| Por Fernando Gabriel Cafferata y Natalia dos Santos Claro |

Introducción

Las ciudades son el núcleo del futuro porque son las protagonistas de una explosión sociodemográfica y económica: 1,3 millón de personas se mudan a ciudades cada semana, 600 grandes áreas urbanas ya representan el 60% del PIB mundial y el 80% del crecimiento económico futuro en las regiones en desarrollo ocurrirá solo en las ciudades (ONU, 2016; Foro Económico Mundial, 2016). A estas complejidades debemos adicionar que, en Latinoamérica, el 80% de la población vive en ciudades donde la incidencia de la pobreza ronda el 28% (Banco Mundial, 2005).

La “ciudad” es el núcleo de gestión en la política de seguridad ciudadana. Por un lado, es donde existe la mayor probabilidad de convergencia en tiempo y espacio de un objetivo “apetecible” y un ofensor motivado, en ausencia de un guardián capaz. Por otro lado, en los últimos veinte años, la importancia social, política y mediática del delito se circunscribe prácticamente a los contextos urbanos. Es por ello que hoy, en las ciudades, se define la política y la práctica de la seguridad ciudadana (Muggah, 2016).

La seguridad: un desafío para las ciudades latinoamericanas

Los aspectos mencionados generan desafíos crecientes en materia de seguridad en Latinoamérica, ya que los altos niveles de delitos se han incrementado, la criminalidad simple se ha concentrado en ciertos segmentos callejeros, la criminalidad organizada se ha complejizado, hay crecientes niveles de sensación de inseguridad subjetiva y se han incrementado los riesgos de ataques terroristas.

Gráfico 1: Tasa de homicidios cada 100 mil hab. (capitales LATAM países seleccionados)
Fuente: Elaboración propia en base Homicide Monitor de Instituto Igarapé
y Consejo Ciudadano para la Seguridad Pública

El estado de situación es complejo, ya que América latina concentra el 8% de la población mundial pero el 30% de los homicidios (Jaitman et al., 2017). Muchas ciudades de la región presentan niveles de violencia homicida similares a una epidemia (superiores a 10 cada 100.000 personas). Al igual que en el aspecto económico, las enormes desigualdades regionales también se trasladan al campo de la seguridad. La Ciudad de Guatemala o Caracas tienen tasas homicidas similares a regiones en conflicto bélico del Medio Oriente, mientras que la ciudad de Buenos Aires o Santiago de Chile presentan tasas “europeas”. Indagando índices multidimensionales de seguridad, las ciudades latinoamericanas también presentan otros problemas. Por ejemplo, en el índice de “Ciudad Segura”, que toma en cuenta la seguridad digital, seguridad de la salud, seguridad de la infraestructura en adición a la seguridad personal, las ciudades latinoamericanas, con excepciones, están rezagadas respecto del promedio mundial (The Economist).

Gráfico 2: Índice de Ciudad Segura
Fuente: Elaboración propia en base a The Economist, 2017.

Existen problemas también en términos de inseguridad subjetiva, ya que el 70% de los ciudadanos tiene temor a ser víctimas de delito constantemente (Banco Interamericano de Desarrollo, Barómetro de las Américas, 2017). Asimismo, el 56% de los habitantes de las ciudades de Latinoamérica se siente inseguro en la mayoría de los barrios, el 40% considera que el delito es el problema más acuciante de las sociedades latinoamericanas y el 66% piensa que combatir el delito debe ser prioridad de gobierno.

Gráfico 3: Temor a ser víctima de delito (BID-Barómetro de las Américas) 2017
Fuente: Elaboración propia en base a BID-Barómetro de las Américas.

