Inteligencia artificial para el análisis predictivo del delito: Estado del arte y desafíos para la seguridad pública
PDF
HTML

Palabras clave

Inteligencia artificial
Aprendizaje automático
Aprendizaje profundo
Predicción del delito
Seguridad pública

Cómo citar

Manzano Silva, O. (2026). Inteligencia artificial para el análisis predictivo del delito: Estado del arte y desafíos para la seguridad pública. Interconectando Saberes, 11(22), 299-312. https://doi.org/10.25009/5wsnem48

Resumen

El artículo revisa estudios recientes sobre el uso de inteligencia artificial (IA) en la predicción del delito y sus aportes potenciales a la seguridad pública. Se analizaron investigaciones empíricas publicadas entre 2019 y 2025 que aplican IA, aprendizaje automático o aprendizaje profundo al análisis delictivo. Los estudios, realizados en países de América y Asia, emplean métodos supervisados y no supervisados, redes neuronales, análisis espacio-temporal y visión por computadora. La literatura reporta aplicaciones para identificar patrones y zonas de riesgo, estimar tendencias delictivas y apoyar la asignación de recursos. Sin embargo, los enfoques y resultados son heterogéneos, y la mayoría de los modelos requiere validación en contextos reales. Se concluye que su incorporación a la seguridad pública debe considerar la calidad y representatividad de los datos, la interpretabilidad, los sesgos y la privacidad, y evaluar su impacto en las políticas públicas.

PDF
HTML

Referencias

Bheemalingaiah, M., Nageswara Rao, E., Srirama Kanaka Ratnam, A., & Vecha, S. (2022). Advanced cyber crime rate prediction using deep learning & AI based algorithm. Journal of Harbin Institute of Technology, 54(3), 140–146. https://doi.org/10.11720/JHIT.54032022.17

Burgos Alarcón, S. R. (2025). Análisis predictivo en seguridad pública: Generación de alertas con datos históricos del departamento de Córdoba [Proyecto aplicado, Especialización en Ciencia de Datos y Analítica, Universidad Nacional Abierta y a Distancia]. Repositorio Institucional UNAD. https://repository.unad.edu.co/handle/10596/73242

Calderon-Vilca, H. D., Carhuaricra Rivera, L., Abad Nauto, O., Carrillo Estrada, J., Calderon-Vilca, E. F., & Ibarra, M. (2021, septiembre). Review of crimes in Peru and proposal of a neural network architecture to predict if a person could commit a crime. En Proceedings of the 29th Conference of the Open Innovations Association FRUCT (pp. 416–422). Open Innovations Association FRUCT. https://doi.org/10.5281/zenodo.4770802

Díaz Linares, N. A. (2023). Entorno urbano y delincuencia: Robo de vehículo y calidad de vida urbana en la Ciudad de México, 2018–2020 [Tesis de maestría, Universidad Autónoma del Estado de México].

Egger, J., Pepe, A., Gsaxner, C., Jin, Y., Li, J., & Kern, R. (2021). Deep learning—a first meta-survey of selected reviews across scientific disciplines, their commonalities, challenges and research impact. PeerJ Computer Science, 7, e773. https://doi.org/10.7717/peerj-cs.773

Giraldo-Alegría, S., Ordoñez-Palacios, L., Bucheli-Guerrero, V., & Ordoñez-Erazo, H. (2020). Modelo de redes neuronales para predecir la tendencia de víctimas de secuestro en Colombia. Investigación e Innovación en Ingenierías, 8(3), 38–49. https://doi.org/10.17081/invinno.8.3.4702

Gupta, M. K., & Chandra, P. (2020). A comprehensive survey of data mining. International Journal of Information Technology, 12, 1243–1257. https://doi.org/10.1007/s41870-020-00427-7

Iberdrola. (2023). Aplicaciones del deep learning. https://www.iberdrola.com/conocenos/nuestro-modelo-innovacion/deep-learning

Khan, M., Ali, A., & Alharbi, Y. (2022). Predicting and preventing crime: A crime prediction model using San Francisco crime data by classification techniques. Complexity, 2022, Article 4830411. https://doi.org/10.1155/2022/4830411

Kim, K.-S., & Jeong, Y.-H. (2021). A study on crime prediction to reduce crime rate based on artificial intelligence. Korean Journal of Artificial Intelligence, 9(1), 15–20. https://doi.org/10.24225/kjai.2021.9.1.15

Lira Cortés, A. L., & Fuentes Silva, C. (2021). Artificial intelligence models for crime prediction in urban spaces. Machine Learning and Applications: An International Journal, 8(1), 1–15. https://doi.org/10.5121/mlaij.2021.8101

Martínez, J. (2020). Deep learning: Fundamentos y aplicaciones.

Navarro Espindola, J. (2024). Análisis espacio-temporal de actividades delictivas en Morelia con un enfoque de aprendizaje automático no supervisado [Tesis de licenciatura, Universidad Nacional Autónoma de México]. Repositorio Institucional de la UNAM. https://repositorio.unam.mx/contenidos/3713132

Ordóñez, H., Cobos, C., & Bucheli, V. (2020). Modelo de machine learning para la predicción de las tendencias de hurto en Colombia. Revista Ibérica de Sistemas e Tecnologias de Informação, (E29), 494–506.

Pacheco Olivo, R. V., Vallejo Villavicencio, V. G., Enríquez Gutiérrez, D. A., Rojas Cevallos, A. V., & Bonilla Peñaherrera, J. O. (2025). Diseño de un modelo de aprendizaje automático para videovigilancia inteligente para la detección automática de armas de fuego enfocado a restaurantes ubicados en el cantón Quito. Ciencia Latina Revista Científica Multidisciplinar, 9(5), 11182–11205. https://doi.org/10.37811/cl_rcm.v9i5.20463

Raghu, M., & Schmidt, E. (2020). A survey of deep learning for scientific discovery [Preprint]. arXiv. https://arxiv.org/abs/2003.11755

Reier Forradellas, R. F., Náñez Alonso, S. L., Jorge-Vázquez, J., & Rodríguez, M. L. (2021). Applied machine learning in social sciences: Neural networks and crime prediction. Social Sciences, 10(1), Article 4. https://doi.org/10.3390/socsci10010004

Safat, W., Asghar, S., & Gillani, S. A. (2021). Empirical analysis for crime prediction and forecasting using machine learning and deep learning techniques. IEEE Access, 9, 70080–70094. https://doi.org/10.1109/ACCESS.2021.3078117

Villavicencio Benalcázar, W. A. (2023). Estudio de técnicas de aprendizaje automático utilizadas en ciberseguridad [Tesis de maestría, Universidad Politécnica Salesiana]. Repositorio Institucional de la Universidad Politécnica Salesiana. https://dspace.ups.edu.ec/bitstream/123456789/26498/1/UPS-CT011003.pdf

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2026 Omar Manzano Silva

Visitas: 0Descargas: 0

##plugins.themes.healthSciences.displayStats.downloads##

##plugins.themes.healthSciences.displayStats.noStats##