Georgia prueba una IA que lee llamadas al 911 para detectar crisis de salud mental antes que la policía

Por Zendoric · 1 de septiembre de 2026.

Moultrie es una ciudad de poco más de 14.000 habitantes en el sur de Georgia (EE UU). Su departamento de policía, la Universidad Kennesaw State (KSU) y la empresa Technovative AI, Inc. han puesto en marcha un piloto llamado CaseFinder: un sistema que revisa informes policiales y transcripciones de llamadas al 911 para detectar patrones —llamadas repetidas a la misma dirección, palabras clave como "alcohol" o "drogas"— y generar una lista de personas que podrían necesitar ayuda de salud mental o de adicciones, según explicó el jefe de policía Chad Castleberry.

Esa lista no la gestiona un algoritmo solo: se traslada a una unidad de "co-respuesta" formada por un agente y un trabajador social del Georgia Pines Community Service Board, que visita a las personas señaladas y, si procede, las conecta con recursos locales. La unidad existe desde mayo de 2022, con apoyo del programa UGA Archway Project, y tuvo 305 encuentros de este tipo en 2025 y 230 en lo que va de 2026, entre llamadas de crisis, seguimientos y controles de bienestar, según los datos publicados por el propio departamento junto con Georgia Pines.

Hay un matiz que merece más atención que la propia herramienta: KSU anunció la alianza en su web el 20 de agosto, pero Castleberry reconoce que el anuncio fue prematuro. A fecha del lunes, los programadores todavía no habían conseguido que CaseFinder se conectara con el sistema de gestión de registros del departamento, el software donde vive toda la información que la IA necesita para funcionar. Es decir: se celebró la alianza antes de que la tecnología hiciera nada.

El acuerdo, además, tiene la forma típica de un pequeño proveedor tecnológico buscando su primer cliente de referencia: Moultrie despliega CaseFinder en hardware propio sin coste de licencia durante el piloto, KSU y Technovative AI ponen la instalación y el soporte técnico, y el departamento aporta a cambio feedback estructurado para refinar el producto. La empresa, señala el comunicado, conserva el derecho a citar el despliegue como caso de cliente. Es el manual habitual de captación en fase temprana: entrar gratis en una institución pequeña, aprender de ella y usarla como aval para vender a la siguiente.

Como contexto del sector, conviene distinguir esto de la "policía predictiva" que generó polémica hace una década, la que usaba datos históricos de delitos para decidir dónde patrullar y terminó reproduciendo sesgos raciales y de clase. CaseFinder apunta en la dirección contraria: no busca predecir delitos, busca desviar a personas del sistema penal hacia el sanitario. La intención es loable y encaja con una tendencia real: cada vez más policías locales en EE UU incorporan unidades de co-respuesta con trabajadores sociales, y la IA aparece aquí como una forma de estirar un recurso humano escaso —un agente, un trabajador social— para cubrir cientos de contactos al año sin más plantilla.

Pero el mismo diseño que evita el sesgo de la policía predictiva abre otro problema: construir una lista de personas "con necesidades de salud conductual" a partir de palabras sueltas en una llamada al 911 es, en la práctica, un fichero de vigilancia con buenas intenciones. Que alguien mencione alcohol o drogas en una llamada no equivale a que necesite intervención, y no hay en el material público ninguna referencia a consentimiento, criterios de retirada del listado o límites sobre quién más puede acceder a esos datos más adelante. Una herramienta pensada para conectar con ayuda puede, sin esos límites bien definidos desde el primer día, derivar en un registro que se use para fines distintos al que la motivó.

Nuestra lectura es que esta noticia importa menos por la tecnología —que suena más a reglas y coincidencia de patrones que a un modelo de lenguaje de frontera— y más por lo que representa: la capa aburrida y local de la IA, la que no sale en las presentaciones de los grandes laboratorios, empieza a instalarse en ayuntamientos y comisarías de ciudades pequeñas, con las prisas de marketing por delante de la ingeniería que ya conocemos de despliegues mucho más grandes. Si de verdad multiplica lo que dos personas pueden atender, encaja con la promesa de fondo de la IA: usar la abundancia de cómputo para asignar mejor un recurso humano escaso, sacando a la gente del circuito punitivo antes de que colisione con él. Pero esa promesa solo se sostiene si la gobernanza del dato —consentimiento, auditoría, líneas rojas sobre el uso— se construye con el mismo cuidado que el propio software, y en Moultrie, de momento, ni siquiera eso funciona todavía.