#178 IA contra el CRIMEN ORGANIZADO | Cómo funciona FISCAL HEREDIA

0:00 Jonathan Vásquez: La inteligencia artificial no solo está transformando empresas o la forma en que nosotros trabajamos, también puede ser utilizada para cambiar en cómo se investigan los delitos y cómo se combate el crimen organizado. Hoy día conversamos con Richard Weber, profesor titular de la Universidad de Chile y quien ha participado en la creación del Fiscal Heredia, un ecosistema de inteligencia artificial desarrollado en conjunto con el Ministerio Público para procesar grandes cantidades de información y apoyar la investigación que realizan los distintos fiscales e investigadores. Quédate en este capítulo para aprender más sobre este sistema y cómo ha aportado positivamente a la persecución penal. Bueno, estamos aquí con el profesor Richard Weber, profesor titular de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile, del Departamento de Ingeniería Industrial, ¿no? Así es, correcto. Profesor Richard Weber, alguna presentación. Él es doctor en investigación de operaciones. Le acabo de preguntar cómo se pronunciaba la universidad porque es de Alemania, la Universidad de Aachen. También es investigador del Instituto de Sistemas Complejos de Ingeniería, un instituto que ha tenido bastante éxito en los últimos tiempos. Varios han ganado varios premios con varios proyectos que tienen. Y bueno, el profesor lo tenemos acá porque lo invitamos a hablar sobre una iniciativa, un proyecto que vienen generando desde hace harto tiempo del el llamado Fiscal Heredia, este sistema que usa inteligencia artificial desarrollado junto al Ministerio Público para apoyar la investigación penal, capaz de analizar enormes volúmenes de documentos y audios e identificar relaciones y ayudar a detectar estructuras criminales. Así que muchas gracias, profesor, por estar acá. Un agrado tenerlo aquí presente. ¿Cómo está, profesor?

1:46 Richard Weber: Muy, muy bien. Muchas gracias por la invitación, Jonathan.

1:49 Jonathan Vásquez: A usted por haber aceptado la invitación. Para los que no conocen al profesor, es que yo igual soy parte del ámbito académico Algunos que nosotros en la academia, el profesor igual tiene números interesantes, tiene más de 8,800 citas. Yo busqué por ahí, tiene un H-index.

2:02 Richard Weber: No sabía.

2:03 Jonathan Vásquez: ¿No sabía? Tiene un H-index por sobre el 30, no sé si tampoco lo sabía, tiene 38, que igual es bastante alto. Así que para mí es una eminencia tenerla aquí en nuestro podcast, que yo soy más del ámbito del área de la academia, así que súper feliz de tenerla acá. Bueno, profesor, antes un poquito de entrar a la tecnología, le tenía una primera pregunta porque como ya hablamos de que el Fiscal Heredia estaba dentro del uso de inteligencia artificial, esta tecnología para combatir el crimen. ¿Cómo un investigador en optimización y en investigación comienza a trabajar o determina, es decir, vamos a empezar a trabajar en la persecución del crimen organizado? ¿De dónde surgen esas motivaciones?

2:39 Richard Weber: El primer paso fue por casualidad. En su momento tenía un tesista de pregrado que estaba buscando un tema y él encontró un tema en la fiscalía Me lo planteó y empezamos a trabajar con tema. Y eso fue justamente con la contraparte que tenemos hoy en día en la fiscalía. En su momento, estoy hablando del año 2016, las técnicas eran otras. En su momento analizamos las redes criminales con técnicas de su momento, mucho más básico de lo que tenemos hoy en día. Pero ese fue el primer paso y de ahí empezamos a tener lazos más fuertes con ese grupo en la fiscalía y desarrollamos varios proyectos.

3:24 Jonathan Vásquez: Pero acá el objetivo y la motivación principal fue, miren, utilicemos tecnologías para ayudar a algo que sumamente— Bueno, no sé si en el 2015 o 2016 era algo relevante para la sociedad, pero hoy día si uno analiza cuáles son como las priorizaciones, la priorización hoy día, la seguridad está dentro de las primeras, ¿no? Así es. Pero recuerdo que ahí en 2015 o 2016 no lo era. Entonces igual ustedes fueron adelantados en su tiempo quizás.

3:47 Richard Weber: El tesista fue visionario. Fue visionario.

3:50 Jonathan Vásquez: Entonces, no sé si nos puede contar, profesor, de qué se trata el Fiscal Heredia a grandes rasgos, para que nuestra audiencia entienda de qué es lo que hace Heredia, qué es lo que soluciona.

