La inteligencia artificial (IA) puede servir de apoyo en muchos aspectos del proceso de evaluación, pero su uso también plantea cuestiones importantes sobre la transparencia, la rendición de cuentas y el criterio profesional. Como profesionales de la evaluación que trabajamos en los ámbitos de la seguridad alimentaria, la protección del medio ambiente y el desarrollo rural, debemos comprender qué implican estos avances para la práctica de la evaluación. En estos contextos, los evaluadores suelen trabajar con conjuntos de datos incompletos, condiciones locales delicadas, plazos ajustados y altos niveles de rendición de cuentas. La IA puede apoyar muchos aspectos del proceso de evaluación, pero su uso también plantea importantes consideraciones metodológicas, éticas y prácticas.
Durante la Semana de la Evaluación gLOCAL, EvalforEarth organizó un seminario web para examinar cómo los evaluadores emergentes (EE) están integrando la IA en la práctica de la evaluación. El seminario web, celebrado el 1 de junio de 2026, exploró cómo los evaluadores emergentes pueden utilizar la IA de forma innovadora sin dejar de lado el rigor metodológico, las garantías éticas y la responsabilidad profesional. Los debates pusieron de relieve el potencial de la IA como herramienta de apoyo, siempre que su uso se rija por el rigor metodológico, la transparencia y el criterio humano.
I. Mensajes clave del seminario web: la IA es un asistente, no un piloto automático
La IA puede mejorar la eficiencia de muchas tareas de evaluación, pero no puede sustituir el criterio profesional, la experiencia y el pensamiento crítico de los evaluadores. Se destacaron tres puntos clave:
· Rápida adopción unida a un déficit de formación: Un estudio exploratorio realizado entre evaluadores emergentes (EE) reveló que el 55 % utiliza la IA a diario, mientras que el 70 % declaró tener una competencia técnica de moderada a limitada y el 75 % no había recibido formación formal. Estos resultados ponen de relieve una brecha significativa entre la rápida adopción de la IA y la disponibilidad de formación estructurada, lo que refuerza la necesidad de que las asociaciones de evaluación y las redes profesionales redoblen sus esfuerzos en materia de desarrollo de capacidades. En respuesta a este reto, el seminario web propuso tres niveles de competencia que se han identificado:
- Competencias básicas: comprender las capacidades, las limitaciones y el uso adecuado de las herramientas de IA comúnmente disponibles;
- Competencias intermedias: integrar la IA de forma adecuada en las diferentes etapas del proceso de evaluación, manteniendo al mismo tiempo el rigor metodológico;
- Competencias avanzadas: comprender cómo funcionan los sistemas de IA para reconocer, evaluar y mitigar los posibles sesgos algorítmicos.
· Adecuar la IA a las tareas adecuadas: Muchos aspectos técnicos de una evaluación pueden requerir mucho tiempo. La IA puede ayudar a acelerar algunas de estas tareas, lo que permite a los evaluadores dedicar más tiempo al análisis, a la participación de las partes interesadas y al juicio profesional. Para hacer frente a este reto, utilice la IA para tareas técnicas de bajo riesgo, como la generación de scripts de limpieza de bases de datos (Stata o R), la automatización de la depuración o el análisis de tendencias cualitativas en las transcripciones de los grupos focales. Limite el uso de la IA para tareas que impliquen un alto riesgo ético, como definir las preguntas de evaluación, interpretar datos o redactar el informe.
· El uso de la IA para apoyar las reformas: Para asentar la teoría en la realidad, el seminario web presentó un estudio de caso sobre las reformas llevadas a cabo por la Comisión Reguladora del Sector Energético de Senegal (CRSE). Se utilizó la IA para pronosticar la demanda y los costes, detectar anomalías en los datos, analizar los riesgos normativos y automatizar parcialmente el seguimiento y la evaluación. Estas aplicaciones no se limitan al sector energético: pueden adaptarse a programas agrícolas y de seguridad alimentaria para supervisar, por ejemplo, el impacto de una reforma en el acceso a los insumos, la resiliencia de las explotaciones agrícolas y la equidad territorial de las intervenciones.
