Guía para directores · Edición 2026
Ocho marcos de referencia para directores de fundaciones, agencias públicas y organizaciones de cooperación que quieren tomar decisiones basadas en evidencia.
Imagina dos directores de fundación en la misma reunión de junta. Los dos llevan cinco años en el sector. Los dos tienen equipos comprometidos, programas en operación y donantes que los conocen.
El primero llega con una presentación de actividades: número de talleres realizados, personas capacitadas, fotografías de campo. Cuando la junta pregunta si el programa está funcionando, responde con testimonios. Cuando preguntan cuánto cuesta, señala el presupuesto ejecutado. Cuando preguntan por qué este problema y no otro, describe la misión de la fundación.
El segundo llega con algo distinto. Sabe cuánto le cuesta producir una unidad de cambio real en su población. Tiene un referente global con el que se compara. Puede decir, con evidencia, por qué su intervención produce más impacto por dólar que las alternativas disponibles. Cuando la junta le pregunta si el programa está funcionando, primero define cuál es la pregunta correcta dado el momento de madurez del programa, y luego la responde con evidencia.
Uno de los dos está en modo emergencia permanente: siempre levantando recursos, siempre justificando su existencia ante donantes que pueden irse en cualquier momento. El otro atrae financiadores que le dan plata multianual porque saben exactamente qué están comprando.
La diferencia entre los dos no es de talento ni de compromiso. Es de marco de referencia.
La retirada de USAID y la crisis de financiación que sacudió al sector en los últimos años podría haber sido el momento para construir ese marco. Para la mayoría de fundaciones, no lo fue. La conversación giró hacia el fundraising alternativo, no hacia la pregunta de fondo: ¿lo que producimos justifica cualquier financiación?
Esta guía es para los directores que quieren hacerse esa pregunta.
La retirada de USAID y de la ayuda para el desarrollo proveniente de los países del norte activó una reflexión sobre la sostenibilidad de las fundaciones, las agencias de cooperación con presencia en América Latina y algunas agencias del Estado. Esa conversación, sin embargo, no llegó a la pregunta que más importaba. En lugar de examinar la calidad de los productos que se financian, es decir, su impacto real y su eficiencia, el debate se orientó casi por completo hacia estrategias de fundraising.
Creemos que aún no hemos perdido la oportunidad de que esta crisis de financiación se convierta en una transformación real: una que instale la conversación sobre cómo optimizar, cómo volverse competitivo en el mercado internacional de la filantropía, y cómo maximizar el impacto por dólar invertido.
Identificamos al menos siete modelos de financiación en el sector social. Seguro hay más. Cada uno tiene su lógica, sus ventajas y sus incentivos. Desde la perspectiva de la filantropía científica, algunos favorecen la optimización del impacto y otros generan incentivos perversos que alejan a la organización de las rutinas de optimización que acá defendemos.
En este modelo las organizaciones compiten por financiación demostrando resultados de impacto. Las organizaciones más exitosas en el mercado internacional de la filantropía no contratan consultorías para hacer fundraising. Contratan científicos sociales. Tienen especialistas obsesionados con perfeccionar la teoría de cambio y reducir el costo de la implementación. Igual que los mejores empresarios, tratan el costo por unidad de resultado como una variable que siempre se puede bajar, porque bajarla significa llegar a más personas con el mismo presupuesto. Estas organizaciones compiten con indicadores estandarizados: DALYs evitados por dólar invertido, ingresos anuales generados por dólar transferido, años adicionales de escolaridad por dólar gastado. Eligen sus métricas porque permiten la comparabilidad, y porque un donante riguroso puede ver exactamente cómo se desempeñan frente a otras organizaciones que trabajan el mismo problema. Demostrar impacto con ese nivel de rigor es, a la vez, una práctica técnica y una estrategia competitiva. Las organizaciones que surjan en América Latina con ese estándar se van a ganar los fondos y las grants multianuales más exigentes y generosas del mercado en los próximos años.
En este modelo las organizaciones buscan crear conexiones emocionales profundas, generalmente con individuos, para activar la donación. La lógica es conocida en la economía del comportamiento: mostrar la historia de un niño específico, con su cara y su nombre, moviliza más recursos que describir un problema general con estadísticas de millones de afectados. Las cifras abstraen. La cara concreta convoca. El modelo no tiene ningún incentivo estructural para optimizar el impacto. Su incentivo es detectar problemas que generen respuesta emocional intensa, con independencia de cuántas personas afecten o de cuánto cueste resolverlos. Los comerciales de UNICEF mostrando niños en Gaza en situación de máxima vulnerabilidad, distribuidos masivamente para captar donantes individuales, son el ejemplo más visible de esta lógica llevada a escala industrial. En este modelo, la pregunta sobre impacto real rara vez tiene respuesta. El modelo tiene además un problema estructural de lealtad. Los donantes captados por apelación emocional son inestables: en cuanto exploran la lógica del programa, la estructura de costos de la organización o el retorno real de su donación, se van. Para compensar esa deserción permanente, las campañas tienen que ser masivas y continuas. El resultado es un overhead especialmente alto, donde una proporción significativa del presupuesto se destina a captar donantes nuevos que reemplacen a los que se perdieron, en lugar de financiar la intervención.
