Revista Ciencias Sociales y Económicas Vol. 8 Núm 2, 2024 | e-ISSN 2588 - 0594 - ISSN 2588 - 0586 https://revistas.uteq.edu.ec/index.php/csye
Las Monedas Digitales de los Bancos Centrales (CBDC) y la
Ciencia de Datos como herramientas contra la delincuencia
(Central Bank Digital Currencies (CBDC) and Data Science as tools against crime)
Resumen
El presente artículo tiene como objetivo mostrar cómo
la Moneda Digital de los Bancos Centrales (CBDC), en
conjunto con el análisis de datos y otras herramientas
tecnológicas, pueden ser utilizadas para construir
modelos capaces de predecir el comportamiento
delictivo de los usuarios y combatir delitos como el
lavado de dinero, el narcotráco y la corrupción en
América Latina. Para lo cual se utiliza una investigación
documental apoyado en un nivel de estudio descriptivo
con un diseño bibliográco, con el n de mostrar la
implementación de estos instrumentos en América
Latina, realizando una revisión exhaustiva de la
literatura académica, explicando el sistema blockchain,
y el uso que han tenido las CBDC en algunos países
de Suramérica; mostrando cómo su naturaleza digital
deja un rastro que puede ser monitoreado y analizado
por las autoridades, permitiendo predecir situaciones.
Finalmente, se concluye que la adopción de las
CBDC, en conjunto con el uso de la Ciencia de Datos
y herramientas de la inteligencia articial, pueden ser
útiles para la prevención del delito.
Palabras clave: dinero digital, bancos centrales,
predicción, corrupción, narcotráco.
Abstract
The present article aims to outline how Central Bank
Digital Currencies (CBDC), in conjunction with data
analysis and other technological tools, can be used
to build models capable of predicting the criminal
behavior of users and combating crimes such as money
laundering, drug tracking, and corruption in Latin
America. This involves documentary research supported
by a descriptive level of study with a bibliographic
design, aiming to showcase the implementation of these
instruments in Latin America. The research includes a
thorough review of academic literature, explaining the
blockchain system, and examining the use of CBDC
in some South American countries. It highlights how
their digital nature leaves a trace that can be monitored
and analyzed by authorities, enabling the prediction of
situations. In conclusion, it is asserted that the adoption
of CBDC, combined with the use of Data Science and
articial intelligence tools, can be useful for crime
prevention.
Keywords: digital money, central banks, prediction,
corruption, drug tracking.
Recibido: 12/10/2023 | Aceptado: 30/01/2024 | Publicado: 12/17/2024
https://doi.org/10.18779/csye.v8i2.768 | Páginas: 1-19
Cita sugerida (APA séptima edición):
Jaimes Becerra, J., Pérez Rivas, N., Oña Domínguez, A., Campaña Chaglla, J., Salazar López, J. y Intriago Alcívar, J. (2024). Las Monedas Digitales de los
Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia. Revista Ciencias Sociales y Económicas, 8(2), 1-19. https://doi.
org/10.18779/csye.v8i2.768
Jesus Ramon Jaimes Becerra
https://orcid.org/0000-0002-0651-274X
Universidad de Zaragoza, España. jesusrajaimesbe@gmail.com
Natali Yormeri Perez Rivas
https://orcid.org/0000-0002-6841-7350
Universidad de Los Andes, Venezuela. naperezrivas@gmail.com
Ángel Andrés Oña Domínguez
https://orcid.org/0009-0008-5707-2239
Instituto de Altos Estudios Nacionales, Ecuador. abgandresona@gmail.com
Jimena Alexandra Campaña Chaglla
https://orcid.org/0000-0003-2187-7496
Universidad de Zaragoza, España. jimena-alexa@hotmail.es
Jairo Javier Salazar López
https://orcid.org/0009-0005-7117-4694
Banco del Instituto Ecuatoriano de Seguridad Social BIESS. jairo.salazar@
biess.n.ec
Josselin Magdalena Intriago Alcívar
https://orcid.org/0009-0003-4037-7371
Universidad de Los Andes, Venezuela. intriagoalcivarjosselyn@gmail.com
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
2
Jaimes et al., 2024
Introducción
A lo largo de la historia, el ser humano ha
buscado almacenar la información considerada
importante. Con los cambios tecnológicos y
los continuos avances de la humanidad, como
la creación de la computadora, la información
comienza a almacenarse de manera masiva,
la cantidad de datos sobre diversos eventos
y fenómenos es innitamente mayor que en
la antigüedad. Esta cantidad de información
es tan grande que ningún ser humano tiene la
capacidad para contenerla. Y, es a través de la
Ciencia de Datos, que se hace posible manejar
esta inmensa cantidad de información dándole
valor a través de su tratamiento, procesamiento
y análisis, permitiendo mejorar la toma
decisiones, e incluso prever el futuro.
En el contexto de la lucha contra la
delincuencia, la corrupción y el lavado
de dinero, podría ser de gran utilidad
considerar el uso de las nuevas herramientas
tecnológicas, como la Ciencia de Datos,
que aplicados en conjunto con inteligencia
articial permitirían identicar patrones
asociados con la delincuencia; ya que si bien,
el dinero en efectivo, el oro y otras formas de
intercambio comercial permiten el anonimato,
el dinero digital deja un rastro que puede ser
asociado con una cuenta, proporcionando
datos sobre los patrones de comportamiento
de los usuarios.
El uso de algoritmos para predecir delitos
podría haberse considerado ciencia cción
hace tan solo dos décadas, pero actualmente
esto puede ser una alternativa bastante eciente
para detectarlos antes de que ocurran. Un
estudio realizado por un equipo de académicos
y funcionarios dirigido por la Universidad de
California (UCLA) empleó en 2015 un modelo
matemático ideado para guiar el despliegue de
funcionarios del Departamento de Policía de
Los Ángeles en los lugares donde se estimó
la presencia de delitos de acuerdo con datos
estadísticos, logrando reducir sustancialmente
las tasas de criminalidad durante un período
de 21 meses. Dicho modelo predijo el doble
de delitos de los que calcularon analistas
criminales capacitados, y adicionalmente
evitó el doble de delitos (Wolpert, 2015).
Este experimento que emplea modelos de
algoritmos, que permiten predecir diversas
situaciones como delitos, han sido tan exitosos
que han sido recreados en otros lugares del
mundo, como en Kent, Reino Unido, con
resultados igualmente exitosos (Mohler et al.,
2015). Por lo cual, la implementación de un
algoritmo puede representar la solución de un
problema, que puede ser expresado mediante
una sucesión nita de pasos, exento de
ambigüedades y puede ejecutarse en tiempo
nito. Por tanto, el uso de algoritmos es una
herramienta que puede ser empleada en la
lucha contra el delito, como una forma de
anticiparse al crimen; no obstante, el uso de
datos es imprescindible para tal n.
Esta investigación busca dar a conocer
que, a partir del uso de monedas digitales
emitidas por los bancos centrales, conocidas
como CBDC en conjunto con la Ciencia de
Datos, es posible construir modelos capaces
de predecir el comportamiento delictivo de
los usuarios, con la nalidad de prevenir
delitos como la corrupción y el lavado de
dinero en América Latina, considerando la
experiencia de otros países que han empleado
algoritmos capaces de predecir determinados
acontecimientos. Para lo cual se realiza
investigación documental basado en un nivel
de estudio descriptivo y diseño bibliográco.
Finalmente, a lo largo de la investigación al
realizar la revisión exhaustiva de la información
de diversas fuentes, se evidencia que si bien la
adopción de las CBDC, la Ciencia de Datos
y herramientas de la inteligencia articial,
pueden ser útiles para la prevención del delito,
queda un gran camino por recorrer para que
los bancos centrales adopten las monedas
digitales de manera que sean competitivas con
las monedas digitales descentralizadas, y que
adicionalmente garanticen la estabilidad del
sistema nanciero.
Elementos analíticos
De acuerdo con Lúquez Marín y Domínguez
Pérez (2018) Las criptomonedas son “un
sistema de encriptación que permite la
transferencia segura de dinero sin autoridades
o intermediarios conables, en forma de
criptomonedas (…) cuya característica más
3
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
innovadora es la descentralización, operando
a través de ordenadores conectados peer-to-
peer” (p.7).
Para Zapata Sevilla (2023) las
criptomonedas son monedas digitales
descentralizadas, acompañadas de diversas
Tecnologías de Registros Distribuidos (DLT),
por sus siglas en inglés, Distributed Ledger
Technology, a través de la cual se puede
comprobar la legitimidad de las monedas
digitales y transferir su propiedad de un
usuario a otro, la más conocida es la tecnología
de blockchain, que registra información que
no ejecuta una única entidad. Sobre este
punto, Pilacuán Cadena et al. (2021) señala
que “El blockchain o cadena de bloques, es
un libro digital de contabilidad, donde consta
un resumen criptográco de las transacciones
(…) está en miles de ordenadores del mundo
donde libremente las personas pueden
acceder a esta red” (p.179). Considerando
las deniciones de las criptomonedas, las
mismas pueden concebirse como monedas
digitales descentralizadas que operan a través
tecnologías de registros como el blockchain,
tecnología que le otorgan legitimidad a
las transacciones a través de un resumen
criptográco de acceso libre a los usuarios.
