La Inteligencia Artificial elevó el estándar de debida diligencia en la lucha contra el crimen
El pasado 4 de junio de 2026, el Director Ejecutivo de ASONAV participó en el III Encuentro Exportador de Seguridad en la Cadena Logística, organizado por ANALDEX en la ciudad de Bogotá. Este artículo recoge y explica los detalles de su intervención.
Lo que cambió con los Grandes Modelos de Lenguaje (LLM)
La lucha contra el crimen (narcotráfico, lavado de activos, terrorismo) siempre ha dependido de un mismo principio: obtener la mayor cantidad posible de información y convertirla en decisiones acertadas en el menor tiempo posible. Durante décadas, ese proceso estuvo limitado por la capacidad tanto de los humanos como de las máquinas para revisar documentos, cruzar bases de datos, detectar patrones sospechosos y comunicar a tiempo los resultados a las personas indicadas, quienes debían actuar sin tardanza.
Si bien la historia de la inteligencia artificial empezó mucho antes, más o menos en 2022 ocurrió un avance que provocó la revolución que vivimos: la aparición de los grandes modelos de lenguaje (Large Language Models o LLM), como ChatGPT o Gemini, que implicó algo conceptualmente simple e infinitamente poderoso en la práctica: la máquina aprendió el idioma del ser humano.
Esta no es solo una mejora informática, sino un cambio tecnológico comparable a la llegada de la electricidad a las fábricas o de Internet a las comunicaciones. Pues ahora, cuando menos, es posible lo siguiente:
1. Cualquier persona puede pedir a la máquina que ejecute cualquier tarea. Las computadoras han podido siempre realizar tareas extremadamente complejas, pero existía una enorme barrera de acceso: era necesario hablar su idioma. Para que un sistema ejecutara una función específica, un ingeniero debía escribir instrucciones detalladas en lenguajes de programación como Python, Java, C++ o SQL. El software hacía exactamente lo que se le ordenaba y nada más. Un pequeño error de sintaxis podía inutilizar el programa.
Hoy, el “lenguaje de programación” puede ser el español, el inglés o el japonés. Un usuario puede formular una instrucción compleja utilizando lenguaje natural y el sistema es capaz de interpretarla, comprender documentos y elaborar conclusiones.
Esto supone una auténtica democratización de la informática. Ya no es indispensable ser programador para aprovechar capacidades computacionales avanzadas.
2. Los sistemas ahora entienden mucho mejor cualquier documento. Para cualquier software tradicional, un documento PDF de 50 páginas era solo una enorme masa de texto sin orden. Si se quería extraer información de ahí, era necesario programar un buscador de palabras clave muy específico. Videos y fotos eran inaccesibles para la máquina. Hoy en día, cualquiera puede conversar con un LLM sobre cualquier documento, con la confianza de que va a entenderlo y ser capaz de extraer su contenido y significado.
3. Aumento impresionante de la capacidad de cómputo. Tradicionalmente, han existido programas especializados. Existen soluciones para contabilidad, recursos humanos, cumplimiento normativo o gestión de riesgos. Esos programas ofrecen funciones estándar y el usuario debe someterse a ellos. No se les puede pedir más.
La lógica de los LLM es distinta. Para entrenarlos, sus desarrolladores tuvieron que recopilar gran parte del conocimiento que circula online y construir enormes centros de datos que permiten que la IA “razone”. Hoy cualquiera puede pedir literalmente cualquier cosa a la IA, en los términos que se le ocurran. Las compañías que ofrecen los LLM se volvieron proveedores de cualquier cosa (o casi). Las Big Tech ya no venden "software"; venden "cerebro".
En términos prácticos, las empresas ya no necesitan adquirir un software cerrado para procesos de “Know Your Customer” (KYC) o “Know Your Cargo” (KYCargo). Lo que hacen es alquilar capacidad de análisis en los LLM y conectarla con sus propios expedientes, manifiestos de carga, registros históricos y sistemas de seguridad.
El software deja de ser un producto estático para convertirse en una inteligencia adaptable.
¿Qué implica eso en la lucha contra la criminalidad?
La consecuencia más importante es que el estándar mismo de la debida diligencia está cambiando. Lo que ayer era razonablemente imposible detectar, mañana podría considerarse una omisión negligente.
En el ámbito del cumplimiento (compliance), las verificaciones han sido tradicionalmente rutinarias, limitadas y mecánicas; por ejemplo:
· Verificar si el nombre de una empresa aparecía en listas de sanciones internacionales, como la denominada lista OFAC del Departamento del Tesoro de los Estados Unidos.
