*Acción Local* Los compañeros de camino no se encuentran en los eslóganes, sino en las preguntas. **[La música se desvanece]** --- **Título: 38 segundos — Cómo un mensaje de texto cambió la intervención en crisis** **[Conductora]** Hola a todos, bienvenidos. Soy su conductora de hoy. Nuestro invitado acaba de salir de las oficinas de Crisis Text Line. La organización fue fundada en Nueva York en 2013. Para 2024, había gestionado más de nueve millones de conversaciones. Pero lo primero que me dijo no fue sobre la escala del proyecto. Fue un número: 38 segundos. Ese es el tiempo de respuesta mediano de Crisis Text Line. Las líneas de crisis tradicionales tienen un tiempo de espera promedio de más de diez minutos. 38 segundos. No diez minutos. Cuéntenos — ¿cómo lograron llegar a 38 segundos? **[Invitado]** *(ríe)* Esto no es realmente una historia sobre tecnología. Al menos, no empieza con tecnología. Todo empieza con una mujer llamada Nancy Lublin. A principios de los años 2000, dirigía DoSomething — la plataforma juvenil sin fines de lucro más grande de los Estados Unidos. Los jóvenes se inscribían en actividades de voluntariado por mensaje de texto. Luego ocurrió algo inesperado. Empezaron a recibir tipos de mensajes muy diferentes. «Me violaron.» «Quiero suicidarme.» «Mis padres descubrieron que soy gay y quieren echarme de casa.» Estos mensajes no se enviaban a una línea de crisis — se enviaban a DoSomething. Porque los jóvenes no llaman por teléfono. Pero sí envían mensajes de texto. Nancy dijo más tarde en una entrevista: no usaban DoSomething para contactarnos — simplemente encontraron un lugar donde podían hablar, y hablaron. --- **[Conductora]** ¿Entonces identificó una brecha — no una falta de servicios, sino una desconexión entre cómo se ofrecían los servicios y cómo la gente realmente se comunica? **[Invitado]** Exacto. Para esa generación, los mensajes de texto eran su idioma. No las llamadas telefónicas. Para mucha gente, hacer una llamada es más difícil que la desesperación misma. En 2013, Crisis Text Line fue lanzada — el primer servicio nacional de crisis por mensaje de texto en los Estados Unidos. Envía HOME al 741741. Pero después del lanzamiento, Nancy y su equipo se toparon con un nuevo problema. El volumen era abrumador. Cientos de mensajes el primer día. Miles en la primera semana. Cada mensaje tenía que ser leído, evaluado y respondido por un consejero voluntario. El problema no era «¿a alguien le importa?». Era «¿hay suficiente gente que se preocupe exactamente al mismo tiempo?». --- **[Conductora]** ¿Y cómo lo resolvieron? ¿Contratando más personas? **[Invitado]** Contrataron. Pero pronto descubrieron que el volumen superaba con creces la velocidad a la que podían incorporar voluntarios — era imposible seguir el ritmo solo con personal. Esa presión obligó al equipo a pensar de manera diferente desde el principio. La IA no fue un parche aplicado después — estaba integrada en el diseño desde el inicio. Cuando Nancy estaba en DoSomething, los patrones que había visto en esos primeros mensajes ya le habían mostrado al equipo que el enfoque clínico tradicional no podía resolver un problema de escala. Así que en 2014, contrataron a su sexto empleado — un científico de datos llamado Bob Filbin. Sin formación en psicología clínica. Ciencia de datos. Su trabajo era directo: alimentar cientos de miles de conversaciones pasadas a modelos de aprendizaje automático. Entrenar al sistema para reconocer qué palabras, qué patrones, qué señales predecían un alto riesgo. Por ejemplo: «Quiero morir» y «Ya no quiero seguir viviendo» — suenan similar. Pero en los datos, uno aparecía casi tres veces más que el otro. Los patrones que aprendía el modelo no siempre eran visibles a simple vista. La lógica central no era «la IA reemplaza a los consejeros». Era «la IA ayuda a los consejeros a encontrar a las personas que más los necesitan». Llega un mensaje de texto: - La IA lo lee primero. Evalúa el nivel de riesgo. - Riesgo bajo: entra en la cola. Los consejeros responden en orden. - Riesgo alto: salta directamente al frente. El tiempo de respuesta mediano bajó de más de diez minutos a 38 segundos. --- **[Conductora]** 38 segundos. Para alguien que ya está elaborando un plan para quitarse la vida — ¿qué significan esos 38 segundos? **[Invitado]** Significa que alguien respondió antes de que actuara. Para 2024, habían gestionado más de nueve millones de conversaciones. Cien millones de mensajes intercambiados. El 68% de las conversaciones terminó con la persona en crisis elaborando un plan de seguridad — sabiendo qué hacer, y a quién acudir, cuando llegue la próxima crisis. También crearon un sitio llamado CrisisTrends.org — publicando