Un día vas al banco a cobrar tu pensión y descubres que ya no la tienes. Nadie te llamó antes. Nadie te explicó qué pasó. Simplemente, un sistema del Estado que funciona como una calculadora de pobreza decidió que ya no eras pobre.
De eso trata “Invisibles”, la investigación de Salud con lupa que hoy es finalista de los Sigma Awards 2026, el principal concurso internacional de periodismo de datos.
Nuestra serie revela por qué miles de adultos mayores en pobreza extrema en Perú fueron excluidos del programa social Pensión 65, pese a necesitarlo con urgencia. Entre 2020 y junio de 2025, más de 81 mil personas fueron retiradas del programa y luego reincorporadas, muchas después de trámites largos, confusos y desgastantes.
La investigación encontró que el problema está en la forma en que el Estado peruano identifica a los hogares en pobreza extrema: datos mal recogidos, registros incompletos y un algoritmo que no logra captar la pobreza urbana ni situaciones de abandono en las personas adultas mayores.
“Invisibles” fue elegida entre 543 postulaciones de 84 países. Pero más que celebrar un premio, esta noticia es una oportunidad para hablar de algo muy vigente: los límites y los sesgos de las tecnologías que empiezan a tomar decisiones sobre nuestras vidas.
En los últimos años el mundo conoció la inteligencia artificial a través de herramientas como ChatGPT. Eso ha llevado a pensar que la IA es una sola cosa. Pero en realidad es un conjunto de tecnologías distintas que buscan imitar ciertas capacidades humanas.
Y como cualquier tecnología, no es neutral ni infalible. Sus resultados dependen de cómo se diseñan los sistemas y de la calidad de los datos con los que funcionan.
Algo de eso aparece cuando miramos de cerca el mecanismo con el que el Perú identifica a las personas en pobreza extrema. Se llama SISFOH. Cruza bases de datos, recoge información sobre los hogares y calcula un puntaje para estimar si una familia es pobre, pobre extrema o no pobre. Si los números no encajan, el sistema excluye.
Ese cálculo se basa en un método conocido como Proxy Means Test (precursor de los modelos modernos de IA), utilizado en varios países para decidir quién accede a programas sociales. El sistema estima la pobreza a partir de indicadores indirectos: cómo es la vivienda, qué servicios tiene o qué bienes hay en casa.
El problema es que ese modelo tiene límites. Puede aproximarse a las condiciones materiales de un hogar, pero no siempre alcanza para ver lo más frágil: el abandono, la dependencia o la vulnerabilidad que muchas personas enfrentan en la vejez. Esto ocurre especialmente cuando varias personas comparten vivienda, pero no necesariamente comparten ingresos ni cuidados.
Y cuando esas realidades no quedan registradas en los datos, el sistema simplemente no las ve.
Además, todo depende de que la información esté bien recogida. Por eso el sistema también necesita empadronadores que visiten los hogares, conversen con quienes viven allí y registren correctamente la información.
Cuando eso falla, el resultado también. Datos mal interpretados o desactualizados pueden terminar en personas adultas mayores perdiendo la única ayuda económica que tienen para vivir.
Del reportaje al cambio
La investigación se gestó durante la participación del equipo de Salud con lupa en una red internacional de periodistas del Pulitzer Center dedicada a investigar cómo la inteligencia artificial influye en decisiones públicas. Allí pude desarrollarla junto a Rocío Romero y Jason Martínez.
Salvo Jason, científico computacional, ninguno de nosotros había investigado antes un sistema algorítmico aplicado a políticas sociales. Aprendimos en el proceso: conversando con expertos, revisando documentos obtenidos con la Ley de Transparencia y escuchando a adultos mayores y a sus familias.
Desde el inicio quisimos que este trabajo no se quedara solo en la denuncia. Por eso publicamos guías prácticas y videos para ayudar a las personas adultas mayores y a sus familias a entender cómo funciona el sistema y qué pueden hacer cuando enfrentan una exclusión injusta.
Pocos días después de la publicación de la serie, el Ministerio de Desarrollo e Inclusión Social aprobó una nueva directiva que permite alertar directamente al Estado cuando se detectan errores en los datos de clasificación socioeconómica.
La medida no cambia el algoritmo ni garantiza la restitución inmediata del beneficio. Pero abre un camino más directo para advertir inconsistencias antes de que una persona pierda la ayuda del Estado.
Hoy hablamos mucho de los riesgos de la inteligencia artificial: sesgos, desinformación, estereotipos reforzados por algoritmos. Pero lo que muestra esta investigación es que los sistemas automatizados ya vienen tomando decisiones sobre la vida de las personas desde hace años: quién recibe ayuda social, quién accede a derechos y quién queda fuera.
Por eso creemos que mirar con atención cómo funcionan, explicar sus implicancias y dar visibilidad a quienes quedan atrapados en sus errores también es parte de nuestro trabajo.
“Invisibles” es, en el fondo, una historia sobre lo que ocurre cuando un sistema clasifica a las personas sin realmente verlas.
Y también sobre algo que queremos seguir fortaleciendo en Salud con lupa: construir conexiones reales con nuestra audiencia, escuchar a las comunidades afectadas y abrir espacios de conversación que ayuden a impulsar cambios concretos.
Porque la tecnología puede ayudar a mejorar las políticas sociales. Pero solo si se aplica con datos confiables, comprensión del contexto y criterios de justicia.
De lo contrario, corre el riesgo de convertir la lucha contra la pobreza en un problema de cálculos y no de personas.
Cada martes envío un newsletter donde comparto estas historias, hallazgos y reflexiones antes de que salgan en la web de Salud con lupa. Si quieres recibirlo en tu correo, puedes suscribirte aquí:
