Agentes de IA para ONG

Hoy en día, la mayor parte del uso de IA en las ONG es conversacional: le pides un borrador a un asistente, este te responde y tú copias el resultado en tu trabajo real. Eso funciona, pero ya no es todo el panorama. Los agentes de IA ahora pueden encargarse de una tarea de varios pasos, o de todo un pequeño proyecto, desde tu objetivo hasta un resultado terminado, consultándote por el camino.

El contexto del sector hace que merezca la pena prestarle atención. El informe 2026 Nonprofit AI Adoption Report (346 organizaciones encuestadas) encontró que el 92 % de las ONG usan IA de alguna forma, pero solo el 7 % dice que realmente ha ampliado lo que su equipo puede lograr. La diferencia entre esos dos grupos rara vez son las herramientas: es pasar de prompts puntuales a flujos de trabajo repetibles y delegados. Ese es exactamente el hueco que los agentes están diseñados para cerrar.

Esta guía cubre qué son los agentes, las principales plataformas (se parecen más entre sí de lo que sugiere su publicidad), qué pueden hacer realmente hoy por una ONG, cómo ejecutar una primera tarea segura y las salvaguardas que evitan que un agente se convierta en un riesgo nuevo.

Qué es un agente de IA (los niveles de autonomía)

La forma más sencilla de situar a los agentes es como el cuarto escalón de una escalera que probablemente ya estás subiendo:

• Un asistente de chat (por ejemplo, ChatGPT, Claude, Gemini) responde a una petición cada vez. Tú haces los pasos; él te ayuda con cada uno.
• Un asistente personalizado (un GPT personalizado, un Gem o un Proyecto de Claude) es lo mismo pero precargado con tu contexto y tus reglas, así que cada respuesta parte ya alineada con tu marca.
• Una automatización (por ejemplo, creada con Zapier, Make o n8n) ejecuta pasos fijos cuando se activa un disparador. Es fiable, pero solo hace exactamente lo que has configurado.
• Un agente trabaja para alcanzar un objetivo que tú defines. Decide sus propios pasos, usa herramientas (tus archivos, un navegador, aplicaciones conectadas), sigue trabajando hasta que la tarea está hecha o necesita tu ayuda, y pide tu aprobación para las acciones importantes. La guía de Anthropic building effective agents es una explicación técnica clara de la diferencia, incluyendo cuándo un agente no es la herramienta adecuada.

La diferencia práctica es esta: una automatización repite un flujo de trabajo que tú diseñaste; un agente descubre un flujo de trabajo para un objetivo que tú describiste. Ambos son útiles, para trabajos distintos.

Si alguna vez has usado un modo de investigación profunda (en ChatGPT, Gemini, Perplexity o la mayoría de los demás asistentes principales), ya has usado un agente con un tipo de objetivo fijo: planifica búsquedas, lee fuentes y elabora un informe por su cuenta durante varios minutos.

Las principales plataformas de agentes

Todos los grandes proveedores de IA lanzan ya sus propios agentes, y están convergiendo hacia la misma idea central. Es útil organizarlos en dos familias.

Agentes para el trabajo de conocimiento cotidiano, diseñados para documentos, investigación, hojas de cálculo, archivos y aplicaciones conectadas. Entre las opciones más visibles ahora mismo están:

• Claude Cowork (Anthropic): lee y escribe archivos reales, ejecuta tareas largas de varios pasos y tareas programadas, y pide tu aprobación para las acciones sensibles. Incluido en los planes de pago de Claude; consulta la guía de introducción.
• ChatGPT Work (OpenAI): se ejecuta en la nube, reúne contexto de tus herramientas conectadas, produce documentos, hojas de cálculo y presentaciones terminados, admite tareas programadas y puede seguir con un proyecto durante horas. Se está implantando en los planes de pago de ChatGPT; se basa en el anterior modo agente de ChatGPT.
• Agentes de navegador manejan sitios web por ti: rellenan formularios, extraen datos de páginas sin botón de exportar, hacen gestiones web. La mayoría de los grandes proveedores ofrecen uno (por ejemplo, Claude for Chrome, o el navegador integrado y la extensión de Chrome de ChatGPT Work).