3:59 Richard Weber: Lo que hoy se usa como Fiscal Heredia es un ecosistema que tiene varios módulos, pero en vez de partir con los módulos, prefiero contar un poco el cuento, cómo empezó todo eso. Nos adjudicamos por ahí en el año 2020 un proyecto FONDEF financiado por ANID, la Agencia Nacional de Investigación y Desarrollo. Y ahí pretendíamos desarrollar inteligencia artificial para detectar estructuras criminales. Y nos costó partir. No sabíamos muy bien cómo íbamos a terminar. Nos costó conseguir los datos, lo cual entiendo, pero fue difícil partir. Y finalmente, como a la mitad del primer proyecto, Más o menos recibimos los datos y empezamos a desarrollar algo. Y al final de ese proyecto teníamos un primer modelo, un modelo que construye un grafo para modelar relaciones entre personas. Y con eso terminó el primer proyecto. Estábamos contentos y ahí también se juntaron varios elementos. Uno de ellos fue suerte. Entonces ese modelo que teníamos en ese momento se aplicó con mucho éxito en la fiscalía y ese dio el piso para presentar el siguiente proyecto, el escalamiento del sistema. Y en esa interfaz entre los dos proyectos le pedí una reunión al actual fiscal nacional que había recientemente asumido su cargo. Estoy hablando de enero o febrero de 2023. Nos juntamos, le presenté lo que teníamos en ese momento y me dijo, interesante, interesante tu inteligencia artificial. ¿Y cómo se llama el producto? Yo le dije, disculpe, fiscal nacional, yo soy académico, yo no tengo nombres para los productos que estamos desarrollando. Y él dijo, tienes que llamarlo Detective Heredia. Yo le dije, sí, ya. ¿Y cómo? ¿Por qué? Y me preguntó, ¿tú no conoces al detective Heredia? El personaje del escritor chileno Ramón Díaz Eterovic. Bueno, y ahí nos quedamos con el nombre. Después encontramos la explicación del nombre Heredia, que también es bien simpática. Si uno ve la palabra Heredia, es como un acrónimo para herramienta, HER, para el estudio del delito, ED, y la IA es fácil.

6:33 Jonathan Vásquez: Bueno, de hecho por eso tampoco surgió la invitación también, el podcast que nosotros hablamos acá de inteligencia artificial, y ahí está la conexión. Ahora, profesor, usted hablaba de distintos fondeos, FONDECYT, y un poco para dar el contexto a la gente, porque acá el podcast nos escuchan de Latinoamérica, de España, acá nosotros tenemos el Ministerio de Ciencia y Tecnología, los cuales proveen fondos a la academia para poder hacer estos tipos de investigaciones. El objetivo principal es empezar a generar investigación básica, pero posteriormente después hay más, varios fondos que dan la invitación a empezar a generar investigación aplicada, de alguna u otra forma obtener los recursos necesarios para hacer toda esta investigación. Me imagino, profesor, que las motivaciones que tuvieron ustedes, claro, era poder cómo combatir el crimen, digamos, de alguna u otra forma, con las distintas metodologías que ustedes investigan. Estos fondos que ustedes se han ido ganando, ¿desde dónde provienen las ideas? Digamos, ¿cuáles son las ideas principales que ustedes generan? Es decir, ¿utilizan redes, utilizan solo inteligencia artificial? ¿De dónde provienen las ideas principales, bases para empezar a construir esta tecnología final?

7:40 Richard Weber: La primera motivación fue una tesis doctoral de un exalumno mío, Freddy Troncoso, actualmente profesor en la Universidad del Bío Bío. Él, en su tesis doctoral, desarrolló la base para uno de los módulos del Fiscal Heredia. Como decía antes, el Sistema Heredia tiene 5 módulos. Uno de ellos trabaja con redes, redes donde un nodo es una persona y entre 2 personas hay un vínculo. De esa forma podemos modelar relaciones entre personas. En el caso del Fiscal Heredia, lo aplicamos al fenómeno del crimen, pero se puede aplicar la misma metodología también a otros fenómenos, como por ejemplo, en marketing para entender mejor la segmentación de clientes o en salud para entender cómo se relacionan pacientes y cómo se contagia, por ejemplo, un virus, algo que se ha hecho en la pandemia. Entonces, eso fue un módulo del Fiscal Heredia, la red. Y eso nació en una tesis doctoral que partimos por ahí en el año 2013 y terminó en 2015.

8:47 Jonathan Vásquez: De ahí partieron utilizando y aplicando el estudio de redes.

8:51 Richard Weber: Así es, así es.

8:52 Jonathan Vásquez: Es interesante porque ellos usaron el estudio de redes y dijeron esto lo podemos aplicar cómo de alguna u otra forma se organizan los crímenes organizados, por así decirlo. Así es. No sé si nos puede comentar cómo el fundamento de eso, que para un poco la gente que nos está escuchando ahora pueda entender cuál fue el análisis que ustedes realizaron desde el análisis de redes con el crimen organizado y eso cómo después se puede conectar con el Fiscal Heredia.

9:14 Richard Weber: Lo que hacemos con el módulo de redes dentro de Fiscal Heredia es modelamos la relación entre personas, entre personas que cometieron un delito en el pasado, de la siguiente forma: cada nodo es una persona y entre dos nodos hay un vínculo si cometieron por lo menos un delito juntos. Y así lo modelamos en su momento. Hoy lo entiendo de la siguiente forma: un vínculo significa confianza entre dos personas. Porque cometer un delito juntos habla de la confianza que existe. Entonces, eso también nos abre la puerta a modelar distintas relaciones entre personas que terminan en aumentar la confianza entre dos personas. No solamente, como es la versión 1.0, ser compañero de delito. También pueden haber otras formas que hablan de una confianza entre dos personas.

10:07 Jonathan Vásquez: Entonces ustedes hacen un módulo que habla sobre redes, de alguna otra forma identificar las conexiones que hay entre estas personas que hacen delitos. Pero usted me ha hablado de otros módulos también.

10:18 Richard Weber: Así es.

10:19 Jonathan Vásquez: ¿Cuáles son los otros?

