Cómo investigamos la epidemia de material de abuso sexual infantil generado por IA en Internet

Mientras las grandes empresas tecnológicas invierten miles de millones y agotan los recursos naturales en una carrera por construir sistemas de inteligencia artificial más rápidos y potentes, una epidemia silenciosa se está extendiendo por Internet: la creación y circulación de material de abuso sexual infantil (CSAM) generado por IA.

La IA generativa solo puede producir material de abuso sexual infantil (CSAM) de dos maneras: o bien el conjunto de datos de entrenamiento del modelo contiene CSAM directamente, o bien incluye pornografía adulta y, al combinar estas referencias visuales con imágenes de niños, el sistema genera material ilegal.

Un ejemplo muy conocido de este problema es Stable Diffusion 1.5. El modelo se entrenó con el conjunto de datos LAION-5B, y meses después de su lanzamiento, investigadores del Observatorio de Internet de Stanford descubrieron que este conjunto contenía más de 3000 imágenes sospechosas de CSAM. Debido a que los modelos de IA de código abierto como Stable Diffusion no pueden modificar ni actualizar sus conjuntos de datos de entrenamiento una vez lanzados, el modelo sigue utilizándose hoy en día para crear CSAM generado por IA.

---

Como una organización periodística sin fines de lucro, dependemos de su apoyo para financiar el periodismo que cubre temas poco difundidos en todo el mundo. Done cualquier valor hoy y conviértase en un Campeón del Centro Pulitzer recibiendo beneficios exclusivos.

---

Este caso ilustra el tipo de riesgo que motivó nuestra investigación. Durante diez meses, trabajé con un equipo de periodistas e investigadores para examinar este inquietante fenómeno. Juntos, detectamos más de un centenar de casos de CSAM generado por IA que circulaban por Internet, desde foros de la web oscura hasta plataformas de redes sociales convencionales como Instagram y aplicaciones de mensajería cifrada como WhatsApp y Telegram.

Esta crisis está bien documentada, como lo demuestran las docenas de alarmantes informes del sector que se publican cada año, a veces cada mes. Sin embargo, pocos han tratado de comprender realmente cómo esta tecnología puede producir imágenes que explotan sexualmente a niños y adolescentes, sobre todo cuando nunca se diseñó explícitamente para ese fin.

Primer paso: Definir los objetivos

Investigar delitos digitales, violaciones de los derechos humanos y tecnologías emergentes es intrínsecamente complejo.

Estas investigaciones se basan en la recopilación de datos originales, que a menudo implican material difícil de encontrar y oculto en las profundidades de Internet. El reto es mayor cuando una investigación saca a la luz defectos en un producto o en la política de una empresa, lo que requiere un enfoque transparente, repetible y metodológicamente sólido. Por último, dependiendo del lugar en el que se encuentre el periodista, este tipo de trabajo puede conllevar riesgos legales, éticos e incluso de seguridad personal.

Todo esto es posible de resolver, pero hay que empezar por tener las ideas claras. Definir el propósito y los objetivos principales de la investigación no es solo una cuestión de eficiencia. También ayuda a minimizar la exposición innecesaria a material gráfico o violento, como el CSAM, y crea un espacio para un diálogo más constructivo entre las empresas, los investigadores, las ONG y quienes trabajan para que la tecnología sea más segura.

Nuestra investigación tuvo tres objetivos principales:

1. Comprender cómo la inteligencia artificial genera imágenes de abuso y explotación sexual infantil. Estos sistemas se crearon para la creatividad, la eficiencia e incluso el entretenimiento, pero, como cualquier herramienta poderosa, pueden utilizarse con fines perjudiciales. Buscamos examinar la facilidad con la que se puede traspasar la frontera entre la creación y el abuso, y la frecuencia con la que ha ocurrido.
2. Rastrear cómo se difunde este material y, en algunos casos, cómo se comercializa. Nuestro trabajo siguió el rastro desde las aplicaciones de mensajería cifrada hasta las principales redes sociales, revelando redes, patrones de comportamiento y la asombrosa velocidad con la que estas imágenes se mueven a través de las plataformas digitales.
3. Analizar cómo están respondiendo las empresas y los gobiernos al problema, centrándonos en Brasil, el país más grande de América Latina.

