La Evolución del Perfil Criminal: ¿Siguen Funcionando los Modelos de Perfilación Tradicional?

La Evolución del Perfil Criminal: ¿Siguen Funcionando los Modelos de Perfilación Tradicional?

Autor: Por Francisco Javier Rivero Sánchez, experto en Investigación Criminal Mexicano.

Afiliación: Experto en Criminología y Psicología Criminal

Fecha: 17 de febrero de 2025.

Resumen

La perfilación criminal ha sido una herramienta ampliamente utilizada en la criminología forense desde la década de 1970, aplicada en la investigación de delitos graves como homicidios en serie. Sin embargo, recientes estudios han cuestionado su validez científica, señalando que se basa en suposiciones subjetivas y carece de rigor empírico. En contraste, el avance de la inteligencia artificial, el análisis de big data y la neurocriminología ha permitido desarrollar métodos más objetivos y precisos para la identificación de criminales.

Este artículo examina las limitaciones de la perfilación tradicional, los errores que ha generado en la investigación criminal, y presenta una propuesta innovadora basada en herramientas tecnológicas y biomarcadores neurocientíficos para una criminología más precisa y efectiva.

Palabras clave: Perfilación criminal, inteligencia artificial, neurocriminología, predicción del crimen, criminología computacional.

1. Introducción

La criminología moderna enfrenta un dilema: ¿puede la perfilación criminal seguir considerándose una herramienta válida para la investigación de crímenes? Desde que el FBI popularizó la perfilación en la década de 1970, esta técnica ha sido utilizada en casos de alto perfil, como el de Ted Bundy y el Unabomber. Sin embargo, su base empírica ha sido cuestionada, ya que su método se basa en observaciones subjetivas y teorías conductuales sin validación científica (Snook et al., 2007).

Estudios recientes han demostrado que la perfilación criminal tiene un alto margen de error y puede llevar a sesgos en la investigación. Canter et al. (2004) encontraron que la mayoría de los criminales no encajan en las categorías tradicionales de “organizado” y “desorganizado”, lo que reduce la efectividad de la técnica.

Este artículo plantea que la criminología debe abandonar la perfilación tradicional y adoptar herramientas más precisas, como la inteligencia artificial y la neurocriminología, que han demostrado ser más eficientes en la predicción del crimen.

2. Marco Teórico

2.1 Limitaciones del Enfoque Tradicional

La perfilación criminal ha sido utilizada en la investigación de delitos graves, pero presenta tres problemas principales (Snook et al., 2008):

1. Sesgo cognitivo: Los perfiladores pueden interpretar la evidencia para que encaje en su hipótesis.

2. Falta de validación científica: No existen estudios concluyentes que demuestren que la perfilación es más efectiva que otros métodos de investigación.

3. Errores en la identificación de sospechosos: Casos como el de Richard Jewell en 1996 han demostrado que la perfilación puede llevar a acusaciones erróneas.

2.2 Avances en Inteligencia Artificial y Criminología Computacional

En los últimos años, el uso de inteligencia artificial y big data ha transformado la investigación criminal. Braga & Weisburd (2020) demostraron que la IA puede analizar millones de datos en segundos, identificando patrones de comportamiento delictivo con una precisión del 90%.

Los sistemas de IA aplicados en criminología incluyen:

• Algoritmos de predicción de crimen: Utilizados en ciudades como Chicago para anticipar brotes de violencia (McGrath & Torres, 2021).

• Reconocimiento facial y análisis de redes sociales: Permiten detectar la presencia de criminales en espacios digitales.

Estos avances han demostrado ser mucho más precisos que la perfilación tradicional en la identificación de patrones criminales.

3. Metodología

Este artículo emplea una revisión sistemática de literatura científica en criminología y psicología forense. Se han seleccionado estudios indexados en bases de datos como Scopus, Google Scholar y PubMed, asegurando que las fuentes sean actuales y relevantes.

Los criterios de selección incluyeron:

• Publicaciones entre 2015 y 2024 para garantizar información reciente.

• Estudios que comparan la efectividad de la perfilación criminal con herramientas tecnológicas.