10:19 Richard Weber: En total son 5 los módulos. Uno es de redes y los otros 4 usan inteligencia artificial de distinta forma. Uno usa inteligencia artificial para analizar textos. Uno puede pensar en la IA que usamos hoy en día comúnmente, el ChatGPT, el Gemini y muchas otras herramientas. Para chatear con un texto. Es un segundo módulo. El tercer módulo tiene la misma lógica, pero en vez de textos analiza audios. Luego analizamos videos también con inteligencia artificial. Y el quinto módulo es lo que llaman un parametrizador, que extrae de un documento parámetros para presentarlo a un o una fiscal a cargo de una causa.

11:05 Jonathan Vásquez: Entiendo. Entonces tenemos un módulo que entrega redes posibles, que detecta redes posibles de entre distintos delincuentes o personas que generan crímenes. Otros módulos que hacen análisis de documentos de distintos módulos, audios, textos, etcétera. Y tenemos una parametrización. Entonces podríamos decir que finalmente hace lo mismo como un fiscal, que finalmente es alguien que, para que entiendan el caso, no sé si en todo, en todo, todo el mundo, todos los países se llama de la misma forma, pero un fiscal es alguien que toma un caso tiene que también analizar muchos documentos, levantar el caso, hacer análisis, conexiones de aquí para allá, y eso finalmente lo tiene que presentar. Acá el Fiscal Heredia funciona como un simulador a un fiscal o alguien que complementa el trabajo del fiscal. ¿Cómo funciona eso dentro?

11:56 Richard Weber: Más que simulador, yo diría es un ayudante para un fiscal. Aquí es muy importante decir que la última palabra siempre la tiene el o la fiscal a cargo de una causa. Lo que hace el Fiscal Heredia es, entre comillas, solamente brindar apoyo. Por ejemplo, ayudar en la lectura de muchos textos o ayudar en el análisis de audios, pero no toma una decisión en forma autónoma.

12:24 Jonathan Vásquez: Finalmente, siempre acá el humano quien toma la decisión.

12:28 Richard Weber: Así es.

12:29 Jonathan Vásquez: Y en ese sentido, quizás me voy a alejar un poquito, después vamos a volver, pero me llama un poquito la atención que quizás no hubo alguna resistencia del Ministerio Público de, oye, pero Eventualmente el fiscal puede decir, está haciendo mi trabajo, o eventualmente uno como humano lo puede hacer mejor. ¿Usted encontrará alguna resistencia cuando trataron de implementar estos tipos de tecnologías dentro del Ministerio Público?

12:49 Richard Weber: Hay de todo tipo de reacción. Es cierto que hay resistencia en algunos fiscales, pero la gran mayoría toma feliz ese ayudante para hacer más fácil su trabajo. Yo escuché ahora de nuestra contraparte que varios de los fiscales los celebran, ¿no es cierto? Le felicitan porque dicen textualmente, hoy puedo ir más temprano a la casa, no tengo que darme tanto tiempo en la oficina para leer cientos de páginas.

13:19 Jonathan Vásquez: Claro, es que es un punto, por ejemplo, yo estaba leyendo acá los impactos que ustedes han mostrado que genera Fiscal Heredia esta lógica, ¿no? Teníamos el fiscal que trabaja con esta tecnología que apoya su trabajo y leía por ahí que, por ejemplo, había una reducción de tiempo en los tiempos investigativos.

13:35 Richard Weber: Así es.

13:35 Jonathan Vásquez: Algo que un fiscal se podía demorar 8 8 horas, ahora lo puede hacer solamente en un minuto, digamos, lo puede reducir hasta un minuto con el apoyo de la tecnología, de toda esta información. ¿Qué otro tipo de impacto también ha generado el Fiscal Heredia ahora que se utiliza dentro de la investigación?

13:50 Richard Weber: Al principio, cuando hicimos ese experimento y nos dimos cuenta de una reducción del tiempo, pensábamos que eso era un gran, un gran avance, y lo es, lo es. Es reducir un trabajo de 8 horas a un minuto, obviamente es importante, pero hoy digo Esa es la parte obvia. Se entiende que con la inteligencia artificial la lectura de un documento puede ser mucho más rápida. Eso no es el gran hallazgo. Lo que encontramos ahora mucho más interesante es un avance cualitativo, no solamente cuantitativo en reducción del tiempo. Un avance cualitativo, por ejemplo, en detectar contradicciones. Y es un ejemplo que me contó uno de los fiscales aplicó el Fiscal Heredia y detectó una contradicción entre dos testimonios de la misma persona. Pero entre medio de los dos testimonios habían más de 3 meses. Entonces, en el transcurso de una investigación penal, que a veces toma años, ¿no es cierto? Un fiscal entrevista a una persona y meses después a la misma persona de nuevo Y en un caso particular, el Fiscal Heredia detectó una contradicción entre los dos testimonios de la misma persona con 3 meses entremedio. Entonces, eso es prácticamente imposible para un ser humano. Si yo le digo al ser humano, revisa esos dos testimonios, puede encontrar la contradicción. Pero, ¿cómo puede decir, esos son los dos que tienes que evaluar? En cambio, al tener la capacidad de analizar muchos textos en poco tiempo, la inteligencia artificial detectó ese hallazgo. Y es solamente un ejemplo.

15:38 Jonathan Vásquez: Uno de los ejemplos de los muchos que por ahí leí también salía, bueno, que se podía reducir entre el 90%, más del 90% de los tiempos, procesaba más de un millón de páginas de información, más de 3 millones de audios que también tenía dentro.

