En una prueba de campo de análisis de estrés vocal comercial con detenidos en una cárcel, dos programas populares señalaron solo cerca del 15% de las mentiras que los detenidos dijeron sobre consumo reciente de drogas, y su precisión global fue de cerca del 50% (National Institute of Justice, prueba de campo de análisis de estrés vocal, 2008). Los oyentes humanos no lo hacen mucho mejor: entre 24.483 evaluadores, las personas aciertan en promedio el 54% de los juicios entre mentira y verdad, apenas por encima de lanzar una moneda (Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006). El National Research Council halló que la investigación ofrece “poca o ninguna base científica para el uso del analizador computarizado de estrés vocal” (National Research Council, The Polygraph and Lie Detection, 2003). Aun así, el principal fabricante sigue afirmando tener miles de clientes policiales, y los estudios basados solo en la escucha de 2025 y 2026 reabren la pregunta de si la voz contiene más señal de engaño que el rostro, un tema que se solapa con la investigación sobre la precisión del reconocimiento de emociones en el habla. Reunimos datos del Journal of Forensic Sciences, del corpus de habla engañosa de Columbia University, de PLOS One, de la European Journal of Psychology Applied to Legal Context, del Departamento de Trabajo de EE. UU., de la Ley de IA de la UE y de registros del gobierno del Reino Unido.
TL;DR
- Los analizadores de estrés vocal detectaron cerca del 15% de las mentiras sobre drogas, con una precisión global de cerca del 50%, en una prueba de campo en una cárcel con 319 detenidos (NIJ, prueba de campo de análisis de estrés vocal, 2008).
- Los examinadores de CVSA proporcionados por NITV, en una prueba de laboratorio, señalaron habla veraz como engañosa entre el 61% y el 70% de las veces (Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008).
- La investigación ofrece “poca o ninguna base científica” para el analizador computarizado de estrés vocal (National Research Council, The Polygraph and Lie Detection, 2003).
- Las personas aciertan en promedio el 54% de los juicios entre mentira y verdad en 206 documentos (Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006).
- Los entrevistadores humanos lograron 56,75% en el corpus de engaño de Columbia, mientras que un clasificador de habla alcanzó un F1 de 72,77 (Columbia University, Interspeech 2018).
- Escuchar solo el audio dio 61,7% de precisión frente a 35% al ver el video con sonido, en una prueba con 120 participantes (European Journal of Psychology Applied to Legal Context, 2025).
- Una prueba de 2026 con 246 participantes no halló diferencia significativa entre los juicios por audio, por transcripción y por audio con imagen (PLOS One, 2026).
- Un tono más alto al mentir es un efecto pequeño, d = 0,21, que sube a d = 0,59 en mentirosos motivados (Psychological Bulletin, Cues to Deception, 2003).
- Solo 1 de 12 ayuntamientos del Reino Unido que usaron análisis de riesgo por voz en revisiones de prestaciones lo informó como un éxito (evaluación del DWP, citada por The Register, 2010).
- La ley de EE. UU. trata los analizadores de estrés vocal como detectores de mentiras (Departamento de Trabajo de EE. UU., Hoja Informativa n.º 36 de la EPPA), y la UE clasifica como de alto riesgo las herramientas de IA de detección de mentiras para la policía (Reglamento (UE) 2024/1689).
1. Pruebas de Campo: Analizadores de Estrés Vocal frente a una Verdad Verificada
Las pruebas de campo son el único lugar donde el análisis de estrés vocal se enfrenta a un resultado real que no puede influir, como un análisis de orina. En el estudio de la cárcel del condado de Oklahoma financiado por el NIJ (resumen de la prueba de campo en NIJ Journal, informe final), los detenidos respondieron preguntas sobre consumo de drogas y sus respuestas se contrastaron con análisis de orina. El LVA señaló el 21% de las respuestas engañosas y el CVSA el 8%, mientras que ambos programas etiquetaron correctamente la mayoría de las respuestas veraces. Una herramienta que dice “veraz” casi siempre parece precisa con personas honestas y deja pasar a casi todos los mentirosos. El informe final también halló que la puntuación era poco fiable: las correlaciones entre evaluadores novatos y expertos iban de 0,11 a 0,52, según la droga.
