Euskadi lleva años reforzando su capacidad tecnológica en materia de ciberseguridad, con estructuras públicas específicas como Cyberzaintza. Ese avance tiene un efecto directo (y muchas veces invisible) sobre el trabajo policial: cada vez más investigaciones se sostienen en evidencia digital, análisis masivo de información, coordinación interinstitucional y herramientas de apoyo basadas en datos.
La oportunidad es evidente. El riesgo también: si la transformación tecnológica se gestiona solo como despliegue de software, pero no como rediseño del trabajo, la organización puede ganar capacidad técnica y perder algo igual de crítico: precisión, criterio y salud psicológica en quienes investigan.
1) El trabajo real: urgencia, complejidad y exposición
La investigación policial combina tres presiones que se refuerzan entre sí:
- Presión temporal (guardias, plazos operativos y judiciales).
- Complejidad técnica (datos fragmentados, múltiples fuentes, herramientas especializadas).
- Carga emocional (delitos graves, violencia, exposición repetida a material sensible).
El problema no es “aguantar más”. El problema es que este entorno puede generar fatiga cognitiva, y la fatiga cognitiva no solo daña el bienestar: degrada el rendimiento fino(atención sostenida, toma de decisiones, memoria de trabajo, control de errores), justo lo que sostiene una investigación de calidad.
2) El riesgo invisible: cuando la tecnología aumenta la carga mental
La digitalización aporta potencia, pero también puede introducir fricción:
- Sistemas poco integrados, duplicidad de registros, alertas constantes.
- Herramientas que no explican por qué priorizan una pista o descartan otra.
- Exigencia de “hacer ciencia” a gran velocidad, con margen de error cercano a cero.
Aquí aparece un punto clave: la opacidad tecnológica no es solo un problema técnico; es un estresor. Si el usuario no entiende el criterio de una herramienta, aumentan la incertidumbre, la frustración y el esfuerzo de verificación. Eso agota.
3) Medir para gestionar: NASA-TLX como punto de partida (no como solución única)
Si queremos prevenir, primero hay que medir bien. El modelo NASA-TLX puede ser útil para obtener una fotografía sistemática de la carga de trabajo percibida (demanda mental, demanda temporal, esfuerzo, frustración, etc.). Su valor está en que permite:
- Comparar unidades/tipos de caso (picos por tareas, turnos, herramientas).
- Identificar qué dimensión pesa más (¿tiempo?, ¿frustración?, ¿demanda mental?).
- Convertir “sensación de saturación” en señales comparables para rediseño organizativo.
Importante: NASA-TLX no sustituye la evaluación psicosocial ni clínica. Es un termómetro operacional para orientar decisiones.
4) IA explicable y “supervisión humana”: una exigencia, no un lujo
En entornos de alto impacto (y especialmente en justicia y seguridad), la trazabilidad importa. Además, el marco europeo de IA establece obligaciones específicas y un calendario de aplicación progresivo. En la práctica, esto se traduce en un principio sencillo:
Si una herramienta influye en decisiones relevantes, debe poder explicarse y auditarse.
Aplicado a unidades de investigación:
- Modelos y reglas comprensibles para el usuario (o, al menos, explicaciones útiles).
- Registro de decisiones y límites (qué hace / qué no hace el sistema).
- Procedimientos de verificación: la tecnología apoya, pero no reemplaza el juicio profesional.
5) Equidad: diseñar prevención que no deje a nadie fuera
Un sistema preventivo moderno no puede asumir que “lo que funciona para la media” funciona para todos. La respuesta no es “segmentar por género” de forma automática, sino:
- Revisar si cargas, turnos, exposición y apoyos impactan distinto según perfiles y condiciones.
- Evitar sesgos en datos y criterios de evaluación.
- Asegurar que las medidas (rotaciones, descansos, apoyo psicológico, rediseño de tareas) se activan por señales objetivas y procesos transparentes, no por intuiciones ni estereotipos.
6) Propuesta: un “dashboard” de gobernanza preventiva (bien diseñado)
La idea del semáforo es buena si se formula con rigor: no como “vigilancia del individuo”, sino como gobernanza del sistema de trabajo. Enmarcarlo en ISO 45003 ayuda a ordenar la gestión del riesgo psicosocial dentro de un sistema de SST.
Un cuadro de mando útil debería:
- Detectar tendencias de carga por tipo de tarea, turnos, herramientas, picos de caso.
- Activar intervenciones organizativas (ajustes de dotación, rotaciones, pausas, revisión de procesos, apoyo especializado post-caso).
- Evaluar si el cambio tecnológico reduce o aumenta fricción (antes/después)
Conclusión
La tecnología puede multiplicar la capacidad investigadora. Pero si no se gobierna como cambio organizativo, puede elevar la carga mental hasta un punto donde se pierde precisión y se deteriora el bienestar.
La pregunta no es si habrá más IA y más datos. La pregunta es:
¿Estamos diseñando ese avance para proteger el criterio profesional y la salud psicológica de quienes investigan?
Referencias clave
- Unión Europea. AI Act (entrada en vigor 2024; aplicación escalonada).
- ISO. ISO 45003:2021.
- Cyberzaintza – Agencia Vasca de Ciberseguridad (marco institucional y estatutos).
Te puede interesar:
Metodología GESTO para la prevención de riesgos psicosociales de tecnoestrés
El aburrimiento laboral en España
El Eneagrama en la PRL: una herramienta de precisión para la Psicosociología Aplicada
El uso de la inteligencia artificial y los riesgos psicosociales. Vinculaciones y la formación como necesidad e instrumento