En este modelo, las fundaciones se transforman en agencias de publicidad que venden activaciones a la empresa privada. La transición suele ocurrir en círculos cerrados de filantropía local, donde empresas y fundaciones están conectadas por redes familiares o de conocidos. La empresa necesita visibilidad de responsabilidad social. La fundación necesita ingresos. El acuerdo parece razonable para ambas partes. El resultado práctico es activaciones puntuales: una intervención en el metro, una campaña en espacio público, un evento con marca corporativa, una valla que promueve algún valor prosocial. Después, eso se reporta como impacto. Las métricas son impresiones, personas alcanzadas, likes. Nadie pregunta qué cambió en la vida de alguien. Este esquema tiene varias fragilidades estructurales. Las activaciones son poco recurrentes: las empresas las contratan una vez, ocasionalmente dos, y rara vez construyen una relación de largo plazo. Los ingresos son impredecibles y dependientes de ciclos de marketing corporativo que no tienen ninguna relación con los ciclos del problema social que la fundación dice atender. Y con el tiempo, el perfil de la organización migra: deja de ser una fundación que piensa rigurosamente un problema y diseña soluciones para resolverlo, y se convierte en un proveedor de contenido con propósito para empresas que necesitan aparecer bien en redes sociales.
En este modelo, las fundaciones o agencias internacionales operan como subcontratistas del Estado. Gracias a procesos de contratación más ágiles y estructuras de ejecución más flexibles, el Estado a nivel nacional o subnacional delega en estas organizaciones funciones que no puede o no quiere ejecutar directamente. El ejemplo más citado en Colombia es la relación entre el DNP y el PNUD: contrataciones estructuradas precisamente para saltarse las anualidades presupuestales que restringen la ejecución del gasto público. El costo administrativo es alto. El PNUD opera con gastos de representación y tarifas de consultoría considerables, sin que eso se traduzca necesariamente en mayor capacidad instalada en el Estado ni en valor agregado verificable. Este fenómeno tiene nombre: la infantilización del Estado. Refiere a la incapacidad autoimpuesta de las instituciones públicas para proveer servicios básicos de análisis, diseño y evaluación de programas, funciones que terminan siendo permanentemente externalizadas a organizaciones internacionales. Este modelo merece una aclaración. En la práctica, todas las fundaciones reemplazan al Estado en alguna medida: generalmente en sus funciones más básicas de garantizar protección social. Pero hay una diferencia importante entre reemplazarlo en funciones de gestión de conocimiento y asesoría abstracta, y reemplazarlo con soluciones reales que cambian vidas. Evidence Action es el ejemplo que ilustra esa diferencia. Reemplaza al Estado en su función de diseñar, coordinar y monitorear las estrategias de desparasitación masiva. Lo hace en espacios donde el Estado nacional y subnacional no termina de posicionarse, donde existe un vacío real. Y lo hace de una manera tan eficiente y tan competitiva que la mejor alternativa disponible como sociedad es seguir permitiendo que ellos lo hagan. Eso no se puede decir de los servicios de intermediación que prestan ciertas organizaciones internacionales, que ocupan ese espacio sin producir el mismo nivel de impacto por recurso invertido. El modelo puede tener buenos incentivos para la organización que lo ejecuta. Como sociedad, sin embargo, es un modelo que no quisiéramos promover.
En este modelo las organizaciones sobreviven gracias al endowment inicial que algunos empresarios tuvieron la visión de constituir, y cuya rentabilidad permite el sostenimiento de la fundación. Entre empresarios y filántropos visionarios siempre ha existido una idea relacionada con garantizar la sostenibilidad de una fundación a través de un endowment: un patrimonio cuya rentabilidad financia la operación de manera indefinida. Gracias a esa idea existen algunas de las fundaciones más influyentes del mundo, entre ellas en Colombia la Fundación Luker, y a nivel global el Wellcome Trust, con sede en Londres y un patrimonio superior a USD $30.000 millones cuya rentabilidad financia más de USD $900 millones anuales en investigación en salud. La ventaja principal es la libertad que le da al director. Cuando los recursos están garantizados por la rentabilidad del patrimonio, el director puede concentrarse en el impacto en lugar de dedicar una parte sustancial de su energía a la sostenibilidad financiera. Puede planear a largo plazo, construir equipos sólidos y asumir riesgos que organizaciones dependientes de proyectos nunca podrán asumir. El modelo tiene una trampa sutil. Al no depender de recursos externos, la urgencia por demostrar impacto se puede diluir. La presión competitiva que obliga a otras organizaciones a medir, optimizar y mejorar su teoría de cambio sencillamente no existe. Las fundaciones con endowment que han logrado un impacto excepcional son las que se imponen esa exigencia desde adentro, no las que la reciben desde afuera. El modelo además es más replicable de lo que parece. Con una dotación inicial de diez millones de dólares que genere una rentabilidad del 11% efectivo anual, una fundación tendría garantizados USD $1.100.000 anuales, equivalentes a unos $91.666 dólares mensuales (aproximadamente $380 millones de pesos colombianos). Eso permitiría tener al menos 210 beneficiarios de un programa de transferencias no condicionadas al año, aportándoles un salario mínimo legal vigente al mes.