La cifra más interesante ni siquiera es una tasa de precisión. Los detenidos que creían que un dispositivo de voz los vigilaba mintieron mucho menos, un efecto de falso detector conocido como “bogus pipeline” (las personas dicen más la verdad cuando creen que una máquina puede descubrir mentiras). El dispositivo puede disuadir de mentir sin detectar la mentira.
| Métrica | Valor | Fuente |
|---|---|---|
| Precisión global del CVSA y el LVA al detectar engaño sobre consumo reciente de drogas (319 hombres detenidos en una cárcel, condado de Oklahoma) | Cerca del 50% | NIJ, prueba de campo de análisis de estrés vocal (NIJ Journal 259), 2008 |
| Respuestas engañosas señaladas correctamente como engañosas por el LVA | 21% | NIJ, prueba de campo de análisis de estrés vocal, 2008 |
| Respuestas engañosas señaladas correctamente como engañosas por el CVSA | 8% | NIJ, prueba de campo de análisis de estrés vocal, 2008 |
| Respuestas veraces identificadas correctamente como veraces, promedio de cinco drogas (LVA 95%, CVSA 90%) | 91,5% | NIJ, prueba de campo de análisis de estrés vocal, 2008 |
| Detenidos que mintieron sobre consumo reciente de drogas: estudio de estrés vocal frente al estudio anterior de monitoreo de drogas ADAM en la misma ciudad | 14% frente a 40% | NIJ, prueba de campo de análisis de estrés vocal, 2008 |
| Grabaciones de campo de entrenamiento militar de interrogatorio (SERE): respuestas engañosas de sí/no señaladas por los propios examinadores del fabricante del CVSA frente a respuestas veraces señaladas por error | 19% frente a 45% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| Las mismas grabaciones de campo puntuadas por fonetistas experimentales: respuestas engañosas señaladas frente a respuestas veraces señaladas por error | 38% frente a 49% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
Contexto: la encuesta ADAM anterior duró cerca de 20 minutos y la encuesta de estrés vocal cerca de 5 minutos, por lo que la diferencia de 14% frente a 40% no es un experimento controlado. Datos más recientes disponibles: NIJ, informe de 2007 y artículo de 2008. No encontramos ninguna prueba de campo independiente comparable publicada desde entonces.
2. Pruebas de Laboratorio de CVSA y LVA
Los estudios de laboratorio ofrecen a los dispositivos sus mejores condiciones posibles: grabaciones claras, verdad conocida y estrés inducido. Aun así fallaron. En las evaluaciones de la University of Florida (estudio del CVSA, estudio del LVA), 48 hablantes produjeron 300 muestras bajo mentiras de alto riesgo y estrés. Los propios examinadores del fabricante del CVSA señalaron habla veraz como engañosa entre el 61% y el 70% de las veces, casi tan a menudo como detectaron mentiras reales.
La medida de sensibilidad cuenta la misma historia. El d-prime es una puntuación de la teoría de detección de señales en la que 0 significa que no hay capacidad para separar dos categorías; los autores fijaron 1 como valor mínimo aceptable, y todos los equipos quedaron muy por debajo. La revisión del National Research Council añade que el único resultado perfecto que encontró provenía de un artículo vinculado a un proveedor que nunca describió cómo puntuaba los gráficos ni cómo establecía la verdad.
