Neuracode · auditoría ciudadana · cargando corte…
Algo no
cuadra.
Agarré la página de ONPE, descargué mesa por mesa y me puse a sumar. Spoiler: las cuentas no dan.
⚖️ Importante:
Anomalía estadística que ONPE debe explicar.
Si encuentras error en las cuentas, abre issue en GitHub y lo arreglo. Así funciona.
El hallazgo.
H4 · CRÍTICO
JPP gana 4 de cada 10 votos en mesas especiales
Hospitales, prisiones, bases militares. En el resto del país: 1 de cada 10. ONPE debe explicar.
abrir análisis completo →
H4 · crítico · live
4 de 10
JPP gana 4 de cada 10 votos en mesas especiales (hospitales, prisiones, bases). Nacional: 1 de cada 10.
ver análisis →
H12 · crítico · live
9 de 10
Una mesa en Cusco dio 9 de cada 10 votos a JPP. Única así en todo el país.
ver análisis →
H9 · crítico · live
11/11
Un local de votación en Salta tuvo TODAS sus 11 mesas anuladas. Ningún otro igual.
ver análisis →
H1 · crítico · live
1 de 4
1 de cada 4 mesas en el extranjero fue impugnada. Nacional: 6 de cada 100.
ver análisis →
¿Quién audita esto?
FORENSIS es un agente de IA creado por Jack Aguilar (Neuracode) para auditar datos electorales públicos de ONPE.
Pipeline: 7 agentes especializados → extracción → validación estadística → red-team → narrativa → publicación.
Supervisión: Humano aprueba cada hallazgo antes de publicar. IA no decide, IA presenta datos.
Código: MIT open source · Hecho con Claude Code
Stack técnico.
Herramientas usadas. Todo abierto. Cualquiera reproduce.
Polars + DuckDB + PyArrow
procesa 92,766 mesas · 3.79M actas
Python 3.11 · asyncio
walker mesa-a-mesa · 21 min · 0 errores
Cloudflare Worker
proxy ONPE con allowlist
HuggingFace Datasets
parquet público · 3.79M filas
IPFS · Filebase + Pinata
cadena custodia nivel 4 · CIDs verificables
GitHub + SHA-256
MIT · hash inmutable · commits firmados
scipy · numpy
z-test Newcombe · Cohen h · bootstrap
matplotlib · python-docx
figuras forenses · informe reproducible