El Centro para el Desarrollo Tecnológico y la Innovación ha llevado a cabo, junto con el Innovation Growth Lab (IGL), un experimento a gran escala dentro de Neotec, uno de sus programas insignia de financiación a startups tecnológicas. El objetivo era explorar si la inteligencia artificial puede ayudar a mejorar la forma en que se evalúa el impacto social de los proyectos que solicitan ayudas públicas. Los resultados, recogidos en un informe de política publicado en septiembre de 2026, muestran tanto el potencial como los límites de la IA en este terreno.
Neotec cuenta con un presupuesto aproximado de 40 millones de euros en 2025 y ofrece subvenciones a fondo perdido de hasta 250.000 euros (o 325.000 en determinadas condiciones) a empresas tecnológicas en fase temprana. Las propuestas se valoran combinando innovación, viabilidad de negocio, capacidad del equipo e impacto social. Históricamente, este último criterio ha pesado muy poco en la puntuación total, en torno a un 5%, frente al 35% de la excelencia tecnológica y el 30% asignado a la viabilidad de negocio y a la calidad del equipo, respectivamente.
Las evaluaciones del programa muestran un patrón claro: Neotec funciona bien impulsando inversión en I+D, transferencia tecnológica, patentes y supervivencia de las empresas, pero apenas genera efectos diferenciales en ámbitos como la igualdad de género, la innovación inclusiva o las tecnologías dirigidas a retos sociales. En algunos casos, como la adaptación climática o el acceso a la tecnología para colectivos vulnerables, el efecto llega a ser neutro o incluso negativo.
De un ensayo aleatorizado a un «experimento sombra»
El plan inicial pasaba por un ensayo controlado aleatorizado a gran escala, vinculado directamente al proceso de concesión de las ayudas. Sin embargo, esta vía chocaba con obstáculos legales relevantes: introducir aleatoriedad en un contexto de financiación pública podía entrar en conflicto con los principios de competencia justa, y abría la puerta a posibles reclamaciones de las empresas solicitantes.
Ante esta barrera, el CDTI propuso un «experimento sombra» que se ejecutara en paralelo al proceso oficial de selección de Neotec, sin influir en ningún momento sobre las decisiones reales de financiación. Las evaluaciones experimentales solo comenzaron una vez concluida la valoración formal de las solicitudes de la convocatoria de 2025, lo que garantizaba que el ejercicio no pudiera alterar qué empresas recibían la ayuda.
Una herramienta de IA en dos pasos, entrenada con proyectos de 2021 a 2023
El IGL desarrolló un sistema de inteligencia artificial específico para el experimento, entrenado con datos históricos de 283 proyectos aprobados entre 2021 y 2023. El sistema sigue un proceso en dos fases. Primero, un modelo de lenguaje predictivo analiza el resumen ejecutivo y la sección de impacto social de cada propuesta para generar una puntuación numérica de 0 a 10. Después, un modelo generativo basado en Google Gemini utiliza tanto el texto de la propuesta como esa puntuación para redactar una justificación escrita, señalando la evidencia relevante dentro de la solicitud, siempre trabajando con propuestas previamente anonimizadas para proteger la confidencialidad.
116 evaluadores, tres perfiles distintos y 828 valoraciones
El experimento reunió a 116 participantes divididos en tres grupos: 34 evaluadores técnicos del propio Neotec, 52 voluntarios internos del CDTI sin experiencia directa en este programa, y 30 expertos externos especializados en impacto social. Entre todos revisaron 348 propuestas, generando un total de 828 evaluaciones individuales.
El proceso se organizó en dos fases. En la primera, los tres grupos evaluaron las propuestas de forma independiente, sin ningún contacto entre ellos, lo que permitió comparar su capacidad predictiva, es decir, hasta qué punto sus valoraciones coincidían con los resultados reales observados en encuestas posteriores a cada proyecto. En la segunda fase, los evaluadores recibieron información generada por la IA y pudieron revisar sus puntuaciones iniciales, mientras un pequeño grupo de control (en torno al 5% de las propuestas) no recibió ningún apoyo de la IA, para poder comparar resultados.
