Cuando un equipo legal necesita esclarecer los hechos detrás de acusaciones de fraude o corrupción en el marco de una investigación gubernamental, la tecnología puede generar eficiencias sustanciales. Mediante el filtrado y evaluación de grandes volúmenes de información, la inteligencia artificial (IA) permite:
- Clasificar eficazmente mensajes de texto, archivos de audio, correos electrónicos y otros datos no estructurados en grupos manejables.
- Identificar relaciones potenciales entre las partes involucradas.
- Reconocer patrones de frecuencia o temporalidad que podrían respaldar la defensa del cliente.
El análisis de datos asistido por tecnología proporciona el nivel de diligencia y control de calidad necesario para presentar conclusiones confiables ante autoridades gubernamentales.
Este informe explica cómo ha evolucionado el proceso de recopilación, clasificación y evaluación de grandes volúmenes de datos, y por qué la inteligencia humana especializada sigue siendo un componente indispensable para un análisis preciso.
Investigaciones gubernamentales: primeros pasos
El objetivo inicial de toda investigación es determinar los hechos. En la mayoría de los casos, la acusación es vaga y proviene de una línea interna de denuncias o de una citación oficial. El equipo legal suele contar con:
- Una lista de documentos solicitados por el ente gubernamental.
- Una denuncia presentada a través de un canal interno.
- Un correo electrónico anónimo con una acusación.
- Un artículo de prensa.
Con esta información preliminar, el equipo debe determinar si existe un problema real, y si coincide con el señalado por la autoridad. En investigaciones oficiales, deben formularse preguntas clave:
- ¿Qué está investigando el gobierno?
- ¿Cuál es la solidez de las pruebas?
- ¿Qué defensas legales o regulatorias pueden invocarse?
- ¿Cuál es el nivel de exposición del cliente?
Además, el equipo debe comunicar estos hallazgos al asesor jurídico interno, al oficial de cumplimiento, al directorio, al comité de auditoría y a los auditores externos, para ofrecer una evaluación clara del riesgo.
Si el gobierno solicita una reunión, el equipo legal debe demostrar:
- Cómo se llevó a cabo la investigación.
- Por qué sus resultados son confiables.
- Que se identificaron todos los hechos relevantes.
- Que se tomaron medidas suficientes para descartar problemas, cuando corresponda.
El gobierno no confiará ciegamente en el equipo legal; por ello, es esencial demostrar que se ha considerado el panorama completo.
Tipología de datos: estructurados y no estructurados
Las empresas almacenan datos en formatos estructurados (por ejemplo, sistemas contables o ERP como SAP u Oracle) y no estructurados (mensajes, correos, aplicaciones de mensajería como WhatsApp o Viber).
En el caso de datos estructurados, el equipo legal trabaja con expertos contables forenses para definir pruebas analíticas que permitan detectar indicios de fraude o corrupción, tales como:
- Transacciones con montos redondos.
- Facturas secuenciales emitidas al mismo proveedor.
- Desajustes entre la ubicación del trabajo y la ruta del pago (por ejemplo, trabajo en Colombia, pago procesado en Francia).
Estas pruebas se aplican sobre los registros contables y se contrastan con los documentos subyacentes: ¿el contrato existe?, ¿su descripción coincide con la del sistema?, ¿los entregables son medibles o vagos?, ¿la transacción realmente ocurrió?
Si la investigación se centra en un consultor que presuntamente paga sobornos, se examinan el contrato, los firmantes, la descripción del trabajo y los términos de pago. El objetivo es determinar si el valor entregado corresponde al valor pagado, y si la relación contractual refleja condiciones de mercado.
Ejemplo: si un cliente paga una suma considerable para contratar a un abogado reconocido que no tiene experiencia en el área relevante, esto debería activar alertas. Aunque puede haber una explicación legítima, el análisis debe identificar estos indicios.
Gestión y filtrado de datos no estructurados
Para reducir el volumen de datos, el primer paso es la recolección: correos electrónicos, discos duros de laptops, dispositivos periféricos (teléfonos, discos externos, USBs), siempre respetando las normas de protección de datos.
Luego, se excluyen archivos pesados sin valor probatorio (programas, fotografías) para crear un conjunto filtrable.
Técnicas de filtrado
- Búsqueda por términos clave: se elabora una lista de palabras relacionadas con la investigación y se aplican sobre el conjunto de datos. Los documentos encontrados se revisan en dos niveles para determinar su relevancia.
- Revisión asistida por tecnología (TAR): se selecciona un conjunto inicial de documentos (“seed set”) revisado por un experto en la materia, que entrena al algoritmo para identificar documentos relevantes. Esto permite eliminar aquellos con baja probabilidad de pertinencia.
- Búsqueda por conceptos: algunas aplicaciones permiten definir conceptos y buscar documentos que los contengan, utilizando revisión asistida.
Es recomendable aplicar múltiples técnicas en paralelo para aumentar la eficiencia y precisión. Sin embargo, la evaluación final siempre requiere juicio humano.
Cada investigación es dinámica e iterativa. Puede surgir la necesidad de incorporar nuevos términos, realizar entrevistas o revisar nuevas denuncias, correos o artículos de prensa.
💬 Comentario estratégico
Estas técnicas permiten que las investigaciones sean más eficientes y, por tanto, más rentables. Los clientes están cada vez más familiarizados con el uso de datos y herramientas analíticas, al punto que algunos incluyen científicos de datos en sus programas de cumplimiento.
Aunque solo las grandes multinacionales cuentan con capacidades internas avanzadas, muchas empresas trabajan con tecnólogos forenses, internos o externos, que dominan las técnicas de búsqueda y filtrado de datos.
Los avances tecnológicos recientes responden al crecimiento exponencial de los datos y los costos asociados. Los equipos legales deben saber cómo controlar estos costos y trabajar con profesionales que comprendan los conceptos relevantes. Deben ser capaces de explicar al cliente —y al gobierno— qué están haciendo, cómo lo hacen y por qué es confiable.
Los gobiernos también utilizan estas técnicas, por lo que el desafío no es su novedad, sino garantizar un nivel suficiente de fiabilidad.