15:52 Richard Weber: Tengo otro ejemplo hablando de audios que tiene que ver con los distintos idiomas. Por ejemplo, en un caso particular operaba una banda en el norte de Chile y una banda de extranjeros que hablaban en su idioma natal. Y no es inglés, no es francés, no es italiano, que uno podría, hablando español, puede entender. Ese idioma no se entendía y los fiscales y la policía no tenían cómo entender de qué estaban hablando. Estaban interceptando el teléfono, estaban grabando la conversación, pero en un idioma que durante meses no podían traducir. Por lo tanto, no sabían de qué estaban hablando. Con la inteligencia artificial podemos ahora aplicar la siguiente secuencia: grabando el audio en el idioma original, primero se hace una transcripción del audio al texto en el mismo idioma. Luego, del texto en el idioma extranjero al texto en español y de ahí en adelante la comunicación es como con un documento en español más.

17:00 Jonathan Vásquez: Ese, digamos, análisis o esa posibilidad de hacerlo el día de hoy, cuando ustedes partieron en 2015 imagino que era difícil de realizar. Hoy día ya eso es mucho más fácil, digamos.

17:12 Richard Weber: Hay herramientas estándares, usamos librerías para facilitar ese tipo de análisis.

17:18 Jonathan Vásquez: Y respecto también a la precisión, porque uno podría pensar No sé, estoy pensando, por ejemplo, en la pregunta que a veces puede surgir dentro de la audiencia, es decir, ¿qué tan preciso es el Fiscal Heredia en hacer estas conexiones que usted conversaba anteriormente? En, por ejemplo, detectar una red, digamos, se detecta una persona que comete un delito, pero ¿cuál es su red? Y eventualmente si esa red que identifica es la correcta o no. Estoy pensando en casos, ya probablemente aquí vamos a meter un poco el susto, pero ¿qué pasa si, por ejemplo, cuando el fiscal se equivoca? De pronto puede surgir el miedo de las personas que me acusan de algo que no lo es, por ejemplo. ¿Qué tan preciso o cómo ha aumentado la precisión en ese sentido el Fiscal Heredia en identificar estas conexiones, las redes que propone que eventualmente pueden ser? ¿Cómo ha funcionado en eso?

18:04 Richard Weber: El módulo de redes en primer lugar trabaja sin inteligencia artificial. Entonces hay un miedo hacia la inteligencia artificial porque puede alucinar, puede tener sesgo. Entonces todo eso no aplica en el contexto de las redes. ¿Por qué? Porque trabaja sin inteligencia artificial. Aun así, esos modelos pueden equivocarse. Y con eso vuelvo ahora a lo que decía antes. Lo importante aquí es entender que la última palabra siempre la tiene el o la fiscal a cargo de una causa. Entonces, el modelo hace una sugerencia, indica posibles integrantes de una banda y puede equivocarse. Por lo tanto, muy importante siempre el criterio del experto a cargo del caso, pero da una selección donde para la persona, para el fiscal a cargo, es mucho más fácil hacer un seguimiento. En vez de buscar en un mar de posibles sospechosos, puede concentrarse en algunos pocos indicados por el sistema.

19:09 Locutor: ¿Y si pudieras tener un asistente de IA que responda a tus mensajes de WhatsApp ¿Genera reportes automáticos y trabaja por ti mientras duermes? OpenClaw es un asistente de inteligencia artificial que te permite conectarte con WhatsApp, Gmail, Notion y muchas otras apps, de modo que te ayuda a buscar información, trabajar con archivos y automatizar tareas. El problema es que configurarlo desde cero puede ser un proceso técnico lento que frena a muchos antes de querer empezar. ¡Hasta ahora! Con Hostinger y sus apps administradas, lo tienes funcionando en minutos. Solo eliges la opción de IA OpenClaw o Hermes y tu canal de comunicación, y Hostinger se encarga del resto. Hostinger gestiona toda la infraestructura, aplica actualizaciones de seguridad automáticamente y mantiene tu asistente siempre en la última versión estable. Tus agentes funcionarán 24/7 sin que tengas que hacer mantenimiento. Tu asistente corre en un entorno aislado y seguro. Puedes conectarlo a modelos como GPT, Gemini o Claude. Y como bonus, el plan también incluye acceso a Hermes Agent, otro asistente de IA incluido en tu misma suscripción. Si quieres tu propio asistente de IA corriendo en minutos, escanea el QR que está en pantalla y obtendrás un 10% de descuento en tu plan utilizando el cupón EVO antes de finalizar tu compra. El link y el código lo encontrarás abajo en la descripción de este episodio.

20:32 Jonathan Vásquez: Por ahí escuchaba en una entrevista suya que hablaba un caso bien emblemático, el de los influencers, ¿no?

20:38 Richard Weber: Así es.

20:38 Jonathan Vásquez: Y estaba relacionado con el tema de las redes y recuerdo que en ese entonces que se habían identificado a través de una sola persona que se había tomado dentro, se había tomado presa, digamos, se había identificado la persona, pero el Fiscal Heredia identificó la red que estaba detrás. No sé si nos puedes contar un poquito más de ese caso.

