La inteligencia artificial ha entrado en la captación de fondos más rápido que casi cualquier otra herramienta antes que ella: en apenas dos años ha pasado de ser una curiosidad a formar parte de la semana laboral de muchas personas. Para un sector que se sostiene sobre las relaciones, la confianza y las palabras elegidas con cuidado, ese ritmo resulta a la vez emocionante e inquietante. Esta guía ofrece una mirada realista sobre lo que las herramientas de IA actuales pueden hacer de verdad por quienes captan fondos, sobre dónde se quedan cortas y sobre cómo empezar a usarlas sin dejar en mal lugar ni a usted, ni a sus donantes, ni a su organización. Se apoya en los ejemplos prácticos compartidos en el seminario web sobre IA de Hubbub.

Cuando quienes captan fondos hablan hoy de IA, suelen referirse a los grandes modelos de lenguaje, o LLM: la tecnología que hay detrás de ChatGPT, Claude, Gemini, Perplexity y sus rivales. Conviene ser honestos sobre lo que estas herramientas son en realidad, porque esa honestidad cambia la forma en que las usa. Son modelos predictivos, no muy distintos del texto predictivo de un teléfono móvil, solo que mucho más capaces. El modelo lee el contexto que usted le da (su instrucción, el texto circundante, cualquier dato que aporte) y usa un algoritmo complejo para predecir las palabras, frases y párrafos que con mayor probabilidad encajan con lo que parece estar pidiendo.

Ese único hecho explica tanto la potencia como los límites. Es tentador imaginar estas herramientas o bien como un simple algoritmo o bien como una persona, una especie de asistente, cuando en realidad no son ni lo uno ni lo otro. Son más que un algoritmo, porque absorben tanto contexto que se convierten en una extensión de su forma de escribir y de hablar. Pero no son asistentes: no piensan y no razonan sobre conocimiento ni información estructurada. Sostenga ambas ideas a la vez y usará la IA de forma mucho más sensata que quien la trata o como un genio o como un juguete.

Plantillas listas para usar. Inicia sesión para descargar nuestros casos de uso de la IA en la captación de fondos, biblioteca de instrucciones de IA y plantilla de política de uso de la IA.

Una visión realista: lo que la IA puede y no puede hacer

La mayor parte de la decepción con la IA viene de esperar lo que no toca, así que empiece por el realismo. Estas herramientas son genuinamente buenas con el lenguaje: redactar, reescribir, resumir, cambiar el tono y adaptar un mismo texto a muchos públicos. Son rápidas, son baratas y el coste de probarlas es casi nulo. A finales de 2024, alrededor de dos tercios de las organizaciones del mundo comercial ya usaban IA generativa en al menos una función de negocio, según McKinsey, aunque menos de un tercio describía su uso como estructurado. Las herramientas están por todas partes; su uso reflexivo, no.

Los límites son más nítidos de lo que sugiere el marketing. El más importante es que estos modelos inventan cosas con seguridad. Un ejemplo claro: al pedirle que elaborara una ficha informativa de un donante a partir de una hoja de cálculo del historial de donaciones que se subió, una herramienta fabricó las cifras a escondidas. El resultado no solo era incompleto, sino radicalmente distinto de la fuente: se saltaba muchísimas donaciones e inventaba las fechas. En lugar de admitir que no podía leer el archivo, fabricó datos nuevos plausibles. La razón es exactamente la naturaleza predictiva descrita más arriba. El modelo trató la hoja de cálculo no como un registro que preservar intacto, sino como un ejemplo del tipo de respuesta que debía producir.

Esta es la ilustración más limpia de la brecha entre una herramienta de IA y un ayudante humano: un asistente humano jamás haría esto. Cifras, nombres, fechas, citas y cualquier dato estructurado son precisamente donde estas herramientas son menos fiables, y donde quien capta fondos con descuido puede causar un daño real. Trate la IA como un brillante autor de primeros borradores y un investigador irregular, y andará bastante en lo cierto.

Casos de uso prácticos

Redactar y editar textos

El caso de uso más sólido y más seguro es ayudarle a escribir. Quienes captan fondos pasan semanas elaborando un argumentario de apoyo, y luego necesitan versiones de él para públicos distintos, y producir esas variantes a mano sale caro, en dinero o en tiempo. Aquí es donde la IA brilla. Tome un llamamiento bien escrito y pida a la herramienta que lo reescriba para un nuevo público, por ejemplo: «reescribe este llamamiento para becas dirigiéndolo a un público de madres y padres, manteniendo intacto el propósito de fondo, pero reflejando el tono, los resortes emocionales y la familiaridad apropiados». Obtiene un borrador utilizable en segundos.

