IA para la gestión de subvenciones en ONG: discovery, redacción y riesgos

La inteligencia artificial gestión subvenciones ONG plantea dudas concretas en asociaciones y fundaciones que compiten por ayudas estatales, autonómicas y europeas. Los modelos generativos aceleran la lectura de convocatorias, el esquema de la memoria técnica o la traducción de consorcios CERV y Horizon Europe, pero no transfieren la responsabilidad legal. El beneficiario sigue obligado por la Ley 38/2003, General de Subvenciones, debe justificar según el Real Decreto 130/2019 y proteger datos personales conforme al RGPD y la LOPDGDD.

Este artículo sitúa dónde la IA aporta valor en discovery y redacción, dónde el criterio humano es obligatorio, y cómo documentar un proceso con revisión humana que auditores y autoridades de protección de datos puedan entender.

Dónde encaja la IA en el ciclo de la subvención

Cuatro fases: discovery, diseño, redacción y cumplimiento post-concesión. La IA es más defendible al inicio (texto público entra, notas estructuradas salen) y más arriesgada cuando intervienen datos personales individualizados o compromisos financieros vinculantes.

Discovery y vigilancia

Los equipos monitorizan Infosubvenciones (BDNS) y el Funding & Tenders Portal (CERV, FSE+, Horizon Europe). La IA puede:

• Agrupar convocatorias abiertas por temática y territorio a partir de títulos y resúmenes públicos.
• Generar cuadros comparativos de plazos, cofinanciación y tipos de beneficiario.
• Redactar fichas internas para junta o patronato en lenguaje claro.

Regla de oro: cada plazo, requisito de elegibilidad y ponderación de criterios debe verificarse en el PDF de bases y, si procede, en la publicación del BOE. Los modelos inventan fechas e importes; un retraso no se excusa porque falló un resumen automático.

Diseño de proyecto e indicadores

La IA puede sugerir marcos de indicadores (productos vs. resultados) alineados con la convocatoria. El equipo de programa debe sustituir métricas genéricas por vuestras líneas base, métodos de muestreo y planes de recogida conformes al RGPD. Si nombres, DNI o información sanitaria/social entrarían en un prompt, detened el proceso: eso pertenece a sistemas internos seguros, no a chat de consumo.

Redacción de la memoria técnica

En subvenciones públicas españolas, la memoria se valora con criterios objetivos publicados. La IA puede:

• Proponer epígrafes que reflejen el anexo de valoración.
• Desarrollar viñetas en prosa si el personal aporta hechos verificados.
• Unificar estilo entre autores.

No debe inventar alianzas, inflar cifras de beneficiarios ni copiar texto de terceros sin licencia: la inexactitud y el plagio generan riesgo de reintegro bajo la Ley General de Subvenciones y daño reputacional ante evaluadores.

Justificación y memoria de ejecución

Tras la concesión, la IA puede ayudar a maquetar informes a partir de registros estructurados. Finanzas debe seguir vinculando cada partida a facturas, nóminas y movimientos bancarios como exige el RD 130/2019. Subir facturas completas con NIF de proveedores a servicios de IA no aprobados es un error frecuente de confidencialidad y RGPD.

RGPD y LOPDGDD: minimización en la práctica

Muchas ONG son responsables del tratamiento de voluntarios, usuarios de servicios y personal. Usar proveedores de IA suele convertirlos en encargados (o subencargados) cuando tratan datos por vuestra cuenta e instrucciones.

Qué no debe entrar en prompts

• Listados completos de beneficiarios, historiales de intervención o notas clínicas/sociales.
• Escaneos de DNI, expedientes laborales o nóminas con IBAN.
• Listas de asistencia o encuestas sin anonimizar con correos electrónicos.

Entradas más seguras

• Estadísticas agregadas ya publicadas o anonimizadas.
• Texto público de convocatorias, estatutos, descripciones de proyecto sin identificadores.
• Ejemplos sintéticos marcados como ilustrativos.

Actualiza el registro de actividades de tratamiento al adoptar una herramienta nueva. Realiza una evaluación de impacto (EIPD) cuando el tratamiento sea sistemático y afecte a colectivos vulnerables-habitual en ONG sociales.

