El costo invisible de marcar por otro

Una empresa de 200 empleados donde apenas el 5% practica buddy punching (la costumbre de que un compañero marque entrada o salida por otro) puede acumular más de 1.200 horas fantasma al año. Traducido a nómina, eso equivale a pagar entre tres y cuatro salarios mínimos completos por trabajo que nunca ocurrió. El problema crece sin hacer ruido porque los sistemas tradicionales de control, tarjetas de proximidad o códigos PIN, verifican que alguien presentó una credencial válida, pero jamás confirman que esa persona sea quien dice ser.

Esa brecha entre credencial e identidad convierte al control de asistencia en un ritual administrativo que genera datos, pero no confianza. Cualquier tarjeta se presta, cualquier PIN se comparte, y el registro resultante llega limpio a nómina sin que nadie cuestione su origen. La respuesta técnica a ese vacío pasa por verificar algo que no se puede transferir de un empleado a otro, y ahí es donde la biometría y reconocimiento facial transforma la ecuación.

Qué ocurre entre la cámara y el registro

Cuando un colaborador se posiciona frente a un terminal con reconocimiento facial, el proceso completo toma entre uno y tres segundos, pero en ese intervalo suceden varias capas de verificación que eliminan la posibilidad de suplantación.

La cámara, generalmente con sensor infrarrojo complementario al visible, captura una imagen del rostro y la envía al módulo de detección de vida (liveness detection). Este análisis determina si lo que tiene enfrente es una persona real o un intento de fraude con una fotografía impresa, una pantalla de celular o incluso una máscara. Los sistemas más robustos combinan liveness pasivo, que analiza texturas, reflejos y microexpresiones sin pedir acción al usuario, con liveness activo, que solicita un parpadeo o giro de cabeza cuando detecta condiciones ambiguas.

Superada esa barrera, un algoritmo de extracción convierte los rasgos geométricos del rostro (distancia entre ojos, proporción de mandíbula, profundidad de cuencas) en una plantilla matemática, un vector numérico que no permite reconstruir la imagen original. Esa plantilla se compara contra la base de plantillas registradas durante el enrolamiento del empleado, y el sistema calcula un puntaje de similitud. Si supera el umbral configurado, genera un evento de marcación con timestamp, identificación del terminal y, en muchos casos, coordenadas GPS.

Indicadores de precisión del sistema

La verificación facial resulta más precisa que la huella dactilar en la mayoría de escenarios operativos, y varios órdenes de magnitud más confiable que cualquier método basado en algo que se posee o se sabe.

Sin contacto, sin fricciones

La pandemia aceleró la adopción del facial por razones sanitarias, pero las ventajas operativas frente a la huella y la tarjeta van mucho más allá de la higiene. En entornos industriales donde los trabajadores usan guantes, manejan sustancias grasas o tienen callosidades que degradan la lectura dactilar, el reconocimiento facial funciona sin que el empleado se quite protección ni se limpie las manos. Eso reduce las filas en los torniquetes de cambio de turno, un cuello de botella que en plantas con alta densidad de operarios puede consumir minutos productivos por turno que se acumulan de forma significativa al mes.

La huella dactilar, aunque biométrica, comparte un problema práctico con la tarjeta: requiere contacto físico con un sensor que cientos de personas tocan cada día, lo que implica mantenimiento de limpieza y degradación acelerada del lector. El reconocimiento facial elimina esa variable porque la interacción ocurre a distancia, generalmente entre 30 y 80 centímetros del terminal, sin que el usuario toque superficie alguna.

Comparación entre métodos de verificación de asistencia

Desde la perspectiva del fraude, la huella tiene un historial conocido de vulnerabilidades. Moldes de silicona y películas de gelatina han engañado lectores ópticos en pruebas documentadas. El reconocimiento facial con liveness detection cierra esa puerta porque exige presencia física real, verificada en tiempo real con análisis tridimensional o infrarrojo que ninguna réplica estática puede superar. El resultado para la organización es un registro de asistencia que refleja presencia genuina, dato que fluye directamente hacia el cálculo de nómina con un nivel de integridad que antes dependía de supervisión humana, y que hoy puede gestionarse desde un software control asistencia integrado con los procesos de RRHH.

Marco legal e integración con nómina

En Colombia, la Ley 1581 de 2012 clasifica los datos biométricos como sensibles, lo que impone obligaciones específicas al empleador que los recolecta. Antes de enrolar a cualquier colaborador, la empresa debe obtener consentimiento informado y explícito, detallando la finalidad del tratamiento (control de asistencia), el responsable del dato, los derechos de acceso, rectificación y supresión que tiene el titular, y el periodo de retención definido. La autorización debe ser separada, específica y revocable, no una cláusula genérica incluida en el contrato laboral.

Obligaciones del empleador antes del enrolamiento biométrico

• Obtener consentimiento informado y explícito del colaborador, separado del contrato laboral y revocable en cualquier momento.
• Informar la finalidad del tratamiento (control de asistencia), quién es el responsable del dato y cuáles son los derechos del titular.
• Cifrar las plantillas biométricas tanto en reposo como en tránsito, con medidas técnicas, administrativas y humanas que prevengan accesos no autorizados.
• Eliminar la plantilla biométrica del empleado desvinculado dentro del plazo establecido en la política de retención, salvo que una norma legal exija conservarla por un periodo mayor.

Esta rigurosidad legal se convierte en ventaja operativa cuando el sistema biométrico se integra con la plataforma de nómina. Cada evento de marcación, verificado biométricamente y sellado con timestamp, alimenta el cálculo de horas ordinarias, extras y recargos sin intervención manual, eliminando la discrecionalidad que permite inflar registros. Para auditoría, la trazabilidad es completa porque cada marcación tiene asociada la identidad biológica del empleado, el terminal que la registró y el resultado del análisis de liveness. Para entornos que requieren también gestión de acceso a instalaciones, un control acceso biométrico unificado permite consolidar ambas funciones dentro del mismo ecosistema.

Plataformas multimodales en nube como Falcon Cloud, de Proware, permiten combinar reconocimiento facial con otras modalidades biométricas (palma, huella) dentro de un mismo ecosistema que ya gestiona nómina, novedades y cumplimiento normativo. Esa convergencia reduce la cantidad de sistemas aislados que el área de TI debe administrar y garantiza que el dato biométrico nace, viaja y se almacena dentro de un entorno con controles de seguridad unificados. Contar con el equipo biométrico asistencia adecuado facilita la demostración de cumplimiento ante la Superintendencia de Industria y Comercio cuando esta lo requiera.