Examinamos leyes, políticas corporativas e iniciativas públicas para identificar tanto las lagunas sistémicas como las respuestas emergentes. Y llegamos a una conclusión clave: no se trata solo de una cuestión técnica o un reto legal, sino de una crisis humana que se desarrolla en tiempo real. Con el tiempo, las investigaciones sobre el CSAM generado por IA evolucionarán, con nuevos objetivos, nuevos métodos y nuevos blancos.

Sin embargo, más allá del delito en sí y de los actores maliciosos que hay detrás, sigue siendo esencial comprender la paradoja que lo sustenta: cómo una tecnología creada para crear, ayudar e innovar puede convertirse tan fácilmente en una herramienta para hacer daño.

Segundo paso: Comprender qué es y qué no es la IA

Siempre que se investiguen sistemas de IA (ya sea un gran modelo de lenguaje, un sistema público de reconocimiento facial o un algoritmo que produce imágenes de CSAM), es esencial recordar una cosa: estamos tratando con máquinas. Nada de lo que hacen ocurre por accidente.

Puede parecer obvio, pero es importante porque todas las máquinas funcionan según instrucciones y decisiones de diseño. Cuando una IA parece “alucinar”, el fenómeno suele ser consecuencia de defectos de diseño, datos de entrenamiento deficientes o negligencia por parte de sus creadores, lo que hace que los desarrolladores sean, al menos en parte, responsables de esos resultados.

Por lo tanto, un primer paso en cualquier investigación sobre IA es identificar el tipo de tecnología involucrada. Un chatbot se comporta de manera muy diferente a un generador de imágenes; un clasificador de contenido automatizado no es comparable a una IA utilizada para la contabilidad, la calificación crediticia o el reconocimiento facial. Cada tecnología tiene su propia lógica, vulnerabilidades e implicaciones éticas. Reconocer esto desde el principio evita interpretaciones erróneas y orienta la investigación en la dirección correcta.

En nuestro trabajo, dos clases de IA destacaron rápidamente como instrumentos de explotación. La primera son los “nudificadores”, programas que eliminan digitalmente la ropa de las fotografías. La segunda son los generadores de imágenes entrenados con conjuntos de datos pornográficos, que pueden incluir contenido para adultos y, en algunos casos, material de abuso sexual infantil.

Estas tecnologías se crearon con fines muy diferentes, pero en manos equivocadas se convierten en herramientas dañinas. Es fundamental distinguir entre ellas, ya que herramientas muy diferentes pueden tener consecuencias perjudiciales similares y conllevar riesgos distintos. Esa idea nos dejó claro que teníamos que examinar los datos de entrenamiento y los procesos de aprendizaje.

Al investigar los modelos que reproducen imágenes de niños desnudos, descubrimos un patrón inquietante: los delincuentes utilizaban modelos de código abierto y técnicas de ajuste fino para entrenar con fotografías de niños y con CSAM, y luego creaban, distribuían y vendían material sintético. En uno de nuestros reportajes, informamos sobre cómo los usuarios de dos foros de la dark web accesibles a través de Tor aplicaban métodos de adaptación de modelos de bajo costo para personalizar generadores y producir imágenes artificiales de abuso sexual infantil, a menudo utilizando fotos extraídas de cuentas públicas de redes sociales.

Clasificar el tipo de IA involucrada fue decisivo. Nos permitió rastrear las rutas de venta y distribución, vincular tecnologías específicas con los canales digitales explotados para la comercialización, identificar patrones recurrentes, nombrar las plataformas más frecuentemente utilizadas de forma indebida y mapear las estrategias de anonimato que los perpetradores utilizaban para evadir la detección.

Tercer paso: Trazar un mapa de cómo las redes criminales trabajan en torno a (y con) la IA

Cada comunidad digital organizada (lícita o ilícita) desarrolla su propia gramática de reconocimiento: abreviaturas, símbolos y rutinas que permiten a los miembros comunicarse sin decir las cosas abiertamente. Un grupo de Facebook en el que se intercambian recetas de pasta creará el mismo tipo de familiaridad codificada que un foro en el que se comercia con material mucho más oscuro.

Aprender a leer esos códigos no tiene que ver con la infiltración o la vigilancia, sino con comprender cómo se sostiene una cultura oculta y cómo su lógica da forma a los espacios que todos utilizamos. Solo así este tipo de reportajes pueden servir al interés público. Incluso en los rincones más oscuros de la web hay un orden. Los mercados basados en la explotación dependen de la repetición, la familiaridad y un tipo de confianza frágil.