| Métrica | Valor | Fuente |
|---|---|---|
| Prueba de laboratorio del CVSA (48 hablantes, 300 muestras): tasa de aciertos de los examinadores proporcionados por NITV | 61% a 65% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| Prueba de laboratorio del CVSA: tasa de falsos positivos (habla veraz o de bajo estrés señalada) de los examinadores proporcionados por NITV | 61% a 70% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| Prueba de laboratorio del CVSA: sensibilidad d-prime de los examinadores proporcionados por NITV (valor mínimo aceptable fijado en 1) | -0,32 a 0,13 | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| Prueba de laboratorio del LVA: tasas de aciertos según condiciones y examinadores | 42% a 56% | Journal of Forensic Sciences, Evaluating Layered Voice Analysis, 2009 |
| Prueba de laboratorio del LVA: tasas de falsos positivos, a menudo superiores a las tasas de aciertos | 40% a 65% | Journal of Forensic Sciences, Evaluating Layered Voice Analysis, 2009 |
| Concordancia entre el CVSA y el polígrafo en un estudio vinculado a un proveedor con 54 personas en libertad condicional (criterios de puntuación y de verdad no descritos) | 100% (afirmación vinculada al proveedor, considerada inutilizable) | National Research Council, The Polygraph and Lie Detection, 2003 |
| Precisión del CVSA frente al polígrafo en comparaciones de laboratorio del Department of Defense Polygraph Institute en los años noventa | Nunca significativamente superior | National Research Council, The Polygraph and Lie Detection, 2003 |
| Resultados de una prueba de campo del analizador en 1996 | Cercanos al nivel del azar | National Research Council, The Polygraph and Lie Detection, 2003 |
Contexto: el mismo capítulo del NRC señala que la concordancia entre analistas independientes que leen los mismos gráficos de estrés vocal “es en general baja”, y que un estudio del Departamento de Defensa del año 2000 halló que las puntuaciones del analizador no reflejaban el estrés agudo medido con métodos tradicionales.
3. Con Qué Precisión Juzgan las Personas las Mentiras (Evidencia Metaanalítica)
Si las máquinas no pueden oír las mentiras, la alternativa obvia es un oído entrenado. La evidencia dice que los oídos son solo un poco mejores que los ojos. El metaanálisis de Bond y DePaulo reunió 206 documentos y 24.483 evaluadores. Las personas aciertan en promedio el 54%, y reconocen las verdades con mucha más frecuencia que las mentiras, porque la mayoría de los evaluadores tiende a creer lo que oye (el 55,23% de los mensajes se juzgó veraz, ponderado). Los expertos obtuvieron 54,51% frente a 53,31% de los no expertos entre estudios, y la diferencia desapareció tras el ajuste estadístico.
La comparación entre medios es la relevante para la voz. El video sin sonido es la peor condición, y añadir sonido recupera unos puntos. Oír a un mentiroso ayuda un poco; no convierte a los oyentes en detectores de mentiras.
| Métrica | Valor | Fuente |
|---|---|---|
| Promedio de juicios correctos entre mentira y verdad (206 documentos, 24.483 evaluadores) | 54% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Mensajes veraces juzgados correctamente como veraces | 61% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Mensajes engañosos juzgados correctamente como engañosos | 47% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Juicios correctos entre mentira y verdad con mensajes solo de audio | 53,01% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Juicios correctos entre mentira y verdad con mensajes solo de video sin sonido | 50,52% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Juicios correctos entre mentira y verdad con mensajes audiovisuales | 54,03% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
Datos más recientes disponibles: Personality and Social Psychology Review, 2006. Sigue siendo la mayor síntesis de la precisión humana al detectar mentiras; la sección 4 cubre los experimentos de escucha más nuevos.
4. Experimentos de Escucha y Clasificadores de Habla, de 2018 a 2026
Los estudios más nuevos prueban la voz directamente, y no coinciden. Un experimento de 2025 de la University of Portsmouth (European Journal of Psychology Applied to Legal Context) dio a 120 participantes el audio o el video completo de una entrevista con un sospechoso simulado. Los oyentes acertaron el 61,7% de las veces, mientras que quienes vieron y escucharon acertaron solo el 35% de las veces, por debajo del nivel del azar. El estudio trató ver y escuchar a la vez como la condición de alta carga cognitiva: ver al sospechoso añadió información que, en esta prueba, perjudicó más de lo que ayudó. Una prueba mayor de 2026 (PLOS One) no halló ningún efecto del medio, y los mentirosos fueron juzgados mayoritariamente como veraces en todas las condiciones.