El mismo enfoque se extiende a toda una campaña. Para un Día de la donación, puede partir de un solo argumentario de apoyo y generar cinco, seis o diez correos para segmentos distintos: madres y padres, antiguos alumnos de distintas generaciones, donantes actuales, recién egresados, personal. En lugar de escribir quince o veinte variantes desde cero, deja que la herramienta las produzca, cuando menos como punto de partida. Esa expresión es la clave. La IA le da un primer borrador rápido; usted aporta el criterio. Es el punto más útil por el que empezar, y encaja de forma natural con nuestra guía de captación de fondos por correo electrónico, donde redactar asuntos, aperturas y variantes segmentadas es exactamente el tipo de trabajo que la IA acelera.

Un pequeño indicio que vale la pena conocer: a estas herramientas les encantan ciertos hábitos estilísticos, en especial la raya larga, que ChatGPT en particular esparce por sus textos. Una sucesión de rayas largas delata que un texto fue escrito por una IA. Puede simplemente pedir a la herramienta que las elimine, pero vigile qué más cambia cuando lo hace, porque cada ajuste puede mover más de lo que pidió.

Investigación y síntesis

El segundo caso de uso sólido es resumir y remodelar un texto que ya tiene. Transcripciones de llamadas, notas de reuniones, informes largos y notas de llamadas desordenadas son candidatos ideales. Podría, por ejemplo, pedir a una herramienta que «reformatee las siguientes notas no estructuradas de una llamada con un donante al formato coherente que usamos en nuestro CRM, y extraiga los resultados clave, los indicadores de tono, los siguientes pasos y un resumen». El valor está en la coherencia: obtiene la misma información de cada llamada, sin importar quién la hizo. Un trabajo que antes llevaba horas, como redactar una ficha informativa de un donante a partir de un perfil y un historial de donaciones, puede reducirse a minutos, siempre que lo compruebe.

Aquí hay, no obstante, una advertencia importante. Estas herramientas manejan mucho mejor el texto en archivos adjuntos que los datos estructurados, en especial las cifras en hojas de cálculo, y hay bastantes probabilidades de que una herramienta simplemente no lea una hoja de cálculo. La solución es sencilla: copie y pegue sus datos de la hoja de cálculo directamente en la instrucción en lugar de subir un archivo. Cuando el mismo historial de donaciones se pegó como tabla, la herramienta lo procesó bien. Pequeñas diferencias en cómo le proporciona la información a la herramienta marcan una gran diferencia en si puede confiar en el resultado.

Ahorrar tiempo en administración y práctica

Más allá de escribir e investigar, la IA elimina sin ruido la fricción de la administración cotidiana: reformatear notas, convertir un texto en tabla, esbozar la estructura de un documento, sugerir los siguientes pasos. Un uso más inesperado es el ensayo. Puede pedir a una herramienta con capacidad de voz que haga de donante, o de antiguo alumno molesto, y practicar conversaciones difíciles antes de que ocurran. Para estudiantes que descuelgan el teléfono por primera vez, ensayar una llamada diez o quince veces de antemano hace que el guion (sobre ellos mismos, sobre el llamamiento, sobre lo que quieren tratar) sea mucho más fácil y cómodo de pronunciar. El mismo enfoque saca a la luz las lagunas de aquello sobre lo que está listo para hablar, lo cual es una preparación valiosa tanto para las reuniones con grandes donantes como para el teléfono.

Escribir buenas instrucciones y dar el contexto adecuado

La calidad de lo que obtiene depende casi por completo de lo que introduce. Al fin y al cabo, el modelo solo predice el mejor encaje para el contexto que usted proporciona, así que cuanto más contexto, mejor el encaje. Dígale quién es usted, qué intenta lograr, quién es el público, qué tono quiere y para qué usará el resultado. Incluso puede preconfigurar una herramienta con sus propias preferencias una sola vez y reutilizarlas: dígale que escriba únicamente en español estándar, por ejemplo, y seguirá haciéndolo.

La otra mitad de una buena instrucción es la estructura. Cuanto más precisa y estructurada sea su instrucción, más predecible y coherente será el resultado; deje huecos y la herramienta adivinará e interpretará lo que quiso decir. Si quiere cuatro campos concretos en una tabla, nombre esos cuatro campos. Si quiere algo lo bastante breve para echarle un vistazo antes de entrar a una reunión, dígalo, y siga refinando.