En este modelo, la organización se financia en parte gracias a las contribuciones de antiguos beneficiarios que quieren que otras personas como ellos accedan al mismo programa. Es una lógica basada en la lealtad y el agradecimiento, y su ejemplo más desarrollado está en las universidades estadounidenses: Princeton tiene una tasa de donación de alumni superior al 50%. En Colombia, la Universidad de los Andes y la Universidad Icesi tienen programas que replican esa lógica a menor escala. El modelo podría replicarse en organizaciones de alto impacto que demuestren transformaciones reales en la vida de las personas. Los programas de transferencias no condicionadas que acompañan la transición a la clase media, o programas como el de la Fundación Juanfe, cuya apuesta es que madres adolescentes en situación de vulnerabilidad logren una transformación sostenida en su trayectoria de vida, tienen las condiciones para activar este mecanismo. Si los beneficiarios de hace diez años hoy tienen capacidad de contribuir, y si la organización puede demostrar que ese cambio tiene su origen en el programa, la base para una campaña de alumni existe. La limitación es real pero no definitiva. Este modelo nunca financia una porción importante del presupuesto. Su valor está en otra parte: es una fuente recurrente, predecible y de bajo costo de adquisición, porque está construida sobre vínculos que ya existen.
En este modelo, la fundación crea una fuente de ingresos propia para financiar su operación, generalmente a través de un negocio o empresa social vinculada a su misión. La tentación es comprensible: la independencia financiera parece más cercana si la fundación puede monetizar su conocimiento o sus activos. En la práctica, la transición de resolver problemas sociales difíciles a operar un negocio rentable rara vez es tan directa como parece. Muchos equipos de fundaciones y agencias internacionales han perdido años intentando diseñar productos y servicios para vender al sector privado, sin el entrenamiento ni la experiencia para identificar un modelo de negocio viable. El resultado habitual es un fracaso costoso, en tiempo y en foco institucional. El modelo funciona cuando viene de un grupo económico con décadas de experiencia en el sector privado y un compromiso genuino con la transformación social. El caso de la Fundación Éxito es el ejemplo más citado en Colombia: el Grupo Éxito creó una empresa dedicada a reciclar y comercializar todo el material desechable de su operación, y destinó esos ingresos íntegramente a la Fundación. En 2021, esa decisión generó más de $12.000 millones de pesos, complementados con aportes directos del Grupo. No fue una ocurrencia filantrópica. Fue el resultado de un grupo empresarial que sabía cómo cerrar un negocio exitoso y decidió ponerlo al servicio de una causa. Para las fundaciones que no tienen ese respaldo, el modelo tiene poco que ofrecer. Su dificultad de replicación es estructural. Pero cuando se da, produce algo cercano a un endowment operativo: una fuente de ingresos estable, creciente, y desligada de convocatorias externas.
La mayoría de las organizaciones sociales saben qué hacen. Pocas saben con precisión por qué lo hacen de esa manera, qué tendrían que ver en el mundo para saber que están ganando, o cuál es el referente global que les indica que están en la ruta correcta. Esa diferencia, entre ejecutar y tener una estrategia, determina casi todo lo demás: si la organización acumula evidencia o acumula actividades, si atrae financiadores exigentes o depende de convocatorias, si crece para impactar o para pagar salarios.
El marco estratégico es el ejercicio que responde esas preguntas de manera explícita. Define cuál es el modelo de impacto de la organización, en qué espacio del sector puede generar mayor valor agregado, cómo se va a posicionar frente a la filantropía científica global, y qué sistemas necesita para que todo eso ocurra de manera medible. Es, en términos prácticos, la diferencia entre una organización que tiene un norte operacionalizable y una que tiene una misión bonita en la pared.
Ese norte implica respuestas concretas a preguntas que pocas organizaciones se hacen con rigor: ¿Qué significa ganar para esta organización? ¿Cuánto cuesta ganar? ¿Estamos siendo competitivos a la hora de alcanzar el éxito? ¿Quién más hace lo que hacemos, con qué modelo de impacto y a qué costo? ¿Nuestro crecimiento organizacional supone crecimiento del impacto? Y, finalmente: ¿qué perfil de financiadores atrae nuestra estrategia?