· Comprobar la existencia del número de identificación tributaria (NIT).
· Revisar si el representante legal de una compañía es una Persona Políticamente Expuesta (PEP).
Estas verificaciones siguen siendo útiles, pero hoy representan apenas el punto de partida.
Sin que se requiera programación, un sistema basado en inteligencia artificial puede recibir una instrucción mucho más sofisticada, expresada en lenguaje común:
“Analiza los estatutos de esta nueva empresa, revisa noticias locales de su país de origen, identifica si alguno de sus socios ha sido mencionado en investigaciones por contrabando o narcotráfico, y determina si el modelo de negocio es coherente con la ruta marítima que pretende contratar.”
La diferencia es enorme. Ya no se trata únicamente de comparar nombres contra listas, sino de evaluar contexto, coherencia económica y relaciones ocultas. Un sistema tradicional puede verificar que una empresa existe jurídicamente y que ninguno de sus accionistas aparece en una base de datos de sanciones; sin embargo, puede pasar por alto que esa compañía fue constituida apenas dos semanas antes de contratar el transporte, que su capital social es incompatible con el volumen de la operación propuesta, que comparte dirección o número telefónico con otras sociedades liquidadas por irregularidades, o que varios de sus socios han sido mencionados en medios regionales por investigaciones de contrabando, aunque nunca hayan sido condenados.
La inteligencia artificial permite integrar y analizar simultáneamente miles de fuentes de información heterogéneas: registros mercantiles, bases tributarias, noticias de prensa, redes sociales, historiales de dominios de internet, datos de tráfico marítimo, documentos corporativos y antecedentes operacionales. Más importante aún, es capaz de identificar patrones y conexiones que difícilmente serían advertidos por un analista humano sometido a limitaciones de tiempo. Y todo ello, en segundos.
La carrera armamentista de la inteligencia artificial
Siendo básicamente una herramienta (aunque muy poderosa), la IA no beneficia únicamente a las autoridades y a las empresas legítimas, pues las organizaciones criminales también tienen acceso a ellas.
Hoy en día, la IA puede ayudar a detectar empresas de papel rastreando si carecen de presencia digital (en redes o en sitios web) o si esa presencia es inconsistente. Pero, también con ayuda de la IA, una organización delictiva tiene la facilidad de crear en cuestión de minutos un sitio web profesional, perfiles corporativos en redes sociales, fotografías generadas artificialmente e incluso publicaciones aparentemente antiguas.
La pregunta inevitable es quién tendrá ventaja en esta nueva competencia.
La respuesta probablemente dependerá de tres factores:
· Que empresas legítimas y autoridades comprendan la potencia de la IA y cambien en función de esta.
· Que aumenten el nivel de profundidad de sus búsquedas a un nivel imposible de simular por la criminalidad.
· Que conecten sus datos en tiempo real y actúen con la mayor prontitud posible.
En el ejemplo propuesto, si una empresa de papel presenta una página web impecable y documentos formalmente correctos, una IA bien encauzada puede de todos modos detectar señales de alerta: que el dominio fue registrado pocos días antes, que el sitio recibe un tráfico artificial generado por bots, que las fotografías utilizadas provienen de bancos de imágenes y que las personas que figuran como empleados carecen de cualquier huella verificable en registros públicos o profesionales. Ninguno de esos elementos, considerado de manera aislada, demuestra una actividad ilícita; pero su convergencia puede revelar una empresa de papel creada para dar apariencia de legitimidad a una operación de riesgo.
En el transporte marítimo, la IA no solo puede examinar quién contrata el servicio, sino también preguntarse si la carga, la ruta, el tipo de buque, el historial de los puertos involucrados y el perfil económico del cliente tienen sentido cuando se analizan en conjunto. Una exportación de gran volumen realizada por una empresa sin trayectoria, hacia un destino poco habitual y utilizando una cadena logística inusual, puede no infringir ninguna regla formal, pero sí constituir una anomalía estadística que justifique una revisión más profunda.
El cambio de paradigma consiste precisamente en pasar de una lógica de verificación documental a una lógica de evaluación integral del riesgo. El objetivo ya no es únicamente comprobar que la información suministrada es auténtica, sino determinar si la historia que cuentan todos esos datos resulta creíble. Esa capacidad de razonar sobre el contexto es, probablemente, la mayor transformación que la inteligencia artificial está introduciendo en los sistemas modernos de debida diligencia y perfilamiento de carga.