datos anónimos y agregados para que cualquiera los use. Los departamentos de policía lo usan para planificar patrullas. Las universidades lo usan para decidir en qué épocas reforzar el apoyo de salud mental. Los CDC lo usan para rastrear las tendencias del suicidio. Es actualmente el conjunto de datos públicos más grande del mundo sobre salud mental. Y Crisis Text Line lo hizo gratuito. En 2019, la Fundación Skoll les otorgó el Premio al Emprendimiento Social. Cuando Nancy Lublin lo aceptó, dijo: «Los datos pueden salvar vidas. Pero solo si estás dispuesto a usarlos.» --- **[Conductora]** Un momento — una organización construida sobre datos e IA, y parece que todo salió bien. Pero en todo lo que acaba de describir — ¿hubo algún desafío en torno a cómo se usaban los datos? **[Invitado]** *(dos segundos de silencio)* Sí. Y es lo que más se ha cuestionado de esta organización. Pero hay que contarlo en orden cronológico. En 2021, Nancy Lublin dejó Crisis Text Line y fundó una empresa con fines de lucro llamada Loris AI — desarrollando herramientas de IA para optimizar el servicio al cliente. Su partida no causó mucho revuelo por sí sola. Una fundadora que se va a lanzar algo nuevo no es inusual en el mundo sin fines de lucro. Luego, en 2022, llegó la crisis. Crisis Text Line firmó un acuerdo de intercambio de datos con Loris AI: utilizar datos de conversación anonimizados de Crisis Text Line para entrenar los modelos de servicio al cliente de Loris. Cuando se supo la noticia, la reacción del público y los defensores de la privacidad fue intensa. La preocupación central: las palabras que las personas dijeron en sus momentos más vulnerables se estaban usando para entrenar una IA comercial de servicio al cliente. Aunque los datos eran anónimos — esa imagen incomodó profundamente a mucha gente. Crisis Text Line terminó la asociación rápidamente. Pero la grieta en la confianza ya estaba ahí. Ese mismo año, Dena Trujillo se convirtió en CEO. Su trayectoria fue en inversión de impacto en Omidyar Network. Su nombramiento marcó un cambio de «la organización de la fundadora» a «la organización gestionada profesionalmente». --- **[Conductora]** Es un giro llamativo. Una organización que usa los datos para salvar vidas — cuestionada por cómo usó los datos. ¿Qué opina al respecto? **[Invitado]** Creo que es una de las historias más honestas de nuestra época. Una organización que usó la IA para convertir diez minutos en 38 segundos — eso es capacidad. Pero si puede responder «¿a quién pertenecen estos datos?», «¿quién tiene derecho a usarlos?», «¿con qué fines?» — eso es gobernanza. Crisis Text Line eligió abrir sus datos y poner fin a la asociación polémica. No evitó la pregunta. --- **[Conductora]** ¿Y dónde están ahora? ¿Cómo es 2025? **[Invitado]** En 2025, el sitio web de Crisis Text Line muestra esta frase: *«Everyone is welcome here. No matter what you're going through, you are not alone.»* Sin mención de IA. Sin mención de datos. Sin mención de nueve millones de conversaciones. Vuelve a la pregunta original — alguien a las 2 de la mañana, mirando una pantalla, necesitando saber que alguien responderá. La tecnología de los 38 segundos no equivale a la confianza de los 38 segundos. La barrera real no es técnica — es si alguien que se siente completamente sin salida enviará ese mensaje. --- **[Conductora]** Última pregunta — después de todo lo que ha investigado, más allá de quienes trabajamos en organizaciones sociales: ¿qué puede aprender un oyente ordinario de todo esto? **[Invitado]** La historia de Crisis Text Line plantea tres preguntas que cada organización enfrenta — y que cada uno de nosotros también podría enfrentar en algún momento: Primero: usas tecnología para mejorar la eficiencia — pero esa eficiencia, ¿hace que «ser escuchado» sea mejor, o más mecánico? Segundo: cuando alguien confía sus pensamientos más íntimos a una institución en su momento más vulnerable, ¿qué mantiene en funcionamiento a esa institución — donaciones? ¿Tarifas de servicio? ¿Algún modelo híbrido? ¿Y qué significa eso para la confianza? Tercero: ¿eres un proveedor de servicios, o un constructor de infraestructura? Crisis Text Line eligió lo segundo — datos abiertos, convirtiéndose en un recurso público. Pero a nivel individual, hay una pregunta más sencilla: ¿enviarías ese mensaje en tu peor momento — a un desconocido, a una institución que no conoces? Solo esa pregunta ya vale la pena reflexionar. Si tu organización se hace las mismas preguntas — *Acción Local* quiere conectarlos. **[Conductora]** Gracias a nuestro invitado. Eso es todo por este episodio. Los compañeros de camino no se encuentran en los eslóganes. Se encuentran en las preguntas. **[FIN DEL GUION]**