El dicho “nada es gratis” suele aludir a un costo oculto e intangible, como la reputación o el desgaste psicológico. Sin embargo, en el ámbito sanitario, los costes velados de las llamadas pruebas piloto de IA “gratuitas” son mucho más literales.
Titulares recientes han dibujado un panorama preocupante sobre la adopción de la IA. El informe State of AI in Business 2025 del Instituto Tecnológico de Massachusetts (MIT), por ejemplo, reveló que el 95% de los pilotos de IA generativa fracasan. Según el MIT, esto se conoce como la “brecha de la IA generativa”; la mayoría de las empresas dependen de herramientas genéricas que pueden impresionar en una demo pero que colapsan en flujos de trabajo reales, mientras que solo unas pocas integran la IA con la profundidad necesaria para generar un impacto significativo y sostenido.
En ningún sitio es esta brecha más evidente que en la sanidad. Todos los sistemas de salud en Estados Unidos han sido inundados con “pruebas gratuitas” de proveedores de IA. Habitualmente, la situación se desarrolla así: las demostraciones captan el interés de los decisores, quienes autorizan a sus equipos a involucrarse. Es entonces cuando comienza a aparecer la sobrecarga organizativa, el personal dedica tiempo al piloto y, en poco tiempo, los costes de oportunidad se acumulan. En 2022, la Universidad de Stanford reportó que los modelos “gratuitos —aquellos que requieren extracciones de datos personalizadas o entrenamiento adicional para ser aptos para uso clínico— pueden costar más de 200.000 dólares, y aun así no se traducen en mejoras clínicas en forma de una mejor atención o menores costos.
Si multiplicamos esa cifra por docenas de pilotos, el coste del fracaso puede dispararse rápidamente a millones.
En los últimos años, se ha presentado a la IA como el salvador de la sanidad. Cuando estos costosos experimentos no cumplen lo prometido, la confianza en la tecnología se erosiona; cada piloto estancado o abandonado refuerza la percepción de que la tecnología es más publicidad que ayuda. Pero el problema no es que el valor de la IA no esté a la altura de su promesa. La Asociación Médica Americana, por ejemplo, ha constatado que los clínicos que tienen acceso a las herramientas de automatización adecuadas reportan menores niveles de desgaste profesional.
Cuando se despliega de forma reflexiva, la IA puede reducir la carga administrativa, agilizar la comunicación y apoyar de manera significativa los flujos de trabajo y la toma de decisiones clínicas. Los pilotos son cruciales porque demuestran si las herramientas de IA pueden realmente ofrecer estas mejoras en la práctica. Pero deben implementarse y medirse con rigor. No toda la IA es igual; elegir la herramienta correcta para el trabajo adecuado es clave, pero aún más importante es cómo los líderes establecen las condiciones para el éxito una vez que se adopta una herramienta. Sin objetivos claros y una responsabilidad compartida, los pilotos de IA pueden convertirse rápidamente en ejercicios de esperanza en lugar de estrategia.
Es una forma muy cara de innovar. La IA es potente, pero requiere estructura para triunfar. Tres disciplinas pueden revertir su trayectoria actual.
Tres disciplinas para la IA
Primero, disciplina en el diseño. Antes de aceptar otro piloto más, los líderes sanitarios deben definir para quién es la herramienta, qué problema resuelve, cuándo debe usarse y dónde se encaja en el flujo de trabajo. Sobre todo, los líderes deberían preguntarse por qué la necesitan. Sin una respuesta a esa pregunta como principio rector, la medición se vuelve imposible y la adopción probablemente se retrasará —o fracasará por completo.
Segundo, disciplina en los resultados. Cada piloto debe comenzar con una definición de cómo es el éxito, basada en las prioridades organizativas —una definición que sea tanto específica como medible. Podría ser reducir el tiempo de entrega de informes, disminuir la carga administrativa o mejorar el acceso de los pacientes. Un modelo de IA diseñado para identificar pacientes con riesgo de cáncer de mama y fomentar el seguimiento, por ejemplo, necesitaría demostrar su capacidad para señalizar el riesgo con éxito, programar a los pacientes en cuidados de seguimiento críticos y detectar posibles cánceres de forma más temprana.
Finalmente, disciplina en las alianzas. La opción fácil con cualquier solución es recurrir por defecto al proveedor más grande o ya existente con el catálogo más amplio. Pero el tamaño y la escala por sí solos no garantizan el éxito —ni mucho menos. De hecho, como señaló el MIT en su artículo reciente, las herramientas genéricas de IA generativa a menudo fracasan precisamente porque no están diseñadas para la complejidad del flujo de trabajo específico. En el ámbito sanitario, esos flujos de trabajo son especialmente complejos. Las organizaciones que triunfen serán aquellas que elijan socios que comprendan su ámbito, ayuden a definir los resultados y compartan la responsabilidad por los resultados.
En otras palabras, no elijas la solución más barata o la más grande. Elige la correcta. Si eliges mal, básicamente estarás ejecutando un proyecto autodesarrollado con todo el coste y riesgo. Si eliges bien, estarás construyendo un camino hacia el éxito sostenible.
La IA en la sanidad no fracasa porque la tecnología sea mala o esté defectuosa. Fracasa porque los decisores se lanzan sin disciplina, sin frameworks o sin los socios adecuados. El coste oculto de lo “gratuito” es demasiado alto para seguir aprendiendo la misma lección.
Foto: Damon_Moss, Getty Images
Demetri Giannikopoulos es Director de Innovación en Rad AI, líder en inteligencia artificial generativa en el sector sanitario. Cuenta con más de 20 años de experiencia en tecnología sanitaria, centrada en impulsar la adopción de la IA en entornos clínicos complejos, y tiene una amplia experiencia en el uso de la IA como herramienta para ayudar a cerrar la brecha entre los requisitos normativos, las ofertas innovadoras de IA y las necesidades de los proveedores. Demetri ha contribuido a directrices nacionales como BRIDGE, un marco diseñado para acelerar la adopción de la IA en la industria sanitaria, y es miembro del grupo de trabajo de la Coalition for Health AI. También ocupa cargos destacados como defensor de los pacientes, formando parte del Comité de Experiencia de Calidad en la Atención Centrada en el Paciente y la Familia del ACR y como embajador del Patient-Centered Outcomes Research Institute (PCORI).
Esta publicación se incluye en el programa MedCity Influencers. Cualquier persona puede publicar su perspectiva sobre negocios e innovación en el sector sanitario en MedCity News a través de MedCity Influencers. Haga clic aquí para saber cómo.