Las máquinas entrenadas con habla de entrevistas lo hacen mejor que las personas sobre las mismas grabaciones. En el corpus Columbia X-Cultural Deception (NAACL 2018, Interspeech 2018), 340 hablantes dieron respuestas veraces y engañosas en diálogos de entrevista. Un clasificador que usa rasgos acústico-prosódicos (tono, volumen y ritmo) igualó a otro construido sobre la elección de palabras. Son mentiras de laboratorio en un solo corpus, y quedan muy lejos de la fiabilidad esperable de sistemas de voz con una verdad de referencia sólida, como los que se siguen en los benchmarks de verificación de hablante.
| Métrica | Valor | Fuente |
|---|---|---|
| Precisión de los entrevistadores humanos entre mentira y verdad en el corpus Columbia X-Cultural Deception (340 hablantes; nivel del azar = 50%) | 56,75% | Columbia University, NAACL 2018 (Levitan et al.) |
| Precisión de los entrevistadores humanos solo en las respuestas engañosas | 47,93% | Columbia University, NAACL 2018 (Levitan et al.) |
| Mejor clasificador con rasgos de uso de palabras (léxicos), puntuación F1 | 72,74 (precisión de 72,78%) | Columbia University, NAACL 2018 (Levitan et al.) |
| Mejor clasificador con rasgos acústico-prosódicos más género del hablante y lengua materna, puntuación F1 | 72,77 | Columbia University, Interspeech 2018 (Levitan et al.) |
| Precisión global entre mentira y verdad: escuchar solo el audio frente a ver el video con sonido (120 participantes) | 61,7% frente a 35% | European Journal of Psychology Applied to Legal Context, 2025 (Giorgianni et al.) |
| Detección de la verdad: solo audio frente a video con sonido | 53,33% frente a 20,00% (chi cuadrado(1, N = 60) = 7,18, p = 0,007) | European Journal of Psychology Applied to Legal Context, 2025 (Giorgianni et al.) |
| Condición solo de audio: declaraciones veraces juzgadas correctamente frente a declaraciones engañosas juzgadas correctamente (N = 246 en total) | 60,71% frente a 39,29% | PLOS One, 2026 (Bogaard et al.) |
| Efecto del medio (solo audio, transcripción, audiovisual) sobre la precisión entre mentira y verdad | F(2, 243) = 0,45, p = 0,637 (no significativo) | PLOS One, 2026 (Bogaard et al.) |
Contexto: en el estudio de 2025, la diferencia en la detección de mentiras entre condiciones (70,00% frente a 50,00%) no fue significativa (p = 0,114); la mejora significativa vino del reconocimiento de sospechosos veraces.
5. Indicios Acústicos y Vocales de la Mentira
Los dispositivos de estrés vocal asumen que mentir deja un rastro acústico fuerte y universal. El registro metaanalítico muestra unos pocos rastros tenues. El metaanálisis de Psychological Bulletin resumió 1.338 tamaños de efecto para 158 indicios de 120 muestras independientes. El tono subió solo ligeramente en los mentirosos en conjunto (d = 0,21), pero saltó a d = 0,59 cuando los mentirosos estaban motivados para tener éxito. La d de Cohen es un tamaño del efecto estandarizado, y los valores de esta magnitud se califican convencionalmente como pequeños: la mayoría de los indicios vocales se solapan mucho entre hablantes honestos y deshonestos.
Los estudios en un solo idioma muestran lo inestables que son los indicios. En 19 hablantes nativos de italiano, el tono medio fue de 160,88 Hz al mentir frente a 160,67 Hz al decir la verdad (p = 0,927), pero el habla se volvió más lenta (Frontiers in Psychology). En 36 hablantes de mandarín que respondieron 14 preguntas biográficas, un estudio de 2024 con 20 rasgos acústicos y 14 electroglotográficos (la electroglotografía mide el contacto de las cuerdas vocales) asoció el engaño con un tono medio y una intensidad mayores, y con menor jitter, shimmer y relación armónicos-ruido (Journal of Speech, Language, and Hearing Research). El corpus de Columbia mostró un tono máximo y una intensidad máxima mayores en las respuestas engañosas. Indicios como estos son la misma materia prima que se usa en el análisis paralingüístico de la voz para predecir el burnout, y comparten el mismo límite: describen grupos, no individuos.
