Planificación y estrategia de IA

🎯 Evaluación Fundamental

⬜️ 1. Identificar 3-5 problemas específicos donde la IA podría crear un impacto medible

Documentar desafíos concretos como «las solicitudes de subvenciones requieren 20 horas cada una» o «perdemos el 30% de los donantes primerizos». Incluir métricas base actuales para poder medir la mejora después de la implementación de IA.

⬜️ 2. Mapear fuentes de datos existentes y su calidad actual

Listar todas las bases de datos, hojas de cálculo y sistemas que contienen información de donantes, métricas de programas y datos operacionales. Anotar cuáles son digitales, cuáles necesitan limpieza y cuáles se conectan entre sí.

⬜️ 3. Calcular el coste real de vuestros procesos manuales más lentos

Identificar vuestras 5 tareas más repetitivas y calcular su coste real (horas de personal × tarifa por hora). Esto ayuda a justificar la inversión en IA y priorizar qué procesos automatizar o mejorar primero.

⬜️ 4. Documentar métricas base para los procesos que queréis mejorar

Registrar el rendimiento actual: correos electrónicos por semana, tasas de respuesta de donantes, tasas de éxito de subvenciones, horas por informe. Sin líneas base, no podéis demostrar el valor de la IA a financiadores o miembros del consejo.

👥 Preparación del Equipo

⬜️ 5. Identificar vuestro campeón de IA y darle autoridad explícita

Elegir a alguien curioso sobre tecnología que tenga al menos el 10% de su tiempo liberado para este rol. Darle poder de toma de decisiones para herramientas bajo 100€/mes y acceso directo al liderazgo.

⬜️ 6. Encuestar al personal para identificar adoptadores entusiastas versus escépticos

Enviar una encuesta anónima preguntando sobre interés en IA, preocupaciones y nivel actual de comodidad tecnológica. Usar los resultados para emparejar entusiastas con escépticos y abordar miedos específicos directamente.

⬜️ 7. Asegurar que todo el mundo entiende la IA

Dar formación a todo vuestro personal cubriendo básicos de IA, mostrando ejemplos reales de ONGs y disipando mitos. Considerar también dar breve formación en IA o guías escritas a otros stakeholders (miembros del consejo, voluntarios, contratistas, etc.)

⬜️ 8. Crear un plan de gestión del cambio con comunicación clara

Desarrollar mensajería que aborde preocupaciones sobre seguridad laboral, enfatice la supervisión humana y destaque cómo la IA hará el trabajo más significativo reduciendo tareas tediosas.

📋 Marco de Políticas

⬜️ 9. Crear una política breve de uso de IA con qué hacer y qué no hacer específicos

Incluir ejemplos concretos: «SÍ usar IA para primeros borradores de cartas de agradecimiento. NO introducir números de tarjeta de crédito de donantes». Hacerla escaneable con puntos, no párrafos densos.

⬜️ 10. Definir qué categorías de datos nunca pueden entrar en sistemas de IA

Crear una «lista roja»: cuentas bancarias, registros médicos, estatus de inmigración, tarjetas de crédito, contraseñas…

⬜️ 11. Establecer reglas claras de atribución para contenido generado por IA

Especificar cuándo divulgar el uso de IA. Por ejemplo: Siempre para contenido publicado, opcional para documentos internos. Crear lenguaje de divulgación estándar como «Asistido por IA, revisado y editado por nuestro equipo.»

⬜️ 12. Actualizar formularios de consentimiento para cubrir el procesamiento de datos con IA

Añadir una cláusula simple: «Podemos usar herramientas de IA para serviros mejor, siempre con supervisión humana.» Revisar con asesoría legal, especialmente si servís poblaciones vulnerables.

⬜️ 13. Establecer un plan de respuesta a incidentes para fallos de IA

Documentar a quién notificar, quién escribe correcciones y lenguaje plantilla para disculpas. Incluir procedimientos tanto para fallos técnicos como preocupaciones éticas.

🚀 Planificación de Implementación

⬜️ 14. Seleccionar 1 o 2 proyectos piloto de bajo riesgo

Identificar vuestros «logros rápidos» para construir momentum. Elegir algo como borradores de redes sociales o resúmenes de reuniones. Evitar empezar con tareas dirigidas a donantes o legalmente sensibles.

⬜️ 15. Involucrar a beneficiarios en el proceso de planificación de IA

Si la IA afectará la entrega de servicios, recoger input de los servidos a través de grupos focales o encuestas. Su perspectiva es crucial para la implementación ética y aceptación.

