Una reflexión sobre datos, gobernanza y la responsabilidad que ningún algoritmo puede asumir por ti.
Durante décadas, la programación cultural funcionó así: experiencia acumulada, intuición del gestor, tradición institucional y los datos que llegaban una vez al año con la encuesta de turno. No era irresponsabilidad. Era lo que había.
Las organizaciones culturales tomaban decisiones importantes —qué programar, a quién dirigirse, cuánto invertir en comunicación— con poca más información que la del año anterior y el criterio de quien llevaba más tiempo en la casa. A veces funcionaba. A veces se perpetuaban errores durante temporadas enteras sin que nadie pudiera explicar exactamente por qué.
Ese escenario está cambiando. No de golpe, no para todos al mismo ritmo, pero está cambiando.
Lo que la analítica empieza a hacer posible
Las organizaciones que hoy trabajan con datos de audiencias —patrónes de compra de entradas por canal y horario, tasas de renovación de abonos, comportamiento en web, patrones de fidelización, datos demográficos agregados— están tomando decisiones con un tipo de conocimiento que antes sencillamente no existía.
No hablamos de grandes infraestructuras tecnológicas. Un sistema de venta de entradas con el histórico bien conservado, una herramienta básica de analítica web y alguien que sepa hacerles las preguntas correctas pueden revelar cosas que llevan años delante de los ojos sin que nadie las viera.
El ejemplo más frecuente que encontramos en nuestro trabajo con organizaciones: segmentos de público que ya están asistiendo de forma irregular y que, con una comunicación mínimamente diferenciada, podrían convertirse en abonados. Públicos que ya cruzaron la puerta, que mostraron interés, que están a un paso —y a los que nadie ha vuelto a escribir después de su primera visita.
Los modelos predictivos van un paso más allá: permiten estimar, antes de comprometer el presupuesto, qué potencial de convocatoria tiene una propuesta determinada para un segmento concreto de tu comunidad. No para programar solo lo «seguro», sino para asumir riesgos con más información encima de la mesa. La diferencia no es menor.
El problema no es el dato. Es confundir el dato con el criterio.
Hasta aquí, todo suena razonablemente bien. Más información, mejores decisiones. Lógica difícil de discutir.
Pero hay una trampa, y merece la pena nombrarla con claridad antes de seguir.
La analítica describe lo que ha pasado y sugiere lo que probablemente pasará si se repiten las condiciones. No dice nada sobre lo que debería pasar. No tiene misión institucional. No sabe qué significa para tu organización programar una obra que va a incomodar al público habitual pero que necesita estar en tu escenario. No sabe distinguir entre un espectáculo que no convoca porque nadie lo conoce y uno que no convoca porque no conecta con nadie.
El mayor riesgo de la analítica de audiencias en cultura no es técnico. Es la tentación de programar exclusivamente lo que los datos dicen que funcionará. Un gestor que delega su criterio en el algoritmo está delegando la misión institucional en una herramienta que no la conoce y que, literalmente, no puede conocerla.
La cultura tiene una función que no aparece en ningún dashboard: provocar, incomodar, abrir perspectivas que nadie habría buscado, dar voz a lo que todavía no tiene audiencia.
Si el dato sustituye al criterio en lugar de informarlo, el resultado no es una organización más eficiente. Es una organización que ha dejado de saber para qué existe.
El reto real —el que más nos ocupa en nuestro trabajo— es aprender a dialogar con los datos sin quedarse atrapado en ellos.
Pero antes de llegar al criterio: la gobernanza
Hay un paso previo que en la práctica se salta con demasiada frecuencia. Y cuando se salta, los problemas no son hipotéticos.
Antes de preguntarse qué puede hacer la IA con los datos de tu organización, hay que preguntarse qué datos puedes usar, cómo y con qué garantías. No es una cuestión burocrática. Es una cuestión de responsabilidad institucional —y en algunos casos, de cumplimiento legal.
Las organizaciones culturales manejan datos que no siempre son sensibles en apariencia pero que lo son en la práctica: listas de abonados con nombres y correos, cachés y condiciones económicas de artistas, datos de menores en programas educativos, contratos de coproducción con cláusulas de exclusividad. Ninguno de esos datos debería circular por herramientas de IA abiertas sin que alguien en la organización haya pensado conscientemente en ello.
En el taller De la misión a la acción con IA —que desarrollamos en la XIX Escuela de Verano de La Red en Almagro— preparamos dos materiales de consulta rápida que abordan exactamente esto.
La Tabla de datos y riesgos está pensada para el momento previo: antes de subir información a cualquier herramienta de IA, ayuda a clasificar qué tipo de datos son de uso recomendado, cuáles requieren cautela y cuáles no deben usarse en entornos no controlados. La lógica es sencilla pero tiene que volverse un hábito: información pública y datos agregados o anonimizados, con criterio; datos personales, financieros o contratos confidenciales, con protocolos claros o directamente fuera de las herramientas abiertas. El criterio que usamos en el taller para decidir: ¿podríamos explicar con tranquilidad a la organización, al público o a la persona afectada por qué hemos usado estos datos y con qué garantías?
Si la respuesta no es un sí claro, ya tienes la respuesta.
La Tabla de revisión humana responde a una pregunta distinta pero igual de importante: una vez que la IA genera algo, ¿quién lo valida y qué comprueba exactamente? No toda revisión es igual. La revisión factual —fechas, cifras, requisitos— puede hacerla el equipo de comunicación o administración. La revisión estratégica —coherencia con la misión, posicionamiento, mensajes hacia financiadores— corresponde a dirección. La revisión cultural y artística —rigor, sensibilidad, relación con los artistas y sus obras— no puede delegarse fuera del equipo de dirección artística o mediación.
La tabla no es un protocolo burocrático. Es una forma de no perder de vista quién asume qué responsabilidad en un momento en el que las herramientas de IA hacen que sea muy fácil publicar, enviar o utilizar un resultado sin que nadie lo haya validado realmente.
Lo que esto implica para la organización
Trabajar con datos de audiencias de forma responsable requiere tres cosas que no siempre van juntas:
La primera es competencia técnica mínima: no hace falta un equipo de datos, pero sí alguien capaz de hacer las preguntas correctas al sistema de venta de entradas, de leer una hoja de analítica web sin perderse y de distinguir una correlación de una causalidad.
La segunda es gobernanza clara: saber qué datos existen, quién tiene acceso a ellos, qué puede hacerse con ellos y qué no. Esto no es un problema de tecnología. Es un problema de gestión interna.
La tercera —y la más difícil— es criterio institucional sólido: saber qué quiere ser tu organización, qué función cumple en su comunidad y qué líneas no va a cruzar aunque los datos sugieran que cruzarlas sería rentable.
La analítica avanzada tiene mucho que ofrecer al sector cultural. Pero sin esa tercera capa, las dos primeras son un instrumento sin dirección. Y sin la segunda, la primera es directamente un riesgo.
Una nota final
Llevamos años trabajando con organizaciones culturales en este proceso. Lo que más vemos no es resistencia a los datos ni tecnoentusiasmo irreflexivo —los dos extremos existen, pero no son lo más frecuente.
Lo más frecuente es la incertidumbre: no saber por dónde empezar, no tener claro qué es razonable esperar de estas herramientas, no disponer de protocolos mínimos para no meterse en un problema.
Si tienes dudas sobre cómo aplicarlo a tu organización concreta, cuéntanoslo. Una conversación de 30 minutos suele aclarar bastante.