La disponibilidad de recursos no parece ser el principal problema en las cuestiones de seguridad, ya que en la última década la región ha aumentado significativamente su gasto en seguridad y justicia, a pesar de los magros resultados. De acuerdo con el Banco Interamericano de Desarrollo (2018), en promedio la región invierte 5,4% de su gasto presupuestario total en temas de seguridad, casi el doble que los países de la Organización para la Cooperación y el Desarrollo Económicos (OCDE). Dentro de este gasto, la mayor parte se destina a las fuerzas policiales.

Por ende, pareciera que debería gastarse mejor y no más en cuestiones de seguridad (BID, 2018). En ese sentido, la tecnología aplicada a la seguridad en las ciudades, en el modelo de “ciudades seguras” como estrategia de anticipación, disuasión y prevención del delito, permitiría focalizarse en lo más complejo del problema delictual y basar la política en evidencia.

El paradigma de “ciudad inteligente”

Las “ciudades inteligentes” agregan las ventajas de lo digital a los sistemas urbanos existentes para “hacer más con menos” (Instituto Global de McKinsey, 2018). En ese sentido, las ciudades inteligentes permitirían resolver problemas públicos de forma más eficiente y eficaz, dada una dotación de recursos, lo que permitiría lograr una mejor calidad de vida de los ciudadanos.

Es importante destacar que el concepto “ciudad inteligente” no es solamente analítico, sino que también es aplicado. Una smart-city significa cosas distintas para las distintas ciudades y para los diversos líderes gubernamentales encargados de llevarlas adelante: las “ciudades inteligentes” operativamente son, en gran medida, “lo que se hace” (Graham, 2016). Combinar la definición analítica con la conceptual potencia la capacidad de los dispositivos y datos para ayudar a una ciudad y su gente a enfrentar desafíos únicos de cada lugar. En consecuencia, un buen parámetro para medir la “inteligencia” de una ciudad es la eficacia con la que puede anticipar y resolver problemas antes de que ocurran, así como la rapidez con la que puede movilizar recursos para arreglar lo que sale mal (Goldsmith, 2016).

Las ciudades inteligentes presentan una serie de tendencias comunes en materia de inversión. Estas permiten conectar aplicaciones y contar con información en tiempo real sobre el desarrollo de eventos, para que tomadores de decisiones y ciudadanos puedan responder de modo rápido y costo-efectivo a los mismos. Dichas tendencias de inversión son cuatro (Molinaroli, 2017):
1. Sensores de red.
2. Comunicaciones de máquina a máquina (Internet de las cosas –IoT–).
3. Uso de analítica de datos (Analytics).
4. Implementación en tiempo real.

Este conjunto de tecnologías se denomina base tecnológica que, a grandes rasgos, implica tres capas: sensores, comunicaciones y datos (McKinsey 2018). En otras palabras, se refiere a una masa crítica de sistemas, sensores, teléfonos inteligentes y otros elementos conectados por redes de comunicación de alta velocidad, así como portales de datos abiertos (McKinsey 2018).

Las ciudades de América latina se encuentran algo rezagadas respecto de las ciudades de Europa, América del Norte, China y el este de Asia en lo referido a las bases tecnológicas (McKinsey 2018). Comparativamente, el nivel de desarrollo de las mismas está más cercano a África. Esta base tecnológica es fundamental porque permite el desarrollo de aplicaciones que maximicen el uso de datos para ser procesados en información útil. En otras palabras, la base tecnológica es clave para el desarrollo de una smart-city. Junto con la existencia de esta base, también es necesaria la “adopción pública”, el uso masivo de las aplicaciones por parte de los ciudadanos, para que una ciudad inteligente lo sea realmente (McKinsey 2018).