⬜️ 16. Desarrollar un plan de reversión si el piloto falla

Documentar cómo revertir a procesos anteriores, quién toma esa decisión y cómo comunicarlo. Esto reduce la ansiedad sobre probar nuevos enfoques.

🔧 Preparación Técnica

⬜️ 17. Crear un marco de evaluación de proveedores

Desarrollar criterios incluyendo: calidad de política de privacidad, términos de propiedad de datos, transparencia de precios, descuentos para ONGs y capacidad de exportar datos. Requerir puntuación antes de cualquier compra.

⬜️ 18. Auditar software existente para características ocultas de IA

Comprobar si vuestro CRM, plataforma de correo o herramientas de Microsoft/Google ya incluyen IA. Podríais estar ya pagando por capacidades que no estáis usando.

⬜️ 19. Asegurar que los acuerdos con proveedores protegen vuestros datos

Asegurar que los contratos especifican que sois propietarios de vuestros datos, podéis eliminarlos bajo petición y que los proveedores no los usarán para entrenamiento de modelos sin permiso. Obtener estos términos por escrito.

⬜️ 20. Auditar software existente para características ocultas de IA

Comprobar si vuestro CRM, plataforma de correo o herramientas de Microsoft/Google ya incluyen IA. Podríais estar ya pagando por capacidades que no estáis usando.

⬜️ 21. Auditar software existente para características ocultas de IA

Comprobar si vuestro CRM, plataforma de correo o herramientas de Microsoft/Google ya incluyen IA. Podríais estar ya pagando por capacidades que no estáis usando.

⬜️ 22. Designar quién puede aprobar y comprar herramientas de IA

Crear un proceso de aprobación simple. Por ejemplo: Herramientas bajo 100€/mes necesitan aprobación del campeón, sobre 100€ necesitan aprobación del director. Esto previene tanto parálisis como gasto incontrolado.

🔐 Gestión de Riesgos

⬜️ 23. Identificar los mayores riesgos específicos a vuestra misión y población

Listar preocupaciones únicas: ¿Podrían las respuestas de IA traumatizar clientes vulnerables? ¿Podrían los mensajes automatizados parecer culturalmente insensibles? Abordar estos antes de que se conviertan en problemas.

⬜️ 24. Establecer responsabilidad clara para resultados de IA

Documentar quién es responsable si la IA causa daño: quién hace correcciones, quién se comunica con partes afectadas y quién decide sobre cambios del sistema.

⬜️ 25. Monitorizar el panorama regulatorio de IA en evolución

Asignar a alguien para hacer seguimiento de actualizaciones mensuales sobre regulaciones de IA, especialmente las que afectan a ONGs. Suscribirse a newsletters relevantes de expertos en IA y legales.

📊 Medición y Aprendizaje

⬜️ 26. Definir KPIs específicos para vuestras iniciativas de IA

Establecer objetivos medibles: «Reducir tiempo de escritura de subvenciones en 30%» o «Aumentar retención de donantes en 15%». Hacer seguimiento tanto de métricas de eficiencia como indicadores de calidad mensualmente.

⬜️ 27. Recoger feedback de todos los grupos de stakeholders

Encuestar al personal mensualmente, donantes trimestralmente y beneficiarios después de cualquier interacción asistida por IA. Incluir tanto calificaciones cuantitativas como feedback abierto.

⬜️ 28. Crear un proceso para compartir éxitos de IA entre departamentos

Programar sesiones mensuales o trimestrales de «muestra y cuenta de IA» donde los equipos demuestren sus logros. Grabar estas para personal ausente. Los ejemplos de compañeros son más convincentes que mandatos de arriba hacia abajo.

⬜️ 29. Planificar actualizaciones regulares del consejo sobre progreso de IA

Programar informes trimestrales incluyendo métricas, lecciones aprendidas y recomendaciones estratégicas. Incluir tanto éxitos como desafíos para credibilidad.

⚡ Optimizaciones Avanzadas (Opcionales)

⬜️ 30. Realizar auditorías independientes de IA

Una vez que la IA esté integrada en procesos críticos, contratar expertos externos para auditar sesgo, seguridad y efectividad.

⬜️ 31. Evaluar el impacto ambiental de vuestro uso de IA

Calcular la huella de carbono de la computación en la nube y procesamiento de IA. Considerar comprar compensaciones de carbono o elegir proveedores de hosting verde para alinear con valores de sostenibilidad.

⬜️ 32. Desarrollar modelos de IA personalizados para necesidades organizacionales únicas

Después de dominar herramientas estándar, considerar afinar modelos en vuestro contenido.