Lo que conduce al hábito más útil de todos: iterar. Saca lo mejor de estas herramientas pensando en cómo usará el resultado y luego dirigiendo la herramienta hacia exactamente lo que quiere a lo largo de varias rondas. No acepte la primera respuesta como definitiva. Pida una versión más corta, un tono distinto, una tabla en lugar de prosa, tres publicaciones para redes en lugar de una. Y lea lo que la herramienta le dice que está haciendo por el camino, porque cada vez que le pide ajustar algo puede cambiar un poco más de lo que pidió.

Vale la pena adoptar una última disciplina sea cual sea la herramienta que use: trate cada intento como un pequeño experimento y anótelo. ¿Qué intentaba lograr? ¿Qué herramientas usó? ¿Qué funcionó, qué no, y qué sigue? Un breve registro de sus instrucciones y resultados convierte el juego individual disperso en un saber compartido y repetible, porque el aprendizaje autodirigido en este terreno, de lo contrario, se pierde enormes cantidades de experiencia valiosa de los colegas. Nuestra biblioteca de instrucciones está pensada para ser exactamente ese tipo de registro compartido.

Mantener a una persona en el proceso

Si una regla importa más que ninguna otra, es esta: lea siempre el resultado. El historial de donaciones inventado de más arriba es el relato aleccionador. La herramienta produjo algo pulido, profesional y completamente erróneo, y habría sido fácil no advertir que había tergiversado por completo el historial de donaciones. Una ficha informativa que está a punto de llevar a una reunión con un donante es precisamente el tipo de documento donde una invención segura de sí misma hace un daño real.

Así que mantenga a una persona entre la IA y el mundo exterior en cada paso. Compruebe hechos, cifras, nombres y citas contra su fuente. Sea especialmente cauto cuando una herramienta genere un archivo descargable: si escribe y ejecuta un pequeño programa para construir una hoja de cálculo, la respuesta más segura es no fiarse de ese archivo y pedirle en su lugar que muestre la tabla en pantalla para que pueda verificar el contenido. Esa comprobación lleva segundos y vale bien la pena.

Una persona en el proceso no sirve solo para detectar errores; tiene que ver con la responsabilidad. La IA le devuelve su voz y su criterio, y la responsabilidad de todo lo que salga bajo el nombre de su organización sigue siendo suya. Úsela para redactar, nunca para enviar sin leer.

Protección de datos, confianza del donante y ética

Aquí es donde quienes captan fondos deben ser más cuidadosos, porque manejamos datos personales sensibles y vivimos de la confianza. El punto de partida sobre protección de datos es sencillo: tiene que informar a las personas si va a empezar a introducir sus datos personales en herramientas de IA. Bajo el RGPD, que se aplica a los datos de donantes en toda Europa, debe quedar claramente indicado en su política de privacidad, ya se apoye en el consentimiento o en el interés legítimo. Dicho sin rodeos: si empieza a alimentar herramientas como ChatGPT con datos personales sin que en ningún sitio una línea diga a los donantes que podría hacerlo, casi con seguridad no cumple la normativa.

La noticia tranquilizadora es que la mayoría de los casos de uso sólidos necesitan muy pocos datos personales. Reescribir un argumentario de apoyo, redactar correos por segmentos o resumir un informe no implica a personas identificadas por su nombre. Allí donde sí maneja información personal, como notas de una llamada, suele ser fácil anonimizarla eliminando antes los detalles individuales. Para la mayoría de los casos de uso de esta guía no necesita en realidad introducir mucha información identificable en estas herramientas. Haga de anonimizar su opción por defecto, e incluya datos personales solo de forma deliberada, con una base legal clara y un aviso de privacidad que lo diga.

El derecho de autor también merece mención, en particular para las imágenes generadas por IA. Si usted es propietario de lo que una herramienta produce depende en gran medida de sus términos y condiciones, y por separado de cuestiones legales sin resolver sobre los datos con los que se entrenaron estos modelos. Aquí la prudencia es sensata: es difícil tener la certeza de que una imagen recién generada no sea visualmente muy similar, o de hecho una copia, de algo presente en los datos de entrenamiento del modelo. Retocar imágenes que ya posee es de bajo riesgo; generar imágenes totalmente nuevas desde cero conlleva más.

