebas neuropsicológicas que alimentan los modelos de inteligencia artificial suelen estar baremadas en poblaciones occidentales, educadas y urbanas. Cuando un algoritmo evalúa a un individuo procedente de un entorno rural, con baja escolarización o de una comunidad indígena, es altamente probable que sus puntuaciones en memoria de trabajo, velocidad de procesamiento o control inhibitorio se desvíen significativamente de la norma estadística. El algoritmo, en su lógica cuantitativa, interpreta esta desviación como un déficit o una anomalía.
En el contexto de la evaluación de la credibilidad, esta patologización tiene efectos devastadores. Si los marcadores neurocognitivos de un evaluado no se ajustan al perfil considerado normal, el sistema puede inferir una menor capacidad para construir un relato coherente o una mayor propensión al error o al engaño. El neuropsicólogo forense debe ser consciente de que estos resultados no reflejan necesariamente una disfunción, sino que son el producto de una estimulación ambiental y un desarrollo cognitivo moldeado por la cultura. Ignorar esta variable supone perpetuar, desde la tecnología, las mismas desigualdades que la justicia debería combatir.
El sesgo de automatización es una trampa cognitiva bien documentada que describe la tendencia humana a confiar excesivamente en las decisiones generadas por sistemas automatizados, especialmente cuando estos presentan sus resultados con un lenguaje de certeza estadística o gráficos aparentemente objetivos. En el ámbito forense, este sesgo puede llevar al perito a aceptar conclusiones erróneas sin someterlas al necesario escrutinio crítico. La presión por la eficiencia y la fascinación tecnológica contribuyen a que el profesional baje la guardia ante los dictámenes de la máquina.
Frente a un número o una clasificación generada por la inteligencia artificial, el neuropsicólogo forense debe activar un filtro hermenéutico consciente. La pregunta no es qué dice el algoritmo, sino por qué lo dice y si esa conclusión tiene sentido a la luz de la entrevista clínica profunda, la historia del evaluado y el contexto cultural en el que se inserta. La supervisión humana significativa no es un mero trámite administrativo, sino la garantía última de que la evaluación forense sigue siendo un acto clínico y reflexivo, y no un mero proceso burocrático delegado en una máquina.
Mitigar los riesgos descritos no es una opción, sino una obligación deontológica para cualquier profesional que integre herramientas de inteligencia artificial en su práctica pericial. La primera medida consiste en implementar auditorías algorítmicas de equidad cultural, evaluando la representatividad de los conjuntos de datos de entrenamiento y midiendo el impacto desproporcionado de la herramienta sobre subgrupos específicos de población. Esto requiere una colaboración estrecha entre neuropsicólogos forenses, antropólogos y expertos en ética algorítmica desde la fase de diseño de la herramienta, y no como un añadido posterior.
Asimismo, la validación ecológica de las pruebas neuropsicológicas que alimentan los modelos debe ser una prioridad. No basta con incluir etiquetas demográficas superficiales; se necesitan baremos diseñados específicamente para contextos multiculturales que reflejen la variabilidad real de la cognición humana. El informe pericial debe incluir, con transparencia radical, una declaración sobre la composición del conjunto de datos de entrenamiento y las limitaciones conocidas del modelo para la población específica del evaluado.
Es fundamental que la sociedad comprenda que la inteligencia artificial, por muy sofisticada que parezca, no es infalible ni neutral. Cuando un programa informático analiza un testimonio, no está leyendo la verdad, sino comparando ese relato con un patrón estadístico aprendido de otros casos. Si usted proviene de una cultura, un idioma o un entorno social distinto al de la mayoría, corre el riesgo real de que sus silencios, su forma de expresarse o sus gestos sean malinterpretados por una máquina que no entiende su contexto. La tecnología debe ser un apoyo para los profesionales, no un sustituto del juicio humano.
Exigir transparencia y supervisión humana en el uso de estas herramientas no es un capricho tecnófobo, sino un derecho ciudadano. Cualquier persona sometida a un proceso judicial tiene derecho a saber si su testimonio está siendo analizado por un sistema automatizado y, en tal caso, a conocer sus limitaciones. La justicia no puede delegar en una caja negra la decisión sobre la libertad o la reputación de las personas. Una sociedad democrática debe garantizar que la tecnología se ponga al servicio de los derechos fundamentales, y no al revés, asegurando que la diversidad humana no sea un obstáculo, sino un valor reconocido y protegido dentro del sistema judicial.
Desde una perspectiva técnica y metodológica, el principal desafío que plantea la inteligencia artificial en el análisis testimonial es el de la equidad epistémica. No basta con desarrollar modelos precisos; es necesario que esos modelos sean justos en un sentido profundo, lo que implica garantizar que su aplicación no perjudique sistemáticamente a determinados grupos poblacionales. La implementación de métricas de equidad (fairness metrics) y de técnicas de inteligencia artificial explicable (IAE) debe ser un requisito inexcusable en cualquier herramienta destinada al ámbito judicial. El profesional debe ser capaz de acceder a mapas de relevancia de características que le permitan discernir si la decisión del modelo está influenciada por variables culturales, lingüísticas o neuropsicológicas contextuales, y no por indicadores genuinos de engaño.
La creación y curación de conjuntos de datos multimodales que integren registros psicofisiológicos, corpus lingüísticos y datos de neuroimagen obtenidos en contextos transculturales reales constituye la línea de investigación más urgente. Asimismo, se debe avanzar en el desarrollo de arquitecturas de aprendizaje basadas en la incertidumbre, que sean capaces de inhibir automáticamente sus clasificaciones cuando el perfil del evaluado se desvía significativamente de la distribución de entrenamiento. La sinergia entre una regulación técnica rigurosa, una práctica clínica informada y un código deontológico actualizado es la única vía para garantizar que la inteligencia artificial se convierta en un instrumento de precisión epistémica al servicio de la justicia, y no en un vector de sesgo algorítmico con consecuencias humanas irreversibles.
Descubre cómo NeuroKer mejora tu bienestar utilizando tecnología avanzada y datos. Empatía y precisión al servicio de tu crecimiento personal.