Sus miembros se basan en las mismas fórmulas: lenguaje codificado, formatos de publicación reconocibles, intermediarios que examinan y distribuyen el material. Si se rompe el patrón, la economía se tambalea.

Ahí es donde comenzó nuestro verdadero reportaje, no con el contenido en sí, sino con su arquitectura. Queríamos comprender cómo circula el CSAM generado por IA: qué señales lo delatan, qué patrones se repiten y cómo las mismas redes evolucionan de una plataforma a otra. Lo que surgió fue menos una comunidad única que un ecosistema, sostenido por algoritmos, el anonimato y la ilusión de la invisibilidad.

Con eso en mente, nuestro equipo se propuso mapear las señales, los códigos, los términos y los formatos utilizados para anunciar y distribuir el CSAM generado por IA, no solo en los foros de la dark web, sino también en plataformas más accesibles: aplicaciones de mensajería, redes de bots y mercados ilícitos que se ocultan a plena vista.

Este trabajo se basó en años de reportajes sobre el abuso sexual infantil en línea, no solo los nuestros, sino también los de brillantes reporteros tecnológicos de todo el mundo que han sacado a la luz estos ecosistemas ocultos con rigor y cuidado. Por razones éticas y de seguridad, no publicamos (ni podemos publicar) las palabras clave específicas, las cadenas de búsqueda o las frases codificadas que utilizan estas redes. Lo que sí podemos compartir es el método: un enfoque disciplinado y repetible para detectar y documentar patrones digitales sin amplificarlos.

Por ejemplo, cuando comenzamos a investigar los bots de Telegram capaces de generar AI-CSAM, no empezamos haciendo clic o probando, sino mapeando. Se registró cada herramienta cuyo nombre o descripción pública sugería contenido sexualmente explícito o adyacente, creando una base controlada antes de cualquier interacción directa. El objetivo era simple: hacer que cada paso fuera rastreable, seguro y repetible.

Nuestro catálogo adoptó la forma de una hoja de cálculo deliberadamente sencilla. Cada fila representaba una herramienta; cada columna, un punto de datos claro y verificable. Registramos:

• Fecha: cuándo se probó la herramienta
• Resultado: si el bot afirma que puede generar CSAM
• Nombre del bot: su nombre de usuario público para su seguimiento
• Usuarios: cuántas personas estaban conectadas
• Grupos: canales o clústeres vinculados
• Idioma/país: dónde parecía operar
• Enlace: dónde se podía encontrar
• Comprobación de CSAM: se comprobó manualmente si el bot podía realmente generar CSAM
• Opción de clonación: si se podía copiar o monetizar
• Pago: si los usuarios tenían que pagar
• Estado: si el bot seguía activo
• Notas: contexto, rarezas o patrones que vale la pena conservar

En conjunto, estas sencillas entradas hicieron más que confirmar la existencia: convirtieron observaciones dispersas en pruebas estructuradas. La hoja de cálculo nos permitió comparar el comportamiento de docenas de servicios, identificar patrones técnicos y comerciales recurrentes y crear un registro claro y defendible que pudiera resistir el escrutinio sin amplificar las señales que permiten el abuso.

Cuarto paso: Comprender que siempre hay alguien que se beneficia de rechazar la responsabilidad

Uno de los hallazgos más inquietantes de nuestra investigación fue la infraestructura que se beneficia silenciosamente del CSAM generado por IA: su creación, circulación y tolerancia tácita. Detrás de cada imagen ilícita hay una economía en funcionamiento: plataformas digitales, procesadores de pagos, desarrolladores de IA y mercados clandestinos. Algunos actores son cómplices a sabiendas; otros, negligentes a propósito. Juntos, prosperan en el espacio entre el anonimato digital, la inacción corporativa y la débil supervisión regulatoria.

Los foros de la dark web han comenzado a monetizar el CSAM generado por IA a través de modelos de suscripción, galerías de pago por visión y “pedidos” de imágenes personalizadas. En Telegram, los bots ahora cobran por servicios premium, desviando los pagos a través de carteras de criptomonedas diseñadas para ocultar el rastro entre el comprador y el vendedor.

