“Adaptive management” lleva veinte años siendo la respuesta a todo en los workshops de evaluación. Y en veinte años, lo que más ha cambiado en la práctica es la forma de escribir el framework.
La idea es buena: en vez de diseñar un programa, ejecutarlo durante cinco años, evaluarlo al final y descubrir que no funcionó, vas ajustando en el camino. Usas los datos de monitoreo para detectar lo que no funciona, cambias la implementación, vuelves a medir.
El problema es que eso requiere tres cosas que raramente coexisten en un mismo programa:
Datos en tiempo real que sean interpretables. No un Excel de indicadores que se actualiza trimestralmente y que nadie lee entre reuniones de junta.
Autoridad real para cambiar. No solo para escribir una adenda al plan de implementación que pasa por dos comités antes de ser aprobada.
Disposición a reconocer que el diseño original tenía errores. Lo cual, cuando el diseño lo firmó el mismo equipo que ahora tiene que admitir que estaba equivocado, es más difícil de lo que parece.
────
Ahora, por primera vez, tenemos herramientas que atacan el primer obstáculo con seriedad.
Agentes de IA que procesan datos de campo en tiempo real. Sistemas que sintetizan señales de monitoreo y generan alertas interpretables antes de que el problema escale. Análisis que antes tomaban semanas de consultoría especializada y ahora toman horas.
La velocidad del ciclo de retroalimentación — entre dato y decisión — se puede reducir de meses a días.
Eso es real y vale mucho.
────
Pero los obstáculos dos y tres no los resuelve ningún modelo.
La autoridad para cambiar depende de cómo está diseñada la gobernanza del programa. La disposición a reconocer errores depende de si la cultura organizacional castiga o recompensa la honestidad sobre lo que no funciona.
He visto programas con sistemas de monitoreo excelentes donde los datos indicaban, mes tras mes, que una actividad específica no producía los resultados esperados. Y la actividad seguía porque estaba en el logframe original que el financiador había aprobado y nadie quería abrir esa conversación.
La IA puede hacer el adaptive management técnicamente posible. No puede hacerlo políticamente seguro.
────
Para directores de programas y diseñadores de M&E frameworks: el valor de invertir en sistemas de aprendizaje adaptativo con IA depende casi enteramente de si la estructura de gobernanza del programa está diseñada para usar lo que esos sistemas van a decir.
Si no lo está, es mejor resolver eso primero.
#MEL {hashtag|#|GestiónAdaptativa} {hashtag|#|EvaluaciónDeImpacto} #ImpactoSocial