El diseño del marco estratégico opera en cinco preguntas que se responden en secuencia.
¿Cuál es la unidad de éxito con la que otras fundaciones que hacen lo mismo que tú miden su impacto, y cómo se compara tu desempeño con el de ellas?
¿De todos los problemas que pudiste haber elegido en ese sector, por qué te enfocaste en ese problema específico?
¿Cuáles son los indicadores de progreso que, cuando los veas moverse, te confirman que vas por el camino correcto hacia el impacto?
¿Cuáles son los sistemas y la infraestructura instalada para garantizar que lo que haces maximiza impacto y eficiencia?
Si tuvieras que duplicar tu presupuesto mañana, ¿sabrías exactamente en qué invertirlo para maximizar impacto?
Un director de fundación que no sabe cuánto le cuesta producir una unidad de cambio real no puede mejorar la eficiencia de sus programas, compararse con alternativas, ni justificar su escala ante un financiador riguroso. El Análisis de Costo-Efectividad (CEA) es la herramienta que responde esa pregunta, y es la base sobre la que operan GiveWell y los principales fondos de filantropía científica para decidir dónde va el dinero.
La unidad de análisis más influyente en salud es el DALY (Disability-Adjusted Life Year, año de vida ajustado por discapacidad): cada DALY representa un año de vida saludable perdido por enfermedad, discapacidad o muerte prematura. En educación, la unidad suele ser años adicionales de escolaridad o puntos en pruebas estandarizadas. En ingresos, el aumento mensual en el hogar. Lo importante no es la unidad específica: es tener una que permita comparar entre programas.
El marco metodológico más riguroso para calcular el costo real de una intervención es el método de ingredientes, desarrollado por Henry Levin desde 1975. La lógica es precisa: el presupuesto de una organización rara vez refleja su costo social real. Los voluntarios tienen un costo de oportunidad. Los espacios donados tienen un valor de mercado. El tiempo de los beneficiarios tiene un costo. El método de ingredientes obliga a identificar todos los recursos que requiere una intervención, asignarles un precio de mercado, y calcular el costo total real, con independencia de quién los financia.
Este método fue adoptado por J-PAL como estándar para sus evaluaciones y es la base de CostOut, una herramienta en línea del Centro de Estudios de Beneficio-Costo en Educación de Teachers College. En Filantropos.org hemos adaptado esta metodología para el contexto latinoamericano.
Filantropos.org ofrece una calculadora de costo-efectividad basada en la metodología de ingredientes de Levin, adaptada para programas sociales en América Latina. Disponible para suscriptores del boletín.
GiveWell estableció como punto de referencia las transferencias directas no condicionadas de GiveDirectly. La lógica: si ya existe una intervención probada que genera bienestar directamente a través del ingreso, cualquier otro programa tiene que justificar por qué produce más impacto por dólar que simplemente entregar el dinero. GiveWell aplica un umbral de al menos 10 veces la costo-efectividad de ese benchmark.
| Intervención | Contexto | Costo por resultado | Calidad evidencia |
|---|---|---|---|
| Mosquiteros tratados (malaria) Against Malaria Foundation | África sub-sahariana | ~USD $50 / DALY evitado | ●●●●● |
| Transferencias directas de efectivo GiveDirectly | Kenya / Uganda | ~USD $60 / punto bienestar | ●●●●● |
| Desparasitación escolar Evidence Action / Kremer & Miguel, 2004 | Kenya | ~USD $65 / año escolaridad | ●●●●○ |
| Programa de graduación Banerjee et al., 2015 | Bangladesh / India | ~USD $500 / hogar sobre umbral | ●●●●○ |
| Capacitación laboral convencional Meta-análisis Kluve et al., 2017 | LAC promedio | USD $2.000–8.000 / empleo formal | ●●○○○ |
El Retorno Social sobre la Inversión (SROI) intenta traducir el impacto a valor monetario: "por cada peso invertido, se generan X pesos de valor social." La cifra parece contundente. Su construcción depende de supuestos altamente subjetivos.
La crítica académica más consistente señala tres problemas estructurales. Primero, la elección de proxies financieros para valorar resultados no monetizables (bienestar psicológico, cohesión comunitaria, empoderamiento) es inherentemente arbitraria y varía entre estudios de manera que hace imposible la comparación (Arvidson et al., 2013; Pathak & Dattani, 2014). Segundo, el SROI no establece causalidad: suma correlaciones y las presenta como retorno. Tercero, la falta de estandarización hace que dos analistas aplicando la misma metodología al mismo programa lleguen a resultados radicalmente distintos (Nielsen et al., 2021).
El CEA evita estos problemas porque compara programas con la misma unidad de resultado sin necesidad de monetizar lo que no es monetizable. Un DALY evitado es un DALY evitado, con independencia de quién evalúe el programa. Esa comparabilidad es lo que los financiadores más rigurosos exigen.
