- Construir un plan MEAL vinculado al marco lógico: indicadores SMART, líneas de base, metas, desagregaciones, fuentes y frecuencias.
- Seguir el avance con una tabla de seguimiento de indicadores (ITT) y un tablero, y sacar de ellos decisiones.
- Usar la IA para analizar datos cuantitativos y cualitativos respetando la responsabilidad de los datos humanitarios.
Guarde el curso en casa: material PDF gratuito con ejercicios, puntos clave y cuestionario corregido.
1El plan MEAL, columna vertebral de la dirección
MEAL significa seguimiento (Monitoring), evaluación (Evaluation), rendición de cuentas (Accountability) y aprendizaje (Learning). El plan MEAL traduce el marco lógico en un dispositivo concreto. Para cada indicador: definición precisa, modo de cálculo, línea de base, meta (total y por periodo), desagregaciones (sexo, edad, discapacidad, lugar), fuente y método de recolección, frecuencia, responsable, uso previsto.
Un indicador SMART es específico, medible, alcanzable, pertinente y limitado en el tiempo. «Mejorar el acceso al agua» no es un indicador; «% de hogares focalizados que disponen de al menos 15 litros de agua potable por persona y por día (norma Esfera), de aquí a diciembre de 2027» sí lo es.
El plan MEAL prevé también las evaluaciones (de línea de base, de medio término, final), el mecanismo de retroalimentación y quejas y los momentos de aprendizaje (revisiones trimestrales, talleres de lecciones aprendidas). La guía MEAL DPro de PM4NGOs es una referencia gratuita.
2La tabla de seguimiento de indicadores (ITT)
La ITT (Indicator Tracking Table) presenta, para cada indicador, la línea de base, la meta, los logros por periodo, el acumulado y la tasa de cumplimiento. El donante suele exigirla con cada informe.
Leer una ITT es comparar la tasa de cumplimiento con el tiempo transcurrido. En el trimestre 3 de 4 (75 % del tiempo), un indicador cumplido al 45 % pide un análisis: ¿retraso de arranque recuperable, problema de acceso, meta poco realista o indicador mal definido?
Cuidado con los errores frecuentes: sumar personas contadas varias veces (una misma familia recibe tres distribuciones: son 3 distribuciones, pero una sola familia); mezclar personas y hogares; presentar un porcentaje sin el denominador; olvidar las desagregaciones por sexo, edad y discapacidad.
3Del seguimiento a la decisión
El seguimiento no sirve de nada si no cambia las decisiones. Una revisión mensual de desempeño eficaz, de una hora, examina en este orden:
- los indicadores de efecto y la retroalimentación de las comunidades: ¿se produce el cambio?
- los productos y el cronograma: ¿vamos a tiempo?
- el presupuesto y el valor ganado;
- los riesgos e incidencias;
- las decisiones: quién hace qué y para cuándo.
El tablero de una página combina estos elementos con códigos de color (verde, naranja, rojo) definidos de antemano. Por ejemplo: verde si el cumplimiento es al menos igual al 90 % de la prorrata temporal, naranja del 70 al 89 %, rojo por debajo. Los umbrales escritos evitan los debates subjetivos.
4Analizar los datos con la IA
Datos cuantitativos. La IA puede escribir fórmulas de hoja de cálculo, limpiar una base (duplicados, valores atípicos), calcular tasas y desagregaciones, proponer gráficos y un primer comentario. También puede ejecutar pequeños cálculos en las versiones que disponen de una herramienta de análisis. Verifique siempre los totales con un cálculo independiente.
Datos cualitativos. Para cientos de respuestas abiertas, actas de grupos focales o retroalimentación comunitaria, la IA puede proponer temas, contar las ocurrencias y extraer citas representativas. Buenas prácticas: definir usted mismo la grilla de codificación o validarla; verificar manualmente una muestra (por ejemplo el 10 % de las respuestas); conservar las voces minoritarias, que las síntesis automáticas tienden a borrar.
Lo que la IA no debe hacer: tratar quejas sensibles (explotación y abuso sexuales, violencia de género, fraude) fuera del circuito confidencial previsto; decidir sola la categoría de una queja; producir cifras sin una base de datos verificable.
5Responsabilidad de los datos humanitarios
Las orientaciones del IASC sobre la responsabilidad de los datos (2023) y el manual del CICR sobre la protección de datos fijan el marco. Antes de introducir datos en una herramienta de IA:
- Minimizar: solo las columnas necesarias;
- Anonimizar de verdad: suprimir nombres, números de teléfono, números de registro, coordenadas GPS precisas, y verificar que ciertas combinaciones (aldea + edad + discapacidad + composición del hogar) no permitan identificar a alguien;
- Pensar en los datos demográficamente sensibles: incluso sin nombres, la ubicación de un grupo étnico o de personas desplazadas puede exponerlos;
- Usar la oferta validada por su organización, cuyas condiciones excluyen el uso de sus datos para el entrenamiento;
- Respetar el consentimiento dado durante la recolección.
Regla sencilla: si la filtración de este archivo pudiera dañar a una persona o a un grupo, no va a una herramienta de IA no validada, ni siquiera «solo para un resumen».
6Aprender y adaptarse
La «L» de MEAL se olvida a menudo. Para que un proyecto aprenda:
- llevar un registro de decisiones adaptativas: fecha, constatación, datos, decisión, aprobación;
- organizar revisiones después de la acción breves tras cada etapa importante (¿qué estaba previsto? ¿qué pasó? ¿por qué? ¿qué repetir o cambiar?);
- compartir las lecciones con el clúster y los socios;
- verificar los supuestos de la teoría del cambio al menos una vez por semestre.