Base jurídica y transparencia

Si la IA trata datos personales, identifica la base jurídica (interés público o interés legítimo para borradores internos, sin confundir con consentimiento cuando este es el fundamento del servicio). Ajusta la política de privacidad si usáis asistencia automatizada sobre información de interesados, y forma al equipo en limitación de la finalidad: una herramienta de redacción no debe convertirse en almacén paralelo de expedientes sensibles.

Human-in-the-loop: flujo que escala

Propuesta para equipos pequeños y medianos:

1. Entrada: compliance pega extractos públicos de la convocatoria y tabla de criterios en plantilla interna-sin datos personales.
2. Borrador v0: la IA genera esquema y apartados según pesos de valoración.
3. Redacción: programa sustituye cada afirmación por evidencia; finanzas construye presupuesto en paralelo.
4. Contraste: un revisor que no dependa solo de la IA busca incoherencias (objetivos, cronograma, costes, indicadores).
5. Control de datos: delegado de protección de datos confirma que no hay fugas a nubes de terceros.
6. Aprobación: junta o dirección según estatutos; representante legal presenta en sede electrónica.
7. Archivo: PDF final, historial de versiones y registro breve de herramientas usadas.

No externalices en IA el sí/no de elegibilidad. Exclusiones por deudas con Hacienda, forma jurídica o ámbito territorial son jurídicas, no lingüísticas.

Roles y responsabilidad

Elección de proveedor y proyectos cofinanciados por la UE

En ayudas FSE+ o CERV se suman reglas de visibilidad y archivo. Preguntad al vendor:

• Dónde se almacenan prompts y resultados (UE/EEE suele ser preferible).
• Si existe opt-out contractual de entrenamiento del modelo.
• Si podéis exportar todo al cierre del proyecto.
• Si hay permisos por rol para socios del consorcio.

Alinead contratos con el artículo 28 RGPD y normativa española de encargados. Cuentas gratuitas de consumo rara vez cubren auditoría nonprofit.

Calidad que detectan los evaluadores

Memorias muy generadas suelen mostrar superlativos vacíos, tiempos verbales incoherentes, indicadores sin línea base y alianzas “placeholder”. El baremo premia lo concreto: diagnóstico local, colaboraciones públicas permitidas, calendarios realistas.

Exigid marcas de fuente en borradores internos (memoria anual, INE, evaluación de proyecto anterior). Eliminadlas del PDF de envío si hace falta, pero conservadlas en el archivo maestro.

Ética, sesgos y misión

Los modelos pueden invisibilizar territorios rurales, lenguas cooficiales o limitaciones de entidades pequeñas. Corregid supuestos sobre beneficiarios y concretad accesibilidad (lectura fácil, lengua de signos, WCAG)-no boilerplate.

En consorcios Horizon o CERV, aclarad si el consortium agreement permite IA y cómo afecta a la propiedad intelectual compartida.

Cuándo más compensa la IA en ONG españolas

• Multilingüismo en convocatorias europeas: traducción inicial con revisión jurídica de compromisos.
• Reutilización entre convocatorias: adaptar un modelo de intervención validado reescribiendo el encaje con el baremo.
• Onboarding: explicar obligaciones de justificación de la Ley 38/2003 a nuevas personas de administración, sin sustituir asesoría profesional.

Plataformas que combinan alertas BDNS con borradores controlados pueden aliviar carga administrativa si respetan estos límites. Importa más el hábito organizativo: fuentes primarias, revisión cruzada y aprobaciones documentadas.

Señales de alerta antes de usar IA en una convocatoria sensible

Evita herramientas cloud genéricas si la memoria describe menores, salud mental, violencia de género o datos migratorios. Prioriza entornos con contrato de encargo, alojamiento en UE y registro de accesos. Si el call exige declaración de originalidad o prohibición de terceros no autorizados, revisa si tu política interna de IA encaja antes de generar texto.

Conclusión

La IA en gestión de subvenciones para ONG es viable si el discovery sigue anclado a BDNS y Funding & Tenders, si la memoria técnica se verifica y aprueba por personas responsables, y si el RGPD y la LOPDGDD guían cada decisión de volcar datos en un modelo. Construid un flujo human-in-the-loop con roles claros, minimizad datos personales en prompts y tratad la IA como acelerador-not como autor-de solicitudes regidas por la Ley General de Subvenciones y el Real Decreto 130/2019. Ese equilibrio protege a las personas atendidas, la confianza de evaluadores y el impacto social que las ayudas públicas pretenden financiar.