En el marco del proyecto de colaboración bilateral Fondo Chile-México, el Instituto Nacional de Estadísticas (INE) de Chile y el Instituto Nacional de Estadística y Geografía (INEGI) de México han publicado conjuntamente un artículo científico que presenta el uso de técnicas de inteligencia artificial para la clasificación automática de delitos en la Encuesta Nacional Urbana de Seguridad Ciudadana (ENUSC).

El artículo titulado “Automated Classification of Crime Narratives Using Machine Learning and Language Models in Official Statistics”, fue desarrollado de forma colaborativa por el Laboratorio de Ciencia de Datos y Métodos Modernos del INEGI, el Área de Ciencia de Datos y el Equipo Técnico de la ENUSC del INE, con la autoría de Ignacio Agloni -jefe de la Unidad de Gobierno de Datos-, Klaus Lehman -jefe del Área de Ciencia de Datos-, Javiera Preuss -científica de datos del Área de Ciencia de Datos - y Nicolás Berhó –analista senior del subdepartamento de Estadísticas de Condiciones de Vida-; junto a  Elio Villaseñor, Alejandro Pimentel y Oswaldo Diaz, por parte del INEGI.

La metodología desarrollada en el artículo utiliza un enfoque de deep learning para automatizar la codificación de los delitos reportados en las respuestas abiertas de la ENUSC. Esta tarea, que tradicionalmente demanda una considerable cantidad de trabajo manual por parte de analistas expertos, fue replicada con excelentes resultados mediante técnicas de aprendizaje automático.

El modelo entrenado no solo alcanzó altos niveles de precisión, sino que permitió ahorrar una importante cantidad de tiempo y esfuerzo operativo: “la metodología que desarrollamos ha liberado muchas horas que ahora podemos redirigir a la mejora de la calidad de nuestra encuesta, así que estamos muy contentos con el resultado”, señaló Nicolás Berhó.

Este estudio representa la primera aplicación documentada del aprendizaje profundo para la clasificación automatizada de narrativas de victimización en estadísticas oficiales, demostrando su viabilidad e impacto en un entorno de producción real. Nuestros resultados demuestran que el aprendizaje profundo puede mejorar significativamente la eficiencia y la consistencia de la codificación de las estadísticas sobre delincuencia, ofreciendo una solución escalable para otras oficinas nacionales de estadística.