Después del algoritmo, todavía hay una decisión clínica

La inteligencia artificial ya no es una conversación sobre un futuro abstracto. En salud, la pregunta dejó de ser si se utilizarán herramientas automatizadas. La pregunta útil es qué tarea realizarán, bajo qué supervisión y quién responderá cuando el resultado sea incompleto, sesgado o simplemente inadecuado para una persona concreta.

La novedad técnica puede empujar a elegir entre entusiasmo y temor. Ninguno de los dos ayuda demasiado.

Una herramienta puede procesar información a una velocidad extraordinaria y, al mismo tiempo, perder un dato que nunca fue registrado. Puede reconocer patrones y no saber qué objetivo considera valioso una persona. Puede producir una respuesta plausible sin comprender las consecuencias de que alguien confíe en ella.

Después del algoritmo, todavía queda una decisión clínica.

Procesar no es decidir

Conviene separar tres operaciones que suelen aparecer mezcladas.

La primera es procesar: ordenar, comparar, resumir, detectar patrones o estimar una probabilidad. La segunda es interpretar: comprender qué significa ese resultado dentro de un caso y cuáles son sus límites. La tercera es responder: decidir una acción y asumir sus consecuencias.

Una herramienta puede contribuir de manera valiosa a la primera y, en ciertas condiciones, a la segunda. La responsabilidad de la tercera no desaparece porque el sistema sea preciso o rápido.

La Organización Mundial de la Salud ha insistido en la necesidad de combinar automatización con verificación humana, puntos explícitos de decisión y supervisión multidisciplinaria. Su marco general para IA en salud añade autonomía, seguridad, transparencia, responsabilidad, inclusión y sostenibilidad.

Esos principios no son una decoración ética. Cambian el diseño.

Una recomendación no debería llegar al profesional sin información sobre su procedencia, limitaciones y condiciones de uso. Una alerta no debería capturar atención sin considerar cuántas alertas ya compiten por ella. Un sistema no debería presentarse como apoyo si, en la práctica, vuelve imposible apartarse de su sugerencia.

Resolver lo complicado, sostener lo complejo

Existe una distinción útil entre lo complicado y lo complejo.

Lo complicado puede tener muchas partes y requerir una capacidad de cálculo enorme. Lo complejo añade interacciones, incertidumbre, valores y cambios de contexto que no se resuelven solo con más procesamiento.

La IA puede ayudar a manejar lo complicado: revisar grandes volúmenes de información, encontrar coincidencias, reducir tareas repetitivas o preparar un resumen. La clínica conserva una dimensión compleja: una misma alternativa puede tener sentidos distintos según el pronóstico, las prioridades, la red de apoyo o la tolerancia a la incertidumbre.

Esto no establece una frontera inmóvil entre máquina y persona. Las capacidades técnicas cambian. La distinción funciona como una pregunta de gobierno: incluso si una herramienta puede producir una recomendación, ¿qué dimensiones de la decisión deben seguir siendo visibles, discutibles y atribuibles?

El Ministerio de Sanidad de España y la OCDE reunieron en mayo de 2026 a especialistas de 44 países para trabajar sobre confianza, implantación, sesgos, protección de datos, práctica clínica, derechos de pacientes y gobernanza. La agenda revela que el desafío no es solo mejorar modelos. Es construir capacidad institucional para usarlos con responsabilidad.

El tiempo liberado no vuelve solo al vínculo

Una promesa frecuente sostiene que la automatización liberará tiempo para el paciente. Puede ocurrir. No ocurre automáticamente.

El tiempo ahorrado en una tarea puede regresar al encuentro clínico, transformarse en mayor volumen de atención o desaparecer dentro de nuevas exigencias administrativas. El efecto depende de cómo una institución distribuye ese tiempo.

Por eso, el criterio no debería ser únicamente “cuántos minutos reduce”. También conviene preguntar:

• ¿A qué tarea se destinan los minutos liberados? • ¿La herramienta reduce fragmentación o crea otra capa de revisión? • ¿Mejora la continuidad entre niveles o solo la cantidad de datos? • ¿Quién puede detectar un error y detener el proceso? • ¿Qué ocurre con quienes quedan fuera por idioma, acceso o diseño?

En Chile, la agenda de transformación digital 2026–2030 ha situado la interoperabilidad y usos clínicos de IA dentro de la conversación sanitaria. En Argentina, la estrategia de salud digital incluye seguimiento longitudinal, historia clínica electrónica, privacidad, telesalud, soporte a decisiones e interoperabilidad.

Son orientaciones relevantes. También muestran una tensión: conectar más información no garantiza construir una historia comprendida.

El riesgo de la respuesta plausible

Las herramientas generativas introducen un problema particular: pueden producir texto convincente sin que la forma revele la calidad de la evidencia. La fluidez reduce la fricción que antes alertaba sobre una respuesta incompleta.

Eso vuelve más importante la verificación, no menos.

En formación médica, conviene enseñar a trabajar con respuestas plausibles: identificar fuentes, comprobar fechas, distinguir una norma vigente de un borrador y separar un resultado de su interpretación. En práctica clínica, cualquier uso debe respetar privacidad, reglas institucionales y trazabilidad. En divulgación, una respuesta bien escrita no debería publicarse sin que alguien pueda responder por ella.

La cuestión alcanza también a la atención. Si una herramienta resume el encuentro mientras el profesional conversa, podría reducir carga documental. Si el sistema exige vigilar constantemente la transcripción, corregir errores y navegar nuevas pantallas, podría añadir una forma distinta de distancia.

No hay una conclusión universal. Hay tareas, diseños y contextos que deben evaluarse.

La autonomía no termina en el consentimiento

Hablar de autonomía en IA no consiste solo en aceptar términos de uso. Incluye saber cuándo una herramienta participa en una decisión, qué información utiliza y cómo impugnar un resultado.

También incluye la autonomía del profesional. El sesgo de automatización aparece cuando una recomendación del sistema adquiere más peso del que merece. Para evitarlo, no basta con decir “el humano decide”. Hay que diseñar condiciones reales para revisar, disentir y documentar una razón distinta.

La supervisión humana puede convertirse en una firma vacía si el volumen, el tiempo o la interfaz hacen imposible una revisión sustantiva.

La responsabilidad debe corresponderse con la capacidad de intervenir.

Una inteligencia verdaderamente aumentada

“Inteligencia aumentada” es una formulación más exigente que “IA como asistente”. Obliga a preguntar qué capacidad humana aumenta y cuál puede deteriorar.

Un sistema puede aumentar memoria disponible y reducir el ejercicio de recordar. Puede ampliar acceso a hipótesis y disminuir la paciencia para formular una pregunta. Puede acelerar una explicación y homogeneizar el lenguaje con el que se habla a personas distintas.

No se trata de preservar cada tarea porque siempre se hizo así. Se trata de identificar qué prácticas sostienen criterio, continuidad y relación.

Una adopción responsable debería buscar cuatro resultados:

1. más capacidad sin delegación invisible; 2. más información sin pérdida de contexto; 3. más velocidad sin borrar deliberación; 4. más acceso sin ampliar inequidades.

La tecnología no es un destino. Es una serie de decisiones técnicas, institucionales y clínicas.

La conversación madura empieza cuando dejamos de preguntar si la IA reemplazará al médico y comenzamos a especificar qué se automatiza, qué se verifica, qué se conversa y quién responde.

Después del algoritmo, todavía hay una persona.

Y una decisión que debe poder explicarse.