De la “ciudad inteligente” a la “ciudad segura”

La “ciudad inteligente” en torno a la seguridad es una “ciudad segura” (safe-city). La aplicación de “soluciones inteligentes” a los problemas de seguridad implica, en gran medida, acciones que permiten agilizar la toma de decisiones para implementar soluciones eficaces en la prevención y el control del delito, que se apoyan en datos, analítica e inteligencia artificial. La disponibilidad de enormes cantidades de información, el aumento masivo de la capacidad computacional, el 5G y los avances en el aprendizaje automático e inteligencia artificial permiten analizar cantidades de datos impensables para identificar las correlaciones y causas subyacentes en torno a variables clave para la seguridad, tales como el crimen, los accidentes y hechos terroristas. Esta convergencia de factores permite asimismo identificar patrones no aleatorios, e incluso predecibles, en torno a estos fenómenos (Muggah, 2018).

Las principales tendencias en materia de ciudades seguras pueden sintetizarse en cuatro puntos (Muggah, 2018):
● Inversión en nuevas tecnologías para mejorar la seguridad urbana.
● Mejoramiento en la recopilación de inteligencia criminal.
● Fortalecimiento de la vigilancia policial y el acercamiento a la comunidad.
● Diseño de un ambiente urbano que permita mitigar riesgos.

Estas tendencias, útiles a la política de seguridad ciudadana en grandes metrópolis, que se aplican al proceso de prevención y operación contra el delito, también generan sinergias positivas para la investigación judicial posterior, para cuestiones de respuesta a emergencias y protección civil. Específicamente, dentro de estas tendencias, se pueden distinguir distintos tipos de tecnologías para anticipar y resolver problemas (criminal, judicial, emergencias, etc.) antes de que ocurran, cuyas características principales son: la predicción y el cálculo de riesgos, el uso de grandes volúmenes de datos históricos (big-data), un mecanismo de cálculo para la predicción (los famosos algoritmos) y un método de actualización de los datos para mejorar el cálculo predictivo (aprendizaje automático o en redes neuronales en profundidad).

Uno de estos tipos de tecnología es el mapeo de delitos aplicado en tiempo real. Al viejo mapa delictual se le suma el uso de tecnología para mapear y analizar los hechos y sus patrones de ocurrencia en el momento que van sucediendo. Esta herramienta permite hacer un despliegue de la dotación, patrullas y elementos de apoyo de un modo más eficiente y eficaz para la prevención de delitos. Asimismo, esta tecnología permite hacer uso de técnicas de policiamiento predictivo en la operación, lo cual implica la utilización de grandes volúmenes de datos y analítica para realizar predicciones estadísticas de posibles objetivos de intervención policial, la identificación de posibles delincuentes y víctimas (Perry et. al, 2013).

Estas tecnologías pueden aplicarse también para prevenir accidentes de diverso tipo. Un uso específico ha sido la aplicación a inspecciones de edificios para detectar posibles incendios, ascensores rotos, intoxicaciones con monóxido de carbono y problemas eléctricos; todo ello a partir de datos administrativos de inspecciones anteriores, infracciones, año de construcción, calidad de materiales, etc. (Crawford y Goldsmith, 2014).

Otra tecnología para prevención y operación es aquella que utiliza el vector de datos estadísticos y lo combina con el uso de imágenes visuales para detectar anomalías, denominada “monitoreo inteligente”. Esto incluye cuestiones tales como el reconocimiento facial, televisores inteligentes de circuito cerrado y LPR –reconocimiento de patentes– (McKinsey, 2018). Finalmente, la última en esta serie de tecnologías predictivas es aquella destinada a dar alertas tempranas, principalmente aplicada a desastres naturales tales como terremotos, huracanes, inundaciones e incendios. Un ejemplo es el sistema antisismo de la Ciudad de México.

El conjunto de tecnologías que sirven para movilizar recursos para solucionar problemas relativos a la seguridad se caracteriza por el uso de sensores (audio, imagen, olores, temperatura, presión, polución, etc.) y datos en tiempo real de las variables de interés para mejorar la operación y solucionar el problema. Un ejemplo de esta tecnología es la optimización de la respuesta de emergencia. Con analítica de datos sobre severidad del problema, el tránsito, la disponibilidad y despliegue de unidades, se optimiza el procesamiento de las llamadas de respuesta de emergencia y la llegada de las operaciones de campo (McKinsey, 2018). Otro caso de tecnología que cumple esta función es el de la detección de disparos. Por medio de sensores de sonido detecta, localiza y alerta en tiempo real a las agencias policiales cuando se registran disparos. Esta tecnología de vigilancia acústica, si bien poco implementada, promete mejorar sensiblemente la movilización de recursos policiales en zonas conflictivas (McKinsey, 2018).

