Charles Brohiri, de 29 años, podría enfrentarse a una pena de cárcel tras admitir 76 cargos de evasión de tarifas en trenes de Govia Thameslink, que se suman a 36 condenas anteriores, según se escuchó el jueves en el Tribunal de Magistrados de Westminster. El total de tarifas impagadas y costes legales podría superar las 18.000 libras esterlinas.

La jueza de distrito Nina Tempia advirtió a Brohiri, de Hatfield en Hertfordshire, que una pena de prisión era posible debido al gran número de delitos. Brohiri, vestido de negro, respondió "Culpable" a cada uno de los 76 cargos leídos en voz alta durante la audiencia, según informes de PA Media.

El tribunal ya había condenado a Brohiri en ausencia por 36 cargos separados. Durante la sesión del jueves, la jueza Tempia rechazó una moción del equipo legal de Brohiri para revocar estas condenas anteriores. La defensa argumentó que los enjuiciamientos eran ilegales porque no fueron iniciados por una entidad cualificada.

El caso pone de relieve los continuos desafíos a los que se enfrentan los operadores ferroviarios en la lucha contra la evasión de tarifas. Govia Thameslink Railway, como muchos proveedores de transporte, utiliza una combinación de inspecciones manuales de billetes y sistemas automatizados para detectar y disuadir a los evasores de tarifas. Estos sistemas a menudo incorporan análisis de datos para identificar patrones de comportamiento de viaje sospechoso.

El auge de la inteligencia artificial (IA) ofrece posibles soluciones para una detección más eficaz de la evasión de tarifas. El análisis de vídeo impulsado por la IA, por ejemplo, puede analizar las imágenes de CCTV para identificar a las personas que evitan sistemáticamente las barreras de billetes o participan en otras actividades sospechosas. Los algoritmos de aprendizaje automático también pueden entrenarse para predecir los puntos críticos de evasión de tarifas y optimizar el despliegue de agentes de protección de ingresos.

Sin embargo, el uso de la IA en este contexto plantea consideraciones éticas. Las preocupaciones sobre la privacidad y el posible sesgo en los algoritmos deben abordarse para garantizar la equidad y la transparencia. Por ejemplo, la tecnología de reconocimiento facial, aunque potencialmente eficaz para identificar a los reincidentes, podría afectar de forma desproporcionada a determinados grupos demográficos.

El estado actual es que Brohiri espera la sentencia. El tribunal tendrá en cuenta la gravedad y la frecuencia de los delitos, así como cualquier circunstancia atenuante, antes de determinar el castigo apropiado. El caso sirve como recordatorio de las consecuencias legales y financieras de la evasión de tarifas y del creciente papel de la tecnología en la lucha contra este problema.