20:57 Richard Weber: Ese fue el caso emblemático que terminó con el primer proyecto FONDEF que desarrollamos. Al final de ese proyecto, por ahí en mayo del 2023, se aplicó el sistema en el caso de Los Influencers, una banda de jóvenes que robaban autos de lujo y se grababan durante las carreras en las noches. Y de ahí el nombre de Los Influencers. Y en algún momento capturaron a uno de los integrantes con ese único imputado que tenían, construyeron la red y el sistema indicaba 15 posibles integrantes. Fueron a la casa de las 15 personas y de los 15, 13 efectivamente eran integrantes. Al 13 de 15 no es un buen resultado, es un resultado espectacular.

21:50 Jonathan Vásquez: Sí, espectacular.

21:51 Richard Weber: En vez de no saber nada.

21:53 Jonathan Vásquez: No, claro, es que es el punto, porque además mi pregunta que surge acá, y esto Quiero empezar a entrar quizá un poquito más al detalle porque uno de los primeros trabajos que ustedes realizaron con el profesor Troncoso también era que, claro, hacía esta red, este análisis de redes, pero ustedes llegaron a un punto en que sabiendo solamente un nodo puedo ahora extenderme a los demás.

22:13 Richard Weber: Así es.

22:14 Jonathan Vásquez: ¿Cómo surgió esta idea? ¿De dónde empezaron a surgir estas ideas de empezar a utilizar probablemente análisis de otras áreas en donde queremos encontrar este desafío donde muchas veces Yo no conozco la red completa, a mí como fiscal o Ministerio Público es desconocida esta red, pero sí al menos tengo acceso a un punto. De ahí empezar a identificar estos puntos, como usted planteaba, que de los 15 se identificaron 3, efectivamente eran parte de la red. ¿Cómo surge esa idea? Quiero adentrar a esa lógica de la creación de ideas y de creatividad que ustedes tienen.

22:47 Richard Weber: Muy interesante ese punto, Jonathan. Eso fue parte, la parte principal de la tesis doctoral del profesor Freddy Troncoso, integrante también de los proyectos donde desarrollamos el Fiscal Heredia. En su momento, Freddy dijo, ¿cómo puedo entender la relación entre personas? Y en la literatura encontró varios casos similares. Uno, por ejemplo, en física, la teoría de campo, donde uno estudia partículas, cómo se relacionan partículas y se influencian mutuamente. Entonces, esa teoría de partículas también dio una idea para el modelo de nodos, personas que se influencian mutuamente. Entonces, la respuesta a tu pregunta es: son varias las disciplinas que dieron ideas para lo que finalmente desarrolló Freddy en su tesis doctoral y lo que después implementamos en el sistema Fiscal Heredia. Aprovecho la pregunta también para decir que es un caso muy bonito para decir lo importante que es la investigación básica para efectos o para impacto en políticas públicas. Entonces aquí hicimos o cubrimos todo el espectro desde la investigación básica pasando por investigación aplicada hacia la implementación y su impacto en el día a día.

24:12 Jonathan Vásquez: Aquí toma importancia lo que estábamos conversando un poquito antes, que entregamos como varios indicios de lo que íbamos a conversar, sobre los distintos fondos a los cuales uno postula desde la academia, ¿no? Usted conversaba de los FONDEF y también hay otros fondos que también se ganan, que son los FONDECYT. Nosotros estábamos conversando antes esta idea de cómo uno puede traer ideas desde otras disciplinas, traerlas acá y viceversa, digamos, ¿no? Este trabajo que usted ha generado y ha postulado a FONDECYT, ¿le ha también generado a la inversa? Es decir, ¿lo que ha aprendido acá lo ha empezado a aplicar también en otros ¿En otros contextos?

24:47 Richard Weber: Así es, así es. El sistema Fiscal Heredia lo desarrollábamos 4 académicos con 2 proyectos FONDEF financiados por ANID. Pero además fue como la fuente de inspiración para un proyecto FONDECYT que empecé hace 4 años atrás y terminé este año 2026, cuyo objetivo es mostrar cómo la inteligencia artificial puede servir para detectar la comunidad en redes en forma dinámica. Me explico. Estudiamos una red social, donde una red es una relación entre personas. Y en esas redes se forman comunidades, que son personas altamente conectadas. Por ejemplo, en marketing pueden ser consumidores con la misma preferencia, o en salud pueden ser pacientes con el mismo comportamiento. Esas serían comunidades dentro de redes sociales. Y esas comunidades con el tiempo cambian, no son estáticas. Y lo que desarrollé en el proyecto FONDECYT durante los últimos 4 años fueron métodos de la inteligencia artificial para detectar esos cambios. En particular, desarrollamos modelos de aprendizaje profundo, deep learning, ¿no es cierto? Para darnos cuenta de cómo las comunidades cambian en el tiempo. Y de nuevo ese fenómeno se puede aplicar en marketing, en salud, y también en temas de la criminología, que fue la inspiración inicial para ese proyecto. En esa, de esa forma se vincula con el sistema Fiscal Heredia.

26:28 Jonathan Vásquez: Estoy pensando que una posible aplicación también, lo que pasa es que una de las cosas que estoy tratando de empezar a investigar, porque hace poquito yo saqué el doctorado, es sobre el estudio dentro de los ambientes educativos, donde recuerdo muy bien que hicimos un trabajo con el profesor Jaime Miranda, con quien usted ha trabajado también. Analizamos, por ejemplo, las deserciones de los estudiantes, y uno de los aspectos que siempre nunca pudimos analizar era el análisis o el impacto del entorno del estudiante con sus redes.