El tercer tipo de tecnología que podemos englobar en la mejora de las operaciones es aquella destinada a la gestión de multitudes a fin de monitorear y dirigir multitudes para garantizar la seguridad. Finalmente, en este conjunto de tecnologías, podemos agrupar las cámaras usadas en el cuerpo por parte de los agentes de policías. Estas permiten la grabación de audio, video o fotografía para registrar incidentes y operaciones policiales (McKinsey, 2018).

Además de las mejoras respecto del rol del Estado ya mencionadas, existe un crecimiento de aplicaciones privadas personales que favorecen la seguridad de los ciudadanos, en el contexto de “ciudades seguras”. Han surgido dispositivos portátiles de cuidado personal, detectores de accidentes automovilísticos y sistemas de alerta de caídas, que pueden transmitir la ubicación y datos de voz. También hay sistemas de seguridad para el hogar, que los monitorean de modo inteligente y alertan a los usuarios o servicios de respuesta de emergencia, frente a las actividades que los algoritmos detectan como inusuales (McKinsey, 2018).

Es importante mencionar que, en adición a la tecnología, hay técnicas específicas de gestión de la seguridad que potencian los resultados, tales como el policiamiento de “puntos-calientes” y “orientado a problemas”, que ven amplificada su efectividad por medio de estas tecnologías. Los grandes volúmenes de información, que van convergiendo en centros de fusión de información múltiple, permiten mejorar el policiamiento “guiado por inteligencia criminal” (inteligence led-policing). Por un lado, el trabajo de los analistas se ve mejorado cuando todo el cúmulo de información se va ejecutando bajo redes neuronales “profundas” en la nube y con herramientas de aprendizaje automático que permiten pronosticar el delito. Por otro, esta información permite indicar los lugares a patrullar en los mismos dispositivos móviles de los agentes de calle, maximizando la eficacia del patrullaje (Muggah, 2018).

Las tecnologías que más se encuentran en aplicación, escaladas en varios países, son los sistemas de alerta temprana de desastres y las de gestión de multitudes. En menor medida se encuentran aquellas de mapeo en tiempo real del delito y las cámaras usadas en el cuerpo por agentes de la policía (McKinsey, 2018).

La pandemia ha acelerado el proceso de adopción de estas tecnologías, dada la naturaleza de la crisis. La generación, análisis y procesamiento de datos precisos en tiempo real para monitorear, anticipar e influir ante la propagación de la enfermedad fue un factor fundamental. Varios países han adoptado el uso de datos de teléfonos celulares para alertas, aplicaciones para testear síntomas, reconocimiento facial de posibles enfermos, monitoreo vía Bluetooth o GPS para contagiados, seguimiento de cuarentenas o detección de contactos con casos positivos recientes. Asimismo, se han utilizado sensores, cámaras y algoritmos para medir el distanciamiento social con imágenes y para encontrar lugares públicos sin distanciamiento.

Podemos mencionar como ejemplo a Corea del Sur, que ha potenciado su infraestructura de smart-city para hacer testeos, rastreo de contactos, brazaletes para quienes rompen la cuarentena, imágenes de CCTV e infrarrojas para síntomas, datos de transacciones de tarjetas de crédito, información de viaje y datos de ubicación para controlar a pacientes en cuarentena y enfermos (Holmes, 2020). Singapur ha ido un paso más lejos, con planes de implementar un dispositivo personal como una pulsera, colgante o llavero (wearable, en la jerga), para seguir a sus habitantes y evitar focos de contagio.