En torno al surgimiento de estas monedas
digitales se genera un debate sobre la
necesidad de que los bancos centrales emitan
monedas digitales que proporcionen sistemas
de pagos más ecientes y seguros para
competir con las criptomonedas. Fernández
y Gouveia (2019) señalan que: “El desarrollo
de las criptomonedas en los últimos años
ha desencadenado un debate sobre si los
bancos centrales podrían emitir efectivo en
formato digital… compara cuatro variantes
estandarizadas de CBDC y evalúa sus
respectivas ventajas” (p.3).
Por tanto, el surgimiento de las
criptomonedas abre espacio para la creación
de las monedas digitales emitidas por los
bancos centrales, denominadas Central Bank
Digital Currencies o comúnmente conocidas
por sus siglas en inglés CBDC, las mismas son
una versión virtual de la moneda de un país.
Según Fernández de Lis y Gouveia (2019) las
CBDC tienen un conjunto de características,
entre ellas destaca que permite el intercambio
entre pares, pueden ser de acceso universal
o restringido a un grupo de usuarios, pueden
ser anónimas (CBDC basadas en Tokens)
o identicadas (CBDC basadas en cuentas
corrientes), y pueden pagar intereses o no.
Cada una de estas características pueden
intercambiarse de acuerdo con el objetivo que
persiga el banco central.
Interpretando a Fernández de Lis y Gouveia
(2019) si se busca mejorar el sistema de
pagos al por mayor, se adoptarían una CBDC
restringida, identicada y que no devengue
intereses, accesibles solo para entidades
de crédito. Si se busca reducir el impacto
desestabilizador de las crisis bancarias, se
adoptaría una CBDC universal, identicada
y no generadora de intereses, ofreciendo
depósitos a la población en forma de CBDC,
desvinculando la provisión de pago de la
provisión de crédito. Pero si lo que se busca es
reemplazar el dinero en efectivo, se adoptaría
una CBDC universal, anónima (característica
esencial del efectivo), que no devengue
intereses, y accesible para todas las personas.
No obstante, existen estudios que sugieren
que la demanda de efectivo está impulsada en
gran medida para llevar a cabo actividades
delictivas (Rogo, 2017), por tanto, una
moneda digital que pretenda sustituir el
dinero en efectivo, a la cual se le atribuyan
las funciones del dinero, puede facilitar la
detección de las transacciones de origen
delictivo, razón por la que es importante
que los sistemas nancieros que adopten el
uso de CBDC utilicen un estricto conjunto
de normas para la prevención del lavado
de dinero, la nanciación del terrorismo
y cualquier actividad delictiva a partir del
monitoreo continuo del origen y destino de las
transacciones, para detectar irregularidades de
las transacciones de los usuarios.
Las monedas digitales como las CBDC,
utilizan la tecnología blockchain, capaz de
almacenar, transmitir y congurar datos, en
ese sentido, si se emplean las CBDC como
moneda de intercambio para sustituir el
dinero en efectivo se generaría información
masiva en forma de datos, que sería ideal para
emplear el entrenamiento de algoritmos con
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
4
Jaimes et al., 2024
Deep Learning, que son más precisos mientras
exista mayor cantidad de información, y
pueden ser usados para predecir contextos
humanos, tal como pudo ser observado en los
modelos para predecir la expansión del virus
Covid-19 (Khan et al., 2022).
El uso de la tecnología blockchain en
las criptomonedas, parte de un modelo
transaccional de conanza entre los diversos
intermediarios de una transacción, empleando
el conocimiento colectivo para otorgarle
legitimidad. Según un informe publicado por la
CEPAL (2021) “todos los participantes tienen
a la vista la información existente y tienen,
por tanto, la capacidad de dar legitimidad a
una transacción y al mismo tiempo, validar y
luego registrar un historial de las transacciones
realizadas” (p.3). La posibilidad de registrar
datos empleando la tecnología blockchain en
las monedas emitidas por los bancos centrales
como las CBDC podría permitir determinar
los alcances de las actividades delictivas,
sin embargo, la privacidad que ofrecen las
mismas diculta este proceso.
Por ende, como se mencionó anteriormente
las opciones elegidas por los bancos centrales
en cuanto a la emisión de las CBDC, va
a determinar bajo qué características y
condiciones se ofrecen a los usuarios, así como
los mecanismos para monitorear y predecir
transacciones delictivas. El Fondo Monetario
Internacional ha señalado que, aunque las
monedas digitales pueden representar una
oportunidad, también son un desafío para el
sistema nanciero, de acuerdo con el diseño
adoptado, se podrá alcanzar transparencia o
privacidad, partiendo de las bases de datos
centralizadas, registros distribuidos y sistemas
basados en tokens (Fanti et al., 2022).
Sobre este contexto, es preciso analizar
algunos aspectos relevantes del delito,
interpretando a Hernández et al. (2022), la
unión de un grupo de personas para llevar a
cabo actividades delictivas recurrentes que
buscan una utilidad económica se conoce
como crimen organizado, estos grupos tienen
estructuras organizacionales articuladas que
adquieren características de asociaciones
corporativas para facilitar, proteger y
garantizar sus actividades ilícitas, una de las
principales acciones de estas organizaciones
delictivas se relaciona con la legitimación
de capitales o lavado de dinero, proceso a
través del cual las organizaciones y bandas
criminales cambian grandes cantidades de
dinero producto de sus operaciones delictivas
a través de transacciones que permiten
legalizarlo.
Una de las formas en la cuales pueden
llevar a cabo este proceso es a través de
las criptomonedas pues es común el uso
de privacidad en las transacciones con
criptomonedas debido al anonimato de los
usuarios, convirtiéndose en una alternativa de
fácil acceso para las organizaciones criminales.
Sobre esto Grisanti (2020) advierte que “el
ecosistema nanciero de las criptomonedas
pueda estar siendo utilizado para llevar a cabo
operaciones de lavado de dinero, esto sobre
la base de que las monedas digitales poseen
como principal característica el anonimato”
(p. 40).
El crimen organizado en América Latina es
una amenaza importante para la seguridad de
los estados, las sociedades y los individuos.
De acuerdo con una publicación realizada
para el Banco Interamericano de Desarrollo
por Jaitman et al. (2017) “
Las estimaciones de los
costos totales revelan que el delito les cuesta en promedio,
a los países de ALC, un 3 % del producto interno bruto
(PIB), (…) y una amplia gama de variaciones que ilustran
la heterogeneidad del delito en la región”
(p. 12).
En la región, la principal manifestación
del crimen organizado es el narcotráco,
que incluye un conjunto de actividades tales
como el cultivo, procesamiento, tráco
y comercialización de drogas ilegales
(Bartolomé, 2019) que, al ser actividades
económicas, necesariamente producen una
huella o rastro nanciero, que puede ser
encontrado (Ratclie, 2020).
Igualmente, los funcionarios públicos que
incurren en estas prácticas también dejan
rastros de compras o balances de gastos que
superan a sus ingresos, lo que hace que tener
toda la información digitalizada pudieran
ser capturados (Rincón Angarita, 2019). La
corrupción que aparentemente no deja rastros
para el observador común, sí lo hace para el
experto en análisis de datos, así como para el
5
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
algoritmo entrenado.
Hacer un seguimiento de los movimientos
nancieros de todos los funcionarios públicos,
personas naturales o instituciones sería una
tarea difícil para los países Latinoamericanos,
y sería contrario a principios legales como el
secreto bancario. Sin embargo, implementar
sistemas monetarios centralizados, al emitir
monedas digitales como las CBDC, que
garanticen un monitoreo constante a través del
uso de herramientas de inteligencia articial,
podría identicar cualquier transacción
bancaria que pueda ser equivalente al
enriquecimiento ilícito
1
o lavado de dinero
2
(Singh et al., 2018).
El enriquecimiento ilícito se reere al
aumento signicativo e injusticado del
patrimonio de una persona, que no es producto
de sus ingresos legítimos. Y como ya se
mencionó el lavado de dinero permite ocultar
el origen ilícito de los fondos obtenidos a
través de actividades ilegales, con el objetivo
de legitimar bienes o valores. Y aunque ambos
son delitos patrimoniales, y pueden estar
relacionados con la corrupción y el crimen
organizado, el primero, busca incrementar
el patrimonio y el segundo, justicar el
incremento ilegal del mismo (Linares, 2011;
Dornbierer, 2022).
El surgimiento y la evolución de la
tecnología de Blockchain, las criptomonedas
y las Monedas Digitales de los Bancos
Centrales, ha pasado por diversas etapas, a
nales de la década de 1980, Stuart Haber
y Scott Stornetta publicaron “How to Time-
Stamp a Digital Document” que planteaba
la idea de un registro electrónico conjunto
llevado por gran cantidad de personas sobre
algún documento digital o suceso en el mundo
virtual. Y nuevamente en 1991 en la Journal
of Criptology (Haber y Stornetta, 1991)
1. Tipicado en diferentes legislaciones en América Latina y el mundo, por ejemplo, en el artículo 278 del Código Orgánico In-
tegral Penal (COIP) de Ecuador; en el artículo 268 del Código Penal de Argentina; en España en la Ley Orgánica 14/2022, de 22
de diciembre; mientras que en Venezuela en la se puede encontrar en la Ley Contra la Corrupción, en los artículos 73, 46 y 47.
