Statutory Time Limits and Undertrial Detention under India’s Bharatiya Nagarik Suraksha Sanhita Reforms
Este estudio analiza el primer ciclo estadístico completo bajo la Bharatiya Nagarik Suraksha Sanhita de la India, revelando que, si bien las nuevas disposiciones de liberación basadas en plazos (Sección 479) han comenzado a operativizarse y han contribuido a una reducción modesta en la ocupación carcelaria general y en el número de procesados, su impacto inmediato sigue siendo limitado en comparación con la escala de la población de procesados y el predominio de la fianza ordinaria como mecanismo de liberación.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
En muchos sistemas jurídicos, una persona acusada de un delito se presume inocente hasta que se demuestre su culpabilidad. Sin embargo, en la India, un gran número de estas personas permanecen encerradas tras las rejas durante meses o incluso años mientras esperan ser escuchadas. Esta situación, conocida como detención de procesados (o de personas en espera de juicio), crea una paradoja donde personas que no han sido condenadas por un delito constituyen la mayoría de la población carcelaria. Las razones de este retraso suelen ser prácticas: los juicios tardan demasiado, la asistencia legal es escasa y las reglas para obtener la libertad bajo fianza son difíciles de navegar. Durante décadas, esto ha sido una característica estructural del sistema de justicia de la India, lo que plantea serios interrogantes sobre la equidad y los derechos de los acusados.
Para abordar esto, la India introdujo una nueva ley llamada Bharatiya Nagarik Suraksha Sanhita, que comenzó a operar en julio de 2024. Una parte central de esta nueva ley es una regla sencilla, basada en el tiempo, diseñada para liberar a las personas que han esperado demasiado. En lugar de depender de la suposición de un juez sobre si una persona es peligrosa o su capacidad para pagar dinero para la fianza, la nueva regla establece un plazo claro. Si un delincuente primario ha pasado un tercio de la sentencia máxima posible por su presunto delito en la cárcel, debe ser liberado. Para otros, el límite es la mitad de la sentencia máxima. La ley también impone un deber específico a los alcaides de las prisiones para identificar a estas personas elegibles e iniciar el papeleo para su liberación. Este enfoque desplaza el enfoque de la predicción del riesgo a la medición del tiempo, ofreciendo un camino diferente a los sistemas basados en efectivo comunes en muchos otros países.
Un estudio reciente del investigador Hamza Khan examina el primer año de datos disponibles después de que esta nueva ley entrara en vigor. El objetivo era ver cómo funcionaba realmente el sistema en la práctica durante sus primeros seis meses de operación. Al analizar las estadísticas nacionales oficiales publicadas por el gobierno, el estudio proporciona una imagen clara de si esta regla basada en el tiempo está marcando la diferencia, cuántas personas están siendo liberadas y si el hacinamiento en las prisiones está disminuyendo. Los hallazgos revelan un sistema que está funcionando pero que aún está encontrando su equilibrio, mostrando tanto el potencial de las nuevas reglas como los obstáculos significativos que aún persisten.
Los datos del cierre de 2024 cuentan una historia de progreso modesto pero significativo. El número total de personas en las prisiones de la India disminuyó aproximadamente un 3,5 por ciento en comparación con el año anterior, mientras que la capacidad oficial de las prisiones creció un 3,3 por ciento. Esta combinación significó que la tasa de hacinamiento nacional, que había estado en un elevado 120,8 por ciento, cayó al 112,7 por ciento. Si bien esto es una mejora, el problema central persiste: las personas que esperan sus juicios todavía constituyen casi tres cuartas partes de todos los prisioneros. Específicamente, los presos en espera de juicio representaban el 72,6 por ciento de la población total al cierre del año. Este alto porcentaje indica que, si bien el número total de reclusos está disminuyendo, el sistema todavía está fuertemente inclinado hacia aquellos que aún no han sido condenados.
Al observar cuánto tiempo han estado esperando estos individuos, los datos muestran una amplia gama de experiencias. Cerca del 70 por ciento de los procesados habían estado bajo custodia durante un año o menos. Sin embargo, un número significativo había estado esperando mucho más tiempo. Más de 6 de 60.000 personas ya habían pasado más de dos años en la cárcel, y más de 9.000 habían estado confinados durante más de cinco años. Estas largas esperas resaltan la gravedad del retraso que la nueva ley pretende resolver. El estudio también observó que la mayoría de las personas que fueron liberadas durante el año lo hicieron mediante la fianza tradicional, que representó más del 95 por ciento de todas las liberaciones. La nueva regla basada en el tiempo apenas comenzaba a surtir efecto.
El mecanismo específico introducido por la nueva ley, conocido como Sección 479, produjo su primer conjunto de resultados en 2024. Los funcionarios de las prisiones identificaron a 968 presos en espera de juicio que cumplían con los criterios temporales para su liberación. De estos, se presentaron solicitudes para 467 individuos y un total de 627 personas fueron realmente liberadas bajo esta disposición. Si bien este número representa un sistema en funcionamiento, es pequeño en comparación con la población total de casi 372.000 procesados. Las liberaciones representaron menos del uno por ciento de la población total de procesados. Además, la implementación no fue uniforme en todo el país. Solo cuatro estados concentraron más del 70 por ciento de estas liberaciones, con Uttar Pradesh a la cabeza. Esto sugiere que, aunque la regla existe en el papel, su aplicación depende en gran medida de la eficiencia administrativa local y la cooperación judicial.
El estudio también analizó el desglose de género de estas liberaciones. El número de mujeres elegibles para la liberación bajo la nueva regla basada en el tiempo fue muy pequeño, con solo 25 identificadas como elegibles y 13 realmente liberadas. Esto refleja la realidad más amplia de que las mujeres constituyen una pequeña fracción de la población carcelaria total, pero también señala la necesidad de un monitoreo continuo para asegurar que las reglas se apliquen de manera justa a todos los grupos. Los investigadores señalaron que los datos cubren solo los primeros seis meses de operación de la ley, lo que significa que el impacto total aún no se ha visto. Los resultados iniciales muestran que el sistema es operativo y capaz de liberar personas, pero la escala del cambio es actualmente limitada.
En última instancia, esta investigación proporciona una base crucial para comprender el nuevo panorama legal en la India. Confirma que un sistema de liberación basado en el tiempo puede funcionar en la práctica, ofreciendo una alternativa tangible a la fianza en efectivo y a las evaluaciones de riesgo. Sin embargo, los datos preliminares también muestran que el simple hecho de aprobar una ley no es suficiente para resolver un problema profundamente arraigado. La reducción del hacinamiento fue impulsada por una combinación de la nueva capacidad carcelaria y una disminución general de los procesados, más que por la nueva regla de liberación por sí sola. El estudio concluye que, para que el sistema alcance su pleno potencial, la implementación de la regla basada en el tiempo debe volverse más consistente en todas las regiones, y el proceso administrativo de identificación y liberación de los prisioneros elegibles debe fortalecerse. Los datos futuros de los años subsiguientes serán esenciales para ver si estas tendencias tempranas continúan y si la promesa de la nueva ley se cumple plenamente.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.