Todo comenzó con una pregunta recurrente en nuestra redacción: ¿por qué tantas personas adultas mayores son retiradas del programa social Pensión 65 sin ninguna explicación? Para entenderlo, investigamos el sistema que determina qué hogares se consideran pobres en Perú: el SISFOH. Este sistema cruza registros administrativos con datos recolectados en campo para estimar el nivel de pobreza de un hogar mediante un algoritmo. Pero cuando la información está incompleta o se interpreta mal, puede excluir justamente a quienes más necesitan apoyo.
Aunque no se trata de inteligencia artificial en su forma más avanzada, sí es un sistema automatizado, y uno con serias limitaciones. A menudo no logra identificar la pobreza extrema en zonas urbanas, pasa por alto el aislamiento y la vulnerabilidad propios de la vejez, y puede profundizar las desigualdades si no se ajusta considerando el contexto y la equidad.
Ninguno de nosotros —excepto Jason Martínez, nuestro científico de datos— había investigado antes un algoritmo detrás de una política social. Aprendimos haciéndolo: presentamos solicitudes de acceso a información pública, entrevistamos a expertos, revisamos normativas y reportamos desde el terreno. Así nació Invisibles: una investigación que combina análisis técnico, historias humanas y periodismo de servicio público.
¿Por qué abordar este tema?
En los últimos años, cada vez más personas adultas mayores en Perú han acudido al banco solo para descubrir —sin previo aviso— que sus pagos de pensión se habían detenido. “No hay depósito. Verifique su estado”, les decían. Nadie llamó. Nadie explicó. Simplemente habían sido eliminadas del sistema.
Investigamos y confirmamos que muchas de estas exclusiones no se debían a una mejora real en las condiciones de vida, sino a fallas estructurales en el SISFOH. Este sistema, desarrollado con apoyo del Banco Mundial, utiliza un modelo llamado Proxy Means Test, que estima la pobreza con base en datos indirectos como la vivienda, los servicios públicos o los bienes del hogar. Pero en Perú, especialmente en zonas urbanas, este modelo no capta el abandono, la dependencia o las redes familiares frágiles en las que viven muchas personas mayores.
El algoritmo evalúa la pobreza a nivel del hogar. Si una persona mayor vive con familiares que tienen algún ingreso o bienes, el sistema asume que no necesita apoyo, incluso si, en la realidad, está descuidada, sin cuidados o sin recursos. En los papeles, no se clasifica como extremadamente pobre. Pero en la vida real, sí lo es.
Nuestra hipótesis
El sistema de clasificación de pobreza en Perú ha priorizado evitar errores de inclusión —es decir, otorgar beneficios a quienes no los necesitan— pero a costa de cometer miles de errores de exclusión: dejar fuera a quienes sí necesitan ayuda. Esto se ha agravado desde la pandemia, que cambió drásticamente las condiciones de vida, especialmente en zonas urbanas. Sin embargo, el sistema no se ha actualizado en consecuencia.
Lo que hicimos
El equipo central de Invisibles estuvo formado por tres periodistas de Salud con lupa: Fabiola Torres, Jason Martínez y Rocío Romero. Trabajamos con Ro Oré (ilustración), Álvaro Cáceres (video) y Max Cabello (fotografía). Desde el inicio definimos dos objetivos: realizar una investigación rigurosa sobre el algoritmo del SISFOH y crear contenido de servicio público para las personas afectadas.
Nuestra metodología incluyó:
Dieciséis solicitudes de información pública para acceder a bases de datos nacionales sobre beneficiarios de Pensión 65, personas excluidas, reincorporadas y en lista de espera (2020–2025).
Entrevistas con expertas y expertos como Carolina Trivelli, Lorena Alcázar y Angelo Cozzubo, quienes explicaron las limitaciones técnicas y operativas del sistema.
Revisión de normativas y estudios académicos, incluyendo la investigación clave de Jonathan Clausen (PUCP), quien propone un índice multidimensional de pobreza para personas mayores.
Documentación de casos reales en Lima, Arequipa y Ucayali, que muestran cómo una clasificación defectuosa puede cortar la única fuente de ingresos de una persona mayor, afectando su nutrición, salud y acceso al cuidado.
Verificación de casos en los que personas fueron excluidas erróneamente y solo reincorporadas tras apelaciones confusas y prolongadas. En algunos casos, el propio gobierno incluso las había declarado muertas por error, según lo reportó la entidad nacional de control.
Conversaciones confidenciales con funcionarios del SISFOH que expresaron preocupaciones sobre la calidad de los datos y la implementación a nivel local. Personal sin capacitación adecuada suele cometer errores en las entrevistas, los cuales luego son ingresados al algoritmo.
Lo que descubrimos
Entre 2020 y junio de 2025, más de 81.000 personas adultas mayores fueron excluidas de Pensión 65 y luego reincorporadas, muchas después de procesos largos y frustrantes. Esto demuestra que nunca debieron ser eliminadas.
Encontramos fallas en tres niveles:
El algoritmo y la encuesta del hogar no detectan la pobreza extrema urbana, el abandono en la vejez ni contextualizan el uso de electricidad (por ejemplo, durante los confinamientos por la pandemia).
Las Unidades Locales de Empadronamiento (ULE) suelen carecer de personal capacitado y recursos, lo que lleva a registros inexactos o inconsistentes.
El proceso de apelación es lento, poco claro e inaccesible, especialmente para personas mayores que están solas, enfermas o sin apoyo.
También encontramos que 171.000 personas están actualmente en lista de espera para Pensión 65, a pesar de cumplir con todos los criterios de elegibilidad. ¿La razón? No hay presupuesto para incluirlas.
¿Qué impacto estamos buscando?
Publicamos Invisibles en un momento clave. Perú cuenta ahora con una ley (Ley Nº 31.814) que promueve el uso de inteligencia artificial en políticas públicas, y el Banco Mundial ha aprobado un préstamo de US$55 millones para modernizar el SISFOH.
En ese contexto, buscamos:
Visibilizar un problema estructural: mostrar cómo los sistemas automatizados pueden excluir injustamente a personas vulnerables si los datos son deficientes y el algoritmo no interpreta adecuadamente la pobreza urbana.
Llenar un vacío de información: crear guías prácticas para ayudar a las personas mayores a entender qué pasó con su pensión y cómo pueden apelar.
Abrir una conversación basada en derechos sobre los algoritmos: compartir esta investigación en medios, foros públicos y espacios de formación, porque el periodismo también puede contribuir al cambio en las políticas públicas.
Creemos que la tecnología puede mejorar las políticas sociales, pero solo cuando se aplica con datos de calidad, conciencia contextual y responsabilidad. Un sistema que decide quién merece ayuda sin comprender plenamente la vida de las personas no solo es ineficiente. Es profundamente injusto.
Agradecemos a la AI Accountability Network del Pulitzer Center por apoyar este trabajo.
Fabiola Torres es ex becaria Knight de ICFJ.
Imagen principal de Max Cabello/Salud con lupa. Perú.
Este artículo fue publicado originalmente en Pulitzer Center y es reproducido en IJNet con permiso. La metodología original y la serie de reportajes fueron publicados en Salud con lupa.