2. Delito el cual también se encuentra tipicado en diferentes países de América Latina y el mundo, por ejemplo, en México
existe una ley especial, la Ley Federal para la Prevención e Identicación de Operaciones con Recursos de Procedencia Ilícita
(conocida como “Ley Antilavado”). Mientras que en Colombia se encuentra la Ley 526 de 1999; en Argentina este delito se
encuentra tipicado en el artículo 303 del Código Penal; en Ecuador en el artículo 317 del COIP. Además, internacionalmente
existen diferentes tratados para prevenir este delito, como lo son la Convención de las Naciones Unidas contra la Corrupción y
la Convención Interamericana contra la Corrupción.
se publica una tecnología llamada “Time-
stamping security”, la idea de dicha tecnología
introdujo una solución para los documentos
digitales con sello de tiempo para evitar su
modicación o manipulación.
Este registro funciona de forma que corrige
la mayor debilidad del mundo virtual, donde
para falsicar, duplicar o modicar los datos
de un documento sólo es necesario la cantidad
suciente de conocimientos. Este registro
conjunto haría que cada persona participante
en el sistema tuviera una copia del documento
original, el cual sería a su vez protegido
por criptografía, de forma que, si el archivo
original fuera corrompido, este podría ser
identicado fácilmente y eliminado de la red
conjunta, lo cual daría origen a lo que luego
sería denominado el blockchain o cadena de
bloques en español. (Haber y Stornetta, 1991).
El origen de las criptomonedas está
vinculado a diversos elementos, que incluyen
el entorno económico y la necesidad de que
las personas tengan una forma de moneda
descentralizada. Esta necesidad surge por
la situación de crisis nanciera mundial
experimentada en el año 2008, cuando el
sistema nanciero intentó hacer frente a la
deación emitiendo dinero masivamente,
generando la pérdida del valor de la moneda
(Gómez y García, 2021).
Finalmente, el 3 de enero de 2009, entró
en funcionamiento la primera criptomoneda
basada en el protocolo Bitcoin, con la creación
de los primeros Bitcoins y el inicio de la
minería (validación de las transacciones).
Era un proyecto de código abierto concebido
por una entidad bajo el seudónimo de Satoshi
Nakamoto, cuya identidad concreta se
desconoce.
En diciembre de 2020, cuando el Bitcoin se
acercó por primera vez los US $ 20 000 fueron
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
6
Jaimes et al., 2024
anunciados diversos proyectos de monedas
digitales de los bancos centrales. Por ejemplo,
China comenzaría a probar su propia moneda
digital, el llamado e-CNY en plataformas
de comercio electrónico (Shen, 2020); sin
embargo, el uso de dinero digital por parte
de los bancos centrales ya había comenzado
varios años antes, en la década de 1990, en
Finlandia, pero se había implementado de
forma completa en América del Sur.
El primer proyecto de moneda digital de
un Banco Central (CBDC) en el mundo surgió
en el año 1987 y sería implementado en 1993
en Finlandia a través de la tarjeta inteligente
llamada Avant, que era el resultado de la
colaboración entre la Banca Comercial y la
Helsinki University of Tecnology. El banco
central emitía tarjetas Avant no recargables en
su primera fase y recargables en la segunda,
similares a tarjetas de débito y crédito de
hoy en día, pero de forma prepagada. El
banco emisor de la tarjeta podría saber el
saldo pendiente en la tarjeta, pero no podría
rastrear quien protegía el anonimato, así como
tampoco recopilaría datos sobre transacciones
individuales (Grym, 2020).
La tarjeta Avant podría ser comparada hoy
en día con las tarjetas de los teléfonos públicos,
o las usadas para el transporte público. Para
1995 la tarjeta Avant era aceptada en Finlandia
por compañías de teléfono, quioscos, tiendas,
compras online y servicios de transporte.
En 1995, el Banco de Finlandia vendió sus
activos a los bancos comerciales, perdiendo el
Avant su estatus de dinero de banco central
(Heinonen, 2021).
Para el año 2014, en Ecuador, surge el
“dinero electrónico” como alternativa ante
la dependencia del dólar, la imposibilidad
de emisión de su propia moneda, y la falta
de liquidez monetaria, que llevó al gobierno
a recortes de hasta $ 1,420 millones en el
presupuesto general del 2015, ante lo cual
se diseña, estructura y resuelve implementar
un sistema de dinero electrónico (Zevallos y
Wilson, 2017).
El proyecto de Dinero Electrónico fue
presentado el día 23 de diciembre de 2014.
A partir de febrero 2015 se podrían hacer
transacciones de carga, descarga, envío de
dinero electrónico a personas, cobros en
locales comerciales, consultas y transferencias
bancarias. Y a partir de julio de 2015 se podrían
pagar servicios públicos, pagar obligaciones
tributarias, realizar giros y otros usos (Banco
Central del Ecuador , 2014).
Es decir, el dinero electrónico comenzó a
funcionar de forma plena en julio de 2015. El 30
agosto del año 2017 existían 360.916 cuentas
de dinero electrónico, 4.860 establecimientos
trabajaban con este medio de pago y se
habían realizado transacciones por más de 47
millones de dólares, cuando se anunció que
el dinero electrónico sería manejado sólo por
las entidades privadas, la banca pública y las
cooperativas, lo cual eliminó su carácter como
CBDC, que exige que la moneda digital sea
manejada por el banco central (Banco Central
del Ecuador, 2017).
A partir del 29 de diciembre de 2017 el
Banco Central del Ecuador ya no abrió cuentas
en dinero electrónico y luego del 31 de marzo
de 2018, en las cuentas de dinero electrónico
con saldo cero dólares, se ejecutó un proceso
de cierre automático. El plazo para realizar el
cierre y desactivación de las cuentas de dinero
electrónico culminó el 16 de abril de 2018,
ya que el “Dinero electrónico” fue derogado
por la Ley de Reactivación Económica,
Fortalecimiento de la Dolarización y
Modernización de la Gestión Financiera del
29 de diciembre de 2017 (Banco Central del
Ecuador, 2018).
El Proyecto de dinero electrónico de
Ecuador es la primera experiencia en el mundo
de un modelo público y abierto propiciado por
un banco central, actualmente existen otros
países que están evaluando sistemas de este
tipo. Tuvo un uso efectivo de poco más de dos
años, desde el 01 de julio de 2015, hasta el 30
agosto del año 2017. Durante este período de
tiempo tuvo un impacto exitoso al existir más
de 350 mil cuentas en dinero electrónico y
transacciones por casi 50 millones de dólares
en un sistema que siguió en su totalidad la
conceptualización establecida para las CBDC.
El experimento del dinero electrónico de
Ecuador muestra como este tipo de sistemas
puede funcionar y tener éxito en América
Latina, siempre y cuando las restricciones
7
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
sean mínimas, mientras se mantiene el control
por parte del Banco Central o de la entidad
reguladora (Arauz et al., 2021).
El e-Peso de Uruguay (2017-2018)
El 3 de noviembre de 2017, el presidente del
Banco Central de Uruguay, Mario Bergara,
presentó un plan piloto de seis meses para
la emisión y uso de billetes digitales del
peso uruguayo: el e-peso. Para utilizar la
plataforma se debía descargar la aplicación de
billeteras electrónicas para teléfonos y estaría
disponible sólo para 10.000 usuarios de la
compañía ANTEL (Uruguay, 2017). Uruguay
no usó el blockchain o la red Ethereum,
sino que desarrolló su propia tecnología
(Nambiampurath y Daniel, 2020).
A diferencia de otras monedas digitales,
el e-peso uruguayo tenía la particularidad
que los “billetes” digitales contaban con
un código criptográco de identicación
para evitar el doble gasto y la falsicación,
sin embargo, esto implicaba aumentar los
requerimientos técnicos de las billeteras
electrónicas y generaba el problema de que
las personas debían poder tener disponibilidad
de dar cambios lo sucientemente pequeños
de acuerdo a los billetes recibidos, tal y como
ocurre con el efectivo. Esto podía haber sido
solucionado generando la mayoría de los
billetes digitales con el menor valor posible y
otros con valores altos para la transferencia de
grandes valores (Bergara y Ponce, 2018).
Para simplicar la prueba piloto, no se les
dio algún código a los billetes. Finalmente,
se emitió una cantidad predeterminada de
e-pesos, los cuales en total no alcanzaron en
valor al millón de dólares. Al ser una prueba
piloto, lo máximo que podía tener cada persona
en su billetera electrónica eran 30.000 pesos,
equivalentes a unos 1000 dólares y 200.000
pesos en el caso de negocios registrados
(Bergara y Ponce, 2018).
La aplicación de códigos criptográcos en
imágenes únicas, llamadas chas, tokens o
billetes, guarda similitud con los Non-fungible
3. Art. 470. Los bienes muebles son fungibles o no fungibles. A los primeros pertenecen aquellas cosas de que no puede hacerse
el uso conveniente a su naturaleza, sin que se consuman. Las especies monetarias son fungibles en cuanto perecen para el que
las emplea como tales.
Tokens, NFT, una idea popularizada para el
cripto arte durante 2021 de imágenes únicas
que son respaldadas principalmente en la red
Ethereum. Un NFT puede ser denido como
activos digitales que representan objetos del
mundo real. Tienen códigos de identicación
únicos y, en esencia, crean escasez digital.
(Conti, 2023).