| Métrica | Valor | Fuente |
|---|---|---|
| Tono más alto al mentir, todos los estudios (12 estimaciones) | d = 0,21 (IC del 95% 0,08 a 0,34) | Psychological Bulletin, Cues to Deception, 2003 |
| Tensión vocal al mentir (10 estimaciones) | d = 0,26 (IC del 95% 0,13 a 0,39) | Psychological Bulletin, Cues to Deception, 2003 |
| Mentirosos que suenan inseguros en la voz (10 estimaciones) | d = 0,30 | Psychological Bulletin, Cues to Deception, 2003 |
| Tiempo de habla de mentirosos frente a quienes dicen la verdad (4 estimaciones; negativo significa que los mentirosos hablan menos) | d = -0,35 | Psychological Bulletin, Cues to Deception, 2003 |
| Pausas llenas (um, uh) en mentiras frente a verdades (16 estimaciones) | d = 0,00 | Psychological Bulletin, Cues to Deception, 2003 |
| Efecto en el tono cuando los mentirosos estaban motivados para tener éxito (6 estimaciones) | d = 0,59 (IC del 95% 0,31 a 0,88) | Psychological Bulletin, Cues to Deception, 2003 |
| Tono y latencia de respuesta, metaanálisis de 41 estudios que abarca nueve indicios del habla (ambos mayores al mentir) | d = 0,268 (tono), d = 0,177 (latencia) | metaanálisis en Applied Cognitive Psychology, 2006 (Sporer y Schwandt), según lo citado en Frontiers in Psychology, 2012 |
| Velocidad del habla al mentir frente a decir la verdad, 19 hablantes nativos de italiano | 1,95 frente a 2,10 palabras por segundo (d = 0,447, p = 0,025) | Frontiers in Psychology, Markers of Deception in Italian Speech, 2012 |
Contexto: la latencia de respuesta es el conflicto más claro entre los dos metaanálisis. La síntesis de 2006 informa de un aumento fiable, mientras que la de 2003 lista un efecto casi nulo y no significativo en 32 estimaciones.
6. Uso por Cuerpos Policiales, Gobiernos y Aseguradoras
La adopción nunca ha seguido a la evidencia. Las cifras de adopción provienen casi por completo del fabricante, y los totales afirmados han crecido desde que las pruebas independientes encontraron una precisión al nivel del azar. Una investigación del San Francisco Chronicle publicada el 4 de junio de 2024 identificó otras 13 agencias policiales de California que usan el CVSA, tres de las cuales también lo habían usado en investigaciones criminales (San Francisco Chronicle).
Las pruebas de gobiernos fuera del ámbito policial terminaron de otro modo. El Departamento de Trabajo y Pensiones del Reino Unido (DWP) realizó pruebas de “análisis de riesgo por voz” en solicitudes de prestaciones hechas por teléfono; la mayoría de los ayuntamientos que informaron resultados no lo calificó de éxito (The Register, 10 de noviembre de 2010). Aseguradoras británicas como esure ya estaban probando el análisis de riesgo por voz en líneas de siniestros en 2003, y proveedores más nuevos ofrecen ahora cribado por voz desde la solicitud hasta el siniestro; por ejemplo, Clearspeed afirma en su propio sitio web que una evaluación de validación del Departamento de Defensa de EE. UU. midió su tecnología en más del 97% de precisión, una afirmación del propio proveedor para la que no encontramos ningún estudio independiente publicado. Las aseguradoras que ya usan analítica del habla para detectar sentimiento se enfrentan a la misma pregunta: ¿qué se está midiendo realmente?