26:59 Richard Weber: Ahí está la palabra redes nuevamente.

27:02 Jonathan Vásquez: Entonces, claro, era cómo las redes que él tenía dentro de la universidad impactaban en la decisión final del estudiante desertar o no desertar. Suena interesante cómo estas ideas que surgen desde una disciplina pueden ser aplicadas a otros lados. Entonces me hizo clic lo que acaba de decir usted de aplicarlo en la educación, por ejemplo. ¿Usted lo ha probado en cada una de ellas? ¿Esta metodología que usted generó se puede aplicar, ya la probó en distintos casos, o es un caso posterior que ahora viene después de FONDECYT?

27:31 Richard Weber: Lo hemos aplicado en distintos casos, por ejemplo, en el tema de la criminología. En el contexto de la fiscalía, pero también en salud, con datos de la pandemia, donde analizamos el contagio en una red. Y aquí la palabra contagio aplica dos veces. Uno es el contagio con el virus, pero más interesante en el contexto de las redes es el contagio que ocurre entre personas de una red. Entonces, el ejemplo que tú mencionas, Jonathan, también tiene El fenómeno del contagio. Por ejemplo, un alumno desertor habla, se comunica con sus compañeros y se comunica más con aquellos compañeros donde más vínculos tenga. Por lo tanto, su decisión de desertar podría influenciar a sus compañeros más cercanos. Entonces, el contagio del fenómeno de deserción también es algo que se puede modelar dentro de una red.

28:28 Jonathan Vásquez: Es muy interesante cómo desde las disciplinas más como de investigación de operación, inteligencia artificial, se está estudiando el comportamiento humano, ¿no? Eso era algo, por ahí escuchaba usted una palabra que decía que esto era muy de antes de las ciencias sociales, pero ahora esto también lo podemos investigar desde otras ciencias como más de ingeniería, más duras que se le llama, para modelar estos comportamientos.

28:52 Richard Weber: Así es, así es. Y probablemente es ese un aspecto fundamental del trabajo que hacemos en el Departamento de Ingeniería Industrial. Aplicamos técnicas desde la ingeniería, como muchos otros departamentos de la Facultad de Ingeniería de Chile. Pero lo que hacemos muchos colegas en el Departamento de Ingeniería Industrial es modelar comportamiento humano en marketing, en salud, pero también en el tema de la criminología. Entonces son muy potentes esas herramientas de redes para capturar y proyectar comportamiento humano.

29:28 Jonathan Vásquez: Quisiera volver al Fiscal Heredia porque ahí tengo un punto, me llama mucho la atención en que cuando uno empieza a trabajar esto, y de hecho se relaciona con la pregunta cuando le preguntaba por los casos a los cuales ustedes lo aplicaron, me hago la pregunta si es que habían ciertos tipos de delitos que eran más difíciles que investigar u otros. ¿Y por qué? Si es que así era, si es que había algunos casos que ustedes se enfocaron primero y eso llamó a tener alguna justificación en particular. Pero hubo algunos delitos a los cuales para usted le eran más interesantes analizar. ¿Y por qué?

30:03 Richard Weber: Lo que estudiamos con el Fiscal Heredia, y donde es aplicable también, son crímenes de bandas. Por lo mismo, porque modelamos el comportamiento entre entre los integrantes de una banda. El lobo solitario, por decirlo de alguna forma, no lo podemos detectar. Tampoco detectamos otro tipo de crímenes, como por ejemplo violencia intrafamiliar. Ahí operan, opera una lógica completamente distinta. Entonces, donde aplicamos Fiscal Heredia es el crimen organizado contra la propiedad.

30:39 Jonathan Vásquez: Y partieron con eso, y ahora lo han ido extendiendo a otros tipos de delitos.

30:42 Richard Weber: Así es.

30:44 Jonathan Vásquez: Nada, súper. Pero fíjense, lo otro es porque también la invitación, y yo venía escuchando sobre Fiscal Heredia hace harto tiempo, ustedes vienen poquito a poco abriendo y desarrollando este ecosistema, y es porque ahora en este último tiempo han ganado varios premios, ¿no? Ha sido reconocido un trabajo que vienen realizando desde hace hartos tiempos. Y ahí está, por ejemplo, acá está el Chile Potencia, que fue uno de los primeros, bueno, ¿Primeros premios? Unos, porque tengo entendido que anteriormente se ganaron algunos premios también, pero este es uno de los hitos que más uno empieza a encontrar cuando busca sobre Fiscal Heredia. Este premio que dio el Ministerio de Ciencia y con la Fundación País Digital, donde dentro de la categoría de organizaciones ustedes ganaron el premio a la tecnología que ha generado mayor impacto, donde se usa la inteligencia artificial. Hace poquito también ustedes ganaron el IFORS Prize, esta conferencia relacionada con investigación de operaciones que se realiza cada cierto tiempo. ¿Qué otros premios también han recibido y que eventualmente sería interesante saberlo? Porque por ahí leí que existen otros, pero no nos han surgido, no se han publicado, y sería interesante que ustedes lo conversaran.

