Desarrollo de un sistema de predicción de crímenes respetando la privacidad de los datos

Abstract

Este trabajo presenta el desarrollo de un Sistema Predictivo de Crímenes (SPC) orientado a fortalecer la seguridad ciudadana en Colombia mediante el uso ético de inteligencia artificial y datos abiertos. A partir de una formulación espaciotemporal del problema, se entrenaron modelos supervisados para predecir la probabilidad de ocurrencia de delitos en celdas geográficas de 500 metros y ventanas temporales de siete días. Se emplearon técnicas de validación cruzada bloqueada por localidad y métricas robustas como AUC-PR, PAI y PEI, comparando el desempeño frente a modelos tradicionales como KDE y regresión logística. El sistema incorpora mecanismos de anonimización verificables (k-anonimidad ≥10, geo-jitter de 250 m) y una Evaluación de Impacto en Protección de Datos (DPIA), garantizando el cumplimiento de la Ley 1581 de 2012 y el RGPD. Los resultados muestran mejoras en la identificación de zonas críticas, precisión en la predicción y potencial para optimizar la asignación de patrullaje, sin comprometer la privacidad. Se propone una arquitectura reproducible con ingesta, procesamiento, modelado, despliegue y monitoreo, acompañada de dashboards interactivos y documentación técnica. Este proyecto demuestra que es posible conjugar innovación tecnológica, ética pública y utilidad operativa en la prevención del delito.