Agentes de codificación, pensados en un principio para trabajo de software pero usados cada vez más para mucho más (siguiente apartado). Entre las opciones más usadas ahora mismo están:

• Claude Code (Anthropic)
• OpenAI Codex (OpenAI)
• Google Antigravity (Google): una plataforma de agentes en vista previa pública gratuita para particulares en el momento de escribir esto, destacable porque te deja elegir entre modelos de varios proveedores.
• OpenCode: un agente de codificación de código abierto muy usado que también funciona con modelos de distintos proveedores.

Estos son los principales ejemplos en el momento de escribir esto, no el panorama completo: existen muchos otros agentes en ambas familias, y se lanzan otros nuevos constantemente.

Dos categorías más que conviene conocer:

• Agentes que llegan dentro de herramientas que ya pagas. Los CRM, las plataformas de correo y las suites de productividad (incluidos Microsoft 365 Copilot y Google Workspace con Gemini) están añadiendo funciones de agentes y tareas programadas bajo su propio nombre, y el ritmo es rápido. Antes de añadir una suscripción nueva, comprueba qué ha ganado recientemente el conjunto de herramientas que ya usas.
• Agentes personales de código abierto (por ejemplo, OpenClaw) se ejecutan en tus propios dispositivos, pensados para equipos con confianza técnica que quieren control total. Trátalos como una vía avanzada, no como un punto de partida.

*️⃣ Nota

Las herramientas mencionadas aquí son ejemplos para que los evalúes según tus propias necesidades y presupuesto, no recomendaciones. Este es uno de los rincones de la IA que más rápido cambia: los proveedores que hoy van por detrás lanzarán pronto agentes potentes, las funciones se mueven entre productos y la mejor opción para tu equipo puede cambiar en cuestión de meses. Compara las opciones actuales con tus tareas reales antes de comprometerte, y vuelve a revisarlas cada trimestre.

Los agentes de codificación no son solo para programadores

La etiqueta de «codificación» no le hace justicia a lo que hacen estos agentes. Por debajo, un agente de codificación y un agente de trabajo de conocimiento suelen ser el mismo sistema central con un «arnés» distinto: diferentes permisos por defecto, herramientas e instrucciones. Cowork, de Anthropic, funciona sobre la misma arquitectura de agentes que Claude Code, y OpenAI informa de que las personas sin perfil de desarrollador (analistas, personas de marketing, operaciones, investigación) son alrededor del 20 % de los usuarios de Codex y su grupo de más rápido crecimiento.

Para una ONG sin personal de desarrollo, un agente de codificación puede seguir siendo la herramienta adecuada cuando la tarea roza lo técnico:

• Cambios en la web: arreglar una página rota, actualizar un texto en muchas páginas o crear una nueva landing page para una campaña.
• Archivos y datos en volumen: limpiar una exportación desordenada de una hoja de cálculo, fusionar listas de donantes, renombrar y reorganizar cientos de archivos, convertir formatos.
• Documentos y materiales de forma programática: generar un lote de certificados, cartas personalizadas o variantes de una imagen a partir de una lista, en lugar de uno a uno.
• Resolución de problemas: diagnosticar por qué un formulario, un contenido incrustado o una integración ha dejado de funcionar, con el agente leyendo el error real en lugar de que tú se lo describas.
• Revisiones de seguridad y calidad: analizar tu web o un fragmento de código de un proveedor en busca de problemas evidentes antes de publicarlo.

Los agentes de codificación también pueden responder preguntas normales y hacer investigación web; no se limitan al código. La regla práctica: empieza con un agente de trabajo de conocimiento para el trabajo de documentos e investigación, y recurre a un agente de codificación cuando la tarea toque una web, un archivo de datos o cualquier cosa que normalmente gestionaría una persona desarrolladora. Espera que los agentes de codificación asuman más soltura técnica en cómo se comunican.

