El Foro UNIR mostró con casos prácticos cómo las organizaciones sociales de Ecuador pueden utilizar la IA para preparar proyectos, sin delegar decisiones que afecten a las personas ni comprometer datos sensibles.
La inteligencia artificial puede redactar documentos, analizar cientos de respuestas o convertir una memoria anual en materiales de comunicación en cuestión de minutos. Pero en el sector social existe una frontera que no debería cruzarse: “La IA no va a hacer la intervención social, no va a acompañar a una familia, no va a hablar con las personas, no va a decidir sobre la vida de nadie”, advirtió Javier Cantón durante el Foro UNIR.
El encuentro estuvo especialmente dirigido a profesionales y organizaciones de Ecuador y planteó una aproximación eminentemente práctica: identificar aquellas tareas administrativas que consumen tiempo en ONG, fundaciones y otras entidades sociales para estudiar dónde puede incorporarse la tecnología y liberar recursos que puedan dedicarse a la intervención directa con las personas.
La sesión contó con Javier Cantón, director académico del Área Social de UNIR; y Xavi González Rodrigo, fundador y director de Praxia Lab, con más de 15 años de experiencia en el tercer sector y especializado en acompañar a organizaciones sociales en la incorporación de herramientas de IA.
“Somos nosotros los que tenemos la obligación de verificar que no hay ningún error”, recordó Cantón. La tecnología puede acelerar numerosos procesos, pero no comprende realmente la información que genera. El criterio profesional y la responsabilidad sobre cualquier decisión continúan correspondiendo a las personas.
Cinco claves del Foro UNIR
- Recuperar tiempo para las personas: La principal oportunidad consiste en automatizar tareas de escritorio para dedicar más recursos a la intervención. “La inteligencia artificial no va a hacer la intervención social […] nos va a ayudar precisamente a recuperar ese tiempo para seguir tratando con personas”, explicó Javier Cantón.
- Prompts más precisos: Una instrucción eficaz debe incorporar rol, contexto, tarea, formato, criterios y materiales de referencia. Cuanto mayor sea la precisión, más útil será el resultado obtenido.
- Captación de financiación: La IA puede analizar convocatorias, localizar criterios de valoración, detectar requisitos excluyentes y ayudar a construir posteriormente la estructura de un proyecto.
- Analizar mejor los datos: Los modelos pueden clasificar cientos de respuestas abiertas y detectar patrones, pero la interpretación definitiva continúa correspondiendo al profesional.
- Las decisiones siguen siendo humanas: “Nunca utilizaría una herramienta de inteligencia artificial para hacer un filtrado de qué persona va a entrar dentro de un programa de ayudas”, advirtió Xavi González.
- Proteger la información sensible: Expedientes y datos identificables deben anonimizarse y no introducirse indiscriminadamente en herramientas abiertas. Las entidades necesitan establecer sus propias políticas de uso.
Caso práctico 1: utilizar la IA para conseguir financiación
El primer ejercicio abordó una tarea crítica para numerosas ONG y fundaciones: presentarse a una convocatoria competitiva de financiación. En lugar de entregar las bases a una herramienta y pedirle directamente que redactase un proyecto, Cantón propuso dividir el trabajo en diferentes fases.
La primera instrucción situaba a la IA como un técnico especializado en formulación de proyectos para ONG. Después se le proporcionaban las bases completas y se le pedía extraer en una tabla los criterios de valoración, su peso exacto y la página del documento donde aparecía cada información. También debía identificar los requisitos excluyentes, las limitaciones económicas y los plazos.
Había una instrucción especialmente importante: si algún dato solicitado no aparecía en las bases, la herramienta debía responder “no consta en las bases”. Nada de rellenar agujeros con creatividad algorítmica, una habilidad fascinante hasta que hay una subvención real en juego.
Solo después de comprobar esta información comenzaba una segunda fase. En el ejemplo se proporcionaban las características concretas de una entidad, el presupuesto, la duración y el lugar de ejecución de un proyecto ubicado en Quito, Ecuador. La IA comprobaba entonces la coherencia de la propuesta, solicitaba la información que faltaba y ayudaba posteriormente a construir el índice y el esqueleto del proyecto.
Caso práctico 2: analizar 207 respuestas en pocos minutos
El segundo ejercicio mostró cómo utilizar la IA para realizar un primer análisis cualitativo de información procedente de beneficiarios.
El supuesto partía de un archivo CSV con 207 respuestas abiertas. En vez de ordenar a la herramienta simplemente que analizase los datos, el prompt establecía una secuencia: proponer categorías temáticas sin utilizar clasificaciones predefinidas, definir cada una, asignar cada respuesta a una única categoría y calcular posteriormente cuántas aparecían en cada grupo.
Además, debía justificar las categorías mediante citas literales y seleccionar posteriormente una muestra aleatoria de 20 respuestas para que el profesional pudiera comprobar manualmente la calidad de la clasificación. La automatización se convertía así en un primer filtro, no en una conclusión incuestionable.