Los desarrolladores de IA, en particular los que están detrás de los modelos de generación de imágenes de código abierto, también tienen su parte de responsabilidad. Los delincuentes reutilizan estos sistemas ajustándolos con conjuntos de datos ilegales. A pesar de las advertencias y los filtros de seguridad, el acceso abierto se ha convertido en una laguna para la explotación, lo que permite a los delincuentes reentrenar y adaptar los modelos existentes fuera del alcance de la supervisión.

A las empresas tecnológicas convencionales no les ha ido mejor. Las plataformas de mensajería, las redes sociales y los sistemas de pago siguen sin detectar o disuadir la propagación de los abusos generados por la IA. Existen políticas que prohíben este tipo de contenidos, pero su aplicación es inconsistente. Los delincuentes citan repetidamente Instagram, por ejemplo, como fuente para recopilar fotos de menores, imágenes que luego se manipulan con herramientas de IA para convertirlas en representaciones sexualizadas.

Mientras tanto, los reguladores siguen un paso por detrás. Los gobiernos y los organismos internacionales emiten advertencias y encargan informes, pero las medidas ejecutables son poco frecuentes.

En Brasil, el país más grande de América Latina y una de las poblaciones en línea más activas del mundo, no existe un marco específico que aborde el CSAM generado por IA. Y aunque una ley de principios de la década de 2000 prohíbe la manipulación de imágenes para producir CSAM, su aplicación sigue siendo débil y no dice nada sobre el papel de la IA generativa.

A nivel mundial, se repite el mismo patrón. La mayoría de los marcos legales van a la zaga del ritmo del abuso tecnológico, lo que deja grandes lagunas en materia de rendición de cuentas. El problema se ve agravado por la incesante presión de los sectores tecnológico y financiero, que trabajan para suavizar o retrasar la regulación que podría limitar el desarrollo de la IA. Incluso cuando las leyes contra el CSAM permanecen intactas, las normas más amplias sobre la recopilación de datos, los conjuntos de datos de entrenamiento, la transparencia algorítmica y la moderación de contenidos se ven silenciosamente erosionadas.

Al final, la pregunta es sencilla, aunque incómoda. ¿Quién se beneficia? Los desarrolladores de IA en la sombra que explotan las vulnerabilidades del código abierto, los mercados de la dark web y los servicios de pago anónimos. ¿Y quién sale perdiendo? Los gigantes tecnológicos, los reguladores con recursos insuficientes y los gobiernos demasiado tímidos —o demasiado comprometidos— para hacer frente a la crisis que su inacción mantiene.

Quinto paso: Conocer tus límites éticos y legales

Antes de iniciar cualquier investigación relacionada con el CSAM, consulta a un abogado. No se trata de una formalidad, sino de una medida de protección. Las leyes sobre pruebas digitales, privacidad y abusos en línea varían mucho de un país a otro, y un solo paso en falso puede convertir una investigación legítima en una responsabilidad legal. Un buen abogado te ayudará a establecer los límites de tu trabajo: a qué puedes acceder, qué puedes documentar y cómo publicar de forma responsable sin traspasar los límites legales o éticos.

Un asesor legal puede aclarar a qué puedes y no puedes acceder, cómo documentar y almacenar las pruebas y cómo comunicar los hallazgos sin infringir la ley. En algunas jurisdicciones, incluso poseer o ver CSAM generado por IA puede considerarse equivalente a manejar material real.

Esto es lo que debes aclarar antes de empezar:

• Límites de acceso. Comprende exactamente qué tipos de material puedes ver o grabar legalmente. En algunos países, incluso las capturas de pantalla de CSAM, ya sean reales o generadas por IA, se consideran posesión ilegal.
• Manejo de pruebas. Aprende a registrar la información de forma segura. Siempre que sea posible, registra las URL, los metadatos y los hash en lugar de almacenar imágenes o videos completos. Toma notas detalladas sobre cómo y cuándo encontraste el material.
• Obligaciones de denuncia. En determinadas jurisdicciones, cualquier persona que encuentre CSAM confirmado debe denunciarlo inmediatamente a las fuerzas del orden. Pregunta cómo se aplica esto a los periodistas.
• Normas de publicación. Averigua qué se puede publicar y qué debe permanecer confidencial. Siempre edita, difumina o anonimiza el material y verifica lo que se considera “de interés público” en tu país.

