APLICACIÓN CRÍTICA DE ALGORITMOS DE MACHINE LEARNING EN EL ANÁLISIS Y EJECUCIÓN DEL DERECHO PENAL DESDE SUS AVANCES, DESAFÍOS Y LIMITACIONES

Objetivo: Analizar de manera crítica la aplicación de algoritmos de Machine Learning en el ámbito del derecho penal, identificando sus principales aportes tecnológicos, así como los riesgos asociados a sesgos, opacidad y ausencia de marcos normativos claros que puedan comprometer los principios garantistas del proceso penal. Métodos: Se llevó a cabo una revisión bibliográfica crítica en bases académicas de prestigio internacional (Scopus, Web of Science, SpringerLink, Google Scholar y JSTOR) entre 2015 y 2025. Se seleccionaron artículos originales, revisiones doctrinales e informes institucionales que relacionaran algoritmos de Machine Learning con el análisis o ejecución del derecho penal. El análisis se estructuró en tres ejes: (i) avances y aplicaciones prácticas, (ii) limitaciones técnicas y sesgos identificados, y (iii) desafíos éticos y legales. Resultados: Los hallazgos evidencian que el Machine Learning se ha utilizado principalmente en la predicción de reincidencia, en modelos de predictive policing y en la clasificación de juicios y sentencias. Estas aplicaciones han mostrado mejoras en eficiencia y rapidez, pero también han revelado limitaciones significativas. Conclusiones: La implementación de algoritmos de Machine Learning en el derecho penal solo puede considerarse legítima si funciona como un mecanismo de apoyo bajo supervisión humana. Resulta imprescindible establecer marcos normativos sólidos, auditorías independientes y principios éticos que garanticen la transparencia, la equidad y la protección de los derechos fundamentales.