El ejemplo incorporó también una precaución esencial para cualquier entidad que trabaje con personas vulnerables: si alguna respuesta contenía información personal identificable, la IA debía señalar su existencia sin reproducirla.
Caso práctico 3: convertir una memoria en contenidos útiles
El tercer ejercicio partió de un problema bastante menos vistoso, pero habitual: una organización termina su memoria anual después de meses de trabajo y el documento acaba convertido en un PDF que apenas nadie lee.
Cantón mostró cómo reutilizar esa información mediante IA generativa. A partir de una memoria ya terminada, la herramienta podía preparar una versión en lectura fácil siguiendo criterios previamente establecidos y señalar qué términos había sustituido para que la organización pudiera revisar si determinados conceptos institucionales debían conservarse.
Sobre ese mismo documento podían desarrollarse posteriormente otros materiales: historias para redes sociales, publicaciones para LinkedIn o X, contenidos adaptados a diferentes públicos o el guion de una presentación pública.
La ventaja no consiste únicamente en producir más contenido, sino en conseguir que los resultados y el impacto de un proyecto lleguen a beneficiarios, financiadores, colaboradores y ciudadanía mediante formatos adecuados para cada audiencia.
Seis piezas para construir un prompt útil
Después de los ejercicios, Javier Cantón sintetizó una metodología aplicable a prácticamente cualquier proyecto social.
El primer elemento es asignar un rol: no pedir simplemente un análisis, sino indicar que la herramienta debe actuar, por ejemplo, como técnico de proyectos de una ONG o analista cualitativo. Después hay que proporcionar contexto sobre la entidad, sus objetivos y las personas con las que trabaja.
A continuación debe definirse una tarea concreta y verificable, especificar el formato deseado, establecer los criterios que determinarán si el resultado es correcto y aportar los documentos o datos que la herramienta debe utilizar como fuente.
El experto recomendó además guardar aquellos prompts que funcionen correctamente para construir una biblioteca compartida dentro de la organización. El esfuerzo de diseñar una buena instrucción puede requerir varios minutos, pero después puede reutilizarse y adaptarse a diferentes proyectos.
Más oportunidades para las pequeñas entidades
Xavi González destacó que estas herramientas pueden reducir una de las brechas históricas entre organizaciones grandes y pequeñas.
Entidades que antes carecían de recursos humanos para desarrollar análisis complejos ya pueden utilizar la IA para procesar información recogida sobre el terreno, mejorar la medición de impacto, preparar informes más completos y tomar decisiones apoyadas en mayores evidencias.
Pero existe una contrapartida. Los financiadores y evaluadores también están incorporando estas tecnologías. Eso significa que aumentará la capacidad de las organizaciones para presentarse a convocatorias, pero también los estándares exigidos. “Los grandes financiadores están utilizando inteligencia artificial para hacer filtros”, recordó González.
Cantón apuntó una consecuencia directa: si todas las organizaciones presentan proyectos redactados íntegramente por las mismas herramientas, las propuestas terminarán pareciéndose. La ventaja estará en quienes utilicen la IA como punto de partida y añadan posteriormente conocimiento del territorio, experiencia, creatividad y una propuesta propia.
La línea roja: decidir sobre las personas
La eficiencia tiene un límite especialmente claro en el sector social.
Xavi González fue tajante al rechazar el uso de sistemas automáticos para decidir qué persona debe acceder a una ayuda o qué colectivo queda fuera de un programa. En situaciones que afectan directamente a personas vulnerables, el análisis profesional y la responsabilidad humana deben prevalecer sobre cualquier recomendación algorítmica.
A ello se suma el problema de los sesgos. Los modelos han sido entrenados con grandes cantidades de información que reproducen determinadas visiones culturales y sociales. Por eso, las entidades que trabajan en contextos específicos deben revisar críticamente las respuestas y compensar posibles ausencias o distorsiones con su propio conocimiento profesional y territorial.
Más tecnología para recuperar lo esencial
El Foro UNIR dejó una paradoja útil: la mejor aplicación de la inteligencia artificial en una organización social puede ser precisamente utilizarla para disponer de más tiempo lejos de la tecnología.
“No perdamos la persona que hay detrás de ese expediente, de ese dato”, defendió Javier Cantón. Automatizar una memoria, analizar información o preparar una convocatoria tiene sentido si esas horas recuperadas permiten volver al objetivo fundamental: desarrollar proyectos capaces de mejorar vidas y mantener el contacto directo con quienes los necesitan.
En Ecuador, esta transformación abre oportunidades para profesionales especializados en intervención social, cooperación internacional, Trabajo Social y comunicación social, ámbitos relacionados con diferentes programas de formación de UNIR. La tecnología puede aumentar la capacidad de las entidades para captar fondos, medir resultados y gestionar proyectos, pero su implantación requiere conocimiento técnico, criterios éticos y profesionales capaces de determinar dónde utilizarla y, todavía más importante, dónde no hacerlo.