En Brasil, por ejemplo, desde 2018, un marco legal específico exime a los periodistas, científicos y académicos de responsabilidad al publicar material sexual no consentido, solo si la historia sirve a un interés público legítimo y la identidad de la víctima está totalmente protegida. Cualquier cosa fuera de esos límites puede seguir siendo delito.

Si tu redacción no cuenta con apoyo legal, crea tu propio protocolo básico antes de empezar. Decide quién puede ver o grabar material sensible y en qué condiciones. Mantén un registro compartido y fechado de todo: enlaces abiertos, archivos vistos, quién accedió a ellos y qué se hizo. No descarguen imágenes o videos a menos que sea absolutamente necesario. Utilicen descripciones escritas, URL parciales o capturas de pantalla que muestren detalles como marcas de tiempo o nombres de archivos, pero no contenido explícito. Si tienen dudas sobre la legalidad, deténganse. Pidan orientación antes de continuar.

Y, por último, recuerden denunciar todo el CSAM sospechoso de haber sido generado por IA o el CSAM real a la línea directa de INHOPE de su país.

INHOPE (Asociación de Proveedores de Líneas Directas de Internet) es una red global de líneas directas que reciben denuncias públicas de CSAM y trabajan para eliminar, compartir y escalar contenidos nocivos en todas las jurisdicciones. Solo en 2023, las líneas directas miembros procesaron más de 785,000 denuncias de presunto CSAM, de las cuales el 69 % (más de 540,000 URL) se confirmaron como contenido ilegal.

La asociación coordina directamente con las fuerzas del orden y las empresas tecnológicas para garantizar que el material dañino se maneje de forma segura y eficiente. Puedes localizar la línea directa de tu país en la lista oficial de su sitio web. Si no existe ninguna línea directa en tu país, ponte en contacto con la unidad policial local que se ocupa de los delitos cibernéticos o denuncia el material directamente a las fuerzas del orden.

Nunca guardes ni reenvíe material de abuso sexual infantil, ni siquiera con fines documentales o por temor a que el contenido sea eliminado antes de que se publique tu reportaje. Denunciarlo a través de los canales adecuados garantiza que se conserven las pruebas, se proteja a las víctimas y se elimine el contenido de forma segura y legal.

Sexto paso: Toma en cuenta que la IA mejorará, al igual que el material de abuso sexual infantil generado por IA

A medida que la IA avanza, también lo hace el material que puede producir, incluido el contenido de abuso sexual infantil generado por IA. Esto no es un efecto secundario de la innovación, sino una consecuencia de la liberación de una tecnología poderosa sin medidas de protección significativas. La culpa no es de las máquinas, sino del vacío dejado por las empresas complacientes, los reguladores con fondos insuficientes y las sociedades que aún no están dispuestas a afrontar la magnitud de la explotación digital.

Si estas fallas sistémicas persisten, si siguen sin existir marcos legales claros, una gobernanza transparente de la IA y una protección genuina de las víctimas, la epidemia se agravará silenciosamente, en las sombras. El papel del periodismo en esta lucha sigue siendo esencial: exponer las redes, exigir responsabilidades y recordar al mundo que detrás de cada imagen generada por IA se esconde un daño humano real.

A medida que evoluciona la IA, también debe hacerlo la forma en que la investigamos. Es posible que la próxima generación de CSAM no se parezca en nada a las fotos. Puede surgir de conjuntos de datos sintéticos, composiciones deepfake o generación de imágenes en vivo integradas en chatbots y mundos virtuales. Los periodistas, investigadores y responsables políticos necesitarán una mayor alfabetización técnica, una cooperación más estrecha con los científicos de datos y las fuerzas del orden, y nuevos marcos éticos que equilibren la exposición con la protección.

El reto que se nos presenta será rastrear delitos que ya no son archivos estáticos, sino sistemas adaptativos que aprenden, se actualizan y mutan en tiempo real. El progreso de la IA no puede producirse a expensas de la seguridad de los niños. Porque detrás del código, más allá de los conjuntos de datos y los modelos, la verdadera batalla es, y siempre será, humana.

Por último, una advertencia: No negocies con la salud mental

Investigar delitos contra los niños (especialmente el abuso y la explotación sexual) deja huellas. No es un trabajo abstracto, te afecta profundamente. Después de más de tres años informando sobre los mercados criminales en línea, he aprendido algunas lecciones que cualquiera que se dedique a este campo debería tomarse en serio.

