Durante la semana de evaluación GLocal 2026, Eval for Earth organizó un conversatorio sobre las oportunidades y retos que presenta la incorporación de nuevas tecnologías y particularmente la IA, para la evaluación y el monitoreo de políticas públicas en la región.
Maria Paz Gutiérrez, Subsecretaría de Gestión Estratégica de la Provincia de Santa Fe y América Hernández, especialista en evaluación, gestión de resultados y análisis de políticas públicas, compartieron sus experiencias, aprendizajes y reflexiones en torno a los dilemas estratégicos que enfrentan quienes implementan monitoreo y evaluación en el sector público y de organismos internacionales, las perspectivas vigentes y los principales nudos críticos que emergen en este contexto de aceleración tecnológica. Los datos para la generación de evidencias, la gobernanza como elemento clave para conducir nuevas capacidades, la calidad de la acción y los riesgos de la utilización acrítica de las tecnologías para el monitoreo y la evaluación son algunos de los principales puntos señalados.
Aquí las miradas de las expositoras sobre tres interrogantes clave.
- ¿Por qué son importantes los datos?
Maria Paz Gutierrez: Los datos como un insumo técnico son altamente valiosos. Permiten una mirada crítica y responsable sobre lo que hacemos y brinda oportunidades para mejorar acciones y políticas. En un contexto actual de alta incertidumbre y cambios vertiginosos, de proliferación de información y de multiplicación de demandas ciudadanas, los gobiernos se han convertido en grandes productores de datos. Sin embargo, el verdadero desafío consiste en transformar esos datos en información, esa información en evidencia y esa evidencia en conocimiento útil para la acción pública.
Los sistemas de seguimiento y monitoreo de políticas generan estándares comunes de información, mejoran la calidad de sus registros, integran procesos y permiten evaluar sistemáticamente intervenciones. La producción de datos puede ayudar a desarrollar nuevas capacidades para coordinar políticas, anticipar problemas y orientar mejor los recursos públicos.
La experiencia que impulsamos en la Provincia de Santa Fe, Argentina, nos permitió comprobar justamente eso. El principal resultado no fueron los más de cuarenta mil registros generados por el sistema, sino el aprendizaje sobre los propios desafíos, como la identificación de superposiciones, brechas territoriales, cuellos de botella y oportunidades de coordinación. El dato fue el medio; el verdadero producto es el conocimiento institucional.
América Hernández: La evaluación de políticas públicas está atravesando una transición importante. Durante mucho tiempo la evidencia fue construida casi exclusivamente por quien evaluaba: el diseño metodológico, el análisis y las conclusiones dependían en gran medida de su criterio y de su trabajo directo con la información.
Hoy estamos transitando hacia un modelo “híbrido”, en el que las herramientas algorítmicas se incorporan para procesar y presentar la información. Los datos importan, no solo porque son la materia prima de la evidencia, sino porque su tratamiento está cambiando la forma en que esa evidencia se construye.
En cuanto a la inteligencia artificial, su utilidad no es uniforme: varía según la etapa del ciclo de evaluación, el tipo de proyecto o programa que tratemos y de acuerdo al grado de complejidad del problema que enfrentemos. Es especialmente valiosa para limpiar grandes volúmenes de datos, clasificar información, identificar patrones de comportamiento que permiten focalizar mejor las visitas de campo, y construir modelos predictivos que ponen a prueba la teoría del cambio de una intervención.
Esto significa que los datos ya no son solamente un insumo para medir resultados: se han convertido en la base sobre la cual dialogamos con nuevas tecnologías para producir conocimiento más rápido y, si lo hacemos con cuidado, más riguroso. Pero ese potencial solo se aprovecha si mantenemos una mirada crítica sobre cómo esas herramientas están usando la información que les entregamos.
- ¿Qué nuevas capacidades se necesitan desarrollar ante las nuevas tecnologias
Maria Paz Gutierrez: El principal desafío no es incorporar más tecnología, sino desarrollar capacidades para gobernarla bajo finalidades públicas. Creo que advienen, al menos, tres capacidades estratégicas.
La primera es la capacidad de gobernanza de los datos. Esto supone desarrollar reglas, estándares, responsabilidades e instituciones que garanticen calidad, interoperabilidad, trazabilidad, seguridad y uso ético de la información.
La segunda es la capacidad analítica para trabajar con inteligencia artificial. La IA permite procesar información a velocidades inéditas y asistir procesos complejos de análisis, pero no reemplaza la responsabilidad política. También introduce riesgos, sesgos, errores o interpretaciones descontextualizadas. Por eso los gobiernos necesitan equipos capaces de formular buenas preguntas, validar resultados, comprender los límites de los algoritmos y mantener siempre el juicio humano sobre las decisiones públicas.