En el funcionamiento de los NFT, la
persona propietaria del bien no necesita
guardar el token como tal, sino una dirección
o código único de donde este se encuentra
almacenado, lo que en teoría debería darle
mayor seguridad. Similar a como ocurre con
los billetes, cuyo código de referencia es el
valor emitido por la autoridad monetaria del
estado, es decir, los códigos de identicación
hacen que cada billete o NFT sean únicos y
no desaparecen con sus transacciones, son
bienes no fungibles (Wang et al., 2021). A
diferencia de los NFT, el dinero en principio
es un bien fungible, es decir intercambiable
por excelencia y cuyo intercambio hace que
el bien como tal desaparezca y pase a formar
parte de una masa común de dinero, e incluso
el Código Civil uruguayo contempla en su
artículo 470 las especies monetarias como
bienes fungibles
3
.
La criptografía en los billetes, haciéndolos
a cada uno vericables, podría facilitar el
seguimiento de estos billetes y evitar su
falsicación, pero crea una dicultad para
una de las funciones esenciales del dinero,
el cual es que el dinero debe funcionar como
unidad de cuenta, y en el caso de los e-pesos,
prácticamente se están intercambiando NFT
de un valor determinado, por otros bienes,
dicultando el proceso de intercambio
comercial, e incluso aunque se usaran
cifras pequeñas, esto debería ser calculado
previamente (McLeay et al., 2015).
Las CBDC en la actualidad
Impulsados por el Bank for International
Settlements (BIS), la mayoría de los proyectos
planteados para las CBDC (más de 90 a nivel
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
8
Jaimes et al., 2024
mundial) utilizan tecnología blockchain (BIS
Innovation Hub, 2022; Zhang y Huang, 2022)
de los cuales vale la pena resaltar el proyecto
del e-CNY, pues a partir de mayo del presente
año, en la ciudad de Changshu, comenzaron a
pagar el salario de sus trabajadores públicos
en la CBDC denominada e-CNY. Esta ciudad
tiene una población estimada de 1,7 millones
de personas. Es decir, China está aplicando
esta fase piloto a aproximadamente el 1 %
de su población, lo que le permitirá obtener
datos sobre el comportamiento nanciero de
sus funcionarios, ya que el dinero digital, al
igual que las criptomonedas deja un rastro que
puede ser utilizado para hacer un seguimiento
y en general de la población, al ser el dinero
de naturaleza circular (He, 2023).
Esta cantidad de datos pueden ser usadas
para prevenir los delitos mencionados, pues
en el caso de la delincuencia organizada,
como se mencionó, esta busca permear la
administración pública, y al poder vigilar el
gobierno los comportamientos nancieros
de sus funcionarios, se diculta que existan
actividades como enriquecimiento ilícito
o incluso el lavado de dinero. Es decir, las
CBDC se constituyen como una herramienta
de vigilancia y control nanciero, lo cual ha
sido criticado por funcionarios públicos de los
Estados Unidos, que incluso han propuesto
una ley contra la vigilancia del estado con las
CBDC (CBDC Anti-Surveillance State Act)
(Emmer, 2023).
Esta forma de vigilancia y control, por
parte del estado permitiría identicar a
los delincuentes, pero pondría en riesgo la
privacidad de las personas, sin embargo, no
es necesario que la vigilancia sea realizada
por seres humanos, o que la vigilancia sea
intrusiva, pues mediante el uso de inteligencia
articial, esta podría identicar determinados
comportamientos relacionados con actividades
delictivas. De acuerdo con este punto CEPAL
(2018) advierte que “los datos son valiosos
si tienen la capacidad de desencadenar
una acción (actionable). La inteligencia
articial aumentaría esa capacidad pues
soporta aplicaciones más avanzadas (…) que
permiten el análisis predictivo y de denición
de patrones” (p.2).
Además del ejemplo mencionado en Kent,
la policía de Reino Unido ha expandido el
uso de la inteligencia articial para predecir
crímenes, partiendo de una investigación
realizada por Cardi University y Sky News,
al menos cincuenta y tres Consejos del Reino
Unido y cuarenta cinco cuerpos de fuerzas
policiales del bloque de países dependen de
algoritmos informáticos para evaluar el nivel
de riesgo de los delitos contra los niños, estos
se basan en datos personales para predecir
la probabilidad de que un niño sea víctima
de algún abuso de acuerdo con su entorno
social, clasicando el nivel de riesgo como
alto, medio o bajo (Valdovinos, 2019). Por
otra parte, en otro estudio sobre la predicción
del crimen a través de diversos enfoques
de modelos predictivos basados en redes
neuronales, explica cómo a través del análisis
de los datos por distrito geográco es posible
identicar grupos o características similares
en las actividades criminales (El Aouni et al.,
2023).
No obstante, si bien el uso de datos y la
inteligencia articial representan herramientas
para mejorar la toma de decisiones y las
prácticas de detección temprana del crimen,
se debe tener cuidado con los riesgos en el
incremento de las desigualdades entre la
población, debido a la existencia de sesgos que
puedan crearse al utilizar modelos predictivos
del delito empleando datos basados en el
sexo, etnia y edad de los individuos bajo
análisis. Sobre este punto Roa Avella et al.
(2022) señalan que si bien en las actividades
policiales, la administración de la justicia
y los procesos penales, se han empezado a
utilizar algoritmos predictivos, aportando
celeridad en la toma de decisiones, también
es importante considerar la objetividad de
las variables empleadas en dichos modelos
predictivos, para evitar la vulneración de los
derechos humanos.
Finamente las CBDC, y la Ciencia de
Datos en conjunto con la inteligencia articial
pueden ser herramientas útiles para reducir
los delitos de las organizaciones criminales
e incluso predecirlo, partiendo del uso de los
datos. De acuerdo con la empresa Chainalysis,
el año 2022 experimentó un incremento
9
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
importante de transacciones destinadas al
lavado de dinero a través de criptomonedas,
las direcciones ilícitas transrieron alrededor
de 23,8 millones de dólares en criptomonedas,
cifra que representa un 68 % de aumento
respecto al año 2021. La Ocina de Naciones
Unidas contra la Droga y el Delito (2020)
señalan que los avances tecnológicos han dado
origen a un sistema global continuamente
operativo en el que el dinero virtual o digital,
puede ser intercambiado con mayor rapidez y
facilidad entre países.
El incremento de las transacciones de origen
ilícito a través de criptomonedas requiere
que los gobiernos y las entidades nancieras
determinen mecanismos apropiados para
frenar esta problemática. Además, del
establecimiento de normativas y regulaciones,
es importante el uso de herramientas
tecnológicas que permitan mejorar los
procesos de detección de transacciones cuyos
fondos tienen su origen en actividades ilícitas,
partiendo del uso de la inteligencia articial y
el aprendizaje automático, como herramientas
para hacer más ecaz el trabajo de los
investigadores en cuanto a la priorización
de los casos que realmente concuerden con
actividades delictivas.
Metodología
Tomando en consideración el tema de análisis
seleccionado, los objetivos planteados, y
el propósito perseguido, este estudio se
corresponde a un tipo de investigación
documental, cualitativa con una revisión
sistemática de la literatura. Según Arias (2012)
una investigación documental “Es un proceso
basado en la búsqueda, recuperación, análisis,
crítica e interpretación de datos secundarios,
es decir, los obtenidos y registrados por otros
investigadores en fuentes documentales:
impresas, audiovisuales o electrónicas” (p.27).
Interpretando a Guerrero Dávila (2020)
la investigación documental es una técnica
basada en la recolección, recopilación y
selección de la información de diversas
fuentes, donde la observación juega un
papel fundamental. La cual no solamente
es empleada para estudiar temas teóricos,
también puede ser usada como técnica para
analizar datos existentes, e investigaciones
previas de carácter cuantitativo, para ofrecer
resultados lógicos. El desarrollo de esta
técnica se basa en la construcción de una lista
de objetivos especícos con el n de construir
nuevos conocimientos.
En la investigación se aborda un nivel
de estudio descriptivo, que implica separar
los elementos relevantes de un fenómeno a
estudiar para describirlo, y posteriormente
determinar sus causas, naturaleza y efectos.
De acuerdo con Arias (2012) “la investigación
descriptiva consiste en la caracterización de un
hecho, fenómeno, individuo o grupo, con el n
de establecer su estructura o comportamiento”
(p.24).
Las investigaciones descriptivas,
son estudios de medición de variables
independientes, cuya nalidad es observar
las características en un fenómeno o grupo
determinado, sin establecer relaciones entre
éstas, por lo tanto, cada una de las variables se
analizan de forma independiente. Por ende, en
este tipo de estudio no se formulan hipótesis,
sin embargo, es obvia la presencia de
variables. Los estudios descriptivos miden de
forma independiente las variables y aparecen
enunciadas en los objetivos de investigación
como se cita en Arias (2012, p.25).
Partiendo de esta información, en este
estudio se procedió a identicar las variables a
partir de los objetivos de la investigación, para
posteriormente plasmar la conceptualización
de estas, en la Tabla 1.
Posteriormente, se procedió a elaborar
la Tabla 2 con la operacionalización de las
variables de la investigación, que consiste
en el desglosamiento de estas en categorías
cada vez más sencillas, con la nalidad de
aproximarse para explicarla. Igualmente,
se incluyen las técnicas e instrumentos de
evaluación empleadas en la investigación.