Vale aclarar que el SROI tiene un uso legítimo y bien delimitado: como herramienta de gestión interna, puede ayudar a una organización a identificar qué componentes de su programa generan más valor por recurso invertido, siempre que los proxies sean consistentes a lo largo del tiempo y no se usen para comparar con otras organizaciones. El problema surge cuando el SROI se presenta como evidencia de impacto ante donantes externos o como argumento comparativo entre intervenciones. Para ese propósito, el CEA con unidades estandarizadas es metodológicamente superior.
Uno de los errores más costosos en el sector social es encargar la evaluación equivocada en el momento equivocado. Un programa nuevo que intenta una evaluación de impacto con RCT está respondiendo una pregunta que su estado de madurez todavía no justifica, a un costo que rara vez puede recuperar en aprendizaje útil. Un programa maduro que sigue midiendo solo actividades y cobertura está dejando de construir la evidencia que lo haría competitivo ante financiadores rigurosos.
La pregunta correcta no es si evaluar. Es qué pregunta empírica tiene sentido hacerse dado el momento del programa, y qué diseño de investigación es el más adecuado para responderla. Esa decisión determina el costo de la evaluación, la utilidad de sus resultados, y la capacidad de la organización de aprender y mejorar su teoría de cambio.
Hay además una razón adicional para que los directores dominen esta lógica desde el inicio: cuando se conoce la pregunta de investigación desde el diseño del programa, es posible construir sistemas de monitoreo que recolectan los datos necesarios de manera continua. Eso permite ahorrarse evaluaciones costosas en el futuro, o reducir radicalmente su costo cuando llega el momento de hacerlas.
Los directores que entienden la lógica del diseño de investigación desde el diseño del programa pueden construir sistemas de monitoreo que recolectan los datos necesarios de manera continua. Eso convierte el monitoreo en pre-evaluación: cuando llegue el momento de hacer una evaluación formal, los datos ya existen, el costo baja radicalmente, y el aprendizaje acumulado es mayor. La evaluación cara es la que se hace sin datos de monitoreo previos.
Una junta directiva bien construida es una de las mayores ventajas competitivas que puede tener una fundación. Trae perspectivas que el equipo interno no tiene, contactos y redes que abren puertas, estrategias de éxito probadas en otras industrias, y la capacidad de señalar errores antes de que se conviertan en problemas costosos. El reto no es tener una junta, sino tener la junta correcta.
El error más frecuente es construir una junta de consenso: personas que piensan parecido, tienen trayectorias similares, y tienden a validar las decisiones del director en lugar de cuestionarlas. Una cámara de eco es exactamente lo contrario de lo que una organización que quiere maximizar impacto necesita. La junta de alto impacto genera incomodidad productiva: hace preguntas que el equipo no se hace, trae marcos de referencia de industrias distintas, y tiene la autoridad y el criterio para exigir que los resultados sean medibles.
Hay además un principio que pocas organizaciones se atreven a enunciar con claridad: las juntas de expertos que regalan su tiempo tienen los incentivos equivocados. Una persona que dona su tiempo a una junta suele priorizar otras obligaciones cuando llega el momento de trabajar de verdad. Una junta de alto impacto requiere inversión, compensación o al menos reciprocidad clara.
Parte de la fricción con las juntas de origen empresarial viene de una diferencia real en la naturaleza del problema. En un negocio, las métricas de desempeño son relativamente directas: crecimiento de ingresos, costo de adquisición de clientes, margen, retención. Son indicadores que reflejan señales del mercado en tiempo casi real y que pueden ajustarse rápidamente.
Un programa social opera en una lógica distinta. Su objetivo es transformar un comportamiento humano, ampliar el acceso a bienes o servicios, o modificar condiciones estructurales de vida. Y después de esa transformación, tiene que demostrar que el cambio fue causal (que ocurrió por el programa y no por otras razones), que fue sostenido en el tiempo, y que tuvo efectos de mediano plazo en bienestar. Eso requiere instrumentos de medición más sofisticados, períodos de seguimiento más largos, y diseños de investigación que tienen un costo real. La evaluación rigurosa no es un lujo: es el costo de saber si el programa funciona.
Esta diferencia está documentada en la literatura. Las evaluaciones de impacto en ciencias sociales son estructuralmente más costosas que los estudios de mercado empresariales porque los mecanismos causales son más difíciles de aislar, los horizontes temporales son más largos, y los contrafactuales requieren diseños sofisticados (Duflo, Glennerster & Kremer, 2008; White, 2010). Una junta que entiende esto puede respaldar al director en la decisión de invertir en evaluación. Una junta que no lo entiende tiende a ver esa inversión como overhead innecesario.