La tercera es la capacidad para producir conocimiento estratégico. Esto implica el paso desde un Estado que produce y registra información a un Estado que aprende. A fin de interpretar datos para mejores decisiones, se requiere método, tiempo, análisis y una clara orientación hacia el interés público.
La experiencia del Tablero Único Digital de la Provincia de Santa Fe, un laboratorio de conocimiento y aprendizaje, permitió uniformizar la información de distintos programas de ministerios y organismos para responder a las mismas preguntas: qué hace, para qué, dónde se implementa, con qué presupuesto, quién es responsable, cuáles son sus plazos y cuál es su estado de avance. Ese ejercicio técnico implicó construir un lenguaje común para todo el gobierno. También aprendimos que la gobernanza de los datos requiere de instituciones, como un decreto o la creación de una unidad de gestión con responsabilidades definidas, que ayude al reconocimiento de los datos públicos como un bien estratégico
América Hernández: Coincido con María Paz en que gobernar la tecnología, y no solo adoptarla, es el verdadero desafío. Desde mi experiencia evaluando con apoyo de herramientas algorítmicas, identifico al menos tres capacidades que los gobiernos y quienes evaluamos sus políticas necesitamos fortalecer con urgencia.
La primera es la capacidad de auditar sesgos. Cuando se procesan grandes volúmenes de datos existe el riesgo de que los algoritmos modifiquen categorías cualitativas al cruzarlas con datos cuantitativos, alterando sin que lo notemos el sentido original de la información.
Necesitamos protocolos de auditoría del sesgo y la capacidad institucional de dialogar con la IA, exigiendo que explique por qué realizó determinados cambios en la clasificación de los datos.
La segunda es la capacidad de atender la opacidad de estos sistemas. Muchas veces no sabemos con precisión cómo la IA utiliza la información primaria y secundaria que cargamos en ella. Por eso es imperativo auditar constantemente los resultados antes de darlos por válidos o de integrarlos en las evaluaciones.
La tercera es la capacidad de verificar la coherencia contextual de los resultados: quién evalúa debe comprobar que las conclusiones y recomendaciones que arroja una secuencia algorítmica sean viables, lógicas y congruentes con el contexto real y el problema que se está analizando. Ninguna de estas capacidades es exclusivamente tecnológica; son, sobre todo, capacidades de juicio profesional y realizadas por personas.
- ¿Cómo incorporar IA sin perder el juicio crítico?
María Paz Gutiérrez: La IA nos asiste en tareas de análisis pero no necesariamente comprende los problemas públicos. Es necesario construir un equilibrio entre capacidades tecnológicas, capacidades institucionales y orientación sobre las finalidades públicas.
La experiencia de la Provincia de Santa Fe nos dejó una enseñanza: antes de pensar en inteligencia artificial fue necesario construir una infraestructura de información confiable, reglas comunes para producir datos, mecanismos de gobernanza y equipos capaces de interpretar la evidencia.
Esto supone incorporar principios de supervisión humana permanente, transparencia, protección de los datos, trazabilidad de las decisiones, evaluación de impactos y responsabilidad institucional.
El desafío es construir un Estado que fortalezca su capacidad para comprender, aprender, anticipar y decidir utilizando las nuevas tecnologías como herramientas al servicio del interés público y de la democracia.
América Hernández: Para mí la clave está en lo que podríamos llamar gobernanza algorítmica: un conjunto de prácticas que garantizan que quien evalúa mantenga un rol activo y directivo frente a la tecnología, y no al revés.
La evidencia hoy se construye en conjunto con herramientas algorítmicas, pero eso no significa delegar la interpretación. Sigue siendo responsabilidad nuestra dialogar con la IA para pedirle que justifique sus resultados, auditar sus salidas antes de incorporarlas a un informe, y contrastar cada recomendación con el conocimiento del contexto.
Esto exige desarrollar nuevas capacidades institucionales: equipos capaces de auditar modelos, de identificar cuándo la opacidad de un sistema pone en riesgo la calidad de una conclusión, y de asegurar que los datos finales sean verificables, firmes y apropiados para los objetivos de la evaluación. No se trata de rechazar estas tecnologías, sino de exigirles transparencia y de conservar la capacidad de cuestionar cada resultado.
En definitiva, incorporar IA sin perder el juicio crítico significa asumir que la tecnología amplía nuestras capacidades de procesamiento, pero que la responsabilidad sobre lo que esa evidencia significa y sobre las decisiones sigue siendo enteramente nuestra.