evidoria

← Volver al listado

Buena práctica Importada

Verificación biométrica y de reconocimiento facial con IA del JAMB para el examen nacional de acceso a la universidad en Nigeria

Nigeria · Abuja · Ver el perfil de Nigeria · Ver el perfil de Abuja

Evidencia: Observacional / pre-post Top 95% 20/100 · Pregunte a Evidence Copilot sobre esta práctica

El JAMB, en Nigeria, usa reconocimiento facial con IA y biometría para verificar a más de 2,2 millones de candidatos al UTME cada año e impedir la suplantación de identidad, pero fallos en la verificación afectaron a unos 80.000 candidatos en 2023, y los defraudadores ya usan la fusión de rostros con IA para engañar al sistema.

2,243,816 candidates
Candidatos al UTME registrados (ciclo de 2026) (2026)
~80,000 candidates
Candidatos afectados por fallos en la verificación biométrica que requirieron examen de recuperación (2023)
1,787 candidates
Candidatos que declararon falsamente ser albinos (2025)
Verificación biométrica y de reconocimiento facial con IA del JAMB para el examen nacional de acceso a la universidad en Nigeria

Detalles

Madurez
Consolidada
Promotor
Joint Admissions and Matriculation Board (JAMB)
Período
2015–ongoing (AI facial-recognition checks intensified 2023–2026)
Palabras clave
exam integrity, biometric verification, facial recognition, higher-education admissions, fraud prevention

Contexto

JAMB administra el UTME de Nigeria y despliega verificación por huella dactilar y reconocimiento facial basado en IA en los centros de examen computarizado (CBT) a escala nacional, para impedir la suplantación de candidatos (realización «mercenaria» del examen). JAMB registró 2.243.816 candidatos para el UTME de 2026.

Resultados

En 2023, aproximadamente 80.000 candidatos se vieron afectados por fallos en la verificación biométrica (discrepancias, no reconocimiento y otros errores), lo que obligó a reprogramar un examen de «recuperación»; fallos similares se repitieron en los exámenes de recuperación de 2025. El registrador de JAMB, el Prof. Is-haq Oloyede, describió a defraudadores que utilizaban IA para fusionar los rostros de dos personas y así engañar al reconocimiento facial. En 2025, 1.787 candidatos declararon falsamente ser albinos —cifra sospechosa, dado que los nigerianos albinos genuinos serían menos de 250 al año— aparentemente para explotar umbrales de verificación facial más laxos.

Conclusiones

Este caso se interpreta mejor como un caso cautelar de evidencia mixta: el sistema opera a una escala nacional masiva, pero no ha eliminado el fraude y ha fallado repetidamente en verificar a candidatos genuinos, lo que ilustra la fragilidad operativa de la biometría con IA desplegada a escala nacional sin una capacidad de gestión de errores acorde.

Implementación
Coste indicativo
Alto (500 000 €–5 M€) — National biometric verification infrastructure covering over 2.2 million candidates per cycle; no specific cost figures disclosed.
Tiempo hasta resultados
Largo (> 3 años) — System in place since ~2015, with AI facial-recognition checks intensified 2023–2026.
Personal y competencias
JAMB registrar Prof. Is-haq Oloyede, JAMB Head of Public Affairs and Protocol Dr. Fabian Benjamin

Condiciones para el éxito

  • Fingerprint plus AI facial-recognition verification deployed at CBT centres nationwide

Modos de fallo comunes

  • Recurrent biometric verification failures requiring rescheduled 'mop-up' exams (~80,000 candidates in 2023, recurrence in 2025)
  • Fraudsters using AI to blend faces to defeat facial recognition
  • Suspicious over-declaration of albino status (1,787 in 2025) apparently to exploit looser verification thresholds
  • Operational fragility of AI biometrics deployed nationally without commensurate error-handling capacity

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles