Jorge Arana Varona
Foro UNIR ofreció un taller práctico para aprender a crear prompts eficaces y utilizar la inteligencia artificial en el análisis criminal, la elaboración de informes y la evaluación de riesgos, siempre bajo supervisión profesional.
La inteligencia artificial está modificando la forma en que los profesionales analizan información, investigan delitos y apoyan la toma de decisiones en los ámbitos de la criminología, la seguridad y la inteligencia. Sin embargo, su verdadero potencial no depende únicamente de la tecnología, sino de la capacidad para formular instrucciones precisas, interpretar correctamente los resultados y mantener el criterio profesional durante todo el proceso. Esa fue la idea central del taller práctico organizado por UNIR sobre el diseño de prompts aplicados al análisis criminológico.
Lejos de presentar la IA como un sustituto del especialista, la sesión mostró numerosos casos prácticos donde estas herramientas permiten automatizar tareas repetitivas, sintetizar grandes volúmenes de información y apoyar la elaboración de hipótesis, dejando al criminólogo el papel esencial de validar, interpretar y decidir.
El taller fue impartido por Nahikari Sánchez-Herrero, directora del Área de Ciencias de la Seguridad de UNIR y especialista en criminología aplicada, quien compartió metodologías, ejemplos y estrategias para integrar la inteligencia artificial en el trabajo profesional diario.
“La inteligencia artificial no piensa como un criminólogo. El criterio profesional sigue siendo insustituible”, resumió la experta al inicio del encuentro. Una afirmación que marcó el enfoque de toda la sesión: utilizar la IA para potenciar el análisis, nunca para reemplazarlo.
Cinco claves del Foro UNIR
- La IA como asistente profesional: Automatiza procesos de análisis, pero la decisión final siempre corresponde al criminólogo.
- El prompt determina la calidad: Cuanto más precisa sea la instrucción, mayor será la utilidad del resultado obtenido.
- Casos prácticos reales: Perfilación criminal, análisis OSINT, evaluación de riesgos y planificación operativa fueron algunos de los escenarios trabajados.
- Protección de datos: Nunca deben introducirse datos personales identificables en plataformas públicas de inteligencia artificial.
- Verificación constante: Toda respuesta generada por la IA requiere supervisión y validación profesional antes de utilizarse.
Aprender a pensar como analista antes de preguntar a la IA
La primera parte del taller estuvo dedicada a desmontar una idea frecuente: creer que la inteligencia artificial puede realizar por sí sola el trabajo analítico.
Nahikari explicó que los grandes modelos de lenguaje funcionan mediante cálculos probabilísticos y no razonan como lo hace un profesional de la criminología. Por ello, aunque son capaces de redactar informes técnicamente impecables desde el punto de vista formal, eso no garantiza que sus conclusiones sean correctas. El papel del especialista consiste precisamente en aportar el contexto, formular buenas preguntas y revisar críticamente las respuestas obtenidas.
La experta resumió el proceso en cuatro elementos imprescindibles para construir un prompt eficaz: definir el rol que debe asumir la IA, especificar claramente la tarea, establecer límites precisos y determinar el formato exacto en el que debe presentarse la información. Porque incluso una inteligencia artificial necesita instrucciones mucho más claras de las que solemos dar a algunos compañeros de trabajo.
Caso práctico 1: perfilación criminal asistida por IA
Uno de los ejercicios más completos del taller consistió en simular un análisis de perfilación criminal.
Los asistentes trabajaron con varios expedientes de agresiones sexuales registrados durante un periodo determinado y aprendieron a construir una cadena de prompts capaz de identificar patrones de comportamiento, analizar similitudes entre casos y generar distintas hipótesis criminológicas.
El procedimiento se dividió en varias fases. Primero, la inteligencia artificial extraía variables relevantes relacionadas con el modus operandi, la selección de víctimas, el tipo de violencia empleada o las características del entorno. Posteriormente comparaba esas variables para detectar coincidencias significativas y finalmente elaboraba distintas hipótesis indicando el grado de confianza de cada una y la información adicional necesaria para confirmarlas.
Nahikari insistió en que el objetivo no era identificar automáticamente a un autor, sino ayudar al investigador a organizar la información disponible y orientar mejor el proceso analítico.