Resultados y riesgos de una “ciudad segura”

El impacto de estas tecnologías debe ser estudiado cuidadosamente, no sólo por los resultados en términos objetivos y subjetivos en las políticas públicas de interés, sino también por el impacto colateral en los derechos individuales, la igualdad ante la ley, la privacidad y la equidad en la provisión de bienes y servicios públicos por parte del Estado.

Respecto de los impactos en la mejora de la seguridad, existe evidencia empírica sobre la capacidad de las “ciudades seguras” de reducir los tiempos de respuesta inmediata ante incidentes/accidentes entre un 20% y un 30%, disminuir los sucesos criminales entre un 30% y un 40%, y finalmente, bajar las fatalidades entre un 8% y un 10% (McKinsey, 2018). En síntesis, hay ganancias sustanciales en la efectividad para reducir el delito y salvar vidas, así como en la mejora de la eficiencia en materia de labor policial y de emergencias, aplicables a la región latinoamericana en particular. Respecto del impacto beneficioso de las “ciudades seguras” en la gestión de la pandemia, por el momento sólo se registra evidencia anecdótica.

En relación a los impactos en los derechos individuales (civiles, humanos, políticos, etc.) y la provisión de bienes públicos, debemos mencionar que la “ciudad segura” trae inconvenientes. Sin una adecuada supervisión y entendimiento, las tecnologías mencionadas pueden generar problemas tales como la sobrevigilancia de personas o grupos sociales específicos, la vulneración al principio de inocencia y la estigmatización (Hvistendahl, 2016). Por ende, para garantizarse el debido respeto al Estado de Derecho en el uso de estas tecnologías, hay que interpretar y supervisar exhaustivamente los datos, algoritmos y resultados de los modelos. Esto implica diferenciar entre probabilidades y certezas, así como reconocer los posibles sesgos que los humanos impregnamos a los desarrollos.

Que algunas áreas de la ciudad tengan mayores riesgos de sufrir delitos, accidentes o tener infectados no implica certeza; por ende, no deberían considerarse zonas problemáticas en sí mismas y ser estigmatizadas. Del mismo modo, que algunas personas tengan mayores chances de cometer un delito no los hace culpables a priori. Por otro lado, los modelos de predicción del crimen (para lugares, personas o conductas) utilizan principalmente las estadísticas vigentes al momento. Dichos bancos de datos podrían reflejar prejuicios actuales de la fuente que los colecta, por ejemplo, en la seguridad, del sistema de justicia criminal. Asimismo, los algoritmos son diseñados por personas, que también tienen sesgos y pueden incidir sobre los modelos que construyen, por ende, sus resultados y predicciones.

El uso de datos masivos, la analítica, los algoritmos, la inteligencia artificial, como todas sus derivaciones y aplicaciones tecnológicas en materia de seguridad (ciudadana o biológica), han llegado para quedarse y la pandemia ha acelerado el proceso de adopción por parte de los gobiernos y la aceptación por parte de las sociedades. Si antes del Covid-19 era importante comenzar a discutir el desarrollo de las tecnologías de seguridad y su proceso de implementación, la pandemia ha acelerado la necesidad, para garantizar el adecuado respeto de las libertades y derechos, así como la provisión equitativa de bienes públicos. Es imperioso revisar cómo se conjuga la necesidad de resultados en materia de política pública de seguridad con la rendición de cuentas de gobiernos y empresas frente a las mismas.

Entre las discusiones más relevantes para dar están aquellas sobre el software que se utilizará (de código abierto o propietario), los algoritmos y su generación, la confiabilidad de los repositorios de información (utilizados para alimentar las predicciones) y la inclusión de auditores independientes para evitar sesgos de cualquier tipo. La sociedad civil, los organismos de derechos humanos y civiles, los científicos y las universidades tienen, en estos puntos, un rol fundamental que cumplir.