Dades clau
| Normativa | Resolució de 5 d'agost de 2026, de la Subsecretaria, per la qual es publica el Conveni amb la Universitat de Murcia per impulsar processos d'innovació, generació i transferència de coneixement en matèria d'aplicació de la intel·ligència artificial en la gestió de subvencions públiques |
|---|---|
| Publicació | 11 d'agost de 2026 |
| Entrada en vigor | 11 d'agost de 2026 |
| Afectats | Ministeri de Drets Socials, Consum i Agenda 2030; Universitat de Murcia; entitats beneficiàries de subvencions (ONG, associacions, ajuntaments) |
| Categoria | Ajudes i Subvencions |
| Volum de subvencions gestionades | Més de 764 milions d'euros el 2025, distribuïts en 40 línies de subvenció |
| Exercici de referència | 2026 |
Més de 764 milions d'euros en subvencions públiques gestionades pel Ministeri de Drets Socials, Consum i Agenda 2030 estan en el punt de mira de la intel·ligència artificial. El conveni signat amb la Universitat de Murcia, publicat l'11 d'agost de 2026 al BOE (BOE-A-2026-17565), no és una reforma normativa immediata, però sí que és el senyal més clara fins a la data que la gestió de subvencions públiques es dirigeix cap a l'automatització.
Per a les entitats que depenen d'aquestes ajudes, ignorar aquest moviment seria un error. El que avui és recerca aplicada, demà pot ser el criteri que determini si la teva sol·licitud passa o no el primer filtre automatitzat.
Què estableix aquesta normativa?
El conveni defineix un marc de col·laboració entre el Ministeri de Drets Socials i la Universitat de Murcia (UMU) per explorar com la intel·ligència artificial pot millorar la gestió de subvencions públiques. Cada part assumeix un rol diferent:
| Part | Rol en el conveni |
|---|---|
| Universitat de Murcia (UMU) | Recerca aplicada, disseny metodològic i prototipat tècnic de solucions d'IA |
| Ministeri de Drets Socials | Aportació de coneixement funcional i casos d'ús reals de la gestió de subvencions |
Els objectius tècnics concrets que persegueix el conveni són quatre:
- Automatització de la classificació de sol·licituds: que la IA ordeni i categoritzi les sol·licituds rebudes sense intervenció manual.
- Detecció de documentació defectuosa: identificar de forma automàtica expedients incomplets o amb errors abans de la revisió humana.
- Homogeneïtzació de criteris de valoració: reduir la variabilitat en l'avaluació de sol·licituds entre diferents tècnics o unitats.
- Identificació de riscos d'incompliment: detectar patrons que anticipin problemes en l'execució de les subvencions concedides.
El conveni opera sota tres garanties explícites: independència acadèmica de la UMU, un entorn controlat compatible amb la normativa de protecció de dades i absència d'ànim de lucre per part de la universitat.
Impacte econòmic i operatiu
L'impacte directe i immediat del conveni és nul en termes de costos per a les entitats beneficiàries: no hi ha noves taxes, no hi ha nous requisits formals publicats avui. Tanmateix, l'impacte operatiu futur pot ser molt significatiu.
Si els prototips desenvolupats per la UMU es traslladen a la gestió real, les conseqüències operatives per a qualsevol entitat sol·licitant serien:
- Major exigència documental: els sistemes d'IA detecten errors formals amb més rapidesa i consistència que la revisió manual. Un expedient amb documentació incompleta o inconsistent serà rebutjat abans i amb menys marge de subsanació informal.
- Criteris de valoració més uniformes: l'homogeneïtzació redueix el marge de negociació o interpretació subjectiva. Les sol·licituds hauran d'ajustar-se amb precisió als criteris publicats.
- Alertes primerenques d'incompliment: les entitats amb historial d'irregularitats o execucions deficients podrien quedar marcades pel sistema abans inclús de presentar una nova sol·licitud.
En termes d'escala, el Ministeri gestiona 40 línies de subvenció que el 2025 van superar els 764 milions d'euros. Qualsevol millora en l'eficiència de revisió té un impacte potencial sobre el total d'aquest volum.
A qui afecta?
- ONG i entitats del tercer sector que reben subvencions del Ministeri de Drets Socials per a programes socials, de consum o d'agenda 2030.
- Associacions sense ànim de lucre que participen en convocatòries de les 40 línies de subvenció gestionades pel Ministeri.
- Ajuntaments i entitats locals beneficiaris de subvencions en l'àmbit de drets socials.
- Gestors i tècnics de subvencions dins d'aquestes organitzacions, que hauran d'adaptar els seus processos de preparació d'expedients.
- Assessors i consultors que acompanyen entitats en la sol·licitud i justificació de subvencions públiques.