Fue durante un curso de investigaciones digitales cuando escuché por primera vez el término “trauma vicario” del periodista Andy Carvin. Describió cómo cubrir la Primavera Árabe a distancia le afectó tan profundamente que le provocó síntomas físicos. La exposición prolongada a material violento o grotesco puede eludir las defensas de la mente y asentarse en el cuerpo. Existen numerosas investigaciones sobre el trauma secundario entre médicos, enfermeras y psicólogos, pero muchas menos sobre lo que le sucede a los periodistas que deben presenciar e interpretar el horror como parte de su trabajo.

Por eso las protecciones deben ser intencionadas, puestas en marcha por los reporteros y, lo que es más importante, por los editores que asignan estas historias. Con demasiada frecuencia, el costo emocional se trata como una carga privada, algo que hay que gestionar en silencio. No debería ser así.

En el caso de nuestro equipo, la mayoría de nosotros teníamos experiencia previa en la cobertura de CSAM y delitos cibernéticos y sabíamos cómo manejar el peso emocional y psicológico. Para aquellos que no la tenían, establecimos una regla sencilla: nadie sin experiencia previa manejaría material visual sensible, aunque fuera generado por IA. Fue una pequeña decisión, pero nos protegió.

Además, existen muchos recursos multimedia (por desgracia, sobre todo en inglés) de los equipos de seguridad de las plataformas que se ocupan de la explotación infantil. Ayudan a contextualizar el trabajo, pero no sustituyen al apoyo psicológico profesional. Ese apoyo debe integrarse en las estructuras de las redacciones o, cuando no sea así, buscarse de forma independiente.

La decisión de trabajar en investigaciones como esta nunca es casual. No debe estar motivada por la primicia o el espectáculo, sino por el compromiso con el interés público. Ese compromiso solo es sostenible cuando se respetan los límites emocionales. Saber cuándo hacer una pausa, dar un paso atrás o detenerse no es una debilidad, es profesionalidad. El trabajo es duro y la responsabilidad es enorme. Pero con límites claros, conocimientos compartidos y compasión —por las fuentes, los compañeros y uno mismo— es posible seguir adelante y seguir contando las historias que más importan.

Puntos clave para replicar nuestro trabajo

1. Desarrolla una metodología defendible antes de recopilar datos. Nunca empieces probando herramientas al azar o interactuando con material ilícito. Diseña un sistema que priorice la seguridad, la trazabilidad y la replicabilidad. Registra todo (hora, plataforma, punto de acceso y comportamiento) antes de realizar cualquier prueba de funcionalidad. Un método disciplinado protege tanto a tu equipo como a tus pruebas.
2. Obtén apoyo legal desde el principio. Antes de recopilar o manejar cualquier material potencialmente ilegal, busca asesoramiento legal. Conoce las leyes de tu país sobre pruebas digitales, privacidad y protección infantil. Un solo paso en falso puede poner en peligro la investigación y exponer al denunciante a responsabilidad penal. Crea una red de seguridad legal antes de empezar.
3. Identifica la tecnología antes de interpretar el delito. No todos los sistemas de IA funcionan de la misma manera. Un modelo de lenguaje general grande se comporta de manera diferente a un nudificador ajustado o un chatbot generativo. Una interpretación errónea de la tecnología conduce a conclusiones falsas y culpas equivocadas. Clasifica primero el sistema y luego rastrea cómo se está utilizando indebidamente.
4. Protege la infraestructura humana con la misma intensidad que la digital. Investigar el material de abuso sexual infantil, incluso cuando se genera artificialmente, tiene un costo psicológico. Nadie debería enfrentarlo solo o sin límites. El cuidado emocional, la conciencia del trauma y la supervisión por parte de compañeros son tan importantes como los protocolos técnicos. Incorpora la protección en el flujo de trabajo, no después.
5. Anticipa el próximo problema fronterizo. La IA evoluciona más rápido que la ley, la política o el periodismo. Las investigaciones futuras exigirán habilidades híbridas: en parte reportero, en parte científico de datos y en parte especialista en ética. Trabaja con programadores, expertos legales y defensores de las víctimas. Aprende a utilizar las herramientas antes de que se vuelvan contra los más vulnerables. La próxima forma de abuso llegará más rápido que la anterior.