InquiryIQ es un prototipo interno no lanzado de Clearview AI diseñado para ampliar una pista obtenida mediante reconocimiento facial con búsquedas web y de imágenes. El sistema podría navegar por páginas, analizar fotografías y reunir posibles identidades, relaciones y datos personales en un «Candidate Graph». Clearview AI afirma que ningún usuario policial lo ha utilizado y que no prevé lanzarlo en su forma actual.
La distinción importa: no estamos ante una herramienta policial disponible, sino ante un diseño experimental cuya interfaz y código describen una forma más amplia de investigar a partir de una cara.
Qué es InquiryIQ y qué no está demostrado
InquiryIQ se plantea como un asistente para investigadores. Su punto de partida sería una búsqueda previa de reconocimiento facial de Clearview AI, de la que saldrían datos considerados relevantes para continuar la investigación.
La propuesta va más allá de mostrar posibles coincidencias faciales. El sistema intentaría buscar información adicional en la web, localizar imágenes, navegar por páginas, analizar fotografías y aplicar reconocimiento facial a las personas que aparezcan en ellas. Clearview AI presenta esa función como una manera de automatizar búsquedas que los detectives ya realizan por su cuenta.
La empresa sostiene que no lo ha usado ningún cliente policial, que no lo ha enviado a clientes y que no planea comercializarlo en su forma actual. Por tanto, InquiryIQ no debe describirse como un producto desplegado, una herramienta disponible para las fuerzas de seguridad ni un sistema cuyo rendimiento real esté demostrado.
Del rostro identificado al Candidate Graph
El cambio conceptual está en el alcance. Una búsqueda facial tradicional puede producir coincidencias o pistas que un investigador debe seguir manualmente. InquiryIQ estaría diseñado para continuar ese recorrido y conectar distintos indicios en una representación común: el Candidate Graph.
| Dimensión del flujo | Diseño del prototipo InquiryIQ | Flujo anterior de Clearview |
| Punto de partida | Datos obtenidos de una búsqueda de reconocimiento facial | Posibles coincidencias y pistas procedentes de una búsqueda facial |
| Búsqueda posterior | Búsquedas web y de imágenes, navegación por páginas y análisis de fotografías | El investigador seguía los enlaces y realizaba búsquedas adicionales |
| Organización del resultado | Posibles identidades y asociados conectados en un Candidate Graph | Resultados y enlaces que el investigador debía relacionar manualmente |
| Papel humano | Aceptar o rechazar datos y verificar los resultados antes de incorporarlos a un perfil | Seguir las pistas y recopilar información adicional |
La tabla describe una ampliación prevista del flujo, no una demostración de que InquiryIQ haya producido un grafo real en una investigación policial.
Qué podría reunir el perfil
El perfil previsto podría incluir posibles direcciones, números de teléfono, empleadores, cuentas en redes sociales, antecedentes de arrestos, alias y características físicas. También podría relacionar a una persona con posibles asociados y con otras identidades detectadas en imágenes o páginas web.
La interfaz contempla además datos como edad, género, raza, color de pelo y color de ojos. Su lenguaje indica que esos elementos podrían ayudar al sistema a tomar «decisiones más inteligentes», pero esa frase no demuestra que mejoren la precisión ni explica cómo cambiarían los resultados.
Hay otra advertencia importante: los datos demográficos, de redes sociales y de arrestos generados automáticamente podrían ser exactos o no. La persona que utilizara el sistema tendría que verificar cada hallazgo antes de aceptarlo en un perfil. Una coincidencia sugerida por una IA no se convierte en un hecho por aparecer en una ficha ordenada y convincente.
El problema de reducir la fricción de la vigilancia
La preocupación central no es solo qué datos podría encontrar el sistema, sino lo barato y rápido que podría hacer el trabajo de reunirlos. Cuando una investigación requiere muchas horas de búsquedas manuales, existe una barrera práctica. Si una herramienta automatiza buena parte de ese recorrido, las búsquedas amplias —incluidas las que parten de una hipótesis débil— pueden resultar más sencillas de iniciar.
Andrew Guthrie Ferguson describió el posible resultado como la creación de un perfil a partir de las «pistas digitales» que una persona ha dejado en internet. Woodrow Hartzog señaló que muchas protecciones de privacidad se desarrollaron en una época en la que seguir a todo el mundo exigía una cantidad considerable de trabajo. Al reducir ese esfuerzo, una tecnología así podría aumentar el alcance de la vigilancia antes de que las reglas y los controles se adapten.
El riesgo incluye los errores de los modelos, la información inventada, los sesgos demográficos y el llamado sesgo de automatización: la tendencia a conceder demasiado peso a una respuesta producida por un sistema. Michael Price resumió el problema comparando un chatbot propenso a las alucinaciones con un informante que no sería considerado fiable en otras circunstancias.
La verificación humana es un control, pero también un punto de disputa
Clearview AI sitúa al investigador como responsable de evaluar qué es cierto, qué es ruido y qué merece incorporarse al perfil. En teoría, esa revisión impediría que un dato generado pasara directamente a una decisión policial.
Pero la supervisión humana no garantiza por sí sola un resultado correcto. Hartzog advirtió de que una persona puede acabar actuando como un «sello de goma» que valida la salida de la máquina en lugar de cuestionarla. El problema se vuelve especialmente delicado cuando una pista algorítmica influye en decisiones sobre una investigación o sobre posibles causas para actuar contra alguien.
La revisión también puede tener una cara positiva. Ferguson apuntó que conservar las instrucciones introducidas, las búsquedas, los modelos elegidos y el recorrido de la investigación podría facilitar una auditoría posterior. Ese registro permitiría reconstruir mejor por qué apareció una pista y qué pasos se siguieron después. Es una ventaja posible de trazabilidad, no una garantía de exactitud ni una capacidad demostrada en un sistema desplegado.
Qué significa para quien sigue la evolución de la IA policial
InquiryIQ importa porque apunta a un salto de escala: del reconocimiento facial como generador de pistas a la construcción automatizada de un perfil digital más amplio. El diseño descrito conecta búsquedas, imágenes y relaciones; precisamente por eso también amplía la superficie para los errores, los sesgos y la vigilancia difícil de justificar.
La conclusión práctica es sencilla. InquiryIQ sigue siendo un prototipo no lanzado, y Clearview AI afirma que no ha sido utilizado por clientes policiales. Lo relevante ahora no es tratarlo como una herramienta operativa, sino examinar qué controles deberían acompañar a cualquier sistema capaz de convertir una identificación facial en una investigación automatizada sobre la vida digital de una persona.