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
10
Jaimes et al., 2024
Tabla 1. Identicación y denición de las variables
Objetivo general: Conocer las CBDC y la Ciencia de Datos como herramientas para combatir
delitos
Objetivos
especícos
Variables Conceptualización
Denir
teóricamente
las monedas
digitales y el
sistema de
tecnología que
emplean
Las monedas
digitales y el
sistema de
tecnología
que emplean
Las monedas digitales, son un medio de cambio empleado
como dinero virtual. Pueden ser descentralizadas, es
decir, sin control ni regulación bancaria o gubernamental
como Bitcoin (BTC), Ethereum (ETH), Cadano (ADA)
y otras. Mientras que las monedas centralizadas, son
aquellas controladas por Bancos Centrales, y se conocen
como CBDC.
Las monedas digitales emplean métodos criptográcos
para asegurar la legitimidad de las transacciones
nancieras, y la más utilizada es la tecnología Blockchain
o cadena de bloques.
Estudiar
el origen y
evolución de
las monedas
digitales
Origen y
evolución de
las monedas
digitales
La primera moneda digital descentralizada fue propuesta
en 2008, a través de un correo electrónico con la rma
Satoshi Nakamoto, nombre empleado como alias para
proponer un sistema de efectivo electrónico denominado
Bitcoin, sistema de pago digital novedoso, cuyo
lanzamiento se produce en 2009 y a partir de entonces
comienza la evolución de la misma, dando paso a la
creación de otras monedas digitales.
Identicar la
relevancia de
las CBDC y
la Ciencia de
Datos para
detectar los
delitos
Relevancia
de las CBDC
y la Ciencia
de Datos para
detectar los
delitos
Las monedas digitales centralizadas como las CBDC se
crean con el objetivo de hacer frente al surgimiento de
las monedas digitales descentralizadas y al mismo tiempo
como herramienta para resolver problemas del sistema
nanciero actual detección del delito y el lavado de
activos.
La Ciencia de datos permite extraer información
signicativa a partir de los datos, empleando herramientas
de las matemáticas, la estadística, la inteligencia articial
y la informática
Enumerar
indicadores
empleados en
investigaciones
para predecir el
delito
Modelos
matemáticos
basados en
algoritmos
Los modelos matemáticos se construyen a partir de
algoritmos o expresiones matemáticas, empleadas para
descifrar problemas del mundo real. Considerando
indicadores.
A partir del uso de estos modelos es posible determinar
patrones de comportamiento, por lo cual son herramientas
útiles de predicción de delitos como la corrupción y el
lavado de dinero.
Nota. Elaboración propia, considerando la técnica de identicación de las variables según Arias (2012, p.61).
11
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
Tabla 2. Esquema de contenido: operacionalización de las variables, técnicas e
instrumentos de investigación
Objetivo general: Conocer las CBDC y la Ciencia de datos como herramientas para combatir
delitos
Objetivos especícos Categoría Subcategoría Técnica Instrumento
Denir teóricamente
las monedas digitales
y el sistema de
tecnología que
emplean
las monedas
digitales y el
sistema de
tecnología que
emplean
Criptomonedas
CBDC
Sistema de
Blockchain
Revisión
documental
Guía de
observación
documental
Estudiar el origen
y evolución de las
monedas digitales
Origen y
evolución de las
monedas digitales
Criptomonedas
CBDC
Revisión
documental
Guía de
observación
documental
Identicar la
relevancia de las
CBDC y la Ciencia
de Datos para
detectar los delitos
Relevancia de
las CBDC y la
Ciencia de Datos
para detectar los
delitos
Las CBDC y la
Ciencia de Datos
para detectar el
lavado de dinero
y la corrupción
Revisión
documental
Guía de
observación
documental
Enumerar
indicadores
empleados en
investigaciones para
predecir el delito
Indicadores
empleados en
investigaciones
para predecir el
delito
Señales de alerta
para predecir el
delito
Revisión
documental
Guía de
observación
documental
Nota. Elaboración propia, considerando la técnica de operacionalización de las variables según Arias (2012, p.63).
Resultados
A lo largo de la investigación se realiza una
revisión exhaustiva de diversas fuentes de
información logrando alcanzar el objetivo
general planteado para la misma. Lo cual
permitió identicar dentro del estudio la
denición teórica de las monedas digitales
CBDC y el sistema de tecnología que estas
emplean, el origen y la evolución de las
monedas digitales, la importancia de las CBDC
y la ciencia de datos como herramientas para
la detección de los delitos; y, nalmente, se
procede a enumerar los indicadores empleados
en otras investigaciones para predecir el delito.
Partiendo de los indicadores, se revisaron
diversas investigaciones que buscan
determinar patrones de comportamiento
delictivo de individuos u organizaciones
criminales toman en consideración algunos
factores de riesgo o indicadores que les
permitan analizar actividades ilícitas como
el blanqueo de capitales, la corrupción y el
narcotráco. En ese sentido, considerando que
los seres humanos realizan comportamientos
repetitivos, pueden identicarse “patrones
delictivos”.
Se pueden apreciar diversas fórmulas
que ya se han usado para predecir
comportamientos humanos (Thuillier et al.,
2019). A continuación, se procede a enumerar
algunos factores o indicadores generales
de comportamiento nanciero asociados
con delitos como el blanqueo de capitales
y el fraude, para alcanzar el cuarto objetivo
especíco de esta investigación.
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
12
Jaimes et al., 2024
Tabla 3. Indicadores empleados en diversas investigaciones para predecir el delito
1.Transferencias bancarias con montos inusualmente grandes (Galat, 2017) (Red Contra los Delitos Financieros, 2007)
4
2. Patrones de gastos. Gastos de grandes
cantidades de dinero, que pueden incluir bienes
de lujo, sin una fuente de ingresos clara. (Galat,
2017) (The Financial Action Task Force, FATF,
2021)
2.1. Compras de vehículos de lujo, y camionetas de alta gama. (Plan V, 2022) (Azarkevich,
2022).
2.2. Fincas
5
(Nuevo Poder, 2022) y bienes tales como como arte
6
(Bowley y Rashbaum,
2017), yates
7
, avionetas
8
, relojes, joyas, caballos purasangres, lingotes de oro. (Reuters, 2010)
3. Transacciones frecuentes, entre un grupo limitado de cuentas
9
(Ocina de Naciones Unidas contra la Droga y el Delito, 2008) (Superientendencia
de Banca y Seguros de Perú, 2023)
4. Origen y destino de las transacciones
Las transacciones llegando o saliendo de países o regiones conocidas por ser paraísos scales o
por la corrupción, esto podría ser una señal de actividad ilegal. (Unidad de Análisis Financiero
y Económico de la OEA, 2020) (Unidad de Analisis Financiero de Chile, 2021)
5. Gastos que superan ampliamente los
ingresos declarados. Por lo cual se propone que
cada parámetro establecido podría tener un valor
máximo de 2, y cuando se alcance un valor cociente,
entre todos los parámetros de 6, el sistema arroje
una alerta que informe al investigador (Bengio,
2009) (Arroyo Chacon, 2012)
10
.
Lo cual permitiría enfocar los esfuerzos del
investigador y proteger la privacidad de las
personas que no realizan actividades sospechosas
a) Transferencias bancarias de montos inusualmente grandes (2 puntos).
b) Patrones de gastos (2 puntos) divididos en:
b.1. Vehículos de lujo, y camionetas de alta gama. (1 punto).
b.2. Fincas y bienes tales como como arte, yates, avionetas, relojes, joyas, caballos
purasangres, lingotes de oro. (1punto).
c) Transacciones frecuentes entre un grupo limitado de cuentas (Ocina de Naciones Unidas
contra la Droga y el Delito, 2008) (2 puntos).
d) Transacciones desde o hacia paraísos scales o corruptos (2 puntos).
e) Gastos que superan ampliamente los ingresos declarados (2 puntos).
Es decir: Si a + b + c + d + e ≥ 6 = posible delito.
4. “Es importante notar que el monto solamente, como por ejemplo una gran transacción o transferencia de dinero en efectivo, no debe ser un factor determinante en la decisión de presentar un SAR. Sin embargo, los
factores que deben contribuir con esa decisión incluyen los siguientes: el tamaño, frecuencia y naturaleza de las transacciones.”
5. Véase: ¿Cómo escogen sus ncas los traquetos en el Meta y los llanos: https://periodicodelmeta.com/como-escogen-sus-ncas-los-traquetos-en-el-meta-y-los-llanos/
6. Véase: La industria del arte, propensa al lavado de dinero: https://www.eleconomista.com.mx/sectornanciero/La-industria-del-arte-propensa-al-lavado-de-dinero--20200609-0080.html
7. Véase: Decomisan la ota de yates del ‘narco amigo› de Feijóo: https://www.elplural.com/politica/decomisan-la-ota-de-yates-del-narco-amigo-de-feijoo_32670102
8. Véase: Avioneta comprada por socio de esposa… https://www.abc.com.py/politica/2023/05/21/avioneta-comprada-por-socio-de-esposa-de-alliana-estaba-asegurada-en-us-930500/
9. “Este proceso es muy atractivo para el lavador, ya que trae dinero del exterior sin riesgo, limitado solo por los montos de giros permitidos, para lo cual, consigue varias personas. La identicación, ubicación y demás
datos de los beneciarios son falsos y suministrados por el lavado” Superintendencia de Banca y Seguros de Perú (2023) p. 2
10. “Aún cuando no se pueda probar de forma directa el pago de un soborno por benecios dado en virtud de su cargo público, si se demuestra que los bienes adquiridos y el estilo de vida que lleva no corresponden a sus
ingresos lícitos, lo cual unido a otros elementos hacen presumir que tales recursos provienen de actividades ilícita” Arroyo Chacon (2012) p. 160
13
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
Para aplicar esta fórmula de forma efectiva
es necesario que todas las transacciones
nancieras, o al menos su mayoría se
realicen de forma digital, lo cual le
permitirá al investigador acceder al total del
comportamiento nanciero de los usuarios. La
identicación de patrones de comportamiento
o compras, que están presentes en el día a
día, permiten suponer con mayor índice de
acierto quien puede estarse involucrando en
cierto tipo de situaciones. El asignar puntajes
por comportamiento es posible sólo cuando
las personas actúan en un espacio delimitado;
es decir, en lugares como un supermercado.
