En un mundo donde los datos se han convertido en el nuevo oro, la ciencia de datos emerge no solo como un campo técnico, sino como un poderoso instrumento para el interés público.
La experta en inteligencia artificial (AI, por sus siglas en inglés) Paola Villareal, líder en ciencia de datos e inteligencia artificial con propósito social, compartió su experiencia en la apertura de IT Masters CON Monterrey.
La ciencia de datos es una disciplina que extrae conocimiento a partir de datos en todas sus formas. Se sitúa en la intersección de matemáticas, estadísticas, ciencias de la información y AI.
A menudo vinculada al ámbito empresarial, su potencial para mejorar la vida de las comunidades, fortalecer la democracia y garantizar la justicia es incuestionable.
Sin embargó, como explicó Villareal, uno de los campos donde la ciencia de datos ha demostrado un impacto significativo es el sistema de justicia.
Índice de temas
El rol de la ciencia de datos en la justicia y los derechos humanos
Un caso paradigmático es el proyecto Data for Justice, desarrollado en colaboración con la American Civil Liberties Union (ACLU) de Massachusetts.
Este proyecto empleó modelos predictivos y técnicas de análisis de datos para revelar sesgos raciales en la aplicación de leyes sobre drogas y en el sistema judicial penal estadounidense.
El caso de Anit Dukhan, química de un laboratorio criminal en Massachusetts, es una muestra clara del impacto de estos análisis. Dukhan falsificó pruebas durante más de ocho años, afectando a más de 24,000 personas, muchas de ellas condenadas injustamente.
Mediante una rigurosa limpieza y análisis de datos, se demostró que 62% de estos casos correspondía solo a posesiones menores, lo que derribó la narrativa de que se trataba de grandes narcotraficantes.
La presentación de estos hallazgos ante la Suprema Corte de Massachusetts resultó en la eliminación de 97% de estas condenas, permitiendo que miles de personas recuperaran sus derechos y oportunidades en la sociedad.
La tecnología utilizada en este proyecto incluyó métodos avanzados de visualización, como el framework Augmented Narrative Toolkit (ANT), que permitió transmitir conceptos complejos de manera sencilla.
Sin embargo, el mayor desafío fue adaptar la presentación de los datos a los requerimientos de la Suprema Corte, la cual demandaba documentos en formatos simples, con tipografía y estilos específicos, y un uso restringido de elementos visuales.
La ciencia de datos no solo requirió sofisticación técnica, sino también una adaptabilidad a las necesidades del sistema judicial.
Ciencia de datos en la crisis sanitaria: la respuesta a la covid-19
Otro ejemplo que Villarreal mostró fue la aplicación de la ciencia de datos en el interés público se dio durante la pandemia de covid-19. En colaboración con el entonces Consejo Nacional de Ciencia y Tecnología (Conhacyt) de México y la Secretaría de Salud, se desarrolló un modelo para prevenir el colapso del sistema de salud.
El proyecto implicó la coordinación de 26 centros públicos de investigación y gobiernos estatales.
Uno de los productos más destacados fue el semáforo epidemiológico, herramienta fundamental para la toma de decisiones en políticas de confinamiento y reapertura económica. Este sistema, basado en modelos matemáticos y estadísticos, permitió reducir la propagación del virus y prevenir muertes.
Además, se emplearon modelos predictivos para estimar la demanda hospitalaria y optimizar la distribución de recursos sanitarios. En este proceso, la limpieza y estructuración de datos fueron clave, así como la colaboración con diversas instituciones para garantizar la calidad de la información utilizada.
Retos y consideraciones
Si bien la ciencia de datos ha demostrado su impacto en la justicia y la salud, también plantea desafíos éticos y sociales. Cada vez más, los algoritmos toman decisiones que afectan derechos fundamentales. Desde aseguradoras que aprueban o rechazan coberturas hasta jueces que confían en modelos automatizados para decidir sobre la libertad de una persona, la tecnología puede perpetuar sesgos e injusticias si no se diseña con criterios de transparencia y equidad.
En este sentido, es esencial garantizar la explicabilidad de los modelos y evaluar los impactos sociales de su implementación. La vigilancia masiva, el uso indebido de datos y la falta de regulación son riesgos que deben abordarse con urgencia. El desarrollo de herramientas justas y transparentes es una responsabilidad compartida entre científicos de datos, Gobiernos y la sociedad.