31:51 Richard Weber: En el caso del IFORS Prize obtuvimos el segundo lugar. Me gustaría mencionarlo brevemente. Postulamos a ese premio de la conferencia IFORS que se celebra cada 3 años Postularon unos 30, poco más de 30 proyectos, y de ahí fuimos seleccionados 6 finalistas, y los 6 presentamos en Viena en la conferencia ahora en julio. Y entre los 6, 2 equipos del Departamento de Ingeniería Industrial de la Universidad de Chile, y los 2 equipos del Departamento de Ingeniería Industrial obtuvimos el primer y segundo lugar. En el caso de Fiscal Heredia obtuvimos el segundo lugar.

32:36 Jonathan Vásquez: ¿Y eso es común que ocurra en IFORS, que un mismo país se gane 2 puestos, digamos, aquí en el podio?

32:43 Richard Weber: Yo creo que no ha pasado antes.

32:45 Jonathan Vásquez: ¿No ha pasado antes? ¿Primera vez que ocurre?

32:47 Richard Weber: No creo, no he visto la historia, pero es muy, muy poco probable.

32:52 Jonathan Vásquez: Y quisiera preguntar respecto a eso de la postulación de la IFORS, porque claro, quizás en la casa la gente puede pensar que uno postula y ya está, ¿no? Pero imagino que hay un periodo de preparación importante a la postulación, digamos, una conferencia que ocurre cada 3 años, Entonces hay un trabajo no menor previo a postular a este, a este premio. ¿Cómo funciona? No sé si nos puedes contar más en detalle.

33:14 Richard Weber: En la postulación teníamos que mostrar qué es el sistema, qué impacto tiene, pero además teníamos que mostrar varias cartas de apoyo desde la Fiscalía de Chile, y también obtuvimos cartas desde otras fiscalías de Argentina, República Dominicana, esas básicamente. Entonces eso fue el material que entregamos a la postulación y luego durante la conferencia teníamos que dar una presentación frente al equipo de expertos que evalúan los proyectos y finalmente entre ellos sacaron la conclusión de los ganadores.

33:57 Jonathan Vásquez: Interesante. Por aquí también tengo anotado que ustedes han recibido premios del Ministerio de Hacienda, Han recibido premios también desde, se ganaron por acá el premio Ramón Salas Edwards del Instituto de Ingenieros de Chile. Digamos, es una herramienta que ha sido premiada desde distintos ámbitos. Me preguntaba como la proyección futura. Se nota que es un trabajo que vienen haciendo desde 2015, 2016, no solamente han traído ideas desde otras disciplinas, hablábamos del FONDECYT que usted postula y que lo llevó a otras disciplinas, motivado con lo que se ha generado acá. ¿Qué viene a futuro? Digamos, ¿esto se proyecta para otros países? Ustedes están aumentando distintos módulos, están pensando distintos módulos que le pueden agregar al Fiscal Heredia. ¿Qué viene ahora para el Fiscal Heredia?

34:44 Richard Weber: Todo lo anterior. Por un lado, estamos conversando ya en un formato muy avanzado con otras fiscalías, un módulo O parte de un módulo del Fiscal Heredia ya lo tienen en la Fiscalía de Argentina. También estamos conversando con Uruguay y con la República Dominicana, que mostraron su interés en aplicarlo. Eso por el momento fuera de Chile, pero también estamos hablando con varias organizaciones nacionales, por ejemplo, con Carabineros, que quieren instalar el sistema que analiza textos para analizar mejor las partes policiales. Y con Carabineros también ya tenemos un avance bastante importante en ese contexto.

35:31 Jonathan Vásquez: ¿Y qué desafíos se implementan ahora al llevar Fiscal Heredia a otros contextos? Por ejemplo, en el caso, estoy pensando, llevándolo a otros países, ¿qué desafíos podrían surgir? No es como llegar e inyectarlo, ¿no?

35:45 Richard Weber: Así es. Hay varios desafíos. Uno es técnico, porque la base de datos que usamos en la Fiscalía de Chile no es la misma base de datos que tiene, por ejemplo, la fiscalía en Argentina. Entonces, ahí tenemos que hacer toda una adaptación antes de aplicar la inteligencia artificial. Pero también hay otro desafío no tan técnico que tiene que ver con la capacitación. En ese momento, en la Fiscalía de Chile, lo están usando más de 900 fiscales. Y analistas. Y ahí había que desarrollar un sistema de capacitación. Y lo mismo tenemos que hacer también en otras fiscalías si pensamos en exportarlo.

36:26 Jonathan Vásquez: Y ahí en la capacitación, ¿ha encontrado bajo su experiencia que los fiscales son abiertos a empezar a utilizar esta tecnología?

36:34 Richard Weber: Hay de todo, algunos más que otros. Tienen que ver con la formación en tecnología o con la afinidad a la tecnología. Algunos por naturaleza tienen más, otros tienen menos afinidad a la tecnología y eso hace toda la diferencia. Pero tenemos varios elementos para la capacitación. Por ejemplo, tenemos un manual. Estamos pensando ahora en desarrollar cápsulas, cápsulas de pocos minutos para apoyar en la formación, en la capacitación.

37:07 Locutor: ¿Sientes que todos hablan de inteligencia artificial, pero tu empresa aún no la aprovecha? En EvoAcademy te ayudamos a llevar la IA a resultados reales con nuestros cursos para empresas. Estos cursos son actualizados, personalizables y aplicados a tu trabajo. Por ejemplo, nuestro curso IA para los negocios es ideal para equipos que están explorando el potencial de esta tecnología. Mientras que nuestros cursos de Claude, Gemini, ChatGPT y Copilot están pensados para quienes quieren aprovechar al máximo estas herramientas. Revisa nuestro catálogo completo en evoacademy.cl/cursos-corporativos o en el enlace que encontrarás en la descripción de este video.

