Collaboration by Mandate: How Shared Data Infrastructure Shapes Coordination and Control in U.S. Homelessness Services

Este estudio examina cómo el sistema de información de gestión de personas sin hogar (HMIS) en Estados Unidos, al ser un requisito federal, actúa simultáneamente como una herramienta para coordinar la atención y un instrumento de control que, a pesar de facilitar la colaboración, reproduce asimetrías de poder y limita la participación equitativa debido a la desigualdad en recursos y capacidades analíticas.

Lo esencial

Imagina que el sistema de ayuda para personas sin hogar en Estados Unidos es como una gran orquesta. Cada músico (las organizaciones benéficas, los refugios, los hospitales) toca su instrumento y ayuda a las personas que lo necesitan. Pero, para que la música suene bien y no sea un caos, el gobierno les dice: "Tienen que tocar juntos y seguir la misma partitura".

Esta "partitura" es lo que los autores llaman infraestructura de datos compartida. En este caso, se llama HMIS (un sistema informático gigante donde todos anotan la información de las personas que ayudan).

Aquí te explico qué descubrieron los autores de este estudio, usando analogías sencillas:

1. El Doble Propósito: El Director de Orquesta y el Vigilante

El gobierno obliga a estas organizaciones a usar este sistema común. Esto tiene dos caras, como una moneda:

• La cara buena (Coordinación): Es como si todos tuvieran el mismo mapa. Si una persona va al refugio A y luego al refugio B, el sistema les dice a ambos: "Oye, esta persona ya recibió ayuda ayer". Así, no se duplican esfuerzos y la ayuda es más rápida.
• La cara difícil (Control): El sistema también es como un director de orquesta estricto. No solo les dice qué tocar, sino que decide quién tiene el micrófono. Las reglas del sistema definen qué datos se pueden guardar y quién puede leerlos. Esto hace que algunas organizaciones tengan mucho poder y otras se sientan solo como "secretarias" que deben llenar formularios para no perder dinero.

2. El Problema de los "Músicos" (Las Organizaciones)

El estudio entrevistó a expertos en Florida y descubrió que no todos tienen las mismas herramientas para tocar esta música:

• Los Grandes (Organizaciones con recursos): Tienen músicos expertos, pianos de cola y tiempo para ensayar. Pueden usar los datos para crear nuevas estrategias, entender problemas complejos y tener voz en las decisiones.
• Los Pequeños (Organizaciones pequeñas): A menudo son músicos que apenas pueden pagar su instrumento. Para ellos, el sistema no es una herramienta para aprender, sino una tarea burocrática. Tienen que llenar los formularios solo para que el gobierno les siga dando el dinero. No tienen tiempo ni personal para analizar los datos y decir: "Oye, esto no está funcionando".

La analogía: Imagina que el gobierno les da a todos el mismo libro de recetas (los datos). Las cocinas grandes tienen chefs que pueden inventar nuevos platos con esa receta. Las cocinas pequeñas solo tienen que seguir la receta al pie de la letra para que no las cierren, sin poder mejorar el plato.

3. La Desconfianza y el "Candado"

Hay un problema de confianza.

• Las personas sin hogar: A veces tienen miedo de que sus datos se compartan con la policía o que los usen en su contra. Si tienen miedo, no dan su información, y el mapa se queda incompleto.
• Las organizaciones: A veces desconfían entre ellas. Los hospitales tienen abogados poderosos y pueden poner condiciones difíciles para compartir datos, mientras que los refugios pequeños no tienen ese "poder legal" y terminan aceptando las reglas de los demás.

4. El Sistema de Papel y Computadora (La Realidad)

Aunque el sistema es digital, la realidad es más "analógica".
Muchas personas sin hogar no tienen computadora o no saben usarla. Por eso, los trabajadores sociales a veces tienen que escribir en papel para ser justos e inclusivos. Pero luego tienen que pasar esa información al sistema digital. Esto es como intentar traducir un poema de papel a un código de computadora: a veces se pierden detalles importantes o se crea confusión.

5. ¿Qué significa todo esto? (La Conclusión)

Los autores nos dicen que tener un sistema de datos compartido no es mágico.