| Métrica | Valor | Fuente |
|---|---|---|
| Agencias policiales de EE. UU. que usan el CVSA, según su fabricante (2008) | Más de 1.400 | cifra de NITV citada en NIJ Journal, 2008 (afirmación del propio proveedor) |
| Agencias que usan el CVSA, según el sitio web del fabricante (2026) | Más de 3.000 agencias policiales de EE. UU.; más de 3.600 en todo el mundo | sitio web de NITV, 2026 (afirmación del propio proveedor) |
| Otras agencias policiales de California identificadas como usuarias del CVSA | 13 | investigación del San Francisco Chronicle, 4 de junio de 2024 |
| De esas agencias, número que también usó el CVSA en investigaciones criminales | 3 | investigación del San Francisco Chronicle, 4 de junio de 2024 |
| Costo de las pruebas de análisis de riesgo por voz del DWP del Reino Unido en solicitudes de prestaciones | £2,16 millones | evaluación del DWP sobre análisis de riesgo por voz, citada por The Register, 10 de noviembre de 2010 |
| Autoridades locales en el último lote de pruebas del DWP y cuántas informaron resultados | 24 (23 informaron) | evaluación del DWP sobre análisis de riesgo por voz, citada por The Register, 10 de noviembre de 2010 |
| Ayuntamientos que usaron análisis de riesgo por voz en revisiones de prestaciones y lo informaron como un éxito | 1 de 12 | evaluación del DWP sobre análisis de riesgo por voz, citada por The Register, 10 de noviembre de 2010 |
| Ayuntamientos que lo usaron en llamadas de nuevos solicitantes y lo informaron como un éxito | 3 de 9 | evaluación del DWP sobre análisis de riesgo por voz, citada por The Register, 10 de noviembre de 2010 |
Contexto: el propio sitio web del fabricante es internamente incoherente: cita “más de 3.000” agencias policiales y “más de 2.900 organizaciones de EE. UU.” en lugares distintos.
7. Evaluaciones Científicas y Jurídicas
El veredicto científico lleva dos décadas estable, y la ley ha ido poniéndose al día poco a poco. El National Research Council concluyó en 2003 que la investigación sobre estrés vocal ofrece “poca o ninguna base científica” para el analizador computarizado de estrés vocal. En Estados Unidos la restricción más fuerte recae sobre los empleadores: la Employee Polygraph Protection Act nombra al analizador de estrés vocal como detector de mentiras, lo que prohíbe su uso a la mayoría de los empleadores privados. Los gobiernos federal, estatales y locales quedan excluidos, así que las agencias policiales no están sujetas a esa prohibición.
La Unión Europea regula la generación más nueva, basada en IA. La Ley de IA clasifica como de alto riesgo los sistemas de IA usados “como polígrafos o herramientas similares” por las autoridades policiales y por las de migración y fronteras, y sus considerandos piden prohibir la IA que interpreta emociones en el trabajo o en las escuelas. La conclusión del propio gobierno del Reino Unido llegó en 2011, en una respuesta a una solicitud de acceso a la información: ya no usaba la tecnología.
| Métrica | Valor | Fuente |
|---|---|---|
| Base científica para usar el analizador computarizado de estrés vocal | ”Poca o ninguna base científica” | National Research Council, The Polygraph and Lie Detection, 2003 |
| Dispositivos cubiertos por la definición legal de detector de mentiras en EE. UU. | Polígrafo, deceptógrafo, analizador de estrés vocal, evaluador psicológico de estrés o dispositivo similar | Departamento de Trabajo de EE. UU., Hoja Informativa n.º 36 de la EPPA |
| Pruebas con detector de mentiras que los empleadores privados aún pueden usar, y en cuántas situaciones limitadas | Solo el polígrafo (ningún otro detector de mentiras), en 3 situaciones limitadas | Departamento de Trabajo de EE. UU., Hoja Informativa n.º 36 de la EPPA |
| Plazo para que los empleados presenten una demanda por una infracción de la EPPA | 3 años | Departamento de Trabajo de EE. UU., Hoja Informativa n.º 36 de la EPPA |
| Ley de IA de la UE, Anexo III, punto 6(b): IA usada por autoridades policiales como polígrafos o herramientas similares | Clasificada como de alto riesgo | Reglamento (UE) 2024/1689 (Ley de IA) |
| Ley de IA de la UE, Anexo III, punto 7(a): IA usada por autoridades de migración, asilo y fronteras como polígrafos o herramientas similares | Clasificada como de alto riesgo | Reglamento (UE) 2024/1689 (Ley de IA) |
| Ley de IA de la UE, Considerando 44: sistemas de IA que detectan el estado emocional de las personas en el trabajo o en la educación | A prohibir | Reglamento (UE) 2024/1689 (Ley de IA) |
| Conclusión del DWP del Reino Unido sobre el análisis de riesgo por voz en solicitudes de prestaciones | No pudo concluir que funcionara de forma eficaz y coherente; fuera de uso | respuesta del DWP a una solicitud de acceso a la información 3039/2011 |
Contexto: el texto de la Ley de IA de la UE se adoptó el 13 de junio de 2024. La EPPA se promulgó el 27 de junio de 1988 y entró en vigor el 27 de diciembre de 1988.
