El Senado investiga las cámaras con IA de Flock: 120.000 lectores de matrículas y un arresto erróneo de 13 días
El 23 de septiembre el Senado de Estados Unidos puso a las cámaras Flock en el centro de la escena: su red de lectores de matrículas con IA quedó ligada al caso de una mujer que pasó 13 días en la cárcel por un accidente que no cometió.
Qué pasó el 23 de septiembre con las cámaras Flock
El subcomité de Crimen y Contraterrorismo del Comité Judicial celebró la audiencia "Always Watching: Flock's Nationwide AI Surveillance Network", presidida por el senador republicano Josh Hawley. No fue un juicio ni una votación: fue la revisión de una red que ya opera en casi todo el país.
Los cuatro CEO invitados que no fueron
Hawley había invitado el 18 de septiembre a los CEO de cuatro empresas de vigilancia, Flock Safety, Motorola Solutions, Verkada y Axon, y ninguno asistió. El senador sugirió que podrían ser citados por la fuerza. La sala igual se llenó, con expertos y con una persona directamente afectada por el sistema.
El caso de Lindsey Isaacs, con la cronología verificada
La cadena que terminó con una inocente en la cárcel se reconstruye fecha por fecha.
Lee también
- Octubre de 2025: un atropello mortal en la Interestatal 4, cerca de DeBary (Florida), deja tres muertos.
- Una cámara registra la matrícula del vehículo de Isaacs tres millas al oeste del accidente.
- 17 de abril de 2026: la Patrulla de Caminos de Florida la arresta en Palm Coast.
- Pasa 13 días en la cárcel, parte del tiempo en aislamiento.
- Los cargos se retiran cuando otro equipo de la misma patrulla determina que su vehículo no tenía daños de impacto.
- Después presenta una demanda civil contra los agentes y la agencia.
En la audiencia Isaacs pidió verificación previa al arresto cuando la única pista viene de un lector de matrículas. El nombre que usa para la ley que espera, "Lindsey's Law", es una petición suya: no es un proyecto presentado en el Congreso.
Cómo funciona de verdad una red de lectores de matrículas
De la lectura al National Lookup
La cámara no "reconoce culpables": captura el vehículo que pasa y su software lee los caracteres de la matrícula, con fecha, hora y ubicación. La lectura queda en una base centralizada que las agencias pueden consultar después, buscar por características del vehículo y cruzar con datos de otra jurisdicción mediante un "National Lookup". Flock vende además cámaras que describen características (Condor) y detección de audio (Raven).
El punto exacto donde se cuela el error
El sistema propone una coincidencia; un humano decide si eso basta para imputar. Si el paso intermedio (comprobar el daño del vehículo, revisar cámaras de tráfico, verificar una coartada) no es obligatorio por escrito, la coincidencia funciona como si fuera prueba. Es un detector de humo que llama a los bomberos sin que nadie mire si hay fuego: el problema no es el sensor, es el cableado directo entre el sensor y la acción.
La letra chica que salió en la audiencia
Registros de auditoría y búsquedas migratorias
El 14 de septiembre, la EFF y 404 Media publicaron auditorías de los registros de búsqueda de Flock y mostraron campos de motivo rellenados de forma inservible, con casos tipo "asdfg". A eso se suman auditorías locales: San Francisco reconoció en junio que su red había sido consultada de forma indebida casi 300 veces por agencias federales y de otros estados; en Columbus (Ohio) aparecieron búsquedas relacionadas con inmigración y el alcalde suspendió el intercambio de datos; y una auditoría estatal en Illinois encontró que la empresa había dado acceso a la CBP mediante un programa piloto no divulgado.
Retención de datos: qué se guarda y por cuánto tiempo
De cada vehículo que pasa queda la matrícula con fecha, hora y ubicación, más lo que el software derive de la imagen. El tiempo de conservación depende de la configuración del cliente, y ese es uno de los puntos que el Senado cuestionó.
La respuesta de Flock (y por qué no convence a sus críticos)
De 30 días a 7, códigos de caso y auditoría obligatoria
A mediados de agosto la empresa bajó la retención por defecto de las placas de 30 a 7 días, argumentando que más del 90% de las búsquedas investigativas sin matrícula completa ocurren en esa ventana. Exigió además códigos de caso en cada consulta policial, añadió auditoría obligatoria de búsquedas anómalas y un modo para preservar datos ligados a una investigación. El despliegue obligatorio para clientes se completa a finales de 2026.
Lo que dice la empresa y lo que responde la ACLU
Un portavoz sostiene que sus lectores no rastrean vehículos y mucho menos personas, que la plataforma registra quién busca qué y que su tecnología no causó el arresto de Isaacs. La ACLU considera las medidas insuficientes y subraya un problema de diseño: la empresa es a la vez quien define las reglas y quien audita. Un abogado del Institute for Justice resumió la posición crítica en una audiencia local: el sistema habilitó a funcionarios a rastrear a millones de automovilistas durante semanas sin orden judicial. Ambas son afirmaciones de parte.
La escala del despliegue y el costo político
Las cifras no coinciden entre sí y conviene atribuir cada una. La empresa reportó más de 120.000 cámaras en 49 estados el 25 de junio de 2026; el New York Times describe unas 120.000 cámaras y contratos con cerca del 40% de los departamentos de policía del país; la ACLU estima entre 80.000 y 100.000. Flock dice además que procesa más de 20.000 millones de lecturas al mes y reportó 920.000 dólares en lobby federal en 2025, según OpenSecrets. Hawley abrió la investigación el 26 de agosto con una carta al CEO, Garrett Langley, y el 3 de septiembre la amplió a Motorola, Verkada y Axon, lo que ayuda a entender las ausencias. En paralelo, varias ciudades han suspendido contratos o apagado cámaras tras sus propias auditorías.
Qué saca en limpio quien construye sistemas que deciden
El caso es un recordatorio de ingeniería, no de política. Una coincidencia de un modelo no es evidencia: si el sistema automatiza una decisión, necesita un umbral de confianza explícito y corroboración humana obligatoria antes de actuar. Y si va a decidir, tiene que poder explicar por qué, con trazabilidad de cada consulta, control de acceso por roles y retención mínima de los datos que no necesita.
Conclusión
Lo que el Senado puso sobre la mesa no es una tecnología que decide arrestos, sino una cadena a la que le faltó el eslabón de la verificación. Ese es el punto que cualquier equipo que construya sistemas de decisión automatizados puede llevarse hoy a su propio código. Para seguir con el tema, revisa la advertencia del panel científico de la ONU sobre el control de los agentes de IA, cómo Cloudflare bloquea por defecto a los rastreadores de IA y los seis casos de desalineación de septiembre.