La IA puede ayudar a sintetizar las revisiones y a encontrar las lecciones de proyectos pasados en sus informes archivados, siempre que cite los documentos fuente.
Ejercicio: leer una ITT y decidir
Situación. Proyecto de protección de la infancia de la ONG ficticia Amal, 12 meses. Indicador: «número de niños y niñas que reciben gestión individual de casos». Meta anual: 2.400 niños y niñas. Logros: T1 450; T2 620; T3 530. Desagregación acumulada: 58 % de niños, 42 % de niñas, mientras que la población destinataria cuenta con un 51 % de niñas. Umbrales del tablero: verde ≥ 90 % de la prorrata temporal, naranja del 70 al 89 %, rojo < 70 %.
Trabajo solicitado. 1) ¿Acumulado y tasa de cumplimiento al final del T3? 2) ¿Color del tablero? 3) ¿Cuántos niños y niñas en el T4 para alcanzar la meta? 4) ¿Qué pregunta plantea la desagregación?
Corrección. 1) 450 + 620 + 530 = 1.600 niños y niñas; 1.600 ÷ 2.400 ≈ 66,7 %. 2) Prorrata temporal al final del T3 = 75 %; 66,7 ÷ 75 ≈ 89 %: naranja (justo por debajo del verde). 3) 2.400 − 1.600 = 800 en el T4, es decir claramente más que el mejor trimestre (620): hay que analizar la capacidad real antes de prometer la meta. 4) Las niñas están subrepresentadas (42 % frente a 51 %): ¿obstáculos de acceso propios de las niñas? ¿Canales de notificación inadecuados? Hay que hablarlo con las comunidades y el equipo, sin forzar artificialmente las cifras, porque una gestión de casos debe responder a una necesidad real.
Puntos clave
- El plan MEAL detalla cada indicador: definición, línea de base, meta, desagregaciones, fuente, frecuencia, responsable.
- Leer una ITT: comparar la tasa de cumplimiento con el tiempo transcurrido; evitar los dobles conteos.
- Una revisión mensual empieza por los efectos y termina con decisiones escritas.
- La IA analiza datos y retroalimentación anonimizados; verificar una muestra y conservar las voces minoritarias.
- Minimizar, anonimizar, herramienta validada, consentimiento: ningún dato que pueda dañar en una herramienta no validada.
Hágala a los demás participantes: siguen el mismo curso que usted.
💼 Empleos en Gestión de programas
Ponga en práctica esta formación: las últimas ofertas de este ámbito.
- Chief Investment Officer (CIO) – TUFIDCNational Institute of Urban Management (NIUM) · India
- UN Women National Consultant - Technical Coordinator – Karachi, Sindh, PakistanONU Femmes / UN Women · Pakistán
- Program OfficerNavshristi Foundation · India
- Sign Language InterpreterThe American India Foundation Trust (AIFT) · India
- Тренер/ка-ментор/ка з розвитку спроможності Рад ветеранівIREX · Ucrania
Para profundizar: referencias del curso
- Project Management Institute (PMI) (2025). A Guide to the Project Management Body of Knowledge (Guía del PMBOK), 8.ª edición. www.pmi.org
- Project Management Institute (PMI) (2026). PMP Examination Content Outline (contenido oficial del examen PMP). www.pmi.org/certifications/project-management-pmp
- PeopleCert (AXELOS) (2023). Managing Successful Projects with PRINCE2, 7.ª edición. www.peoplecert.org
- Ken Schwaber y Jeff Sutherland (2020). La Guía Scrum (The Scrum Guide). scrumguides.org
- Colectivo de 17 firmantes (2001). Manifiesto por el Desarrollo Ágil de Software. agilemanifesto.org
- PM4NGOs (2020). Project DPro: guía de gestión de proyectos para profesionales del desarrollo (PMD Pro 2.ª edición). pm4ngos.org
- PM4NGOs (2019). MEAL DPro: guía de seguimiento, evaluación, rendición de cuentas y aprendizaje. pm4ngos.org
- Comisión Europea (2004). Directrices sobre la gestión del ciclo de proyecto. international-partnerships.ec.europa.eu
- Grupo de las Naciones Unidas para el Desarrollo Sostenible (UNSDG) (2011). Results-Based Management Handbook (manual de gestión basada en resultados). unsdg.un.org
- CHS Alliance, Groupe URD y Esfera (2024). Core Humanitarian Standard on Quality and Accountability (Norma Humanitaria Esencial). www.corehumanitarianstandard.org
- Asociación Esfera (2018). El manual Esfera. spherestandards.org
- Comité Permanente entre Organismos (IASC) (2023). Operational Guidance on Data Responsibility in Humanitarian Action. interagencystandingcommittee.org
- CICR y Brussels Privacy Hub (2020). Manual sobre protección de datos en la acción humanitaria (2.ª edición). www.icrc.org
- National Institute of Standards and Technology (NIST) (2023). AI Risk Management Framework (AI RMF 1.0). www.nist.gov
- Naciones Unidas (Junta de los jefes ejecutivos) (2022). Principles for the Ethical Use of Artificial Intelligence in the United Nations System. unsceb.org
Cuestionario de la semana
5 preguntas exigentes para comprobar lo aprendido. Responda a todas para validar la semana.