Prosper Global habla de lo que la IA hace posible en la labor humanitaria

Prosper Global es una organización humanitaria global que desarrolla más de 200 programas en más de 35 países. Nayid Orozco es su director de soluciones de IA y entrega, responsable de la implementación de Claude en la organización, desde la administración del espacio de trabajo de Enterprise hasta el establecimiento de las directrices que rigen los datos que se pueden usar. Hablamos con Orozco sobre el proyecto piloto de Prosper Global con 13 equipos, sobre lo que cambia cuando los equipos de campo disponen de las herramientas en sus propias manos y dónde encaja la IA en el futuro del trabajo humanitario.

Anthropic: Con 13 equipos implicados, ¿qué ha cambiado realmente la IA para una organización como la tuya?

Nayid Orozco, Prosper Global: En muchos sectores, el debate es si la IA compite con las personas o si solo ayuda a los equipos a hacer lo que ya hacían un poco más rápido. En el nuestro, es diferente: la IA nos permite hacer cosas que antes simplemente no podíamos hacer o para las que nunca tendríamos los recursos, aunque sabíamos que eran importantes. Sintetizar y extraer conclusiones de grandes cantidades de evidencia y aprendizaje solía estar fuera de nuestro alcance en la mayoría de los casos. Claude nos lo pone al alcance de la mano y lo hace a la velocidad a la que avanza nuestro trabajo, que es rápido en el ámbito humanitario. Eso es lo que permite que una organización como la nuestra dé un paso real hacia convertirse en una organización de aprendizaje, en lugar de limitarse a aspirar a serlo.

Anthropic: Tú eres quien gestiona esta implementación día a día. ¿Qué implica eso y quién hace el mayor uso de Claude?

Orozco: Trabajo en nuestro grupo de Tecnología para el desarrollo y sirvo de enlace entre los equipos que usan Claude y nuestros colegas de asuntos legales y de protección de datos. Los equipos que más usan Claude son nuestro equipo de Rendición de cuentas a la comunidad y nuestro equipo de seguimiento, evaluación y aprendizaje (MEL).

Anthropic: ¿Cómo es el trabajo del equipo de MEL con Claude?

Orozco: El MEL es la piedra angular para medir la eficacia y los resultados de nuestros programas; es fundamental para ayudarnos a comprender si estamos mejorando la vida de las personas. Un desafío esencial ha sido establecer marcos analíticos coherentes no en un solo programa, sino en toda nuestra cartera de más de 200 programas. Eso incluye crear y perfeccionar los modelos lógicos que son clave para el diseño de programas y estrategias, marcos de indicadores que establecen las métricas mediante las cuales medimos los resultados, procesar conjuntos de datos y ejecutar análisis estadísticos en tiempo real y convertir material de origen desestructurado en resúmenes de evidencia del programa, a menudo en inglés, español y francés, listos para la presentación de informes a los donantes y para la toma de decisiones basada en datos. Un asesor describió cómo Claude trabajó en un marco de indicadores completo, con una declaración de impacto, cuatro resultados y catorce productos, como un auténtico compañero de reflexión y no como un simple formateador.

Anthropic: ¿Puedes darnos uno o dos ejemplos concretos de trabajos que antes no eran realistas?

Orozco: Un análisis de un conjunto de datos de mercado para nuestra investigación sobre Sudán, que habría adoptado una forma muy diferente y menos rigurosa, si es que hubiera sido posible, se redujo desde aproximadamente una semana a un día y medio. El script de procesamiento resultante ya está en producción, lo que permite realizar análisis periódicos que irán construyendo una comprensión más amplia de las alteraciones y los cambios del mercado en uno de los lugares más vulnerables del mundo.

En Pakistán, Claude ayudó a nuestro equipo a diagnosticar un fallo complejo en el sistema de información sanitaria DHIS2 al que damos soporte para el programa nacional de tuberculosis, en 7 provincias y más de 15 000 centros sanitarios, en una única conversación que normalmente a un desarrollador sénior le llevaría varios días, si no semanas. Y en el ámbito de la investigación, un diseño que estimamos que llevaría aproximadamente 280 horas se completó en unas 20. No se trata solo de las horas ahorradas. La profundidad del trabajo ha aumentado significativamente, lo que permite a los equipos realizar análisis y modelados más profundos de lo que era posible anteriormente.

En Kenia, nuestro equipo de JobTech Alliance ofrece otro ejemplo: sus miembros, que no tienen experiencia en ingeniería de software, crearon su propio servidor MCP para consultar una base de datos SQL de un millón de filas. Ese es el tipo de capacidad técnica que solía requerir soporte de ingeniería independiente.

Anthropic: Parte de este trabajo ahora corresponde a los equipos de país en lugar de a la sede central. ¿Qué opinas de ese cambio?