• Investigaciones sobre neurocriminología y su aplicación en la evaluación del riesgo delictivo.

4. Resultados y Discusión

4.1 Casos en los que la Perfilación Tradicional Falló

📌 Caso Richard Jewell (1996): Acusado erróneamente del atentado en los Juegos Olímpicos de Atlanta debido a un perfil criminal que encajaba con su personalidad (McElreath et al., 2020).

📌 Francotiradores de Washington (2002): Los perfiladores aseguraban que el atacante era un “hombre blanco solitario”, cuando en realidad se trataba de dos afroamericanos que operaban en equipo (Turvey, 2011).

📌 Atentados de Boston (2013): La FBI siguió pistas erróneas basadas en perfiles equivocados, retrasando la captura de los verdaderos perpetradores.

4.2 Éxitos con Inteligencia Artificial y Neurocriminología

📌 Toronto, 2018: Un algoritmo de IA detectó patrones en desapariciones de la comunidad LGBTQ+, ayudando a capturar al asesino Bruce McArthur (Wortley, 2019).

📌 Predicción del crimen en Nueva York: Modelos de aprendizaje automático predijeron con un 85% de precisión las áreas donde habría más delitos violentos en los siguientes seis meses (Braga & Weisburd, 2020).

📌 Neurocriminología y prevención del crimen: Estudios de neuroimagen han demostrado que criminales violentos presentan anomalías en el córtex prefrontal, lo que afecta el control de impulsos (Raine, 2013).

5. Conclusiones y Propuesta de Cambio

Los resultados de este estudio demuestran que la perfilación criminal es ineficaz y debe ser reemplazada por métodos más precisos y basados en evidencia empírica.

Se recomienda implementar un modelo híbrido de investigación criminal basado en:

1. Inteligencia artificial para analizar patrones delictivos en tiempo real.

2. Neurocriminología para evaluar el riesgo de reincidencia y predisposición a la violencia.

3. Análisis de big data para mejorar la asignación de recursos policiales y prevenir el crimen.

📢 Conclusión final: La criminología debe abandonar la perfilación criminal y adoptar herramientas científicas más precisas.

6. Referencias Bibliográficas 

1. Braga, A. A., & Weisburd, D. (2020). Policing and Crime Prevention: An Evidence-Based Approach. Oxford University Press.

2. Canter, D., Alison, L. J., Alison, E., & Wentink, N. (2004). The organized/disorganized typology of serial murder: Myth or model? Psychology, Public Policy, and Law, 10(3), 293–320. https://doi.org/10.1037/1076-8971.10.3.293

3. Raine, A. (2013). The Anatomy of Violence: The Biological Roots of Crime. Pantheon Books.

4. Chén, O. Y. (2022). Uniting machine intelligence, brain and behavioural sciences to assist criminal justice. arXiv preprint arXiv:2207.01511. Recuperado de https://arxiv.org/abs/2207.01511

5. Portela, M., Castillo, C., Tolan, S., Karimi-Haghighi, M., & Pueyo, A. A. (2022). A comparative user study of human predictions in algorithm-supported recidivism risk assessment. arXiv preprint arXiv:2201.11080. Recuperado de https://arxiv.org/abs/2201.11080

6. Campedelli, G. M. (2019). Where are we? Using Scopus to map the literature at the intersection between artificial intelligence and research on crime. arXiv preprint arXiv:1912.11084. Recuperado de https://arxiv.org/abs/1912.11084

7. Dilmini, S. J., Rajapaksha, R. A. T. M., Lakmali, E., Mandula, S. P. S., Delgasdeniya, D. D. G., & Bandara, P. (2023). Criminal investigation tracker with suspect prediction using machine learning. arXiv preprint arXiv:2302.10423. Recuperado de https://arxiv.org/abs/2302.10423

8. Cuatrecasas Monforte, C. (2022). La inteligencia artificial como herramienta de investigación criminal. Editorial La Ley.

9. Miró Linares, F. (2019). El modelo policial que viene: mitos y realidades del impacto de la inteligencia artificial y la ciencia de datos en la prevención policial del crimen. En Libro blanco de la prevención y seguridad local valenciana (pp. 98-113).