El uso de las CBDC y la desaparición del
anonimato permitiría mayor acceso a los
datos de las personas, incrementando al
mismo tiempo la seguridad para los usuarios y
abriendo espacio para que el sistema nanciero
pueda hacer frente a las criptomonedas. Esto
en conjunto con herramientas de la ciencia
de datos podrían permitir analizar de forma
simultánea el comportamiento de millones de
personas, basándose en información conable
con acceso a los investigadores de delitos
electrónicos.
Para estudiar el uso de activos virtuales
en actividades ilícitas existen diversos
indicadores que permiten detectar estas
prácticas. A continuación, se presentan
algunos indicadores propuestos por El Grupo
de Acción Financiera Internacional (GAFI).
basados en características y vulnerabilidades
asociadas a las tecnologías; sin embargo,
advierten que la presencia estos indicadores
deben considerar el contexto de otras
características sobre el cliente y la relación, o
una explicación comercial lógica.
Tabla 4. Principales indicadores para predecir delitos de Activos Virtuales
1
Mover un activo virtual que opera en una cadena de bloques pública y transparente,
como Bitcoin, a un intercambio centralizado y luego intercambiarlo inmediatamente por
una criptomoneda de anonimato o moneda privada.
2
Operaciones de un cliente que involucran más de un tipo de AV, a pesar de tarifas de
operación adicionales, y especialmente aquellos AV que brindan mayor anonimato,
como criptomonedas o monedas privadas
3
Actividad transaccional anormal en cuanto al nivel y el volumen de activos virtuales
cobrados en intercambios de carteras asociadas a la plataforma P2P (red de ordenadores
en la que todos o algunos aspectos funcionan sin clientes ni servidores jos) sin una
explicación comercial lógica
4
Recursos depositados o retirados de una dirección de activo virtual con enlaces de
exposición directa e indirecta a fuentes sospechosas conocidas, incluidos mercados
negros, servicios de mezcla
5
El uso de carteras de papel o hardware descentralizadas / no alojadas para transportar AV
a través de las fronteras.
Nota. Elaboración propia a partir de la información suministrada por El Grupo de Acción Financiera Internacional (GAFILAT,
2017).
Discusión
El análisis de datos ha mejorado en la
identicación de “patrones” y ha sido
complementado por herramientas de
inteligencia articial, como el aprendizaje
automático, que pueden extraer patrones
signicativos de grandes cantidades de datos.
Por ejemplo, en 2018, los cientícos pudieron
identicar palabras y frases utilizando FMRI
al lograr reconocer la activación de regiones
cerebrales (Pereira et al., 2018). Sin embargo,
en 2023, cientícos del MIT utilizaron FMRI
en conjunto con modelos de lenguaje de
inteligencia articial (como ChatGPT), lo que
resultó en una tecnología híbrida que puede
decodicar y reproducir con precisión los
pensamientos internos de una persona (Lopez
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
14
Jaimes et al., 2024
Lloreda, 2023).
Analizar a todas las personas que realizan
este tipo de transacciones nancieras es
una labor complicada; sin embargo, para
mecanismos de IA (Inteligencia Articial)
basados en el aprendizaje profundo como el
Deep Learning, existe una elevada precisión
de identicación incluso de nuevas variables
que los expertos pueden haber pasado por
alto, por ejemplo, una vez determinado el
algoritmo este se podría ejecutar de forma
automática y lanzar alertas cuando se alcanzan
determinadas puntuaciones.
En ese sentido, la capacidad de la IA
para procesar y comprender información de
una manera rápida y eciente, la convierte
en una herramienta para el análisis de datos
que puede ser empleada para mejorar el
seguimiento y control de las transacciones,
para lo cual se debe tomar en cuenta las formas
de aprendizaje de la IA, como por ejemplo las
máquinas de IA son capaces de comprender la
naturaleza situacional y subjetiva de los datos
es mediante el aprendizaje representacional
(representational learning) (...) métodos
que permiten que una máquina alimentada
con datos de entrada (inputs) sin procesar, y
permitir que la misma descubra, a partir de
esos datos, las representaciones necesarias
para hacer clasicaciones (LeCun et al.,
2015).
Es decir, actualmente existen herramientas
que podrían ser usadas para identicar
comportamientos delictivos, no sólo de
una única persona, sino de organizaciones
delictivas, sin embargo, es necesario la
necesidad de más datos para entrenar los
algoritmos de inteligencia articial. A su
vez, el número de tecnologías predictivas
utilizadas para prevenir el delito va en
aumento en países como Estados Unidos, en
lo que han denominado “vigilancia predictiva”
proceso que consiste en emplear técnicas
analíticas para predecir posibles actividades
delictivas, tomando como suposición básica
que el crimen no se distribuye aleatoriamente
entre personas o lugares describiendo a los
algoritmos como más objetivos y ecientes
que el juicio discrecional de los humanos
(Brayne y Christin, 2020).
Conclusiones
Hacer frente al surgimiento de las diversas
monedas digitales descentralizadas debe ser
un tema de especial interés para los sistemas
nancieros del mundo y los gobiernos en su
conjunto, debido a los efectos perjudiciales
que pueden tener el uso de las mismas para
promover el desarrollo de las economías
subterráneas, debilitamiento del sistema de
recaudación scal del estado y el incremento
de actividades delictivas como la legitimación
de capitales, actuando como un mecanismo
de proliferación de las organizaciones
delictivas que emplean las monedas digitales
para realizar transacciones cuyo origen se
encuentra en actividades como el terrorismo,
el narcotráco, la trata de personas, entre
otras.
El dinero digital ha evolucionado desde
nales de los 90 y podría convertirse, a través
de las CBDC, en un elemento de control nunca
visto que permitirá recopilar toda la data de los
ciudadanos y en conjunto con herramientas de
inteligencia articial facilitaría la detección de
actividades criminales, manteniendo a salvo
la identidad de las personas, protegiendo su
derecho a la privacidad. A su vez, las monedas
digitales han mostrado su efectividad en países
de América Latina como Ecuador, donde a
través del dinero digital implementado por
el BCE, y con el uso de CBDC ha permitido
la participación de una mayor cantidad de
población; por lo cual, es necesario aprender
de estos casos, tomar lo mejor de cada uno e
implementarlo.
Si bien las Monedas Digitales de Bancos
Centrales en América Latina, como se ha
mostrado están en fase de exploración y
adopción, la experiencia obtenida con el
dinero electrónico de Ecuador y el e-Peso de
Uruguay puede ser aprovechada para mejorar
la transparencia nanciera y ayudar en la
prevención de delitos. La tecnología blockchain
y el análisis de datos son fundamentales en
este proceso, permitiendo a las autoridades
rastrear y analizar transacciones para detectar
y prevenir actividades ilícitas.
La inteligencia articial y el análisis de
datos pueden facilitar la determinación de
15
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
escenarios, incluyendo el de situaciones que no
parecen estar relacionadas, por lo cual pueden
ser usados para detener actividades delictivas,
como por ejemplo patrones relacionados al
narcotráco, lavado de dinero y corrupción,
y con mayor cantidad de datos generados por
las monedas digitales, y patrones de consumo,
una vez que se implementen las monedas
digitales de los bancos centrales, hará que sea
casi imposible que se cometan estos actos sin
ser detectados.
Finalmente, la decisión de los Bancos
Centrales de emplear monedas digitales como
las CBDC es un tema de continuos debates y
discusiones debido a que para una correcta
y segura implementación se necesitaría que
la emisión de CBDC esté basada en cuentas
y no en tokens como las monedas digitales
descentralizadas, característica por la cual
las criptomonedas como el Bitcoin resulta
tan atractiva para los usuarios, y cualquier
aplicación de las mismas debe tomar ew
rivacidad y el respeto de los derechos humanos
de sus usuarios.
Referencias bibliográcas
Arauz, A., Garratt, R. y Ramos, D. F.
(2021). Dinero Electrónico: The rise and
fall of Ecuador’s central bank digital
currency. Latin American Journal of
Central Banking, 2(2), 1-10. https://doi.
org/10.1016/j.latcb.2021.100030
Arias, F. (2012). El proyecto de la investigación.
Episteme. https://abacoenred.org/wp-
content/uploads/2019/02/El-proyecto-de-
investigaci%C3%B3n-F.G.-Arias-2012-
pdf-1.pdf.
Aristoteles. (323 AC). La Politica.
Arroyo Chacón, J. I. (2012). Métodos de
investigación nanciera para detectar y
probar el delito de lavado de dinero. Revista
Nacional de Administración, 3(2), 155-
174. https://doi.org/10.22458/rna.v3i2.529
Azarkevich, E. (18 de agosto de 2022).