Qué puede hacer hoy un agente por una ONG

Los agentes todavía cometen errores, así que cada uso de la lista de abajo asume que una persona revisa el resultado. Con esa regla siempre presente, los usos realistas actuales incluyen:

Comunicación y marketing:

• Convertir la grabación de un webinar y sus diapositivas en una entrada de blog, una lista de clips y un pack de redes sociales, en una sola tarea delegada.
• Extraer de una carpeta con vuestros mejores boletines y llamamientos pasados una guía escrita de voz y estilo.
• Vigilar vuestras menciones y las noticias del sector para un resumen de los lunes por la mañana, de forma programada.
• Auditar vuestra web en busca de enlaces rotos, páginas desactualizadas y texto alternativo ausente.

Captación de fondos y subvenciones:

• Investigar los financiadores con más probabilidad de apoyar un programa y entregar un informe documentado sobre cada uno.
• Montar un primer borrador de solicitud de subvención a partir de vuestros textos habituales, presupuesto y documentos de programa ya existentes.
• Seguir los plazos de los financiadores y los cambios de requisitos en un calendario en vivo con alertas.

Operaciones y finanzas:

• Conciliar y limpiar exportaciones de hojas de cálculo, señalando anomalías para que una persona las revise.
• Resumir una pila de contratos con proveedores en una tabla comparativa con fechas de renovación.
• Redactar secciones del dosier del patronato (resumen financiero, panel de programas) a partir de vuestros archivos fuente, con periodicidad mensual.

Programas y personas:

• Sintetizar una carpeta de notas de sesión o exportaciones de encuestas en temas, citas y un borrador de informe (elimina antes los datos identificativos).
• Recopilar evidencia y buenas prácticas para una pregunta de diseño de programa en un memorando documentado.
• Redactar materiales de incorporación de voluntariado a partir de vuestras políticas existentes y una descripción del puesto.

Entre equipos:

• Organizar una unidad compartida caótica: nombres coherentes, carpetas, un índice.
• Preparar resúmenes de reunión a partir del orden del día y los documentos relevantes, antes de cada reunión recurrente.
• Construir herramientas internas sencillas (una página de consulta, un formulario, un seguimiento) que nunca encargaríais a una persona desarrolladora.

Esta lista es una muestra, no un techo: hay muchos más usos documentados de los que caben aquí. Para listas de ideas mucho más grandes, consulta la biblioteca de casos de uso reales de IA de Google Cloud (una colección que se amplía con regularidad, con más de 1300 ejemplos en el momento de escribir esto, organizada por sector, con un grupo específico de sector público y ONG, y por seis tipos de agente), la colección de historias de clientes con IA de Microsoft (más de 1000 ejemplos, muchos de ellos con agentes), y nuestra propia base de datos de casos de uso de IA para ONG (más de 50 casos de uso con más de 300 ejemplos; no es específica de agentes, pero la mayoría de las entradas de varios pasos se pueden delegar en un agente). Las dos listas de proveedores están sesgadas hacia organizaciones grandes, pero la mayoría de los patrones se trasladan directamente a un equipo pequeño.

Cómo ejecutar tu primera tarea con un agente

1. Elige una tarea que tenga varios pasos, no sea sensible y sea fácil de comprobar. Un informe de investigación documentado, una síntesis de vuestro propio material publicado o una limpieza de carpetas encajan bien. Nada que implique datos personales o cuentas en producción.
2. Dale el brief como si fuera un voluntario nuevo pero competente: el objetivo, el contexto, el formato que quieres recibir y qué debe preguntarte en lugar de adivinar.
3. Limita su acceso: una sola carpeta y las herramientas concretas que necesita la tarea. Mantén la aprobación obligatoria para cualquier cosa que envíe, publique o borre.
4. Déjalo trabajar y luego revisa el resultado como el primer entregable de una persona contratada externa. Comprueba los datos, las fuentes y cualquier cosa que haya decidido por su cuenta.
5. Mejora el brief y vuelve a ejecutarlo. Los agentes premian un buen brief todavía más que los asistentes de chat.
6. Si se gana una repetición, conviértelo en algo estable: guarda el brief, prográmalo si se repite, y registra el uso donde sea que llevéis el seguimiento de vuestro trabajo con IA, con una persona responsable y una fecha de revisión.

✅ Ejemplo

Un primer brief que puedes copiar (adapta los detalles concretos):

Tienes acceso de lectura a la carpeta "informes-patronato" (nuestros
últimos 8 informes al patronato publicados; nada sensible).