Sobre la autenticidad, la respuesta honesta es que no puede saber cómo reaccionarán los donantes hasta que lo pruebe, con cautela. En lugar de difundir textos asistidos por IA a toda su base, pruébelos primero con un público pequeño y controlado: ejecútelos como una prueba A/B frente a su versión habitual, y observe tanto si mejora la interacción como si alguien sintió que no era genuino. La idea de fondo es tranquilizadora, porque la herramienta le devuelve su propia autenticidad, de modo que un resultado bien supervisado no tiene por qué parecer menos genuino. Pero la prueba real es el donante, y solo conoce la respuesta poniendo su trabajo con delicadeza delante de personas reales.

Cómo empezar con seguridad

No necesita una estrategia, un presupuesto ni un permiso para empezar; necesita una tarea de bajo riesgo y el hábito de comprobar. Elija una tarea que haga a menudo y que trate sobre todo de palabras, como redactar un correo por segmento o resumir un conjunto de notas de llamadas, y pruébela. Pegue abundante contexto, pida con precisión lo que quiere e itere hasta que el resultado sea genuinamente útil. Lea todo antes de que salga de sus manos, anonimice cualquier dato personal y anote rápidamente la instrucción que funcionó para que un colega pueda reutilizarla.

A partir de ahí, amplíe un caso de uso cada vez, mantenga fuera los datos personales salvo que su aviso de privacidad los cubra, y pruebe primero con un público pequeño cualquier cosa dirigida a donantes. Hecho así, la IA se convierte en aquello en lo que es genuinamente buena: un socio de redacción rápido e incansable que le libera para dedicar más tiempo a las relaciones que solo una persona puede construir.

Preguntas frecuentes

¿Reemplazará la IA a quienes captan fondos? No. Estas herramientas son fuertes con el lenguaje y débiles en criterio, relaciones y exactitud. Redactan, resumen y reformatean con rapidez, pero la estrategia, la relación con el donante y la responsabilidad de lo que sale siguen firmemente en sus manos. Trate la IA como un competente autor de primeros borradores, no como un sustituto.

¿Es seguro introducir datos de donantes en ChatGPT o herramientas similares? Solo con cuidado. Bajo el RGPD, si tiene intención de introducir datos personales en herramientas de IA, su política de privacidad debe decirlo claramente, ya se apoye en el consentimiento o en el interés legítimo. Para la mayoría de los casos de uso en captación de fondos no necesita muchos datos personales, si es que necesita alguno, y las notas de llamadas y materiales similares suelen poder anonimizarse antes. Haga de anonimizar su opción por defecto.

¿Qué herramienta de IA debería usar? Importa menos de lo que podría pensar. ChatGPT, Claude, Gemini, Perplexity y las demás compiten poco a poco por ser ligeramente mejores unas que otras, así que es razonable mantenerse bastante agnóstico. Use lo que su organización permita y con lo que se sienta cómodo, y revise los términos de la herramienta sobre datos y derechos de autor antes de fiarse de ella.

¿Por qué a veces la IA se inventa cosas? Porque predice texto plausible en lugar de recuperar hechos. Al pedirle un historial de donaciones que no podía leer bien, una herramienta sencillamente inventó uno que tenía buen aspecto. Trate siempre cifras, nombres, fechas y citas como no verificados hasta que los haya cotejado con su fuente, y pegue los datos estructurados en la instrucción en lugar de subir una hoja de cálculo.

¿Cómo obtengo un mejor resultado de una instrucción? Dele más contexto y sea más específico. Dígale quién es usted, quién es el público, el tono que quiere y para qué sirve el resultado, y cuanto más estructurada sea su instrucción, más predecible será el resultado. Luego itere: pida algo más corto, un tono distinto, o en tabla, hasta que sea exactamente lo que necesita.

¿Por dónde debería empezar quien es principiante absoluto? Por una tarea de bajo riesgo basada en palabras, como redactar un correo por segmento o resumir notas. Pegue contexto, pida con precisión, lea y compruebe el resultado, mantenga fuera los datos personales y guarde la instrucción que funcionó para que sus colegas puedan reutilizarla.

Paquete de recursos para miembros

Inicia sesión con tu correo electrónico para desbloquear estas plantillas editables:

Herramientas

Simulador del Día de la donación de Hubbub: modela los resultados probables antes de comprometerte con un objetivo
Verificador de textos de captación: afina tus textos de llamamiento y de correo
Generador de códigos QR: conecta los momentos presenciales directamente con una página de donación

Lecturas adicionales

Blog de Hubbub: dónde la IA puede y no puede dar resultados en la filantropía
Guía relacionada: Cómo escribir correos de captación de fondos que funcionan
Organismos del sector: CASE y CASE Europe

Consulta el directorio completo de enlaces para más información.