Resumen: Análisis de Estrés Vocal y Detección de Mentiras por la Voz en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Respuestas engañosas sobre drogas señaladas en una prueba de campo en una cárcel: LVA frente a CVSA | 21% frente a 8% | NIJ, prueba de campo de análisis de estrés vocal, 2008 |
| Grabaciones militares de campo: respuestas engañosas señaladas frente a respuestas veraces señaladas por error por los examinadores del fabricante del CVSA | 19% frente a 45% | Journal of Forensic Sciences, Evaluation of the NITV CVSA, 2008 |
| Base científica para el analizador computarizado de estrés vocal | ”Poca o ninguna base científica” | National Research Council, The Polygraph and Lie Detection, 2003 |
| Precisión humana promedio entre mentira y verdad (24.483 evaluadores) | 54% | Personality and Social Psychology Review, Accuracy of Deception Judgments, 2006 |
| Entrevistadores humanos en el corpus de engaño de Columbia | 56,75% | Columbia University, NAACL 2018 (Levitan et al.) |
| Mejor clasificador acústico-prosódico en el mismo corpus, puntuación F1 | 72,77 | Columbia University, Interspeech 2018 (Levitan et al.) |
| Precisión al escuchar solo el audio frente a ver el video con sonido | 61,7% frente a 35% | European Journal of Psychology Applied to Legal Context, 2025 (Giorgianni et al.) |
| Efecto del formato solo audio frente a transcripción frente a audiovisual sobre la precisión | F(2, 243) = 0,45, p = 0,637 | PLOS One, 2026 (Bogaard et al.) |
| Juicios solo por audio: declaraciones veraces juzgadas correctamente frente a declaraciones engañosas juzgadas correctamente | 60,71% frente a 39,29% | PLOS One, 2026 (Bogaard et al.) |
| Tono más alto cuando los mentirosos están motivados para tener éxito | d = 0,59 | Psychological Bulletin, Cues to Deception, 2003 |
| Efecto en el tono en un metaanálisis de 41 estudios sobre indicios del habla | d = 0,268 | metaanálisis en Applied Cognitive Psychology, 2006 (Sporer y Schwandt), según lo citado en Frontiers in Psychology, 2012 |
| Velocidad del habla al mentir frente a decir la verdad, 19 hablantes de italiano | 1,95 frente a 2,10 palabras por segundo | Frontiers in Psychology, Markers of Deception in Italian Speech, 2012 |
| Otras agencias de California identificadas como usuarias del CVSA | 13 | investigación del San Francisco Chronicle, 4 de junio de 2024 |
| Costo de las pruebas de prestaciones con análisis de riesgo por voz en el Reino Unido | £2,16 millones | evaluación del DWP sobre análisis de riesgo por voz, citada por The Register, 10 de noviembre de 2010 |
| Ayuntamientos que informaron éxito con el análisis de riesgo por voz en revisiones de prestaciones | 1 de 12 | evaluación del DWP sobre análisis de riesgo por voz, citada por The Register, 10 de noviembre de 2010 |
| Analizador de estrés vocal en la definición legal de detector de mentiras en EE. UU. | Incluido | Departamento de Trabajo de EE. UU., Hoja Informativa n.º 36 de la EPPA |
| IA usada por la policía como polígrafos o herramientas similares en la UE | Alto riesgo (Anexo III, punto 6(b)) | Reglamento (UE) 2024/1689 (Ley de IA) |
Metodología y Fuentes
- National Institute of Justice: Voice Stress Analysis: Only 15 Percent of Lies About Drug Use Detected in Field Test (NIJ Journal 259, marzo de 2008) y el informe final, Assessing the Validity of Voice Stress Analysis Tools in a Jail Setting (junio de 2007).