OBJETIVO: un resumen de 2 páginas de "estado de nuestros programas" que
un nuevo miembro del patronato pueda leer en 10 minutos.
1. Lee todo lo que hay en la carpeta.
2. Identifica qué ha cambiado con el tiempo: programas, alcance, mezcla
de financiación.
3. Redacta el resumen con cada dato remitido a su informe de origen.
4. Enumera cualquier cosa poco clara o contradictoria como preguntas
abiertas para mí.
Pregúntame antes de leer nada fuera de esa carpeta. Muéstrame un esquema
antes de escribir el borrador completo.

Amplía un agente con skills, plugins y conectores

Recién instalado, un agente es un generalista. Tres tipos de complementos lo convierten en un especialista:

• Skills: paquetes de instrucciones reutilizables que enseñan a un agente un trabajo concreto.
• Conectores: enlaces que permiten al agente acceder a tus otras herramientas y datos, cada vez más construidos sobre MCP, un estándar abierto que ya admiten la mayoría de las grandes plataformas de IA.
• Plugins: paquetes de skills y conectores que se instalan con un clic. La mayoría de las grandes plataformas de agentes ya tienen su propio sistema y directorio de plugins.

Nuestra guía complementaria, Skills y plugins de agentes, explica los tres a fondo, incluyendo cómo funciona MCP, cómo se compara con las alternativas, dónde encontrar complementos verificados para cada plataforma y cómo instalarlos de forma segura.

Las salvaguardas (léelas antes de tu primera tarea real)

⚠️ Advertencia

Un agente es más capaz que un chatbot precisamente porque puede actuar: abrir archivos, navegar y usar tus herramientas conectadas. Eso también implica riesgos nuevos. Los dos que conviene conocer por su nombre: la inyección de prompts (una página web o un documento malicioso contiene instrucciones ocultas que el agente podría seguir) y los complementos sin verificar (una skill o un plugin escrito por un desconocido son instrucciones que tú eliges ejecutar). Ninguno de los dos es motivo para evitar los agentes; ambos son motivo para seguir las reglas de abajo.

Cinco reglas cubren la mayor parte del riesgo:

1. Dale al agente solo lo que necesita. Apúntalo a una carpeta y a las herramientas concretas de la tarea, nunca a toda tu unidad por defecto.
2. Aprueba cualquier cosa que envíe, publique, pague o borre. Mantén al agente en modo «preguntar primero» para las acciones que salen al exterior y las destructivas.
3. Empieza en modo solo lectura. Durante las primeras semanas, usa el agente para investigar, resumir y redactar, no para actuar sobre sistemas en producción.
4. Instala skills y plugins solo de fuentes verificadas, y lee antes qué hacen. Consulta Skills y plugins de agentes para saber cómo.
5. Mantén activo el registro de actividad y échale un vistazo. La mayoría de los productos de agentes registran cada acción; ese registro es tu rastro de auditoría y tu sistema de alerta temprana.

Vuestras reglas existentes se siguen aplicando por encima de esto: la misma regla de datos (nada de datos personales de donantes o personas beneficiarias en herramientas sin los términos adecuados) y revisión humana antes de publicar cualquier cosa. Trata cualquier prueba piloto que dé a un agente acceso a cuentas reales, archivos o un navegador como algo de mayor riesgo por defecto, y ejecútala en paralelo a vuestro proceso actual antes de sustituirlo. Nuestra base de datos de riesgos de IA para ONG y nuestra lista de comprobación para nuevas pruebas piloto de IA se aplican a los agentes sin cambios.

Si la dirección o el patronato pregunta por la supervisión, estas cinco preguntas (adaptadas de una buena explicación centrada en la gobernanza para líderes de ONG) son las que conviene tener respondidas:

• ¿Quién define los objetivos y los límites dentro de los que opera cada agente?
• ¿Qué acciones requieren aprobación humana, y cuáles se ejecutan automáticamente?
• ¿Cómo se registran y revisan las acciones del agente, y quién lo hace?
• ¿A qué datos puede acceder cada agente, y cómo se mantiene fuera la información sensible?
• ¿Quién vigila los errores y los sesgos, y quién puede apagar un agente?