37:52 Jonathan Vásquez: Y respecto a los módulos que quiera agregar, que no me quedó muy claro, porque dijo que lo queríamos llevar a— lo quería llevar a— claro, estamos pensando llevar a Argentina, Uruguay, etcétera. Pero módulos nuevos, además de los 5 que ya tiene, ¿tienen alguno pensado adicional que se pueda contar? Digamos, porque probablemente hay cosas que usted no puede contar.

38:09 Richard Weber: Lo que puedo contar ahora es un módulo de video. Ya lo mencioné, el módulo existe, pero todavía no está integrado en el ecosistema. Entonces, de lo que ya se puede mencionar es un nuevo desarrollo para analizar videos. Y ahí podemos pensar, por ejemplo, en los videos que se toma en los pórticos, donde uno ve un auto, lee la placa patente, y eso puede ser información importante para enriquecer la investigación de una causa.

38:40 Jonathan Vásquez: Súper. Y desde la perspectiva ética, por eso ahora que estamos conversando, quizás, claro, vamos a entrar en alguna, en algún área que quizás puede ser un poco controversial, pero el uso ético, digamos, de esta tecnología, que al final puede ser considerado como demasiada de monitoreo, ¿no? O demasiada vigilancia. ¿Cómo contrastan eso con que no se vea como de esa perspectiva de que esto está siendo demasiado probablemente vigilante? Porque probablemente alguien puede surgir diciendo, oye, pero están empezando video, audio, etcétera. Personalmente yo no lo veo así, pero siempre está este miedo a la inteligencia artificial, ¿no? Que está empezando como de esa perspectiva.

39:20 Richard Weber: Y qué bueno que exista, estamos muy conscientes de eso. Y de nuevo, qué bueno que exista ese miedo a la inteligencia artificial respecto de la privacidad de los datos, respecto de los sesgos que pueden existir. Estamos conscientes de eso y también nos hacemos cargo de varios de esos elementos. Uno es la seguridad de los datos privados. La inteligencia artificial que usa la Fiscalía de Chile corre dentro del sistema Azure, el propio sistema que tiene la Fiscalía y donde maneja sus datos. Entonces nos colgamos, por decirlo de alguna forma informal, nos colgamos de la seguridad que ofrece ese sistema. Sabemos que la seguridad absoluta no existe.

40:07 Jonathan Vásquez: Claro, pero uno genera mitigaciones, digamos.

40:11 Richard Weber: Así es. Entonces, por lo menos cumplimos con los estándares y los modelos que desarrollamos corren dentro del sistema seguro de la fiscalía, que tiene la fiscalía actualmente. Y respecto de los sesgos, eso es materia de investigación. Sabemos que la inteligencia artificial puede tener sesgos, tratamos de minimizarlo, pero de nuevo la última palabra siempre la tiene el o la fiscal a cargo.

40:38 Jonathan Vásquez: Ahí está un poco la responsabilidad de la IA, el uso responsable de la IA, que siempre va finalmente en tomador de decisión, que el que usa esto, esto es una herramienta al final del día. Así No es un reemplazo dentro del proceso que se está acá utilizando. Profesor, le quiero dar el espacio a usted por si tiene algo que no le he preguntado, algo que usted quisiera comentar, ahondar, y le quiero dar este espacio para usted.

41:03 Richard Weber: Simplemente destacar de nuevo el potencial que tiene la investigación, el trabajo universitario, para el sector público en ese caso, pero lo mismo ocurre también en el sector privado. Solamente no es parte del sistema Fiscal Heredia. Entonces, es un claro ejemplo donde mostramos que la academia sí puede tener impacto. En esos tiempos uno está cuestionando, o se escucha mucho que ciertos grupos están cuestionando el valor del trabajo en una universidad. Es un muy buen ejemplo el Fiscal Heredia. Y de nuevo, son muchos otros además. Es un muy buen ejemplo donde mostramos el impacto y el valor que tiene la investigación y el trabajo académico para el sector público.

41:49 Jonathan Vásquez: De ahí la importancia también de estos fondos que conversábamos antes, el FONDEF, FONDECYT, que entregan resultados y que finalmente aportan a un impacto positivo dentro de la sociedad. Ahora, sobre todo en Chile, que digamos la seguridad es una preocupación dentro de las primeras que siempre se plantea cuando se le preguntan a nosotros los chilenos cuáles son las prioridades, y aparece la seguridad dentro de ellas. Entonces súper bien, profesor, muchas gracias por su tiempo. Le queremos también agradecer por habernos comentado hartas cosas. Sabemos que hay cosas que no se pueden comentar, otras no, hay que tener cuidado, pero agradecemos mucho por toda la información que nos entregó, las respuestas que nos entregó, y esperamos tenerlo de vuelta acá, ojalá no tan lejos.

42:35 Richard Weber: Con mucho gusto, muchas gracias, Jonathan.

42:37 Jonathan Vásquez: Nos estamos viendo, chicos, entonces No olviden suscribirse al canal, darle like, comentarnos también, y nos estaremos viendo en una próxima edición de este podcast llamado Inteligencia Artificial para los Negocios. Que estén muy bien.