La capacidad predictiva humana es limitada, y la IA solo la mejora ligeramente
El primer hallazgo, y quizás el más llamativo, es que la capacidad para predecir el impacto social futuro resultó limitada en los tres grupos de evaluadores, sin diferencias sustanciales entre técnicos, voluntarios y expertos externos especializados. Esto sugiere que el problema no reside tanto en la falta de experiencia o de conocimiento especializado, sino en una dificultad más estructural: anticipar los efectos sociales futuros de proyectos de innovación en fase muy temprana es, en sí mismo, extremadamente incierto.
El sistema de IA mostró una capacidad predictiva algo superior a la de los evaluadores humanos, aunque la diferencia fue modesta y debe interpretarse con cautela, dado el tamaño reducido de la muestra de validación. Exponer a los evaluadores a la información generada por la IA produjo mejoras pequeñas pero consistentes en su capacidad predictiva. Sin embargo, en torno al 80% de los casos, los evaluadores no modificaron su puntuación inicial tras recibir esa información.
Los evaluadores más experimentados son los más reacios a cambiar de opinión
Las respuestas variaron mucho según el perfil. El 75% de los evaluadores técnicos de Neotec mantuvo todas sus puntuaciones originales sin cambios, frente a solo el 20% de los expertos externos y el 35% de los voluntarios internos. Esto sugiere que quienes están más integrados en el programa tienden a apoyarse más en su propio criterio y en sus rutinas de evaluación habituales, mientras que perfiles menos familiarizados con Neotec se mostraron más receptivos a la información externa.
Los evaluadores tendían a revisar su puntuación con más frecuencia cuando la IA sugería una nota muy distinta a la suya (25% de cambios frente a un 14% cuando la diferencia era pequeña), cuando la sugerencia de la IA resultaba más precisa que su valoración inicial, y cuando la IA proponía bajar la puntuación en lugar de subirla.
El formato de la explicación de la IA puede sesgar el proceso hacia el conservadurismo
Uno de los hallazgos más relevantes tiene que ver con la forma en que se presenta la información generada por la IA. Explicaciones más explícitas y persuasivas aumentaron el porcentaje de puntuaciones revisadas del 14% al 24%, aunque este efecto se debió sobre todo a los expertos externos. Además, se detectó una asimetría preocupante: cuando la IA sugería una valoración menos favorable, los evaluadores ajustaban su puntuación a la baja independientemente del formato empleado. Pero cuando la IA sugería una valoración más favorable, el formato neutro apenas generaba cambios, mientras que las explicaciones más persuasivas sí provocaban revisiones al alza más frecuentes y de mayor magnitud. En la práctica, esto significa que, dependiendo de cómo se presenten sus resultados, la IA podría hacer que un proceso de financiación se volviera más conservador sin que nadie lo haya decidido explícitamente.
La IA funciona como apoyo cognitivo, no como un oráculo
Entre las lecciones extraídas, el informe subraya que predecir el impacto social es una tarea inherentemente difícil, y que ni siquiera los expertos especializados en la materia superan de forma clara a otros evaluadores, lo que apunta a un problema de medición más amplio que trasciende al propio CDTI. También concluye que la IA funciona mejor como apoyo cognitivo que complementa el juicio humano, no como un sustituto automático de ese juicio: su valor principal está en ofrecer una señal adicional que invite a reconsiderar una valoración, no en sustituirla.
Experimentar en la administración pública exige algo más que rigor técnico
El informe destaca también lecciones de tipo organizativo. Construir capacidad de experimentación dentro de una administración pública no es solo un reto metodológico, sino también relacional: cuestiones como la protección de datos, la equidad o el uso de la IA generaron preocupaciones legítimas que exigieron una negociación constante entre los distintos actores implicados. El proyecto tuvo que adaptarse sobre la marcha en varios momentos, desde el rediseño hacia un «experimento sombra» hasta la organización de una sesión presencial en Madrid para garantizar suficiente participación, lo que subraya que la flexibilidad y la confianza institucional resultaron tan decisivas como el diseño metodológico original.
