El Departamento de Defensa de Estados Unidos ha incluido en su próxima petición presupuestaria una partida de 30,3 millones de dólares repartidos en cinco años para desarrollar una nueva generación de detectores de mentiras. El programa, bautizado como «Polygraph+» o «Polygraph Next», combina algoritmos de aprendizaje automático con sensores capaces de tomar medidas fisiológicas sin necesidad de contacto físico con la persona examinada. La iniciativa llega en un momento de fuerte tensión interna en el Pentágono, con decenas de oficiales sometidos a pruebas de polígrafo tras filtraciones sobre el estado de las reservas de armamento estadounidenses durante el conflicto con Irán. El proyecto estará gestionado por la Defense Counterintelligence and Security Agency (DCSA), el organismo encargado de las verificaciones de antecedentes en la administración federal, y se aplicará tanto a la selección de personal como a la detección de amenazas internas. Expertos en la materia, sin embargo, advierten de que mezclar inteligencia artificial con una tecnología cuya validez científica lleva décadas cuestionada puede no mejorar nada, sino todo lo contrario.

Qué es exactamente Polygraph+

El núcleo del programa gira en torno a dos elementos técnicos concretos: algoritmos de puntuación basados en IA y una técnica conocida como «standoff sensing», es decir, la capacidad de registrar señales fisiológicas —temperatura facial, ritmo cardíaco, actividad de los poros, movimientos de cabeza— a distancia, sin electrodos ni manguitos de presión arterial. El documento presupuestario, revelado inicialmente por Inside Defense, habla de «modernizar las tecnologías federales de polígrafo y evaluación de credibilidad» para mejorar su precisión y fiabilidad. Aunque la DCSA no ha confirmado qué proveedores participarán, un proceso previo de la Defense Innovation Unit (DIU) en 2023 ya dio pistas: seleccionó a Presage Technologies, especializada en medir frecuencia cardíaca y respiratoria mediante cámaras convencionales, y a Altec Research, una empresa de sensores médicos que ha mostrado prototipos capaces de rastrear simultáneamente temperatura de la piel, movimiento cefálico y actividad glandular mediante visión por ordenador. Es precisamente ese enfoque «multimodal» —combinar varias señales en una única puntuación de sospecha— el que más interés genera entre los defensores del proyecto, frente al polígrafo clásico, que apenas mide presión arterial, pulso, respiración y sudoración.

Un aparato que apenas ha cambiado desde 1921

Conviene recordar de dónde viene esta tecnología. El polígrafo moderno se inventó hace más de cien años y su principio de funcionamiento sigue siendo esencialmente el mismo: comparar la respuesta fisiológica a preguntas neutras («¿el cielo es azul?») con la respuesta a preguntas comprometidas. El problema es que ese principio nunca ha resistido bien el escrutinio científico. Ya en 1983, la Office of Technology Assessment del Congreso estadounidense concluyó que había pruebas muy limitadas que respaldaran su uso para el cribado de empleados, y en 2003 el National Research Council calificó la evidencia disponible de «débil en el mejor de los casos». La American Polygraph Association sostiene que el aparato acierta entre el 80 % y el 94 % de las veces, pero incluso esa cifra, aplicada a una plantilla como la del Departamento de Defensa —2,8 millones de personas—, implicaría decenas de miles de falsos positivos si se usara como cribado masivo. A eso se suma la subjetividad del examinador: distintos evaluadores llegan a conclusiones distintas ante los mismos registros, las minorías tienden a ser señaladas como «engañosas» con más frecuencia, y quien conoce el mecanismo puede aprender contramedidas sencillas, como generar una respuesta fisiológica artificial en las preguntas de control clavándose una chincheta oculta en el zapato.

Lo que la IA puede y no puede arreglar

Sophie van der Zee, profesora asociada de la Erasmus University de Róterdam especializada en detección de engaños, resume el problema en una frase: si conoces el funcionamiento del sistema, puedes burlarlo. Según explica, la mentira deja tres tipos de rastro potencial: estrés fisiológico, carga cognitiva y el esfuerzo consciente por ocultar que se está mintiendo. El polígrafo tradicional solo intenta captar el primero, y la apuesta de Polygraph+ es que un sistema de IA que cruce datos de varias fuentes a la vez —vídeo, voz, temperatura, microexpresiones— pueda acercarse algo más a los otros dos. No sería la primera vez que se intenta: a mediados de la década de 2000, investigadores de la Manchester Metropolitan University desarrollaron «Silent Talker», un sistema que generaba una puntuación de engaño a partir de grabaciones de vídeo y que más tarde se integró en iBorderCtrl, un proyecto piloto financiado por la Unión Europea para control fronterizo. En paralelo, en Estados Unidos se probó AVATAR, que combinaba seguimiento ocular, análisis de voz y detección de movimiento corporal en pasos fronterizos. Ninguno de los dos proyectos sobrevivió más allá de la fase experimental, y ambos desaparecieron discretamente sin llegar a un despliegue real.

Los especialistas en derecho son especialmente críticos con la idea de sumar aprendizaje automático a una base ya de por sí poco sólida. Kyri Kotsoglou, profesor de la Northumbria Law School, lo describe como «lo peor de ambos mundos«, porque añade incertidumbre algorítmica encima de un método cuya validez ya estaba en entredicho. El razonamiento es sencillo desde el punto de vista técnico: un modelo de IA puede detectar patrones estadísticos inéditos en los datos fisiológicos, pero para entrenarlo hace falta una base de verdad fiable —saber con certeza quién mentía y quién no en cada registro histórico—, y esa base de verdad, en el caso del polígrafo, nunca ha existido. Marion Oswald, también profesora de derecho, apunta además al contexto político del anuncio: lo interpreta como una respuesta directa a la preocupación de la actual administración por las filtraciones y la lealtad interna, más como herramienta de intimidación psicológica que como instrumento de obtención de información verificable.

En el terreno puramente técnico, merece la pena detenerse en el propio Polygraph+ como producto, más allá del debate de fondo. Se trata de un sistema pensado para escalar el proceso de vetting a un volumen que el polígrafo de contacto nunca pudo alcanzar, precisamente porque elimina la fricción del cableado y permite evaluar a un candidato con una cámara y sensores térmicos a distancia, sin sesión física prolongada con un examinador certificado. Eso reduce tiempos y costes operativos, pero traslada buena parte de la interpretación a un modelo de puntuación automatizado cuya lógica interna probablemente no será pública, lo que complica cualquier auditoría externa sobre sesgos o tasas de error reales una vez desplegado a gran escala.

Reflexiones finales

Lo llamativo de Polygraph+ no es tanto la tecnología en sí —sensores térmicos, visión por ordenador y modelos de puntuación llevan años usándose en otros contextos— sino la decisión de aplicarla a un problema que la ciencia lleva más de cuarenta años señalando como mal planteado. Añadir capas de sofisticación técnica a un instrumento sin fundamento científico sólido no corrige el fallo original, solo lo disfraza mejor. La historia reciente, desde Silent Talker hasta AVATAR, sugiere que este tipo de proyectos tiende a generar más titulares que resultados sostenibles en el tiempo. El verdadero efecto de Polygraph+, si finalmente recibe financiación del Congreso, podría no ser tanto técnico como psicológico: recordar a decenas de miles de empleados federales que están siendo observados, lo cual, paradójicamente, es exactamente lo que ya conseguía el polígrafo de toda la vida sin necesidad de ningún algoritmo.