- National Research Council: The Polygraph and Lie Detection, Capítulo 6, Alternative Techniques and Technologies (2003).
- Journal of Forensic Sciences (University of Florida): Evaluation of the NITV CVSA (2008) y Stress and Deception in Speech: Evaluating Layered Voice Analysis (2009).
- Personality and Social Psychology Review: Accuracy of Deception Judgments (Bond y DePaulo, 2006).
- Psychological Bulletin: Cues to Deception (2003).
- Frontiers in Psychology: Markers of Deception in Italian Speech (Spence, Villar y Arciuli, 2012), también la fuente que usamos para las cifras del metaanálisis de Applied Cognitive Psychology (Sporer y Schwandt, 2006).
- Laboratorio de habla de Columbia University: Linguistic Cues to Deception and Perceived Deception in Interview Dialogues (NAACL 2018) y Acoustic-Prosodic Indicators of Deception and Trust in Interview Dialogues (Interspeech 2018).
- European Journal of Psychology Applied to Legal Context: The Effect of the Interviewer’s Cognitive Load on the Quality of the Forensic Interview (2025).
- PLOS One: I Told You So! Verbal cue beliefs are associated with truth detection, but not lie detection (23 de enero de 2026).
- Journal of Speech, Language, and Hearing Research: Uncovering Gender-Specific and Cross-Gender Features in Mandarin Deception: An Acoustic and Electroglottographic Approach (2024).
- Departamento de Trabajo de EE. UU., División de Salarios y Horas: Hoja Informativa n.º 36, Employee Polygraph Protection Act.
- Unión Europea: Reglamento (UE) 2024/1689, la Ley de Inteligencia Artificial.
- Departamento de Trabajo y Pensiones del Reino Unido: respuesta a una solicitud de acceso a la información 3039/2011; cifras de las pruebas según lo citado por The Register (10 de noviembre de 2010), porque el archivo original de la evaluación del DWP ya no está accesible en línea.
- San Francisco Chronicle: investigación sobre el uso del CVSA por agencias policiales de California (4 de junio de 2024).
- Afirmaciones de proveedores (identificadas como tales, sin enlace): sitio web de NITV (número de agencias) y sitio web de Clearspeed (precisión de validación), ambos consultados en noviembre de 2026.
- Nota sobre los datos: los principales datos independientes de precisión de los analizadores comerciales de estrés vocal tienen de 17 a 23 años (2003 a 2009), y no encontramos ninguna validación de campo independiente más reciente; trate las cifras de precisión y de adopción de los proveedores en 2026 como marketing no verificado. Los dos metaanálisis del habla de la sección 5 discrepan sobre la latencia de respuesta. Los estudios de aprendizaje automático con corpus pequeños informan cifras mucho más altas que el trabajo de Columbia; un capítulo de libro de 2025 sobre 121 videoclips de juicios da la precisión de su modelo de audio como 93,57% en una tabla y 95,57% en el texto, por lo que dejamos esos resultados fuera de las tablas principales. Los estudios de escucha de 2025 y 2026 apuntan en direcciones opuestas sobre si los juicios solo por audio superan a los audiovisuales, así que hace falta un nuevo metaanálisis antes de sacar una conclusión.
Última actualización: 8 de noviembre de 2026. Actualizamos este informe trimestralmente, y la próxima revisión se espera cuando se publique en una revista revisada por pares la próxima validación de campo independiente de un analizador comercial de estrés vocal.