• Lo bueno: Ayuda a que todos sepan qué está pasando y a rendir cuentas.
• Lo malo: Puede crear una brecha donde los grandes deciden y los pequeños solo obedecen.

La lección final: Para que la orquesta suene bien, no basta con tener la misma partitura. Necesitamos:

1. Enseñar a los músicos pequeños a leer la música (darles más capacitación).
2. Permitir que toquen sus propias variaciones (flexibilidad local).
3. Asegurarse de que todos entiendan por qué están tocando esa nota, no solo qué nota tocar.

En resumen: La tecnología une a las personas, pero si no hay igualdad de recursos y poder, la tecnología puede terminar separándolos más.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los componentes solicitados:

Título: Colaboración por Mandato: Cómo la Infraestructura de Datos Compartida Moldea la Coordinación y el Control en los Servicios de Atención a Personas Sin Hogar en EE. UU.

Autores: Lingwei Cheng, Saerim Kim y Andrew Sullivan.
Contexto: Estudio de caso sobre la red de servicios para personas sin hogar en el Centro de Florida (CoC FL-507).

---

1. El Problema

La colaboración obligada (mandated collaboration) es común en políticas sociales fragmentadas (como la atención a personas sin hogar), donde las autoridades externas exigen que las organizaciones se coordinen mediante leyes y requisitos de financiación. En este contexto, la infraestructura de datos compartida, específicamente el Sistema de Información de Gestión de Personas Sin Hogar (HMIS), actúa como el núcleo de esta coordinación.

El problema central identificado es la dualidad de estas infraestructuras:

• Herramienta de coordinación: Facilitan el intercambio de historias clínicas y la atención coordinada con el consentimiento del cliente.
• Instrumento de control: Los estándares de datos y las reglas de gobernanza definen quién puede recopilar, acceder, interpretar y actuar sobre la información, concentrando la autoridad de toma de decisiones.

Existe una brecha de conocimiento sobre cómo estas infraestructuras estructuradas por mandato moldean el trabajo de los datos y la autoridad de decisión a través de la red de servicios, y si fomentan una toma de decisiones colaborativa o, por el contrario, refuerzan las asimetrías de poder y la desigualdad entre proveedores gubernamentales y sin fines de lucro.

2. Metodología

El estudio emplea un enfoque cualitativo basado en un análisis de caso único del Continuum of Care (CoC) FL-507 en el centro de Florida, que coordina a 47 agencias asociadas.

• Recolección de datos: Se realizaron seis entrevistas semiestructuradas de una hora de duración con partes interesadas clave (cuatro del organismo coordinador principal y dos de proveedores de servicios) entre agosto y septiembre de 2025.
• Muestreo: Se utilizó muestreo por bola de nieve, comenzando con los contactos principales del HMIS.
• Marco de análisis: Se utilizó un protocolo estructurado en torno a las cuatro etapas de la cadena de valor de los datos:
  1. Recopilación: Registro o recolección de datos.
  2. Almacenamiento: Mantenimiento, seguridad y acceso a registros.
  3. Análisis: Procesamiento de datos en indicadores, informes o modelos.
  4. Uso: Aplicación de resultados a decisiones, rendición de cuentas o entrega de servicios.
• Procesamiento: Las entrevistas se transcribieron, anonimizaron y analizaron mediante un análisis temático inductivo con codificación abierta y diagramas de afinidad ascendente, realizados por dos investigadores para garantizar la fiabilidad.

3. Contribuciones Clave

El artículo aporta tres contribuciones significativas a la investigación en tecnologías cívicas e infraestructuras de datos de interés público:

1. Estudio cualitativo profundo: Proporciona una mirada detallada al HMIS, mostrando cómo moldea la colaboración, la rendición de cuentas y el poder entre actores gubernamentales y sin fines de lucro.
2. Análisis del ciclo de vida de los datos: Examina no solo la recolección, sino también cómo los datos se analizan colectivamente para transformarlos en narrativas comunitarias y cómo las fricciones (como el desplazamiento hacia roles enfocados en el cumplimiento) concentran la autoridad.
3. Contextualización de la investigación HCI: Sitúa la investigación sobre personas sin hogar dentro de su contexto político y organizacional más amplio, destacando cómo la gobernanza de datos y la infraestructura moldean conjuntamente la producción, interpretación y equidad de los datos.

