Uno de los mayores problemas para investigar el fenómeno del narcotráfico en México es la falta de datos específicos sobre los cárteles y los municipios donde operan.
“Los cárteles de la droga se comportan como cualquier otra empresa”, explica Fernanda Sobrino, doctora en Economía y profesora de la Escuela de Gobierno y Transformación Pública del Tec de Monterrey.
Ella intentó fundamentar esta premisa realizando una analogía con otra industria, pero se topó con un problema: no había datos.
La Secretaría de Seguridad y Protección Ciudadana y la Secretaría de la Defensa Nacional generan sus propias estadísticas, pero con acceso restringido o −como dice la investigadora− o no tienen datos abiertos, específicos, a nivel municipal.
Algoritmo para analizar al narcotráfico en México
Sobrino creó un algoritmo en el lenguaje de programación Python que analiza las notas de los periódicos con un nivel de detalle que le permite saber de qué municipio están hablando, de qué organización criminal y si la nota refiere un acto violento.
“No solamente necesitaba extraer la información de los links, porque vivimos en un país en el que el narco ya permeó todo, entonces, muchas veces, se menciona el cártel y el lugar, pero (la nota) no tiene nada que ver con el narco”, explica la profesora de la Escuela de Gobierno del Tec.
Sobrino utilizó este algoritmo para escribir su artículo Mexican Cartel Wars: Fighting for the U.S. Opioid Market, en el que argumenta que, en 2010, una restricción a un opioide legal en Estados Unidos ocasionó que los cárteles mexicanos comenzaran a sembrar amapola.
Antes de ese año, el cártel de Sinaloa dominaba ese producto; para 2016, ya eran nueve organizaciones las que estaban presentes en los municipios donde se sembraba amapola.
“Se trata de entender qué tanto difiere una empresa normal de una que se dedica al narcotráfico. Ver si hay estructuras distintas, porque no todas operan de la misma manera. Hay unas que operan como franquicia de una tienda de conveniencia. Otras de estructura vertical que trafican y distribuyen. Entender esto tiene valor para hacer política pública”, explica.
IA para leer violencia política en la prensa
De acuerdo con la consultora Etellekt, en el proceso electoral de 2018 hubo 48 asesinatos, en tanto que, en 2021, hubo 36. El algoritmo creado por Fernanda Sobrino pretende otorgar mayor entendimiento de este fenómeno en el que, en cada proceso electoral, muchos aspirantes y candidatos son asesinados.
El Instituto Nacional Electoral (INE) registra los incidentes en los que el candidato ha perdido la vida, pero no menciona cuáles fueron las razones de las agresiones, ni registra las veces en que fueron amenazados o cuando atentaron contra ellos.
“Ahí lo que hice fue tomar las listas nominales del INE y busqué a los candidatos. Busqué todas las noticias de todos los candidatos. Después de eso se aplica un algoritmo que distingue cuándo hay violencia y cuándo no”, explica.
La investigadora ahora trabaja en este estudio y recientemente publicó el artículo Inteligencia artificial para medir la violencia política de género: una alternativa con mayor precisión y eficiencia. Ella divide en tres los tipos de violencias en contra de políticos o aspirantes a cargos públicos: violencia por narcotráfico, entre políticos y violencia de género.
La última categoría, violencia política de género, es un concepto que comenzó a utilizarse en 2020 y se refiere a violencia ejercida contra alguien que, al estar haciendo uso de derechos políticos −como votar o ser votado− sea violentado en razón de su género.
La misma profesora se dice sorprendida por los hallazgos de su investigación.
“A las candidatas que ganan no les dan las llaves del Ayuntamiento, las mandan a ‘la cocina’ en los debates o hacen fotografías falsas que son pornográficas y son (ataques) de políticos o exfuncionarios”, cuenta.
Sobrino adelanta que su algoritmo se fortalece cada que mejoran las Inteligencias Artificiales que han aprendido a leer y puede ser utilizado en otros temas de carácter noticioso informativo como el robo de combustibles.