Orozco: Ese cambio es inmenso. Los equipos de país tienen los conocimientos más profundos sobre los contextos en los que trabajan y darles acceso a Claude les permite aprovechar ese conocimiento contextual y hacer sus propios análisis en lugar de esperar a la sede central. Hemos aprendido lecciones fundamentales sobre la incorporación de los equipos de campo en nuevos contextos. Necesitan un contexto persistente para no tener que volver a explicar los antecedentes en cada sesión. Necesitan precisión adaptada a cada versión en los sistemas técnicos, una opción de bajo ancho de banda para distritos distantes y formación práctica breve en lugar de sesiones largas. El resultado es una acción más directa del programa, una toma de decisiones más basada en datos y un enfoque más orgánico de la gestión adaptativa, que se aleja de los modelos tradicionales de arriba hacia abajo y avanza hacia una acción liderada localmente. Más que cualquier aumento de eficiencia individual, eso es lo que creemos que más importa a la hora de llevar Claude al campo.

Anthropic: ¿Qué opinas de la protección de datos y la supervisión humana?

Orozco: Dos cosas protegen a las comunidades que hay detrás de los informes. En primer lugar, en cuanto a los datos: examinamos y ocultamos los identificadores directos y el contenido más sensible antes de introducir cualquier información en Claude. Las entradas y las salidas se conservan durante un período predeterminado para la detección de abusos y luego se eliminan. Según nuestras condiciones comerciales de Enterprise, los datos de los clientes nunca se utilizan para entrenar los modelos. Documentamos todo esto en una evaluación formal de impacto en la privacidad. En segundo lugar, en cuanto a la supervisión: mantuvimos la intervención humana en todos los procesos importantes.

Anthropic: ¿Hubo algo en la forma en que respondió el personal que no esperaras al principio?

Orozco: Lo que más me sorprendió fue la frecuencia con la que la gente dejó de describir Claude como una herramienta de productividad y empezó a hablar de Claude como un compañero de reflexión. Una persona dijo que Claude le hace las preguntas adecuadas para llegar a una mejor respuesta, algo que no esperaba oír sobre un software.

Anthropic: ¿Qué le dirías a otra organización humanitaria que quiera usar la IA de forma responsable, pero que no sabe por dónde empezar?

Orozco: Empieza por algo pequeño y acotado, y sitúa la protección de datos en primer lugar, no en último. Realiza una evaluación de impacto en la privacidad de cada caso de uso real antes de escalarlo, porque el riesgo reside en el caso de uso, no en la herramienta. Elige tareas de gran volumen o con una alta carga cognitiva, porque ahí es donde el valor se ve más rápido. Mantén la supervisión humana en todo lo que afecte a la seguridad o la dignidad de una persona. E invierte en formación y prompts compartidos desde el principio, porque la diferencia entre las personas que aman la herramienta y las que la abandonan casi siempre radica en que alguien les haya enseñado cómo usarla bien.

Anthropic: ¿Cuál es el siguiente paso para Prosper Global?

Orozco: Trabajamos con una amplia gama de socios, en su mayoría locales y vemos una verdadera oportunidad en ayudarles a acceder a la IA y a usarla, no solo a usarla nosotros mismos. Gran parte del sector se centra en su propio uso de la IA. Creemos que el mayor beneficio es mejorar el rendimiento de los actores locales e hiperlocales, porque ahí es donde realmente tiene lugar el impacto.

Parte de esto ya está tomando forma en Impact Alliance, un esfuerzo de colaboración de tres ONG líderes para trabajar de forma más conectada, eficiente y con liderazgo local. La alianza incluye Prosper Global, Save the Children y CARE. En ese grupo tenemos una línea de trabajo de CommunityInsights Engine, donde los comentarios de la comunidad se analizarán con Claude. Eso indica que esto puede ir más allá de Prosper Global.

Nuestra plataforma Innovation Catalyst es otra iniciativa en marcha que integra la IA para el impacto social en nuestras capacidades de inversión de impacto, innovación y orientación al mercado.

Anthropic: ¿Hacia dónde llevará la IA al sector humanitario a partir de ahora?

Orozco: La IA puede ayudarnos a pasar de un sector que infrautiliza sistemáticamente el aprendizaje de su propio trabajo a otro que lo use de forma coherente y eficiente. Ese cambio impulsa un mejor diseño, una mejor implementación y un mayor impacto para las personas de los lugares donde trabajamos. Claude, en particular, es muy adecuado para este trabajo, porque destaca en la investigación operativa, el trabajo de aprendizaje y el análisis de conjuntos de datos cualitativos. Ese es exactamente el tipo de aprendizaje de datos del que depende nuestro trabajo. La forma en que más queremos influir en el destino de la IA en el trabajo humanitario es difundir los beneficios entre los actores locales, en lugar de mantenerlos dentro de las grandes organizaciones.