La esencia de "Polygraph+" radica en dos pilares tecnológicos: por un lado, algoritmos de puntuación basados en IA y ML que prometen interpretar datos de manera más sofisticada; por otro, una innovadora técnica conocida como "detección remota" o "standoff sensing". Esta última permitiría recabar lecturas fisiológicas de un individuo sin necesidad de contacto físico con sensores o dispositivos, lo que representa un salto significativo frente a los métodos tradicionales. El objetivo principal de esta tecnología es reforzar las verificaciones de antecedentes del vasto personal del Departamento de Defensa y, crucialmente, mejorar la detección de "amenazas internas", un desafío constante para la seguridad nacional.
Tradicionalmente, el gobierno federal de EE. UU. ya lleva a cabo decenas de miles de pruebas de polígrafo al año para su personal. Un ejemplo reciente, según MIT Technology Review, se dio en septiembre de 2026, cuando aproximadamente 50 oficiales del Estado Mayor Conjunto fueron sometidos a estas pruebas tras una serie de filtraciones de prensa. Este contexto subraya la persistente dependencia de estas herramientas, a pesar de su historial controversial y la constante búsqueda de métodos más fiables.
Polígrafo tradicional vs. el "Polygraph Next" con IA
La confrontación entre el polígrafo tradicional y la propuesta "Polygraph Next" con IA es, en esencia, una batalla entre una tecnología de probada imprecisión y una promesa de avance envuelta en incertidumbre algorítmica. El polígrafo convencional, popularizado en el siglo XX, funciona registrando cambios en indicadores fisiológicos como la presión arterial, la frecuencia cardíaca, la respiración y la conductancia de la piel mientras una persona responde preguntas. La premisa es que el engaño provoca estrés, el cual se manifiesta en estas respuestas fisiológicas. Sin embargo, como bien señaló el Consejo Nacional de Investigación de EE. UU. en 2003, la evidencia de la precisión del polígrafo es "débil en el mejor de los casos". No detecta directamente la mentira, sino las señales de estrés o nerviosismo, que pueden ser provocadas por múltiples factores no relacionados con la veracidad de una declaración.
Por el contrario, el "Polygraph Next" propone una evolución radical. La "detección remota" es una tecnología fascinante. En 2023, la Unidad de Innovación de Defensa ya había seleccionado a dos empresas para construir prototipos en este campo. Presage Technologies desarrolla sistemas que pueden medir la frecuencia cardíaca y respiratoria utilizando cámaras ordinarias, sin necesidad de cables o contactos. Altec Research, por su parte, se enfoca en rastrear movimientos de la cabeza, la temperatura de la piel facial y la actividad de los poros, también de forma no invasiva. Estas capacidades, combinadas con algoritmos de IA y ML, buscarían identificar patrones de comportamiento y respuestas fisiológicas que, según la DCSA, podrían indicar engaño o falta de credibilidad con mayor precisión que los métodos actuales. La idea es que la IA pueda aprender a diferenciar entre el estrés general y los patrones específicos asociados con el intento de ocultar información, llevando a un supuesto nivel de objetividad y eficacia superior.
Sin embargo, la fusión de estas tecnologías no está exenta de críticas. La principal objeción de los expertos es que, al combinar la IA con una prueba fundamentalmente no científica como el polígrafo, se corre el riesgo de crear "lo peor de ambos mundos". La IA, con su capacidad de procesar enormes volúmenes de datos y encontrar correlaciones, podría automatizar y escalar los sesgos inherentes al polígrafo, en lugar de corregirlos. La distinción entre el nerviosismo de una persona inocente y el comportamiento de alguien que miente sigue siendo un terreno resbaladizo que los algoritmos, a pesar de su sofisticación, aún no "entienden" en el sentido humano de la intención o la emoción.
Los datos hablan: Escepticismo vs. Inversión
La magnitud de la inversión del Pentágono en "Polygraph Next" es considerable: 30.3 millones de dólares repartidos a lo largo de cinco años, con un desglose proyectado de 6.42 millones en 2027 y montos similares hasta 2031. Esta cifra refleja un compromiso serio por parte de la DCSA para modernizar sus capacidades de seguridad. Con aproximadamente 2.8 millones de personas empleadas por el Departamento de Defensa, la aplicación de una herramienta de este tipo a tan vasta fuerza laboral plantea desafíos logísticos y éticos monumentales. La promesa es una verificación más eficiente y una detección temprana de potenciales amenazas internas, elementos críticos para la seguridad nacional en un entorno geopolítico complejo.