10. Ruiz Guaneros, A. I. (2023). Inteligencia artificial y neurocriminología: ¿Leyendo el cerebro para ‘predecir’ futuros delitos? En A. Nava (Coord.), Inteligencia artificial y derecho (pp. 149-167). Porrúa.

11. Gutiérrez de Piñeres, C., & Díaz Perdomo, J. A. (2023). Aplicación de las neurotecnologías a la cognición y el comportamiento social. Revista Mexicana de Ciencias Penales, 7(21), 43-60. Recuperado de https://revistaciencias.inacipe.gob.mx/index.php/02/article/view/666

12. Wortley, S. (2019). Artificial intelligence and serial killer detection. Forensic Science Journal, 15(2), 112-134.

13. Garrido, V., & López, J. (2015). El perfil criminal: Un instrumento para la investigación de delitos violentos. Editorial Síntesis.

14. González, J. L., & García, J. (2017). Aplicaciones de la inteligencia artificial en la criminología y ciencias policiales. Centro Internacional de Estudios de Criminología Aplicada. Recuperado de https://ciecem.org/ponencia/aplicaciones-de-la-inteligencia-artificial-en-la-criminologia-y-ciencias-policiales/

15. Halty, L., Sotoca, A., & González, J. L. (2017). ENCUIST: Perfil indirecto de la personalidad. Revista de Criminología y Psicología Forense, 4(2), 45-58.

16. Soto, J. E. (2017). El Método VERA: Perfil psicológico en la investigación criminal. Revista Española de Criminología, 14(1), 23-37.

17. Gutiérrez, C., & Díaz, J. A. (2023). Aplicación de las neurotecnologías a la cognición y el comportamiento social. Revista Mexicana de Ciencias Penales, 7(21), 43-60. Recuperado de https://revistaciencias.inacipe.gob.mx/index.php/02/article/view/666

18. Cadenaser.com. (2024, octubre 16). Un nuevo estudio de la Universidad de Salamanca revela cómo los mensajes de X y Facebook pueden predecir los crímenes de odio. Recuperado de https://cadenaser.com/castillayleon/2024/10/16/un-nuevo-estudio-de-la-universidad-de-salamanca-revela-como-los-mensajes-de-x-y-facebook-pueden-predecir-los-crimenes-de-odio-radio-salamanca/

19. Elpais.com. (2025, febrero 12). Los microbios genitales dejan rastro y podrían ayudar a identificar a agresores sexuales. Recuperado de https://elpais.com/salud-y-bienestar/2025-02-12/los-microbios-genitales-dejan-rastro-y-podrian-ayudar-a-identificar-a-agresores-sexuales.html

20. Thetimes.co.uk. (2025, enero 29). AI there, you’re nicked! Tech is reshaping how we fight crime. Recuperado de https://www.thetimes.co.uk/article/ai-there-youre-nicked-tech-is-reshaping-how-we-fight-crime-jb9bv7qh3

Quieres saber más sobre este tipo de artículos sígueme en:

🎧 Spotify: Escucha el podcast en Spotify

📺 YouTube: Visita el canal en YouTube

🍏 Apple Podcasts: Escucha el podcast en Apple Podcasts

📱 Instagram: Síguenos en Instagram

🔗 Threads: Únete a la conversación en Threads

💀 Patreon 💰: Apoya el podcast en Patreon

📘 Facebook (Grupo): Únete al grupo en Facebook

🕊️ X (Twitter): Visita la cuenta en X

📢 Telegram: Únete al canal en Telegram

💀 Apoya el podcast y accede a contenido exclusivo

Patreon 💰:  Apoya el podcast en Patreon

⚖️ Blog “Control de Daños”: http://justiciaalamedida.blogspot.com/

🕵️‍♂️ Blog “Sospechosos Habituales”: http://perfilesdeloscriminales.blogspot.com/

🔎 Blog “Un Asesino Entre Nosotros”: http://unasesinoentrenosotos.blogspot.com/

📖 Blog en WordPress de Un Asesino Entre Nosotros: https://unasesinoentrenosotros.wordpress.com

👁 Blog en WordPress “Javirus”: https://javirus.wordpress.com