Cómo detecta la IA las emociones falsas que el ojo humano pasa por alto
El modelo científico que subyace a esta tecnología es el de las microexpresiones faciales, un concepto desarrollado por el psicólogo Paul Ekman en los años setenta. Las microexpresiones son movimientos involuntarios de los músculos faciales que duran entre 40 y 500 milisegundos, demasiado rápidos para que el ojo consciente los detecte, pero lo suficientemente consistentes para que una cámara de alta velocidad y un algoritmo de visión artificial los identifiquen.
Cuando alguien experimenta una emoción real, ciertos músculos del rostro se activan de forma involuntaria antes de que la persona pueda superponer la expresión que quiere mostrar. Esa fracción de segundo entre la emoción real y la expresión controlada es la señal que los detectores de emociones falsas intentan capturar.
La empresa Affectiva, fundada por investigadores del MIT, ha entrenado sus modelos con más de 9 millones de rostros de 90 países. Sus sistemas detectan emociones falsas y estados emocionales con una granularidad de 43 puntos de acción muscular por cada rostro analizado.
Del aeropuerto a la entrevista de trabajo: usos reales en 2026
La detección de emociones falsas ya tiene aplicaciones desplegadas en entornos reales que muchas personas desconocen.
Varios aeropuertos internacionales, incluidos algunos en Israel, Estados Unidos y China, han probado sistemas de análisis de comportamiento y expresión facial para detectar indicadores de nerviosismo inconsistente con la situación, lo que incluye señales de emociones falsas, como una sonrisa de seguridad superpuesta a microexpresiones de miedo o estrés.
La empresa HireVue usó durante años análisis de expresión facial y voz en entrevistas de trabajo grabadas por vídeo para puntuar a los candidatos en variables que incluían indicadores de emociones genuinas. La herramienta fue retirada del análisis facial tras críticas sobre sus sesgos raciales y de género, pero siguió usando análisis de voz.
En clínica médica, detectar emociones falsas tiene una aplicación directa: pacientes que minimizan su dolor o su estado anímico presentan patrones de microexpresión diferentes a los de quienes expresan genuinamente cómo se sienten, y los sistemas de IA pueden ayudar a los médicos a identificar esos casos en consultas de pocas decenas de minutos.
Emociones falsas en el sistema judicial: el debate que divide
El uso de sistemas de detección de emociones falsas en contextos judiciales es el más polémico del sector.
China ha reportado el uso de sistemas de análisis facial durante interrogatorios para identificar indicadores de emociones falsas en los detenidos. En Estados Unidos, varios cuerpos policiales han evaluado sistemas de este tipo para el análisis de declaraciones grabadas, aunque ninguno los usa actualmente como prueba admisible en juicio.
El problema técnico es serio: las emociones falsas que detecta un algoritmo pueden ser simplemente nerviosismo inocente ante una situación de alta presión. Un inocente interrogado por un crimen que no cometió puede mostrar exactamente los mismos indicadores de estrés que alguien que miente, y ningún sistema de IA puede distinguir de forma fiable entre esos dos estados.
Lo que la IA todavía no puede distinguir del todo
Más allá de los límites técnicos, la detección de emociones falsas con inteligencia artificial enfrenta un problema conceptual que ningún modelo ha resuelto: las emociones no son universales.
Las investigaciones de Lisa Feldman Barrett, autora de Cómo se hacen las emociones, cuestionan la premisa de que existen expresiones faciales universales para emociones concretas. Si las emociones se construyen culturalmente y varían entre individuos, entrenar un modelo con datos de una población y aplicarlo a otra puede producir resultados sistemáticamente incorrectos.
En ExplicaIA seguimos de cerca el campo de la detección de emociones, porque pocas tecnologías tocan de forma tan directa la privacidad y la dignidad de las personas, y pocas se están desplegando con tan poco escrutinio público.