4. Resultados Principales

Los hallazgos se organizan según las etapas de la cadena de valor de los datos:

• Recopilación de Datos:

  • Tensión entre cumplimiento y equidad: La recopilación está impulsada por obligaciones de financiación y reporte. La estandarización busca la eficiencia, pero a menudo limita la captura de matices necesarios para evaluar resultados de equidad.
  • Desconfianza: Existe desconfianza por parte de los clientes (miedo a que los datos se usen en su contra) y entre agencias (ej. sistema de justicia penal), lo que dificulta la recopilación.
  • Capacidad desigual: Los proveedores más pequeños priorizan la entrega directa de servicios sobre la documentación de datos, mientras que los grandes tienen más recursos. La falta de "capital legal" de los CoCs frente a hospitales o grandes entidades limita su capacidad de negociación en acuerdos de intercambio de datos.

• Almacenamiento de Datos:

  • Centralización vs. Personalización: Aunque el almacenamiento es centralizado en HMIS, los proveedores mantienen sistemas locales (a veces en papel) para adaptarse a la baja alfabetización digital de los clientes. Intentar integrar estos datos no estandarizados en HMIS suele generar duplicidad y confusión, obligando a un diálogo cuidadoso para preservar la integridad de los datos.

• Análisis de Datos:

  • Barreras de interpretación: La interpretación de los datos requiere tanto habilidades técnicas como conocimiento contextual profundo. Sin marcos interpretativos compartidos, los mismos datos pueden generar narrativas contradictorias.
  • Brecha de capacidad: Las organizaciones más grandes tienen la capacidad de realizar análisis profundos y estratégicos, mientras que las pequeñas dependen de informes predefinidos y validan su juicio experiencial. Esto limita la inversión compartida en análisis colaborativo.
  • Alineación de incentivos: A menudo no hay beneficios mutuos claros; algunos proveedores (ej. Medicaid) pueden usar los datos para avanzar en sus propios portafolios en lugar de apoyar objetivos analíticos compartidos.

• Uso de Datos:

  • Comunicación y toma de decisiones: El uso se centra en la comunicación comunitaria y la toma de decisiones sistémicas. Una comunicación de datos coherente ayuda a construir confianza.
  • Riesgo de estereotipos: Sin un encuadre cuidadoso, los datos pueden reforzar estereotipos o ocultar la complejidad de la falta de vivienda. Se requiere narrativa y contexto cualitativo para llenar los vacíos de los datos cuantitativos (ej. falta de datos sobre estatus de identificación).

5. Significado y Conclusiones

El estudio concluye que las infraestructuras de datos compartidas no son herramientas neutrales; institucionalizan una lógica de gobernanza que define qué conocimiento cuenta y quién puede participar.

• Dilema de la estandarización: Si bien la estandarización facilita la interoperabilidad y la rendición de cuentas, limita la personalización local y puede desplazar a los participantes hacia roles de cumplimiento pasivo en lugar de colaboración estratégica.
• Asimetrías de poder: La infraestructura actual tiende a reforzar las disparidades en capacidad, influencia y toma de decisiones, favoreciendo a las organizaciones con más recursos y capacidad analítica.
• Recomendaciones para el diseño: Para avanzar hacia una colaboración equitativa, se propone reencuadrar la gobernanza de datos desde un régimen de cumplimiento hacia una infraestructura de aprendizaje. Esto implica:
  • Expandir la capacidad analítica de los proveedores más pequeños.
  • Integrar la voz de la comunidad en los estándares de datos.
  • Diseñar bucles de retroalimentación que circulen conocimientos entre niveles de gobernanza.
  • Crear estándares en capas: un núcleo de reporte estable, extensiones locales sancionadas y vías claras para la experimentación.

En resumen, el artículo advierte que sin abordar las asimetrías de recursos y autoridad, los mandatos de datos pueden reproducir inequidades en lugar de resolverlas, y aboga por un diseño de infraestructura que equilibre el control necesario con la participación democrática y la interpretación contextualizada.