Caso práctico 2: gestionar una crisis de seguridad urbana
Otro de los ejemplos planteó un escenario especialmente útil para responsables de seguridad. La simulación partía de una ciudad donde se había producido un incremento de incidentes violentos durante varios fines de semana consecutivos y donde el alcalde solicitaba un informe urgente para planificar la respuesta institucional.
La inteligencia artificial recibía registros policiales, datos socioeconómicos, calendarios de eventos y planos urbanos con el objetivo de identificar patrones espacio-temporales, formular hipótesis criminológicas y proponer un plan integral de actuación.
En lugar de pedir directamente un informe final, Nahikari mostró cómo dividir el trabajo en varias conversaciones sucesivas con la IA: primero analizar los datos, después construir hipótesis, posteriormente diseñar medidas preventivas y solo entonces elaborar el documento ejecutivo.
Este enfoque permitió demostrar cómo la calidad de las respuestas mejora considerablemente cuando la inteligencia artificial trabaja paso a paso y no intenta resolver todo el problema en una única instrucción.
Caso práctico 3: inteligencia OSINT y análisis de amenazas
La tercera demostración se centró en el trabajo con OSINT (Open Source Intelligence). La inteligencia de fuentes abiertas es una disciplina que consiste en recopilar, procesar y analizar información pública disponible legalmente para obtener conocimiento útil y tomar decisiones. Esta práctica utiliza datos de internet, redes sociales, registros públicos y medios de comunicación sin vulnerar la privacidad ni usar métodos ilegales.
En este escenario, los participantes simulaban el análisis de cientos de publicaciones procedentes de redes sociales, medios de comunicación y comunicados oficiales relacionados con una manifestación multitudinaria.
El objetivo consistía en detectar posibles indicadores de riesgo, clasificar la información según su grado de fiabilidad y distinguir hechos contrastados de simples especulaciones.
Mediante una secuencia de prompts, la IA filtraba contenido duplicado, identificaba patrones de conversación, organizaba actores relevantes y elaboraba un informe preliminar que posteriormente debía ser validado por el analista.
La experta insistió especialmente en pedir siempre a la inteligencia artificial que indicara el nivel de confianza asociado a cada conclusión y señalara qué información adicional sería necesaria para verificar las hipótesis planteadas.
Caso práctico 4: evaluación del riesgo para grandes eventos
El taller concluyó con un ejercicio aplicado a la planificación de un dispositivo de seguridad para un gran evento deportivo.
A partir de datos históricos, perfiles de asistentes, planos del recinto y previsiones meteorológicas, la inteligencia artificial identificaba factores de riesgo, construía una matriz de probabilidad e impacto y proponía medidas preventivas priorizadas.
Nahikari explicó que este tipo de herramientas pueden ahorrar muchas horas de trabajo analítico al automatizar tareas repetitivas y sintetizar enormes volúmenes de información. No obstante, recordó que la decisión sobre qué riesgos asumir, cuáles priorizar y qué recursos desplegar seguirá correspondiendo siempre al responsable operativo.
Nahikari Sánchez-Herrero, directora del Área de Ciencias de la Seguridad de UNIR y especialista en criminología aplicada.
La IA ayuda, pero el criterio sigue siendo humano
Además de los casos prácticos, el taller dedicó especial atención al uso responsable de estas tecnologías. Nahikari recordó la importancia de anonimizar cualquier documento antes de introducirlo en plataformas públicas, proteger los datos personales y verificar siempre referencias, legislación, jurisprudencia o bibliografía generadas por la IA.
También animó a los asistentes a construir su propia biblioteca personal de prompts, perfeccionándolos progresivamente para adaptarlos a su ámbito profesional concreto.
En este contexto, programas como el Máster en Victimología y Criminología Aplicada o el Máster en Investigación Criminal de UNIR ofrecen una formación especializada para integrar estas herramientas dentro del trabajo criminológico con rigor metodológico y criterio profesional.
Porque la inteligencia artificial puede acelerar el análisis. Pero interpretar correctamente la realidad sigue siendo una responsabilidad exclusivamente humana.
- Facultad de Derecho
- Inteligencia Artificial - Revista