El Ministeri de Drets Socials i la Universitat de Murcia són les parts signants i, per tant, els actors directament vinculats pel conveni en aquesta fase.
Exemple pràctic
Imagina una ONG mitjana que sol·licita anualment subvencions en dues de les 40 línies gestionades pel Ministeri de Drets Socials. Avui, si presenta un expedient amb un certificat caducat o una memòria d'activitats amb dades inconsistents, és possible que un tècnic ho detecti dies després i li doni l'oportunitat de subsanar-ho de forma informal.
Amb un sistema d'IA operatiu que apliqui els objectius del conveni, aquest mateix expedient seria marcat automàticament en el moment de la càrrega: el sistema detectaria la documentació defectuosa, classificaria la sol·licitud com a «incompleta» i generaria un avís formal de subsanació —o directament l'exclouria si el termini ja hagués vençut.
A més, si aquesta ONG té antecedents de justificacions tardanes o incompliments parcials en convocatòries anteriors, el mòdul d'identificació de riscos d'incompliment podria assignar-li una puntuació de risc que influeixi en la priorització del seu expedient.
El resultat pràctic: menys marge per a l'error informal, més exigència de rigor des del primer moment.
Què han de fer les entitats ara?
- Auditar la qualitat documental dels teus expedients actuals: revisa si els documents que habitualment presentas en les convocatòries del Ministeri de Drets Socials estan complets, actualitzats i són coherents entre si. Un sistema d'IA no perdona inconsistències que un tècnic podria passar per alt.
- Estandaritzar els processos interns de preparació de sol·licituds: crea checklists documentals per línia de subvenció. L'homogeneïtzació de criteris que persegueix el conveni penalitzarà a qui improvisi expedient a expedient.
- Revisar l'historial de justificacions i execucions prèvies: si la teva entitat ha tingut incidències en convocatòries anteriors (reintegraments, justificacions tardanes, incompliments parcials), documenta les causes i les mesures correctores adoptades. Això serà rellevant si el sistema de detecció de riscos entra en funcionament.
- Seguir l'evolució del conveni i els seus resultats: el conveni preveu que els resultats empírics «podrien establir les bases per a futures decisions sobre digitalització». Quan es publiquin aquestes decisions, el termini d'adaptació pot ser curt. Estar informat amb antelació marca la diferència.
- Formar els equips tècnics en rigor documental: els gestors de subvencions han d'entendre que la revisió automatitzada no té el component humà de la negociació. La formació en compliment documental és una inversió directa en taxa d'èxit de sol·licituds.
Preguntes freqüents
Quant diners en subvencions gestiona el Ministeri de Drets Socials?
El 2025, el Ministeri de Drets Socials, Consum i Agenda 2030 va gestionar més de 764 milions d'euros en subvencions, distribuïts en 40 línies de subvenció. Aquest és el volum sobre el qual s'aplicaran els prototips d'IA desenvolupats en el marc del conveni amb la Universitat de Murcia.
Què farà exactament la IA en la gestió de subvencions?
Segons el conveni, els objectius tècnics són quatre: automatitzar la classificació de sol·licituds, detectar documentació defectuosa, homogeneïtzar els criteris de valoració entre avaluadors i identificar riscos d'incompliment en entitats beneficiàries. En aquesta fase, la UMU desenvoluparà prototips tècnics amb casos d'ús reals aportats pel Ministeri.
Això afecta ja les sol·licituds de subvencions que presento ara?
No de forma immediata. El conveni publicat l'11 d'agost de 2026 és una fase de recerca i prototipat, no una implantació operativa. Tanmateix, els resultats empírics obtinguts «podrien establir les bases per a futures decisions sobre digitalització de la gestió pública de subvencions», per la qual cosa l'impacte real arribarà en convocatòries futures.
Com garanteix el conveni la protecció de les dades de les entitats?
El conveni estableix explícitament que els treballs es realitzaran en un entorn controlat compatible amb la normativa de protecció de dades. A més, la Universitat de Murcia actua sense ànim de lucre i amb independència acadèmica, la qual cosa limita l'ús de les dades a fins de recerca aplicada.
Quines entitats estan afectades indirectament per aquest conveni?
Les entitats beneficiàries de subvencions del Ministeri de Drets Socials, Consum i Agenda 2030: principalment ONG, associacions sense ànim de lucre i ajuntaments que participen en les 40 línies de subvenció gestionades pel Ministeri. Són les organitzacions les sol·licituds i expedients de les quals serviran com a casos d'ús reals per al desenvolupament dels prototips d'IA.
Font oficial
Consulta la normativa completa a la font oficial
Avís: Aquest article té caràcter merament informatiu i no constitueix assessorament legal. Per a decisions específiques, consulta un professional qualificat. Font: https://www.boe.es/diario_boe/txt.php?id=BOE-A-2026-17565