La herramienta que permite saber cuándo y dónde se va a producir un delito

Quedaron atrás los justicieros de cómic, de oscuro pasado y dudosa moral. También los héroes disfrazados de músculos y colores. A quien han empezado a acudir los cuerpos de policía, para facilitar la prevención del crimen y la caza del criminal, es al big data.

El procesamiento de grandes volúmenes de datos se ha convertido en una herramienta para predecir cuándo y dónde tendrá lugar un delito. Así, la policía envía patrullas a la zona para disuadir a los potenciales delincuentes de cometerlo.

Más información

Revolución en el trabajo policial

La otra cara del 'big data'

La Policía de Memphis (EE UU) afirma que gracias al big data ha reducido los delitos serios en un 30%, con un descenso del 15% en sucesos violentos. En Richmond, la capital del estado de Virginia, la policía logró una caída de casi el 30% en crímenes violentos y homicidios, para una determinada área y en un periodo de 12 meses. Ambos departamentos policiales utilizan sistemas de IBM para predecir los delitos.

También en Estados Unidos, la ciudad de Reading, en Pensilvania, registró una disminución de delitos tras instalar un software predictivo. En 14 meses los robos se redujeron un 23%, pese a que la policía contó con menos efectivos. La clave estuvo en el algoritmo de PredPol, una startup californiana que usa big data para predecir cómo se comportará la delincuencia.

“Trabajamos en predecir cuándo y dónde es más probable que ocurran delitos”, señala Jeff Brantingham, cofundador de PredPol. Juegan con márgenes de tiempo muy estrechos; las predicciones se hacen para las próximas diez o doces horas. Y las áreas marcadas también son muy concretas: 150x150 metros.

“No decimos que con toda seguridad aquí se producirá un delito. Asignamos una probabilidad de que se produzca un delito en una determinada localización”, aclara Brantingham. Para hacerlo utilizan una materia prima sorprendentemente sencilla. “La única información que usamos son los datos históricos: qué tipo de delito es, dónde ocurrió y cuándo”.

Ramiro Rego, especialista en analítica de IBM, revela una labor más compleja en la recopilación de datos. Hay que combinar el contenido de informes policiales, a veces escritos a mano, con información meteorológica (la criminalidad varía si llueve o nieva) y con ciertas coyunturas, como si es día de pagos (en Estados Unidos muchas empresas aún utilizan cheques).

Los sistemas de IBM van más allá de la mera predicción. Una muestra es el trabajo que hace en Miami la policía. “En Miami Bay reducen las listas de sospechosos o incluyen algunos nuevos que ellos no habían pensado”, comenta Rego. “Esto no quiere decir que no investigues a todos los de la lista. Pero te ayuda a empezar por los más significativos”.

El algoritmo discrimina entre los sospechosos cuando la policía ya tiene información sobre ellos. Teniendo en cuenta su comportamiento en otras ocasiones, fija una probabilidad de que sean responsables del delito cometido. “Esto no va a sustituir en ningún caso la experiencia ni el valor que tiene la policía. En realidad estas tecnologías ayudan con números a que la policía tome decisiones más rápido”, explica Rego.

La situación en España

En España lo más parecido que existe a este tipo de tecnología es el trabajo de Miguel Camacho, inspector de la Policía Nacional. Como parte de su doctorado en Matemáticas y Estadística, que incluyó una beca Fullbright en Los Ángeles, donde colaboró con PredPol, ha ideado un sistema que combina herramientas de predicción con la distribución de las patrullas. Estaría adaptado al Cuerpo Nacional de Policía y “ayudaría a optimizar el uso eficiente de los recursos humanos disponibles”, según detalla Camacho.

El modelo tiene en cuenta la predicción de delitos y los recursos de la policía, para optimizar la ruta de las patrullas y cubrir los espacios potencialmente más problemáticos. Camacho ha desarrollado la parte matemática, pero faltaría convertirlo en software. De momento la Policía tiene el trabajo en fase de estudio, aunque también le han escrito de otros países interesándose por el proyecto.

¿Hasta dónde debe llegar la predicción del crimen?

“Todo lo que sea información de grandes masas, vale. Pero hacer perfiles personales de potenciales infractores es una barrera que no se debería traspasar. Requeriría un análisis muy concienzudo”, opina Camacho, ante el temor de un sesgo racista en los algoritmos.

Sin que se le pida, Brantingham marca distancias con la película Minority Report. Aclara que no se trata de predecir quién va a cometer un crimen o se va a convertir en un criminal: “El algoritmo no incluye información personal, como quiénes son los delincuentes, su aspecto, su raza o su condición socioeconómica”.

Otra inquietud que despiertan estos sistemas es que los delitos se muevan de unas zonas a otras. Brantingham lo desestima: “Si la policía está teniendo impacto en el índice de crimen de un área y este empieza a subir en otra, el algoritmo adaptará sus predicciones para afrontar los nuevos patrones”. El software nunca deja de aprender, nunca descansa.