Qué cuesta

Los precios cambian demasiado rápido para citarlos, pero el patrón es lo bastante estable para planificar en torno a él:

• Incluido en los planes de pago de los asistentes: los principales agentes de trabajo de conocimiento vienen incluidos en los niveles de pago de los asistentes que muchos equipos ya tienen, así que probar uno a menudo no cuesta nada extra.
• Existen descuentos para ONG: consulta Claude for Nonprofits, OpenAI for Nonprofits, y los programas para ONG de Google y Microsoft antes de pagar el precio completo.
• Vistas previas gratuitas y código abierto: algunas plataformas de agentes ofrecen vistas previas gratuitas (por ejemplo, Google Antigravity para particulares en el momento de escribir esto), y los agentes de código abierto no cuestan nada más allá del uso del modelo de IA que consumen.
• El coste real es el tiempo de revisión. Presupuesta tiempo de personal para revisar el resultado del agente, sobre todo al principio. Un agente que ahorra tres horas pero necesita dos horas de correcciones apenas merece la pena; mide los dos lados antes de escalarlo.

Recursos útiles

• Claude Cowork: primeros pasos: configuración, permisos y tareas programadas; la guía del producto añade siete ejemplos de flujos de trabajo resueltos.
• ChatGPT Work: el agente de OpenAI para el trabajo cotidiano, con herramientas conectadas y tareas programadas.
• Google Antigravity y OpenCode: una plataforma de agentes en vista previa gratuita y un agente de código abierto muy usado, ambos con la posibilidad de elegir entre modelos de IA de varios proveedores.
• Skills y plugins de agentes: nuestra guía complementaria para ampliar un agente de forma segura, sea cual sea la plataforma que uses.
• Google Cloud: casos de uso reales de IA: la mayor lista de ideas bien curada que conocemos (más de 1300 ejemplos en el momento de escribir esto), navegable por sector y tipo de agente; echa primero un vistazo al grupo de sector público y ONG.
• IA agéntica para ONG: una explicación práctica para líderes: la lectura centrada en la gobernanza para tu dirección o tu patronato.
• Anthropic: building effective agents: una explicación clara de qué son los agentes y cuándo no usar uno.

📋 Resumen

• Un agente de IA trabaja para alcanzar un objetivo que tú defines, decidiendo sus propios pasos entre herramientas, mientras que una automatización solo repite pasos que tú configuraste de antemano.
• Si alguna vez has usado un modo de investigación profunda, ya has usado un agente con un tipo de objetivo fijo.
• Todos los grandes proveedores de IA lanzan ya sus propios agentes, en dos familias: agentes de trabajo de conocimiento (por ejemplo, Claude Cowork, ChatGPT Work) y agentes de codificación (por ejemplo, Claude Code, OpenAI Codex, Google Antigravity, OpenCode, entre muchos otros), y el panorama cambia lo bastante rápido como para que ningún proveedor o lista corta sea una opción segura por defecto.
• Los agentes de codificación también son útiles para quien no programa: arreglos de la web, trabajo masivo con archivos y datos, generación de documentos por lotes y resolución de problemas son todo tareas para un agente, sin necesidad de programación.
• Las mejores primeras tareas para un agente tienen varios pasos, no son sensibles y son fáciles de comprobar: informes de investigación, síntesis de vuestro propio material, organización de archivos.
• El poder de un agente viene de que puede actuar, así que limita lo que puede tocar, aprueba las acciones que salen al exterior y empieza en modo solo lectura.
• La inyección de prompts y los complementos sin verificar son los dos riesgos específicos de los agentes que conviene conocer por su nombre; los permisos, las fuentes verificadas y los registros de actividad son las contramedidas.
• Revisa el trabajo de un agente como el primer entregable de una persona contratada externa, y luego mejora el brief: los agentes premian un buen brief todavía más que los chatbots.
• Probar un agente a menudo no cuesta nada extra (vienen incluidos en los planes de pago de los asistentes), pero presupuesta tiempo real de personal para revisar el resultado antes de escalar nada.
• Las funciones de agentes están llegando dentro de herramientas que ya pagas, así que comprueba tu conjunto de herramientas actual antes de comprar algo nuevo.