--- title: "La FTC le prohibió a Rite Aid el reconocimiento facial por cinco años" description: "La FTC le prohibió a Rite Aid usar reconocimiento facial durante cinco años tras años de falsos señalamientos. El fallo estuvo en el proceso, no en la cámara." slug: "legal-rite-aid" url: "https://catalizadora.ai/blog/legal-rite-aid" cluster: "casos-ia" author: "Pablo Estrada" published_at: "2026-08-26T22:39:39.355+00:00" updated_at: "2026-08-26T22:39:39.601225+00:00" read_minutes: "7" lang: "es" --- # La FTC le prohibió a Rite Aid el reconocimiento facial por cinco años > La FTC le prohibió a Rite Aid usar reconocimiento facial durante cinco años tras años de falsos señalamientos. El fallo estuvo en el proceso, no en la cámara. ## Qué pasó En diciembre de 2023, la Comisión Federal de Comercio de Estados Unidos (FTC) le prohibió a Rite Aid usar tecnología de reconocimiento facial durante cinco años. No fue una multa simbólica ni una advertencia: fue una prohibición de operar esa tecnología, con plazo. El motivo, según [reportó TechCrunch](https://techcrunch.com/2023/12/20/rite-aid-facial-recognition/), fueron años de falsos señalamientos: el sistema instalado en las tiendas identificaba a clientes como ladrones que no lo eran, y esos avisos se convertían en consecuencias reales para personas que solo habían entrado a comprar. Cinco años es el número que importa. Es el tiempo que una empresa queda fuera de una tecnología completa porque no construyó el proceso que debía acompañarla. ## Por qué pasó Un sistema de reconocimiento facial no afirma "esta persona es un ladrón". Emite un puntaje: un número que dice cuánta similitud hay entre un rostro capturado por una cámara y un rostro guardado en una lista. Ese número siempre trae incertidumbre, en todos los sistemas, en todos los proveedores. No es un defecto que se corrija con una versión mejor: es la naturaleza de una medición probabilística. El fallo ocurrió en el paso siguiente, y es un paso humano. Alguien decidió que ese puntaje viajara directo a la persona que estaba en el piso de la tienda, sin nada en medio. No hubo una segunda mirada, ni un umbral que distinguiera "revisar" de "actuar", ni un registro de en qué se basaba la acusación. La alerta llegó con la forma de un hecho, y quien la recibió no tenía cómo tratarla de otra manera. Ahí está la lección exacta: la tecnología no falló sola, falló el proceso que convirtió una alerta probabilística en una acusación. Sin verificación humana, un porcentaje se vuelve una sentencia. Hay un agravante de diseño. Cuando el sistema acierta, nadie lo registra: el cliente sale de la tienda y no pasa nada. Cuando se equivoca, el costo lo paga una persona que no tiene manera de apelar porque no sabe que fue señalada por una cámara. El error no genera retroalimentación, así que se puede repetir durante años sin que la empresa lo vea en ningún tablero. ## Dónde te puede pasar a ti Este patrón no vive en las cámaras. Vive en cualquier salida de un modelo que llega a alguien como si fuera un veredicto: - Un puntaje de riesgo crediticio que rechaza una solicitud sin dejar constancia de por qué. - Un detector de fraude que congela una cuenta y le pide al cliente que "escriba a soporte". - Un filtro de correo que marca a un proveedor como sospechoso y detiene una factura legítima. - Un modelo que clasifica reseñas como falsas y baja la calificación de un negocio. - Un asistente interno que resume un expediente y ese resumen se cita en una reunión como si fuera el expediente. Si un número producido por un sistema puede tener consecuencias sobre una persona sin que un humano lo confirme primero, ya tienes el problema de Rite Aid en tu operación. Solo falta el volumen. ## Cómo se evita La regla es corta: **un modelo puede señalar, nunca decidir sobre una persona.** En la práctica se traduce en cuatro candados. 1. **Dos umbrales, no uno.** Por debajo del primero no pasa nada. Entre el primero y el segundo se abre una revisión. Solo por encima del segundo se actúa, y aun así con confirmación humana. 2. **La alerta llega con su incertidumbre visible.** Quien la recibe ve el puntaje y la fecha, no una frase afirmativa. El lenguaje de la interfaz decide cómo se interpreta. 3. **Toda acción sobre una persona queda registrada.** Qué la disparó, quién la confirmó, en qué momento. Sin ese rastro no hay auditoría posible ni forma de apelar. 4. **El falso positivo se mide con la misma disciplina que el acierto.** Un sistema que solo reporta detecciones no está midiendo su desempeño: está contando su actividad. ## Cómo lo hacemos en Catalizadora En los sistemas que construimos, ninguna salida probabilística ejecuta una acción sobre una persona por sí sola: llega a una bandeja donde alguien confirma o descarta, y esa decisión queda registrada con su autor. Los umbrales se escriben en la configuración, no en la cabeza de quien operó ese día. Y medimos los descartes, no solo los aciertos, porque un modelo que nadie contradice nunca es un modelo perfecto: es un modelo sin supervisión. ## Preguntas frecuentes ### ¿Qué le prohibió exactamente la FTC a Rite Aid? Usar tecnología de reconocimiento facial durante cinco años, tras años de falsos señalamientos en los que el sistema identificaba como ladrones a clientes que no lo eran. ### ¿El problema es que el reconocimiento facial no funciona bien? El problema no es que produzca errores: toda medición probabilística los produce. El problema es que su salida llegara a la persona que estaba en la tienda como una afirmación, y no como un indicio que había que verificar antes de actuar. ### ¿Cómo se distingue una alerta de una acusación? Por lo que ocurre después de emitirla. Si la salida de un sistema puede tener consecuencias sobre una persona sin que un humano lo confirme y sin que quede registro de en qué se basó, dejó de ser una alerta. ### ¿Qué hay que medir para detectar este fallo a tiempo? Los falsos positivos, con la misma disciplina con que se miden los aciertos. Un sistema que solo reporta detecciones está contando su actividad, no su desempeño. --- Source: https://catalizadora.ai/blog/legal-rite-aid Author: Pablo Estrada — AI Catalysts, LLC (catalizadora.ai)