La variable invisible. Prueba de detective privado, redacción judicial y sesgo de omisión en la justicia predictiva española (2020-2024)

• Autores: Francisco Marco Fernández
• Localización: Revista de derecho y proceso penal, ISSN 1575-4022, Nº. 83, 2026
• Idioma: español
• Títulos paralelos:
  • The Invisible Variable. Private Investigator Evidence, Judicial Drafting, and Omission Bias in Spanish Predictive Justice (2020–2024)
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Los modelos predictivos de inteligencia artificial aplicados al ámbito judicial dependen de la calidad de los datos con que se entrenan. Este trabajo documenta empíricamente un sesgo de omisión: la prueba de detective privado, pese a su presencia constante y elevada eficacia, resulta estadísticamente invisible para dichos modelos. A partir de un corpus de 1.936 resoluciones (2020-2024) depuradas manualmente, el estudio demuestra que esa prueba alcanza una eficacia del 68,2% a favor de quien la aporta; que en torno al 54% de las resoluciones que la mencionan carece de valoración judicial explícita y etiquetable; y que esa falta de estandarización en la redacción judicial —y no un defecto algorítmico— es la raíz del sesgo. Se documentan además tres procesos estructurales del sector y una trayectoria de volumen en tres fases.

  • English

    Predictive artificial intelligence models applied to the judicial domain depend on the quality and completeness of their training data. This paper empirically identifies and documents a systematic omission bias: evidence produced by private detectives, despite its constant presence and high evidentiary effectiveness in Spanish courts, remains statistically invisible to such models. Drawing on a corpus of 1,936 judicial decisions (full years 2020-2024) refined through individual manual review, the study shows that private-detective evidence is assessed in favour of the producing party in 68.2% of classifiable cases; that roughly 55% of the decisions mentioning it contain no explicit, labellable judicial assessment; and that this lack of terminological and evaluative standardisation in judicial drafting —rather than any algorithmic flaw— is the root of the bias. The study reframes the algorithmic-bias debate by shifting the focus upstream, to the data-generation stage: judicial writing itself.