El reto: cambiar los procesos para que todo funcione en torno a la IA
Existe una gran preocupación por la preeminencia de la IA sobre el ser humano, lo que puede llevar a relegarla a labores secundarias que no hagan buen uso de ellas. Empresas privadas y autoridades deben ser conscientes de que los criminales, en cambio, están dispuestos a emplear todos los medios a su alcance para lograr sus propósitos. Por lo tanto, desde el punto de vista de la seguridad, sería un error que convicciones ideológicas o filosóficas pusieran en desventaja al sector de la economía lícita.
Hoy es perfectamente posible que la inteligencia artificial de una empresa privada produzca en un minuto un informe de doscientas páginas sobre una operación sospechosa. Si ese informe es enviado a un supervisor o a una autoridad, y esta lo revisa manualmente, la ventaja tecnológica se pierde. Ni siquiera es suficiente que el revisor también use la IA para resumir otra vez el documento. Muchas empresas y gobiernos compran licencias de IA para hacer exactamente lo mismo que hacía el ser humano, solo que más rápido. Eso no es transformación digital; es simplemente digitalizar la burocracia.
Lo que se necesita es rediseñar procesos completos para que la inteligencia artificial participe desde el origen hasta la toma de decisiones, y no únicamente como una herramienta auxiliar. El verdadero potencial de esta tecnología no consiste en producir más documentos, sino en convertir grandes volúmenes de información dispersa en alertas concretas, priorizadas y accionables.
La transformación exige que los sistemas de las navieras, los terminales portuarios, las agencias marítimas y las autoridades intercambien información de manera estructurada y automatizada. En lugar de que una IA genere un informe de doscientas páginas para que un funcionario lo lea de principio a fin, el sistema debería transmitir directamente los indicadores de riesgo, las relaciones detectadas y las razones que justifican la alerta, y en la autoridad receptora otra IA debería recibirlos, contrastarlos con sus propias bases de datos y producir una recomendación técnica. El ser humano intervendría entonces donde realmente aporta valor: validando la recomendación, ponderando factores que escapan al algoritmo y adoptando la decisión final.
En otras palabras, las inteligencias artificiales deben ser capaces de dialogar entre sí mediante protocolos estandarizados y formatos estructurados de intercambio de información, sin que ello implique compartir indiscriminadamente datos sensibles o información comercial reservada. Lo relevante no siempre es transmitir el documento completo, sino comunicar que un determinado análisis ha identificado una anomalía específica, el nivel de confianza del modelo y las variables que sustentan esa conclusión.
Este cambio también obliga a romper los tradicionales silos de información. La IA es tan poderosa como los datos a los que tiene acceso. Si el área jurídica no comparte información con operaciones, si los sistemas comerciales no interactúan con los de seguridad y si las bases de datos públicas permanecen aisladas de las privadas, la inteligencia artificial trabajará con una visión fragmentada de la realidad. En cambio, una arquitectura integrada permitirá descubrir conexiones que ningún actor podría identificar por separado.
Cuando las fábricas comenzaron a adoptar la electricidad a finales del siglo XIX, muchas simplemente sustituyeron la antigua máquina de vapor central por un gran motor eléctrico, manteniendo intacta la misma disposición de ejes y poleas. La productividad apenas cambió. El salto verdadero ocurrió años después, cuando se comprendió que la electricidad permitía instalar pequeños motores independientes en cada máquina y reorganizar por completo la planta de producción. Con la inteligencia artificial ocurre algo similar: dotar a los humanos de acceso a ChatGPT o Gemini, sin modificar el flujo de trabajo, produce mejoras marginales o ninguna en absoluto. El verdadero cambio consiste en rediseñar la organización alrededor de las capacidades de la IA.
En el ámbito del perfilamiento de carga y de la lucha contra la delincuencia, ello implica pasar de un modelo basado en expedientes, correos electrónicos y revisiones manuales a un ecosistema digital en el que los sistemas públicos y privados colaboren en tiempo real, mientras la decisión de bloquear una operación, ordenar una inspección o iniciar una investigación siga estando, por razones éticas y jurídicas, bajo la responsabilidad de una persona debidamente facultada. Solo así la inteligencia artificial dejará de ser un simple acelerador de trámites para convertirse en una verdadera infraestructura de seguridad.