Lavado de dinero narco: tres autos de
lujo, a subasta. https://www.clarin.com/
policiales/lavado-dinero-narco-autos-lujo-
subasta_0_HMwG5YwayV.html
Banco Central del Ecuador . (12 de diciembre
de 2014). El Banco Central Lanza
Ocialmente El Sistema De Dinero
Electrónico, Un Medio De Pago Para
Uso De La Ciudadanía. Banco Central
del Ecuador: https://www.bce.n.ec/
index.php/boletines-de-prensa-archivo/
item/730-el-%20banco-central-lanza-
oficialmente-el-sistema-de-dinero-
electr%C3%B3nico-un-medio-%20de-
pago-para-uso-de-la-ciudadan%C3%ADa
Banco Central del Ecuador. (30 de agosto de
2017). Dinero Electrónico será manejado
por la Banca Pública, Privada y El Sistema
Financiero Popular y Solidario. Banco
Central del Ecuador: https://www.bce.n.
ec/index.php/boletines-de-prensa-archivo/
item/991-dinero-electr%C3%B3nico-
ser%C3%A1-manejado-por-la-banca-
p%C3%BAblica-privada-y-el-sistema-
nanciero-popular-y-solidario
Banco Central del Ecuador. (6 de febrero de
2018). A la ciudadania: Sobre las cuentas
en dinero eléctronico. Banco Central
del Ecuador: https://www.bce.n.ec/
index.php/boletines-de-prensa-archivo/
item/1040-a-la-%20ciudadan%C3%ADa
Banco Central del Uruguay. (3 de noviembre
de 2017). El BCU presentó un plan piloto
para la emisión de billetes digitales. Banco
Central del Uruguay: https://www.bcu.
gub.uy/Comunicaciones/Paginas/Billete_
Digital_Piloto.aspx
Bartolomé, M. C. (2019). Terrorismo y
crimen organizado en Sudamérica. Boletín
IEEE(13), 810-861. https://www.academia.
edu/84797400/Terrorismo_y_crimen_
organizado_en_Sudam%C3%A9rica
Bengio, Y. (2009). Learning Deep
Architectures for AI. Foundations and
Trends in Machine Learning, 2(1), 1-127.
http://dx.doi.org/10.1561/2200000006
Bergara, M. y Ponce, J. (2018). Central Bank
Digital Currency: the Uruguayan e-Peso
case. En E. Gnan, & D. Masciandaro, Do
We Need Central Bank Digital Currency?
Economics, Technology and Institutions
(págs. 82-90). Larcier.
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
16
Jaimes et al., 2024
BIS Innovation Hub. (2022). Project mBridge
Connecting economies through CBDC.
Bank of International Settlements. https://
www.bis.org/publ/othp59.pdf
Bowley, G. y Rashbaum, W. (23 de febrero
de 2017). ¿El mercado del arte se ha
convertido en cómplice del lavado de
dinero sin saberlo? New York Times:
https://www.nytimes.com/es/2017/02/23/
espanol/cultura/el-mercado-del-arte-se-
ha-convertido-en-complice-del-lavado-de-
dinero-sin-saberlo.html
Brayne, S. y Christin, A. (2020). Technologies
of Crime Prediction: The Reception of
Algorithms in Policing and Criminal
Courts. Social Problems, 68(3) 608–624
https://doi.org/10.1093/socpro/spaa004
CEPAL. (2018). Datos algoritmos y políticas
la redenición del mundo digital.
Organizacion de Naciones Unidas. https://
repositorio.cepal.org/server/api/core/
bitstreams/c67b0d24-a651-42f1-ae3f-
174d3455afd7/content
CEPAL. (2021). Oportunidades y desafíos
para la implementación de blockchain en
el ámbito logístico de América Latina y el
Caribe. Facilitación, comercio y logistica
en America Latina y el Caribe, 387(3),
1-17. https://repositorio.cepal.org/server/
api/core/bitstreams/012145c2-620c-4463-
8bfe-7a4b492d60/content
CNN . (12 de agosto de 2023). El asesinato
de Fernando Villavicencio, candidato
en Ecuador, noticias en vivo: última
hora y reacciones. CNN en español:
https://cnnespanol.cnn.com/2023/08/10/
fernando-villavicencio-ecuador-muerte-
vivo-noticias-orix/
Conti, R. (17 de marzo de 2023). What Is An
NFT? Non-Fungible Tokens Explained.
Forbes: https://www.forbes.com/advisor/
investing/cryptocurrency/nft-non-
fungible-token/
Diaz Martinez, K. (2013). Movimientos
sociales e integración regional: el caso de la
articulación de movimientos sociales hacia
El ALBA. Revista pueblos y fronteras digital,
8(16), 157-185. https://doi.org/10.22201/
cimsur.18704115e.2013.16.76
Dornbierer, A. (2022). Enriquecimiento ilícito:
Una guía sobre las leyes que abordan
los activos de procedencia inexplicable.
Basel Institute on Governance. https://
baselgovernance.org/publications/
enriquecimiento-ilicito-una-guia-sobre-
las-leyes-que-abordan-los-activos-de
Duhigg, C. (16 de febrero de 2012). How
Companies Learn Your Secrets. New York
Times Magazine: https://www.nytimes.
com/2012/02/19/magazine/shopping-
habits.html
El Aouni, F. Z. Chirivella González, V.
y Vázquez Barrachina, E. (2023).
Predicción del crimen y patrullaje
predictivo: una aplicación en la lucha
contra la delincuencia.l [ Tesis de grado,
Universitat Politecnica de Valencia].
Repositorio Institucional- Universitat
Politecnica de Valencia. http://hdl.handle.
net/10251/196797
Emmer, T. (23 de febrero de 2023). Emmer
Leads Eort to Squash Financial
Surveillance State Initiatives. Tom
Emmer: https://emmer.house.gov/2023/2/
emmer-leads-effort-to-squash-financial-
surveillance-state-initiatives
Fanti, G., Lipsky, J. y Moehr, O. (2022). El
nuevo reto de ciberseguridad de los bancos
centrales. Finanzas y Desarrollo, 59(3)
30-32. https://dialnet.unirioja.es/servlet/
articulo?codigo=9311002
Fernández de Lis, S. y Gouveia, O. (2019).
Monedas digitales emitidas por bancos
centrales: características, opciones,
ventajas y desventajas. BBVA. [Archivo
PDF] https://www.bbvaresearch.com/wp-
content/uploads/2019/03/WP_Monedas-
digitales-emitidas-por-bancos-centrales-
ICO.pdf
Galat. (2017). Recopilacion de tipologias
regionales. Grupo de Acción Financiera
de Sudamérica, GAFISUD. https://www.
gafilat.org/index.php/en/biblioteca-
virtual/galat/documentos-de-interes-17/
tipologias-17
17
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
Grisanti Belandria, A. (2020). Diversas
modalidades de legitimación de capitales,
y la utilización de criptomonedas a tales
efectos. Revista FACES, 2(2), 40-57.
https://doi.org/10.54139/revfaces.v2i2.388
Grym, A. (2020). Lessons learned from the
world’s rst CBDC. BoF Economics
Review (8), 1-20. https://www.econstor.eu/
bitstream/10419/224448/1/1733131086.
pdf
Guerrero Davila, G. (2020). Metodología de
la investigación. Grupo Editorial Patria.
Haber, S. y Stornetta, S. (1991). How to Time-
Stamp a Digital Document. Journal of
Cryptology, 3, 99-111. https://link.springer.
com/article/10.1007/BF00196791
He, L. (24 de abril de 2023). China makes major
push in its ambitious digital yuan project.
CNN: https://edition.cnn.com/2023/04/24/
economy/china-digital-yuan-government-
salary-intl-hnk/index.html
Heinonen, A. (2021). Keskuspankin
elektroninen raha: Suomen Pankin
toimirahakokeilu 1990-luvun
alkupuoliskolla. Bank of Finland. https://
urn./URN:NBN::bof-202102231118
Hernández Alvear, N., González Garzón, M. y
Sandoval Vallejo, V. D. (2022). ¿Pueden las
Fuerzas Armadas intervenir en el crimen
organizado transnacional? USFQ Press,
9(2), 19-39. https://doi.org/10.18272/ulr.
v9i2.2753
Huamán García, E. R. (2022). El crimen
organizado en el Perú y las técnicas
especiales de investigación e inteligencia.
Vox Juris, 40(1), 81-90. https://www.
researchgate.net/publication/355090728_
El_crimen_organizado_en_el_
Peru_y_las_tecnicas_especiales_de_
investigacion_e_inteligencia
Jaitman, L., Caprirolo, D., Granguillhome
Ochoa, R., Keefer, P., Leggett, T., Lewis, J.
A., . . . Torre, I. (2017). The Costs of Crime
and Violence: New Evidence and Insights
in Latin America and the Caribbean. Banco
Interamericano de Desarrollo. https://
reliefweb.int/report/honduras/costs-crime-
and-violence-new-evidence-and-insights-
latin-america-and-caribbean
Khan, R. U., Almakdi, S., Alshehr, M.,
Kumar, R., Ali, I. y Hussain, S. M. (2022).
Probabilistic Approach to COVID-19 Data
Analysis and Forecasting Future Outbreaks
Using a Multi-Layer Perceptron Neural
Networ. Diagnostics, 12(10), 1-25. https://
doi.org/10.3390/diagnostics12102539
LeCun, Y., Bengio, Y., y Hinton, G. (2015).
