Ponentes
Descripción
La predicción del delito mediante inteligencia artificial se ha convertido en una línea de investigación emergente con aplicaciones prometedoras en el ámbito de la seguridad pública. El análisis automatizado de bases de datos históricos permite identificar patrones relacionados con el lugar, el momento y el tipo de crimen, abriendo la posibilidad de anticipar eventos delictivos y generar estrategias preventivas más eficientes. En este contexto, se presenta una revisión teórica y exploratoria sobre el uso de inteligencia artificial en la predicción del crimen, con énfasis en los enfoques espacio-temporales. Se abordan las variables comúnmente empleadas en este tipo de análisis, como la ubicación geográfica, la fecha, la hora y la clasificación del delito, destacando su integración en herramientas de visualización como los mapas de calor, que permiten detectar zonas de alta incidencia delictiva (hotspots). El objetivo de esta contribución es comunicar de manera clara y visual los fundamentos que sustentan estas aplicaciones, así como los desafíos asociados a su automatización, desarrollo e implementación. Entre ellos, se destacan la calidad y disponibilidad de los datos, el riesgo de sesgos en los modelos predictivos, y las implicaciones éticas de utilizar sistemas automatizados en contextos sociales sensibles. Asimismo, se enfatiza el papel complementario de estas herramientas, que pueden apoyar la toma de decisiones sin sustituir el juicio humano ni las políticas públicas integrales. Finalmente, la presentación de este trabajo busca aportar al diálogo interdisciplinario entre ingeniería, ciencia de datos y ciencias sociales, promoviendo una reflexión crítica sobre el papel de la inteligencia artificial en la construcción de ciudades más seguras, equitativas y tecnológicamente avanzadas.
