En un experimento de 2013, Eyal Aharoni y su equipo trataron de predecir las probabilidades de que varios presos, poco después de ser puestos en libertad, volvieran de nuevo en prisión en los siguientes cuatro años. Para ello, tomaron una muestra de 96 presos y les hicieron ejecutar tareas informáticas que requerían decisiones rápidas y, por tanto, que desencadenaban reacciones impulsivas. Eran situaciones en las que los sujetos no tenían tiempo para pensar las consecuencias de sus reacciones.
Durante el experimento, los individuos habían estado conectados a un ordenador para medir la actividad eléctrica de sus cerebros [1] mediante imágenes por resonancia magnética funcional (IRMf). Con esta infraestructura de tecnologías, los científicos buscaban entender si hay una relación estadística relevante entre el comportamiento del córtex del cíngulo anterior del cerebro (CCA), responsable del control de los impulsos, y la probabilidad de una infracción legal reiterada.
El experimento llegó a la conclusión de que los sujetos con una actividad del CCA relativamente baja en la experiencia tenían el doble de posibilidades de infringir la ley en los cuatro años siguientes. [2] Como otros experimentos anteriores habían confirmado, el cerebro humano se desarrolla según su uso, en especial cuando somos jóvenes. De modo que la estructura AAC (Anterior Cingulate Cortex ,por sus siglas en inglés) se basa parcialmente en lo que aprendemos, pero no nacemos así. [3] Además, esas pruebas del cerebro no predicen automáticamente infracciones de leyes y normas, sino que en este caso la muestra incluía una población que ya había aprendido esas infracciones como comportamiento posible. Por consiguiente, los individuos podrían aprender otros comportamientos. De este modo, en una situación espontánea, el sujeto no iniciaría el comportamiento anterior para infringir la ley, sino que buscaría un nuevo argumento más fuerte para no hacerlo y resistir la tentación. El nuevo argumento incluiría no decidir inmediatamente sino empezar un proceso de toma de decisiones. Eso incluye las consecuencias a largo plazo (volver a prisión), pero también desarrollar empatía con las víctimas.
Según el triángulo del fraude de Donald Cressey [4], un entorno negativo puede tentar a los individuos a caer en un comportamiento no apropiado. En teoría, si una persona de riesgo entra en un territorio de riesgo, el riesgo general de infracción legal aumenta. En la actualidad, hay distintas redes que recogen información policial, como los delitos y los lugares donde se producen más infracciones para crear un mapa de seguridad pública en tiempo real.
La revista New Inquire tuvo la idea de crear la aplicación “White Collar Crime Risk Zones” (Zonas de riesgo de delitos de guante blanco en castellano). Con un algoritmo especial y el aprendizaje automático, esta aplicación utiliza información de la Autoridad Reguladora del Sector Financiero (FINRA por sus siglas en inglés), que incluye la malversación financiera desde 1961, con otros datos como las ubicaciones de los asesores de inversión, la distribución de licencias de bebidas alcohólicas y la densidad de organizaciones exentas de impuestos. El resultado es un mapa en tiempo real que representa las zonas de riesgo reales de los delitos de guante blanco en Estados Unidos. Gracias a estos datos, el software presenta también una imagen del infractor potencial, normalmente un hombre blanco de aspecto corriente y de mediana edad . [5] Si el usuario ha instalado la aplicación en un teléfono inteligente, recibirá un mensaje cuando entre en esa zona de peligro potencial. El uso práctico de este mapa todavía es limitado.
Según las nuevas leyes de privacidad de datos, como el Reglamento General de Protección de Datos de la UE de 2018, se requiere que una compañía sea transparente con el propósitos de utilización de la información recopilada. Por ello, no está permitido utilizar información (incluyendo las pruebas ACC mencionadas) del proceso de contratación y usarla más tarde, al menos sin que el individuo no autorice a la organización a hacerlo.
Aunque técnicamente, y conforme a esos resultados, la empresa podría decidir si el candidato es adecuado para el puesto de trabajo (y sus niveles de riesgo) y recibir además formación a medida. El paso siguiente podría ser combinar estos resultados con un mapa de riesgo en tiempo real para predecir la probabilidad real de que un individuo rompa una norma. Como hemos mencionado antes, este escenario está prohibido por las leyes reales de privacidad de datos.
Las posibilidades tecnológicas futuras hacen imprescindible que se inicie actualmente una discusión sobre las consecuencias éticas. ¿Queremos evitar contratar a una persona inocente basándonos en sus ondas cerebrales cuando estas pueden predecir una mayor probabilidad de comportamiento no adecuado en situaciones de estrés, ya que tendría importantes consecuencias negativas para la organización, o creemos en el ser humano y en el principio de que todo el mundo es inocente hasta que se pruebe un delito? Hay que considerar además que el delito es una predicción pero ni siquiera se ha cometido. De hecho, ni siquiera tenemos que iniciar el debate, ya que el autor Philip K. Dick ya lo hizo por nosotros en su relato corto de 1956 “The Minority Report”.
Encontrará el texto original publicado aquí.
Patrick Henz
Referencias
[1] Brain Box (2015): “What does fMRI measure?”
[2] Aharoni, Eyal / Vincent, Gina M. / Harenski, Carla L. / Calhoun, Vince D. / Sinnott-Armstrong, Walter / Gazzaniga, Michael, S. / Kiehl, Kent A. (2012): “Neuroprediction of future rearrest”
[3] Henz, Patrick (2017): “Access Granted – Tomorrow’s Business Ethics”
[4]Donald Cressey (1973): “Other People’s Money: A Study in the Social Psychology of Embezzlement”
[5] Clifton, Brian / Lavigne, Sam / Tseng, Francis (2017): “Predicting Financial Crime: Augmenting the Predictive Policing Arsenal”
Comentarios sobre esta publicación