Muchas fundaciones en LAC mezclan estos dos conceptos y pagan las consecuencias. Una junta directiva tiene poder formal: aprueba presupuestos, contrata y evalúa al director, toma decisiones vinculantes. Sus miembros tienen responsabilidad legal y fiduciaria. Una junta asesora es un mecanismo de retroalimentación: reúne expertos temáticos que opinan, conectan y abren puertas, pero sin autoridad formal sobre las decisiones.
La distinción importa porque los incentivos son distintos. Un miembro de junta directiva sabe que sus decisiones tienen consecuencias institucionales. Un miembro de junta asesora puede participar con menos profundidad sin que eso tenga costo visible. Para una fundación en etapa de crecimiento, tener claro cuándo necesita gobernanza con dientes y cuándo solo necesita consejo es una decisión estratégica.
Cada miembro de junta directiva debería tener un plan de trabajo de 90 días al ingresar, con objetivos específicos. Y debería tener también una fecha de finalización clara de su mandato, idealmente coincidente con el cierre de un ciclo estratégico o de una apuesta importante de la organización. Las juntas sin fecha de salida tienden a perpetuarse, y las juntas perpetuadas tienden a defender el statu quo.
La inteligencia artificial ha reducido de manera drástica los costos de entrada para hacer ciencia social de vanguardia. Lo que antes requería un equipo de analistas de datos con licencias de software costosas, formación técnica especializada y semanas de procesamiento, hoy puede hacerse en horas con herramientas accesibles y, en muchos casos, gratuitas. Para una fundación en América Latina, eso no es un detalle operativo. Es una ventana estratégica que pocas están aprovechando.
La transformación ocurre en tres dimensiones simultáneas. La IA acerca el conocimiento experto: un director sin formación en econometría puede hoy conversar con modelos que han procesado décadas de literatura académica y obtener orientación metodológica de calidad. La IA amplía la capacidad de procesamiento: análisis que requerían semanas se hacen en minutos. Y la IA está produciendo el declive del software tradicional: lo que antes solo podían hacer programas como SPSS, Stata o plataformas de gestión de proyectos de alto costo, hoy puede replicarse con agentes o flujos personalizados construidos sobre modelos de lenguaje, a una fracción del costo.
Bangladesh tiene más de 100 programas de protección social que atienden a cerca de 30 millones de personas, pero la mayoría dependen de registros estáticos que no capturan necesidades en tiempo real: cuando llega un ciclón, un jefe de hogar pierde su trabajo, o una familia se desplaza, los sistemas convencionales no reaccionan. GiveDirectly y un equipo de investigadores entrenaron un modelo de machine learning que predice pobreza usando datos de telefonía móvil, y lo usaron para identificar y enrolar beneficiarios a través de la línea de ayuda nacional (333) sin necesidad de visitas de campo. Cada hogar recibió BDT 15.000 (USD $136) en dos cuotas. El resultado: el método de focalización superó la selección comunitaria tradicional en precisión, a menor costo y mayor velocidad. GiveDirectly open-sourced la metodología y tiene cinco estudios adicionales en curso en Malawi, Kenya y DRC. (GiveDirectly, julio 2025; Nature, 2022)
El modelo convencional de ayuda de emergencia espera a que el desastre ocurra para responder. GiveDirectly invirtió esa lógica: usó datos históricos de inundaciones de Google, indicadores de vulnerabilidad y datos del servicio hidrológico de Nigeria para identificar los 6 municipios más expuestos en Kogi State, pre-enroló a 38.000 personas, y cuando los modelos de pronóstico superaron el umbral de riesgo, envió USD $105 a más de 3.250 hogares 48 a 72 horas antes de que las inundaciones llegaran. Los ingresos de los beneficiarios se duplicaron, la inseguridad alimentaria cayó 90%, y el 93% reportó sentirse mejor preparado para eventos futuros. Evaluaciones independientes confirmaron que los 53 municipios seleccionados por el algoritmo efectivamente fueron inundados en octubre de 2024. (GiveDirectly, febrero 2026; Google.org / IRC, junio 2024)
En India, un extensionista agrícola del Estado atiende en promedio a más de 5.000 agricultores. Digital Green, cofundada con respaldo de la Fundación Gates y estrechamente vinculada al ecosistema de J-PAL y PAD, resolvió ese cuello de botella con un asistente de IA generativa que opera vía WhatsApp en múltiples idiomas y con interfaces de voz para agricultores con baja alfabetización. El sistema integra miles de videos de capacitación, transcripciones de centros de llamadas y datos agronómicos verificados, y entrega recomendaciones en tiempo real sobre siembra, riego, plagas y precios de mercado. Con más de 250.000 agricultores activos en cuatro países, el principio es el mismo que articula toda la filantropía científica: primero evidencia de que el mecanismo funciona, luego escala. (Digital Green / Rockefeller Foundation, 2026)
OnceOnce y Filantropos.org desarrollaron dos agentes de IA disponibles públicamente que permiten a cualquier director de fundación tener en su bolsillo lo que antes requería contratar un equipo externo. El primero, Research Design & Methods Evaluator, es un evaluador experto en diseño de investigación, inferencia causal y calidad metodológica: le permite al director interrogar cualquier estudio, evaluación o propuesta metodológica con el rigor de un investigador senior en ciencia política y políticas públicas. El segundo, Asesor de Filantropía Científica, aplica los criterios del altruismo efectivo para priorizar problemas, comparar intervenciones y estimar impacto marginal usando evidencia causal y costo-efectividad, con foco en pobreza extrema y salud global en América Latina. Ambos agentes están disponibles gratuitamente en filantropos.org/ia.