Aunque se ha extraído del sector energético, el mismo enfoque podría aplicarse a programas agrícolas y de seguridad alimentaria. La IA puede apoyar el seguimiento de las reformas que afectan al acceso a los insumos agrícolas, la resiliencia de las explotaciones agrícolas y la distribución equitativa de los beneficios de los programas en los distintos territorios.
II. Cuestiones clave planteadas por la comunidad
Los debates con el público tras las presentaciones pusieron de relieve tres condiciones clave para el uso responsable de la IA en la evaluación: la transparencia, la protección de datos y la participación de las partes interesadas.
· Transparencia: los participantes señalaron que el uso de la IA suele percibirse de forma negativa en el África francófona. Para abordar esta cuestión, su uso debe documentarse claramente: dónde, en qué fase, para qué tarea y cómo influye en el análisis final. Un documento sencillo, en el que se enumeren los usos de la IA y que se incluya en los informes o en los anexos metodológicos, mejoraría la trazabilidad y la credibilidad.
· Protección de datos: los evaluadores deben evitar cargar informes no públicos, transcripciones literales o datos personales en herramientas públicas de IA, ya que resulta arriesgado si no se cuenta con una autorización rigurosa y un proceso de anonimización. Esto es especialmente importante en contextos rurales y de seguridad alimentaria, donde los datos suelen referirse a personas o comunidades fácilmente identificables.
· Participación de las partes interesadas (responsabilidad humana): Las decisiones, los juicios y las recomendaciones deben seguir siendo responsabilidad de los evaluadores y de las instituciones a las que prestan servicio. La IA es un asistente y no el autor oculto de las evaluaciones. La supervisión humana también sigue siendo esencial para identificar posibles sesgos algorítmicos, especialmente cuando los datos de entrenamiento subrepresentan a las zonas rurales, a los grupos vulnerables o a las realidades locales.
El evaluador es el único autor y responsable legal de sus conclusiones. El ejemplo de Deloitte, que se vio obligada a reembolsar parte de sus honorarios al Gobierno australiano debido a «alucinaciones» de la IA, demuestra la importancia de una vigilancia humana constante.
III. Recomendaciones prácticas y próximos pasos
Para una «evaluación aumentada» sostenible, equitativa y rigurosa, se perfilan dos áreas prioritarias:
· Transparencia metodológica: los resultados generados por la IA siempre deben contrastarse con las pruebas sobre el terreno e interpretarse a la luz de las realidades sociales, culturales e institucionales que solo los evaluadores que trabajan directamente con las comunidades pueden comprender plenamente. Es fundamental contrastar, verificar y validar la información generada por la IA para garantizar su fiabilidad y precisión. Debemos comparar siempre sus análisis con las realidades y dinámicas socioculturales de los hogares rurales, que solo pueden entenderse a través de la experiencia humana adquirida sobre el terreno.
· Integración responsable de la IA: Las comunidades de práctica y las asociaciones nacionales de evaluación deberían reforzar las oportunidades de aprendizaje entre pares, intercambio y colaboración. La formación específica debería centrarse en el uso responsable de la IA, en técnicas eficaces de formulación de indicaciones, en la selección de las herramientas adecuadas y en la mitigación de los sesgos algorítmicos para un uso crítico.
La IA no sustituye al evaluador, sino que le dota de las herramientas necesarias para fundamentar las decisiones públicas con rigor, ética y respeto por la voz de las comunidades.
Recursos adicionales
- Vea nuestro seminario web completo en YouTube
- Cekova, D., Corsetti, L., Ferretti, S. y Vaca, S. (2025). Consideraciones y aplicaciones prácticas para el uso de la inteligencia artificial (IA) en las evaluaciones. Nota técnica. Servicio Independiente de Asesoramiento y Evaluación del CGIAR (IAES). Función de Evaluación del IAES, Roma. https://iaes.cgiar.org/evaluation