Rhode, gracias por esto. La cuestión de la complementariedad entre los métodos de prospectiva y el análisis predictivo es importante y no siempre se plantea de forma explícita. A veces se da por sentado implícitamente que la prospectiva es principalmente cualitativa y está orientada al futuro, mientras que la modelización predictiva es el ámbito de los datos más concretos; sin embargo, en la práctica, una evaluación sólida se beneficia de ambos, y la lógica de combinarlos es acertada. La prospectiva nos ayuda a explorar el espacio de la incertidumbre, mientras que los métodos predictivos nos ayudan a cuantificar las trayectorias probables cuando los datos lo permiten.
Tu observación sobre la fragmentación de los datos es muy acertada y, en mi opinión, constituye en sí misma un problema sistémico que la evaluación debe ayudar a abordar. Si las evaluaciones produjeran sistemáticamente datos estructurados y accesibles como algo habitual, en lugar de informes aislados a nivel de proyecto, se irían acumulando gradualmente los conjuntos de datos longitudinales que respaldarían el tipo de modelización que describes. La apropiación nacional, como sugieres, es una vía. Pero las prácticas de encargo de evaluaciones dentro de las organizaciones internacionales también podrían cambiar de manera que respalden esto. Parece una reforma institucional concreta que merece la pena explorar más a fondo en el debate. También considero que merece la pena seguir de cerca la dimensión de la IA y el aprendizaje automático. La capacidad de aprendizaje entre proyectos a gran escala es realmente nueva, y sus implicaciones para el diseño de la evaluación aún se están analizando.
RE: From Hindsight to Foresight: How Evaluation Can Become Future-Informed
Kenya
Steven Lynn Lichty
Managing Partner
REAL Consulting Group
Publicado el 27/03/2026
Rhode, gracias por esto. La cuestión de la complementariedad entre los métodos de prospectiva y el análisis predictivo es importante y no siempre se plantea de forma explícita. A veces se da por sentado implícitamente que la prospectiva es principalmente cualitativa y está orientada al futuro, mientras que la modelización predictiva es el ámbito de los datos más concretos; sin embargo, en la práctica, una evaluación sólida se beneficia de ambos, y la lógica de combinarlos es acertada. La prospectiva nos ayuda a explorar el espacio de la incertidumbre, mientras que los métodos predictivos nos ayudan a cuantificar las trayectorias probables cuando los datos lo permiten.
Tu observación sobre la fragmentación de los datos es muy acertada y, en mi opinión, constituye en sí misma un problema sistémico que la evaluación debe ayudar a abordar. Si las evaluaciones produjeran sistemáticamente datos estructurados y accesibles como algo habitual, en lugar de informes aislados a nivel de proyecto, se irían acumulando gradualmente los conjuntos de datos longitudinales que respaldarían el tipo de modelización que describes. La apropiación nacional, como sugieres, es una vía. Pero las prácticas de encargo de evaluaciones dentro de las organizaciones internacionales también podrían cambiar de manera que respalden esto. Parece una reforma institucional concreta que merece la pena explorar más a fondo en el debate. También considero que merece la pena seguir de cerca la dimensión de la IA y el aprendizaje automático. La capacidad de aprendizaje entre proyectos a gran escala es realmente nueva, y sus implicaciones para el diseño de la evaluación aún se están analizando.