Una fundación nativa en IA no es la que usa ChatGPT para redactar correos. Es la que ha mapeado sus procesos internos, identificado dónde la IA puede aumentar calidad o volumen de procesamiento, y construido los sistemas y los controles para que eso ocurra de manera confiable. El entrenamiento del equipo es la clave: no para que todos sean técnicos, sino para que todos entiendan qué puede hacer la IA, qué no puede hacer, y cómo verificar la calidad de sus resultados.
Ese último punto es crítico. La IA comete errores con confianza. Los controles de calidad, es decir, los momentos en que un humano revisa y valida el output antes de que se use para tomar decisiones, no son opcionales. Son la diferencia entre una fundación que usa IA para generar más impacto y una que usa IA para generar más ruido a mayor velocidad.
Grandes donantes como Google.org han apostado recientemente por procesos masivos de capacitación en inteligencia artificial entre población vulnerable. La intención es comprensible. Pero la teoría de cambio es débil: hay demasiadas variables no controladas y un supuesto muy grande en el centro — que la simple familiaridad con la tecnología puede transformar la vida de personas en situación de vulnerabilidad.
Esta no es la primera vez que el sector social enfrenta una revolución tecnológica con ese tipo de expectativas. Internet generó un entusiasmo comparable. Y la evidencia acumulada muestra que el acceso a internet no produjo saltos significativos en bienestar para personas en situación de pobreza: sin complementos específicos como capacidades, mercados, instituciones y contexto favorable, la tecnología por sí sola no transforma trayectorias de vida.
Seguramente viene una época de servicios e intermediación mucho más basada en IA. Pero eso no implica que conocer la IA o familiarizarse con ella ya vaya a generar cambios significativos en bienestar. Las fundaciones que quieren usar la IA para generar impacto real tienen que hacerse la misma pregunta que se hacen con cualquier intervención: ¿cuál es el mecanismo causal exacto por el que esto produce el cambio que decimos que produce?
El sector social tiende a mirar hacia adentro para encontrar modelos de referencia: otras fundaciones, otras metodologías, otros programas. Hay una fuente de inspiración que usa con menos frecuencia: el mundo de la innovación tecnológica. No para copiar sus modelos sino para adoptar su disciplina de iteración, medición y aprendizaje rápido.
Michael Skok es socio fundador de Underscore VC y una figura central del ecosistema de emprendimiento de Harvard. Su serie Startup Secrets es uno de los recursos más rigurosos disponibles en línea sobre cómo construir una organización con ambición de escala, desde la definición del problema hasta la construcción de los sistemas que permiten crecer sin perder calidad. El curso fue impartido en el Harvard Innovation Labs y está organizado en unidades temáticas con videos, casos de estudio y materiales de trabajo.
Lo que distingue a Startup Secrets de otros cursos de emprendimiento es su énfasis en la precisión: definir con exactitud qué problema se resuelve, para quién, con qué mecanismo, y cómo saberlo. Esa es exactamente la disciplina que la filantropía científica exige, y que la mayoría de las organizaciones sociales todavía no ha internalizado.
El Startup Secrets Sandbox de Michael Skok es una plataforma abierta que reúne los marcos, talleres y materiales del curso, incluyendo las sesiones del Harvard i-Lab y el HBS Foundry. La premisa del curso: "El viaje empieza con tus preguntas, no con nuestras respuestas."
Los directores de fundaciones y agencias que dominan estos marcos no solo gestionan mejor sus organizaciones hoy. Están construyendo un perfil de liderazgo que es escaso y muy valorado en el mercado de la filantropía global: la combinación de rigor metodológico en ciencias sociales con la mentalidad de construcción y escala del emprendimiento de alto desempeño.
Ese perfil abre puertas en organizaciones como fondos de impacto regional que buscan líderes capaces de diseñar programas, evaluar evidencia y gestionar organizaciones que compiten en el mercado internacional de la filantropía científica. La trayectoria no termina en la dirección de la fundación actual: empieza ahí.
Esta sección tiene un propósito estratégico concreto: demostrar la importancia de la relación academia-filantropía que todo director de fundación debería construir de manera activa. El movimiento de filantropía científica no nació en una fundación ni en un fondo de inversión. Nació en las aulas y los laboratorios de campo de algunas de las universidades más rigurosas del mundo. Entender ese linaje es entender por qué el estándar de evidencia existe, por qué es exigente, y por qué es confiable.