Deep learning. Nature, 521, 436–444.
https://doi.org/10.1038/nature14539
Linares, B. G. (2011). Nociones básicas sobre
el lavado de dinero. Oikonomos, 2(1), 181-
192. https://revistaelectronica.unlar.edu.ar/
index.php/oikonomos/article/view/41/41
Lopez Lloreda, C. (1 de mayo de 2023).
Scientists use AI to decipher words and
sentences from brain scans. Science.org:
https://www.science.org/content/article/
scientists-use-ai-decipher-words-and-
sentences-brain-scans
Lúquez Marín, W. J., y Domínguez Pérez,
G. (2018). Implicaciones contables
del Bitcoin y otras criptomonedas.
Universidad de la Laguna. https://riull.
ull.es/xmlui/bitstream/handle/915/9251/
Implicaciones%20contables%20
del%20Bitcoin%20y%20otras%20
criptomonedas..pdf?sequence=1%20
McLeay, M., Radia, A. y Thomas, R. (2015).
El dinero en la economía moderna,
una introducción. Revista de economía
institucional, 17(33), 333–353. https://doi.
org/10.18601/01245996.v17n33.15
Mohler, G. O., Short, M. B., Malinowski, S.,
Johnson, M., Tita, G. E., Bertozzi, A. L.
y Brantingham, P. J. (2015). Randomized
Controlled Field Trials of Predictive
Policing. Journal of the American
Statistical Association, 110(512), 1399-
1411. https://doi.org/10.1080/01621459.2
015.1077710
Nambiampurath, R. y Daniel, E. (10 de julio
de 2020). El e-Peso de Uruguay, cómo este
país construyó el primer CBDC del mundo.
Be in Crypto: https://es.beincrypto.com/e-
peso-uruguay-como-este-pais-construyo-
primer-cbdc-mundo/
Revista Ciencias Sociales y Económicas | Vol. 8. Núm. 2, julio - diciembre 2024
18
Jaimes et al., 2024
Nuevo Poder. (30 de abril de 2022). Venezuela:
narcos y guerrilla aumentan compras de
ncas y ganado. Nuevo Poder: https://
www.nuevopoder.cl/venezuela-narcos-y-
guerrilla-aumentan-compras-de-ncas-y-
ganado/
Ocina de Naciones Unidas contra la Droga y el
Delito. (2008). Riesgo de Lavado de Activos
en Instrumentos Financieros, Usuarios y
Empleados de Instituciones Financieras.
Organización de Naciones Unidas, ONU.
[ Archivo PDF] https://www.unodc.org/
documents/colombia/2013/diciembre/
Riesgo_de_Lavado_de_activos_version_I.
pdf
Ocina de Naciones Unidas contra la
Droga y el Delito. (2020). Tendencias
delictivas actuales, fenómenos recientes
y soluciones emergentes, en particular la
utilización de las nuevas tecnologías como
medio e instrumento contra el delito. 14
Congreso de las Naciones Unidas sobre
Prevención del Delito y Justicia Penal.
Kioto: Organización de Naciones Unidas.
[Archivo PDF]. https://www.unodc.org/
documents/Cybercrime/IEG_Cyber_
website/A_CONF.234_11_S.pdf
Pereira, F., Lou, B. P., Ritter, S., Gershman,
S. J., Kanwisher, N., Botvinick, M. y
Fedorenko, E. (2018). Toward a universal
decoder of linguistic meaning from brain
activation. Nature Communications,
9(936), 1-13. https://doi.org/10.1038/
s41467-018-03068-4
Pitacuan Cadena, J., Espinoza Herrera, X.,
Carrero Llaguno, S. y Palacios Alcivar, B.
(2021). Criptomonedas: Funcionamiento,
oportunidades y amenazas. Res Nom Verba:
Revista cientica, 11(2), 174-193. https://
doi.org/10.21855/resnonverba.v11i2.604
Plan V. (31 de mayo de 2022). Estos son los
bienes de lujo de Leandro Norero y de
su círculo cercano. Plan V: https://www.
planv.com.ec/historias/crimen-organizado/
estos-son-bienes-lujo-leandro-norero-y-
su-circulo-cercano
Ratclie, S. (2020). Seguir el rastro del
dinero. Basel Institute of Governance.
https://www.uaf.cl/asuntos/descargar.
aspx?arid=1948
Red Contra los Delitos Financieros. (2007).
PREVENCIÓN DEL LAVADO DE
DINERO Una Guía para Empresas de
Servicios Monetarios. Departamento del
Tesoro de los Estados Unidos. https://
www.ncen.gov/sites/default/les/shared/
mlp_spa_prevention_guide.pdf
Reuters. (29 de diciembre de 2010). Honduras
debilita al narco con conscaciones.
El Economista: https://www.
eleconomista.com.mx/internacionales/
Honduras-debilita-al-narco-con-
conscaciones-20101229-0028.html
Rincón Angarita, D. (2019). Corrupción y
captura del Estado: la responsabilidad penal
de los servidores públicos que toman parte
en el crimen organizado. Prolegomeros,
21(42), 57-71. https://doi.org/10.18359/
prole.2984
Roa Avella, M. d., Sanabria Moyano, J. E.,
y Dinas Hurtado, K. (2022). Uso del
algoritmo COMPAS en el proceso penal
y los riesgos a los derechos humanos. Rev.
Bras. de Direito Processual Penal, 8(1),
275-310. https://doi.org/10.22197/rbdpp.
v8i1.615
Rogo, K. (2017). Reduzcamos el papel
moneda: Una propuesta para disminuir
el dinero en efectivo y, con ello, reducir la
corrupción, la evasión scal, el tráco de
drogas y la economía sumergida. Deusto.
Shen, A. (14 de diciembre de 2020).
China’s digital yuan kicks o test on
e-commerce platforms. centralbanking.
https://www.centralbanking.com/fintech/
cbdc/7723266/chinas-digital-yuan-kicks-
o-test-on-e-commerce-platforms
Singh, R., Fernandes, M., Lim, N. y Ang, E.
(2018). The case for articial intelligence in
combating money laundering and terrorist
nancing A deep dive into the application
of machine learning technology. Deloitte.
Superientendencia de Banca y Seguros de
Perú. (2023). TIPOLOGÍAS DE LAVADO
DE ACTIVOS. Superientendencia de Banca
y Seguros de Perú.
The Financial Action Task Force, FATF.
(2021). Trade-Based Money Laundering
Risk Indicators. Egmont Group .
19
Vol. 8. Núm. 2, julio - diciembre 2024 | Revista Ciencias Sociales y Económicas
Las Monedas Digitales de los Bancos Centrales (CBDC) y la Ciencia de Datos como herramientas contra la delincuencia
Thuillier, E., Moalic, L., Lamrous, S. A. y
Caminada, A. (2019). Clustering Weekly
Patterns of Human Mobility Through
Mobile Phone Data. Hal Open Science,
17(4), 1-14. https://doi.org/10.1109/
TMC.2017.2742953
Unidad de Analisis Financiero de Chile.
(2021). Guía de Señales de Alerta. Unidad
de Analisis Financiero de Chile.
Unidad de Análisis Financiero y Económico
de la OEA. (2020). Tipologías de lavados
de activos. Organización de Estados
Americanos, OEA.
Valdovinos, C. (5 de marzo de 2019). Policía
del Reino Unido utiliza Inteligencia
Articial para “predecir” crímenes. DLP
News: https://dplnews.com/policia-del-
reino-unido-utiliza-inteligencia-articial-
para-predecir-crimenes/
Wang, Q., Li, R., Wang, Q. y Chen, S. (2021).
Non-Fungible Token (NFT): Overview,
Evaluation, Opportunities and Challenges .
ArXiv Tech Report 2 , 1-22. https://doi.org/
https://doi.org/10.48550/arXiv.2105.07447
Wolpert, S. (octubre de 7 de 2015). Predictive
policing substantially reduces crime in
Los Angeles during months-long test.
Newsroom UCLA: https://newsroom.
ucla.edu/releases/predictive-policing-
substantially-reduces-crime-in-los-
angeles-during-months-long-test
Zapata Sevilla, J. (2023). Distributed Ledger
Technologies (DLTS). disrupciones de
las tecnologías de registro distribuido
(TRD): una especial consideración del
dinero y de la regulación bancaria y
nanciera. [Tesis de doctoral, Universidad
de Málaga]. Repositorio Institucional-
Universidad de Málaga. https://hdl.handle.
net/10630/26846
Zevallos, S. K., y Wilson, C. I. (2017). Dinero
Electrónico en el Ecuador ¿Solución para
el país en época de crisis? Alternativas,
18(2), 64-72. https://editorial.ucsg.edu.ec/
alternativas/alternativas/article/view/167
Zhang, T., y Huang, Z. (2022). Blockchain and
central bank digital currency. ICT Express,
8(2), 264-270. https://doi.org/10.1016/j.
icte.2021.09.014
Copyright (2024) © Jesus Jaimes Becerra, Natali Perez Rivas,
Ángel Oña Domínguez, Jimena Campaña Chaglla, Jairo Salazar López y Josselin Intriago Alcívar.
Este texto está protegido bajo una licencia internacional Creative Commons 4.0. Usted es libre para compartir, copiar y redistribuir el material
en cualquier medio o formato. También podrá adaptar: remezclar, transformar y construir sobre el material. Ver resumen de la licencia.