28 de October de 2026
Edición 7567
Próxima Actualización: 29/10/2026
La prueba digital procede de entornos cada vez más complejos
Los tribunales llevan años trabajando con correos electrónicos, mensajes, registros de ubicación y archivos almacenados en la nube. La inteligencia artificial añade una nueva capa porque puede modificar, completar o interpretar esos materiales antes de que lleguen al expediente.
Los registros de plataformas privadas -desde una red social hasta una casa de apuestas - pueden contener horarios, direcciones IP, operaciones y patrones de acceso relevantes para una controversia. Sin embargo, su valor probatorio depende de cómo fueron obtenidos, conservados y vinculados con una persona concreta.
Los principales tipos de material relacionados con IA incluyen:
Contenido generado íntegramente por un modelo.
Fotografías, audio o video modificados mediante algoritmos.
Transcripciones automáticas de conversaciones.
Informes elaborados a partir de grandes bases de datos.
Resultados de reconocimiento facial o de voz.
Predicciones sobre conducta, identidad o riesgo.
Documentos auténticos clasificados por sistemas automatizados.
La mera existencia de un archivo no demuestra su origen ni su integridad. Cuanto más complejo sea el proceso técnico, mayor deberá ser la documentación que lo acompañe.
La autenticidad ya no puede evaluarse solo a simple vista
Durante mucho tiempo, una grabación clara podía parecer más convincente que un testimonio contradictorio. Las herramientas generativas han debilitado esa intuición. Una imagen real puede ser cuestionada como falsa, mientras una falsificación bien construida puede resultar visualmente creíble.
La dirección visible, la fecha mostrada y el diseño de la página pueden reproducirse; por ello, es necesario examinar metadatos, registros del servidor y métodos de obtención.
La verificación puede apoyarse en:
El archivo original y no solo una copia comprimida.
Metadatos sobre creación y modificación.
Valores hash para comprobar integridad.
Registros de acceso o almacenamiento.
Información del dispositivo utilizado.
Confirmación del proveedor cuando sea legalmente posible.
Análisis pericial de posibles alteraciones.
Ningún indicador técnico ofrece una solución universal. Los metadatos pueden eliminarse, los detectores pueden equivocarse y los archivos auténticos pueden sufrir modificaciones legítimas durante su conversión.
Por ello, la autenticidad debe construirse mediante varias fuentes coincidentes. La procedencia, la cadena de custodia y el contexto suelen ser más fiables que una sola herramienta de detección.
La cadena de custodia debe incluir el procesamiento algorítmico
La cadena de custodia documenta quién tuvo acceso a una prueba, dónde fue almacenada y qué operaciones se realizaron sobre ella. Cuando interviene IA, este registro debe describir también cada transformación automatizada.
Si un algoritmo mejora una grabación, el tribunal debería conservar tanto el archivo original como la versión procesada. También tendría que conocer el programa utilizado, su versión, la configuración aplicada y la identidad de quien ejecutó el procedimiento.
La reproducibilidad es especialmente importante. Si otro especialista aplica el mismo procedimiento al mismo archivo, debería poder obtener un resultado comparable o explicar por qué existen diferencias.
Los modelos opacos dificultan el derecho de contradicción
Toda parte debe poder conocer y cuestionar la prueba utilizada en su contra. Este principio se vuelve problemático cuando el resultado procede de un sistema comercial protegido por secreto empresarial o de un modelo demasiado complejo para ofrecer una explicación directa.
No basta con afirmar que una herramienta posee un alto nivel de precisión. El tribunal necesita comprender cómo se midió esa precisión, en qué población se probó y qué tipo de errores comete.
Las preguntas esenciales incluyen:
¿Qué datos se utilizaron para entrenar o calibrar el sistema?
¿La población analizada se parece a la del caso?
¿Cuál es la tasa de falsos positivos y negativos?
¿El proveedor actualizó el modelo desde su validación?
¿Qué variables influyeron en el resultado concreto?
¿Un experto independiente puede examinar el procedimiento?
¿La defensa dispone de tiempo y recursos para impugnarlo?
El secreto comercial no debería anular el derecho a un proceso justo. Si un resultado no puede someterse a un examen significativo, su peso probatorio debe evaluarse con especial cautela.