No obstante, este ambicioso proyecto se encuentra con un muro de escepticismo por parte de la comunidad científica y de expertos en IA. Varios analistas han calificado la iniciativa como "lo peor de ambos mundos", argumentando que la IA añade una capa de incertidumbre a una prueba cuya validez científica ya es, en el mejor de los casos, débil. Kyri Kotsoglou, profesor de Derecho en Northumbria Law School, describe el esfuerzo como "desacertado para reducir lo complejo a algo tangible". Su preocupación radica en que los algoritmos de IA, en lugar de ofrecer una solución objetiva, podrían simplemente automatizar suposiciones preexistentes sin una validación rigurosa.
Montse Peñarroya, una reconocida experta en IA, ha advertido sobre los "sesgos invisibles" y las "consecuencias reales" que estos sistemas podrían acarrear. La IA, por su naturaleza, se entrena con datos que pueden contener prejuicios inherentes, y sus conclusiones podrían interpretar diferencias culturales, de personalidad o incluso de lenguaje corporal como indicadores de engaño, lo que llevaría a acusaciones injustas. Peñarroya enfatiza que, aunque la IA es excelente para analizar patrones, carece de la "comprensión" profunda de la intención o emoción humana, lo que hace que la detección certera de mentiras esté fuera del alcance de los algoritmos actuales. Incluso con una supuesta alta precisión, la aplicación de estas pruebas a millones de empleados podría generar decenas de miles de falsos positivos, lo que tendría graves repercusiones en las carreras y la vida de las personas.
Que significa para Latam: Un espejo para la regulación y la innovación local
Aunque la iniciativa del Pentágono se centra en la seguridad nacional de EE. UU., sus implicaciones resuenan fuertemente en América Latina, una región que se encuentra en un punto crucial en la adopción y regulación de la inteligencia artificial. La discusión sobre el "Polygraph Next" actúa como un espejo que refleja los desafíos y oportunidades que la IA presenta a nivel global y local. La región ha experimentado una rápida adopción de la IA, con el 65% de los consumidores utilizándola y un asombroso 92% de estudiantes universitarios incorporándola en sus actividades. Sin embargo, esta celeridad en la adopción a menudo supera la confianza del público y la implementación de marcos de gobernanza adecuados.
En este contexto, la preocupación por el uso de IA para la detección de engaños adquiere una relevancia particular. Latinoamérica ha visto un aumento significativo en las campañas de desinformación impulsadas por IA, como los "deepfakes", lo que ha generado una necesidad creciente de "detectores de IA" para combatir las noticias falsas y el plagio académico. Esto muestra un terreno fértil para el desarrollo y la implementación de tecnologías de IA, pero también una conciencia creciente sobre sus riesgos.
La región también está activa en la formulación de marcos regulatorios para la IA. Más de la mitad (55%) de las personas en Latinoamérica apoyan la regulación de la IA. Brasil, por ejemplo, es uno de los países más avanzados, trabajando en un marco regulatorio integral basado en riesgos, similar al enfoque europeo. México y Chile también tienen sus propias legislaciones en etapas avanzadas. Estos esfuerzos demuestran una tendencia regional hacia la implementación de normativas que impactarán la forma en que las empresas diseñan y controlan sus sistemas de IA, incluyendo aquellos con aplicaciones sensibles como la detección de engaños.
Además, la innovación local en este campo no se queda atrás. Existe al menos un ejemplo concreto en la región: la empresa colombiana Predicto Artificial Intelligence Technologies ha patentado una tecnología que utiliza IA para medir cambios en el tamaño de la pupila y realizar análisis facial para detectar engaños. Esta compañía busca ofrecer una alternativa a los polígrafos tradicionales, evidenciando que el interés y el desarrollo de tecnologías de detección de mentiras basadas en IA no son exclusivos de las grandes potencias. El caso del Pentágono, con sus promesas y sus controversias, sirve como una importante lección para Latinoamérica, destacando la necesidad de equilibrar el potencial innovador de la IA con consideraciones éticas robustas y una validación científica rigurosa antes de implementar herramientas de alto impacto en la vida de las personas.