La lección más importante de ese legado es una que pocas organizaciones operacionalizan: en la academia residen algunas de las mentes más agudas para hacer filantropía científica, y allí se incuban las mejores ideas para diseñar, evaluar y escalar intervenciones sociales. Los investigadores que más han transformado el sector no trabajaron para las fundaciones, ni las fundaciones trabajaron para ellos. Construyeron alianzas: los investigadores aportaron el rigor metodológico, las organizaciones aportaron el acceso al campo y la capacidad de implementación.
En 2019, el Premio Nobel de Economía fue otorgado conjuntamente a Abhijit Banerjee, Esther Duflo y Michael Kremer, "por su enfoque experimental para aliviar la pobreza global." Los tres llevaban décadas convirtiendo preguntas de política pública en experimentos controlados en campo. Y los tres, de distintas formas, fundaron organizaciones que tradujeron esa evidencia en programas a escala.
Fundado en el MIT por Banerjee, Duflo y Sendhil Mullainathan. Con más de 400 investigadores afiliados en 60 países, J-PAL ha realizado más de 1.000 evaluaciones aleatorias en todo el mundo. No financia programas directamente: certifica evidencia y conecta a investigadores con implementadores y financiadores. Su oficina para América Latina y el Caribe opera desde Santiago de Chile. Es el nodo central del movimiento.
Fundada por Dean Karlan en Yale, quien hizo su doctorado con Banerjee. IPA tiene una estructura singular: produce investigación rigurosa y simultáneamente acompaña a organizaciones a implementar las intervenciones que la investigación valida. Su CEO es Annie Duflo, hermana de Esther Duflo. IPA tiene oficinas en más de 20 países y ha evaluado programas en educación, salud, agricultura y finanzas.
Fundada para escalar dos programas con evidencia sólida de RCTs: el programa de desparasitación escolar (Deworm the World, cofundado por Kremer y Duflo en 2007) y el programa de dispensadores de agua clorada (Dispensers for Safe Water, basado en la investigación de Kremer sobre comportamiento y agua segura). En su mejor momento llegó a más de 280 millones de niños por año. En 2025, GiveWell dejó de financiar el programa de cloración por problemas de medición · un caso que ilustra tanto la fortaleza como la exigencia del modelo basado en evidencia.
Fundada por Paul Niehaus, Michael Faye, Rohit Wanchoo y Jeremy Shapiro, estudiantes de posgrado en MIT y Harvard. La pregunta que motivó la organización fue radical: ¿qué pasaría si en lugar de diseñar programas complejos simplemente le diéramos el dinero directamente a las personas en pobreza extrema? GiveDirectly se convirtió en el benchmark global de costo-efectividad que GiveWell usa para evaluar todos los demás programas.
Cofundada por Michael Kremer. PAD usa tecnología digital, principalmente telefonía móvil, para llevar asesoría agrícola personalizada a pequeños agricultores en países en desarrollo. Opera en Bangladesh, India, Ethiopia y varios países africanos. Es un ejemplo de cómo la misma lógica de RCTs que evaluó la desparasitación escolar se aplica a intervenciones de tecnología y agricultura.
Fundada por Kremer mientras era estudiante en Harvard. Colocó más de 7.500 voluntarios como maestros en países en desarrollo hasta 2019. Es quizás el ejemplo más temprano de un economista académico convirtiendo una intuición sobre educación en una intervención a escala · décadas antes de que el movimiento de filantropía científica tuviera ese nombre.
El patrón común: todas estas organizaciones nacieron de una pregunta de investigación. Todas nacieron de datos que mostraban que una intervención específica producía un cambio medible a un costo razonable. Primero la evidencia, luego la escala.
Identifica dos o tres investigadores en universidades de tu región o del mundo que trabajen el mismo problema que tu organización. Escríbeles. La mayoría están buscando activamente organizaciones implementadoras con las cuales co-diseñar estudios y validar intervenciones. Una alianza con un investigador de una universidad de primer nivel no solo mejora tu teoría de cambio: te conecta con redes de financiadores, evaluadores y pares que de otra forma tardarías años en alcanzar.
Los mejores aliados de un director de fundación que quiere competir en el mercado internacional de la filantropía científica no están en otras fundaciones. Están en los departamentos de economía, salud pública y políticas públicas de las universidades.
Estos ocho marcos son el punto de partida.
El trabajo es aplicarlos.
En OnceOnce acompañamos a directores de fundaciones y agencias en América Latina a transitar el camino hacia el impacto. Nuestro programa de acompañamiento de cuatro meses funciona con reuniones semanales, objetivos específicos por sesión y tareas concretas para actualizar cada dimensión clave de la organización: teoría de cambio, costo-efectividad, inteligencia artificial, alianzas con la academia, gobernanza y modelo de financiación.