CORRUPCIÓN ALGORÍTMICA EN SISTEMAS DE JUSTICIA

ANÁLISIS JURÍDICO-COMPARATIVO DE SESGOS, MANIPULACIÓN Y RESPONSABILIDADES INSTITUCIONALES EN LA IMPLEMENTACIÓN DE INTELIGENCIA ARTIFICIAL EN PROCESOS ADMINISTRATIVOS Y JUDICIALES

Abstract

La implementación creciente de algoritmos de inteligencia artificial en sistemas de justicia y administración pública ha introducido nuevas formas de corrupción que trascienden los paradigmas tradicionales de conducta corrupta, especialmente cuando estos sistemas automatizados reproducen o amplifican sesgos discriminatorios preexistentes, también cuando son susceptibles de manipulación deliberada por actores con intereses particulares. Esta problemática se evidencia en casos documentados como el algoritmo COMPAS utilizado en sistemas penitenciarios estadounidenses que demostró sesgos raciales sistemáticos, también en sistemas de adjudicación automatizada en contratación pública que han sido objeto de manipulación en diversos países europeos, constituyendo un fenómeno emergente que desafía conceptos jurídicos tradicionales de corrupción y plantea interrogantes sobre responsabilidad institucional en entornos tecnológicos complejos. El objetivo general consistió en analizar jurídicamente el fenómeno de corrupción algorítmica en sistemas de justicia mediante estudio comparativo de marcos regulatorios y casos jurisprudenciales, siendo los objetivos específicos: examinar manifestaciones de sesgos discriminatorios en algoritmos judiciales y administrativos, analizar mecanismos de manipulación algorítmica documentados en diferentes jurisdicciones, y evaluar respuestas normativas emergentes para prevenir corrupción en sistemas automatizados de toma de decisiones públicas. La metodología empleada fue de carácter cualitativo bajo enfoque de derecho comparado, utilizando análisis documental de jurisprudencia sobre discriminación algorítmica y casos de manipulación en sistemas automatizados durante el período 2018-2024 en seis jurisdicciones (Estados Unidos, Reino Unido, Alemania, Francia, Países Bajos y Estonia), también revisión sistemática de normativas específicas sobre transparencia algorítmica y responsabilidad institucional en uso de IA gubernamental, aplicando criterios de selección basados en disponibilidad de documentación oficial y relevancia para sistemas de justicia y administración pública. La hipótesis de partida establecía que algoritmos utilizados en contextos de alta discrecionalidad administrativa presentan mayor susceptibilidad a manipulación corrupta comparado con sistemas de aplicación normativa automatizada, fundamentada en teorías de captura regulatoria y estudios empíricos sobre comportamiento de algoritmos en entornos institucionales complejos desarrollados en literatura especializada internacional. Los resultados confirmaron la hipótesis principal, identificando que sistemas de adjudicación discrecional registran 78% más incidentes de sesgo sistemático comparado con aplicaciones normativas automatizadas, mientras casos documentados como el sistema SyRI en Países Bajos demuestran patrones de discriminación algorítmica que constituyen formas emergentes de corrupción institucional, también se evidenciaron diferencias significativas entre jurisdicciones con marcos de transparencia algorítmica obligatoria versus sistemas de autorregulación, encontrándose que manipulación deliberada de parámetros algorítmicos representa forma sofisticada de corrupción administrativa difícilmente detectable por mecanismos tradicionales de control, además el análisis comparativo reveló que responsabilidad institucional por decisiones algorítmicas permanece difusa en mayoría de jurisdicciones estudiadas, aunque algunos hallazgos contradictorios en sistemas nórdicos sugieren posibilidad de marcos regulatorios efectivos para prevenir corrupción algorítmica mediante transparencia y auditoría obligatoria. Las implicaciones prácticas incluyen desarrollo de nuevos tipos penales específicos para corrupción algorítmica y proyección hacia marcos institucionales de responsabilidad por decisiones automatizadas en el sector público.