También conviene distinguir entre explicación técnica y explicación jurídica. Una descripción detallada del código puede ser inútil si no aclara por qué el sistema vinculó a una persona con un hecho.
Los errores algorítmicos no se distribuyen de manera uniforme
Los sistemas de reconocimiento y clasificación aprenden de datos anteriores. Si esos datos representan peor a determinados grupos, la tasa de error puede variar según edad, género, características físicas, idioma o contexto cultural.
Este problema tiene consecuencias particularmente graves en materia penal, migratoria, laboral o familiar. Una coincidencia incorrecta puede desencadenar una investigación, reforzar una sospecha o influir en decisiones que afectan derechos fundamentales.
La revisión humana tampoco garantiza neutralidad. Una persona puede confiar demasiado en la conclusión del sistema, fenómeno conocido como sesgo de automatización. El control debe ser activo: revisar evidencia contraria, documentar desacuerdos y justificar la decisión final.
Los deepfakes alteran la carga práctica de demostrar la verdad
La expansión de contenido sintético crea dos riesgos opuestos. El primero es que una falsificación sea aceptada como auténtica. El segundo es que una persona niegue material verdadero alegando que pudo ser generado por inteligencia artificial.
Este segundo fenómeno puede debilitar pruebas legítimas incluso cuando no existe una señal concreta de manipulación. La posibilidad abstracta de un deepfake no debería bastar para descartar un archivo, pero sí puede justificar una revisión técnica cuando haya motivos razonables.
La respuesta judicial necesita criterios proporcionales:
Importancia de la grabación para el caso.
Existencia del archivo original.
Coherencia con otras pruebas.
Disponibilidad de metadatos.
Señales concretas de edición.
Posibilidad de obtener registros externos.
Coste y utilidad de una pericia adicional.
Los detectores automáticos de contenido sintético pueden servir como una señal inicial, no como árbitros definitivos. Su precisión cambia con rapidez porque las técnicas de generación y detección evolucionan simultáneamente.
La mejor protección continúa siendo una procedencia bien documentada desde el momento de captura.
El papel del perito necesita nuevas reglas de transparencia
La complejidad de la inteligencia artificial aumenta la dependencia de especialistas. Sin embargo, un perito no debería limitarse a presentar el resultado de una herramienta. Su función consiste en explicar el método, sus limitaciones y las alternativas razonables.
Un informe sólido debería indicar:
Qué pregunta técnica intentó responder.
Qué materiales recibió.
Qué herramientas utilizó.
Qué transformaciones realizó.
Qué margen de error existe.
Qué hipótesis alternativas consideró.
Qué aspectos no pudo determinar.
Los tribunales también necesitan evaluar la independencia del experto. Puede existir un conflicto si el perito trabaja habitualmente para el proveedor del sistema o participó en su desarrollo sin revelarlo.
La formación judicial resulta igualmente importante. Jueces y abogados no necesitan convertirse en programadores, pero sí comprender conceptos como tasa de error, conjunto de entrenamiento, umbral de decisión y diferencia entre correlación y causalidad.
La regulación deberá combinar normas generales y protocolos técnicos
Las reglas tradicionales sobre pertinencia, autenticidad, contradicción y cadena de custodia siguen siendo aplicables. El problema es que necesitan procedimientos adaptados a tecnologías capaces de cambiar rápidamente.
El enfoque más sostenible combina principios jurídicos estables con protocolos técnicos actualizables. Entre los elementos prioritarios se encuentran:
Obligación de identificar el uso de IA.
Conservación del material original.
Registro completo de transformaciones.
Evaluación del impacto sobre derechos.
Acceso a una revisión independiente.
Posibilidad efectiva de impugnación.
Responsabilidad humana por la decisión final.
La cooperación internacional también será necesaria. Buena parte de la evidencia digital se almacena en servidores situados fuera del país donde se desarrolla el proceso. Obtenerla exige coordinar jurisdicciones, proveedores y plazos de conservación diferentes.
Los tribunales no necesitan rechazar toda prueba procesada por IA. Necesitan saber qué parte procede del hecho original y qué parte fue creada, modificada o interpretada por una máquina.
En los próximos años, la calidad de la justicia dependerá menos de adoptar la herramienta más avanzada que de construir procedimientos capaces de examinarla. La innovación solo reforzará el proceso judicial si conserva la posibilidad de comprender, cuestionar y corregir sus resultados.