Más allá del mito del detector de mentiras

por Lawrence Rice, instructor de VSA, VIPRE Technology Group, LLC

Febrero de 2026 (actualizado en octubre de 2026)

No hay detector de mentiras, sólo medición del estrés

Durante décadas, los instrumentos de polígrafo y estrés de la voz se han comercializado, a menudo descuidadamente, como “detectores de mentiras”. Esa etiqueta ha generado confusión e invitado a la crítica. No existe ningún instrumento que detecte las mentiras. Estos sistemas detectan manifestaciones fisiológicas del estrés. Esa distinción no es semántica. Es fundamental.

What stress instruments measure

Los instrumentos poligráficos miden la respiración, la actividad electrodérmica y las respuestas cardiovasculares. Los sistemas basados ​​en la voz analizan los cambios relacionados con el estrés en la producción del habla. En ambos casos, la premisa es sencilla: cuando un individuo se enfrenta a una pregunta significativa o amenazante, una cuestión de peligro, el cuerpo puede exhibir reacciones fisiológicas mensurables.

Pero el estrés no es un indicador definitivo de engaño.

Una persona sincera puede experimentar ansiedad, vergüenza, ira o miedo de que no le crean. Un individuo engañoso puede mantener la calma. El examinador evalúa las respuestas registradas en el contexto de las preguntas, la línea de base del examinado y las circunstancias del examen para emitir un juicio informado.

La literatura científica ha reconocido durante mucho tiempo esta limitación. El Consejo Nacional de Investigación (2003) concluyó que las pruebas de polígrafo miden las respuestas fisiológicas asociadas con la excitación, no el engaño en sí. David Lykken (1998) argumentó que los resultados del polígrafo frecuentemente reflejan miedo a ser detectado más que a mentir. Aldert Vrij (2008) demostró que ningún marcador fisiológico señala de manera única el engaño porque el estrés, la carga cognitiva y la excitación emocional se superponen sustancialmente entre individuos veraces y engañosos.

What speech research shows

La investigación revisada por pares respalda el estudio del estrés a través del habla. Trabajo experimental de Scherer (1986), revisiones de Giddens et al. (2013) y Kirchhübel et al. (2011), y una revisión sistemática de Schewski et al. (2025) documentan cambios acústicos relacionados con el estrés, con variaciones entre hablantes y condiciones. Los estudios de Streeter et al. (1977) y Scherer et al. (1985) examinan las señales vocales durante el intento de engaño, proporcionando una base para considerar los hallazgos vocales en una evaluación contextual de un posible engaño.

From isolated signals to full-speech analysis

El mismo principio se aplica al análisis del estrés de la voz. Los primeros analizadores de estrés de la voz normalmente se basaban en reglas acústicas estrechas, bandas de frecuencia aisladas, supuestas señales de microtemblores, umbrales fijos y análisis de ventana corta. Esos sistemas intentaron identificar desencadenantes específicos dentro de pequeños fragmentos del habla. La debilidad de ese enfoque es obvia: el habla humana es dinámica y las respuestas al estrés se desarrollan a lo largo del tiempo. Los segmentos aislados rara vez cuentan toda la historia.

Los sistemas más avanzados han superado esas limitaciones. La plataforma VIPRE AISIS-K representa esa evolución. Incorpora inteligencia artificial para ayudar al examinador a identificar patrones de estrés estadísticamente significativos en el habla.

Según sus desarrolladores, AISIS-K analiza la forma de onda completa del habla en lugar de aislar marcadores acústicos individuales. Fue entrenado en un gran corpus de formas de onda etiquetadas con estrés, de miles de muestras, lo que le permitió modelar patrones de habla con estrés y sin estrés en diversos hablantes y condiciones de grabación.

Al procesar una grabación, AISIS-K evalúa los cambios en la magnitud de la forma de onda, las irregularidades en el tiempo, los cambios en la distribución de frecuencia, las microvariaciones en la estabilidad vocal y la evolución temporal de la dinámica del habla. En lugar de depender de reglas de detección fijas, compara patrones de habla entrante con firmas de estrés aprendidas estadísticamente derivadas de su corpus de entrenamiento. También modela relaciones a lo largo de toda la duración de una respuesta, en lugar de analizar segmentos cortos de forma aislada.

Desde la perspectiva del procesamiento de señales, este es un avance significativo. El modelado de relaciones globales de formas de onda permite la detección de combinaciones de características complejas que los sistemas anteriores basados ​​en reglas podrían pasar por alto. Trata el habla como un patrón fisiológico dinámico en lugar de un conjunto de desencadenantes acústicos aislados.

Adding recorded video review

VIPRE AISIS-K también captura vídeo de las respuestas del examinado para su posterior revisión manual. El examinador y otros analistas debidamente capacitados pueden evaluar las respuestas no verbales grabadas junto con el análisis de las respuestas vocales por parte de la IA. Esta grabación permite a los analistas revisar respuestas específicas y examinar su momento y contexto de comportamiento.

Converging findings require context

La convergencia de los hallazgos sobre el estrés vocal y no verbal es un beneficio clave de esta revisión combinada. Cuando el estrés vocal detectado por la IA coincide con cambios relacionados con el estrés en la velocidad de parpadeo o microexpresiones identificadas por el examinador u otros analistas debidamente capacitados en el video grabado, los hallazgos convergentes pueden fortalecer la evaluación del estrés y aumentar la confianza del examinador al inferir el engaño. Los analistas evalúan estas observaciones en relación con la línea de base del examinado, su momento en relación con la pregunta y la respuesta, y el contexto del examen.

El vídeo grabado también permite que otros analistas debidamente capacitados revisen las mismas respuestas, evalúen las observaciones del examinador y consideren explicaciones alternativas. Esta revisión adicional respalda una evaluación más exhaustiva y documentada de las respuestas del examinado.

The examiner’s judgment remains central

La formación, la experiencia y la metodología disciplinada guían la interpretación de estos hallazgos. El examinador considera el análisis vocal y las observaciones de comportamiento registradas juntas, dentro de las circunstancias del examen.

Un examinador debidamente capacitado sigue un proceso estructurado que incluye entrevistas previas a la prueba, formatos de preguntas validadas, procedimientos estandarizados y una cuidadosa evaluación posterior a la prueba. Con VIPRE AISIS-K, esa evaluación combina el análisis de IA de las respuestas vocales con la revisión manual de las respuestas no verbales grabadas por parte del examinador y otros analistas debidamente capacitados. La evaluación del examinador se basa en estos hallazgos y en el contexto del examen.

A disciplined investigative process

Las herramientas de investigación siempre han requerido el juicio humano. El análisis de huellas dactilares requiere interpretación. La evidencia forense debe contextualizarse. Se deben evaluar los testimonios de los testigos presenciales. El polígrafo y los sistemas avanzados de estrés por voz, como VIPRE AISIS-K, no son diferentes. Son instrumentos que miden respuestas fisiológicas en condiciones estructuradas.

VIPRE AISIS-K proporciona análisis de inteligencia artificial de las respuestas vocales y una grabación de video para que humanos capacitados revisen las respuestas no verbales, incluidos los cambios en la frecuencia de parpadeo y las microexpresiones. La convergencia de hallazgos relacionados con el estrés entre estas fuentes puede fortalecer la confianza del examinador en una inferencia de engaño cuando se evalúa dentro de un proceso de examen disciplinado.