Ep. 15 El Hospital Inteligente · Criterio
El doctor no tiene quien le escriba: por qué los pilotos de IA no llegan a la consulta
La barrera que encontró el taller no fue técnica. Fue la confianza del profesional, y tiene tres capas que casi nunca se separan.
Madrid · 6 de octubre de 2026 · 6 min de lectura
La promesa es que la inteligencia artificial le quite al médico el teclado de delante. Lo interesante no es la promesa, sino por qué tarda tanto. En el foro de MAD eHealth, José Miguel Cacho Herrera dirigió un taller para responder justo a eso, y la barrera que identificó el grupo no fue técnica: fue la confianza del profesional sanitario.
Los datos
- 40 millonespruebas de imagen al año en España, según la Sociedad Española de Radiología Médica
- 80 %de las decisiones médicas se apoyan en una prueba radiológica, según la OMS
- 16 minutosmenos de documentación por cada ocho horas de atención, en un estudio con 1.800 clínicos
- 51,9 % → 38,8 %agotamiento profesional a los treinta días de uso de un escriba de IA, en 263 médicos
Un ejercicio, no una ponencia
El taller reunió a profesionales del Hospital Gregorio Marañón y a representantes de empresas tecnológicas alrededor de dos preguntas: por qué una solución de inteligencia artificial que funciona técnicamente no consigue adoptarse, y qué tendría que cambiar para que sí.
No se buscaban ideas, sino respuestas: cómo pasar de la IA aplicada a la IA implementada. Por eso el ejercicio terminó en una matriz de decisión y no en un listado de conclusiones.
El punto de partida fue histórico. Hace quince años, el lanzamiento de IBM Watson iba a cambiar la medicina. El sector lleva desde entonces repitiendo el mismo ciclo, lo que en el taller se describió como un bucle de pilotos perpetuos.
Donde más valor hay es donde más confianza se exige
El caso elegido fue el diagnóstico por imagen. En España se realizan más de 40 millones de pruebas de imagen al año, según la Sociedad Española de Radiología Médica, y la Organización Mundial de la Salud calcula que el 80 % de las decisiones médicas se apoyan en una prueba radiológica.
Si hay un área donde la inteligencia artificial tiene valor que aportar, es esa. Y aun así, se atasca.
Esa es la paradoja que sostiene todo lo demás: el caso de uso con mayor valor potencial es también el que exige mayor confianza para ser adoptado.
Las tres capas de la desconfianza
La barrera que identificó el grupo no fue técnica. Fue la confianza del radiólogo. Y conviene separarla en tres planos, porque cada uno se resuelve de una manera distinta.
No confía en el diseño. No sabe con qué datos se entrenó la herramienta ni a qué población representan esos datos.
No confía en el funcionamiento. No sabe si se equivoca, cada cuánto, ni de qué forma. Y sospecha que tardará más corrigiendo que el tiempo que la herramienta promete ahorrarle.
Y hay una tercera capa que casi nunca se nombra: no confía del todo en su propia capacidad para manejarla. Nadie quiere ser el que no se aclara delante de un residente.
A eso solemos llamarlo resistencia al cambio. Es una etiqueta perezosa. Debajo hay un cálculo de riesgo razonable de alguien a quien se le pide aceptar algo que no puede verificar.
Lo que propuso la sala
Acompañamiento activo en lugar de soporte técnico. Entregar la herramienta con un manual y un chat de asistencia no es una implantación. Hace falta acompañamiento continuado del proveedor, de la mano de un líder clínico interno que actúe como puente dentro del servicio.
Valor demostrado sobre el trabajo real, no sobre una demo. Enseñarle al profesional que la herramienta absorbe lo mecánico y lo administrativo para que él se concentre en el criterio clínico y la validación final.
Presupuesto ordinario, no partida de innovación. Si el coste recurrente del algoritmo vive dentro de un proyecto piloto, el proyecto muere cuando acaba el piloto. Es la causa de muerte más frecuente y la menos discutida.
Por qué el escriba llega antes que el diagnóstico
De todo lo anterior sale una consecuencia práctica que contradice el instinto de cualquier dirección.
Un estudio con 1.800 clínicos de cinco centros académicos, entre 2023 y 2025, encontró que quienes usaron un escriba de inteligencia artificial ahorraron 16 minutos de documentación y estuvieron 13 minutos menos dentro de la historia clínica por cada ocho horas de atención. En otro trabajo, con 263 médicos y profesionales de práctica avanzada de seis sistemas de salud, el agotamiento en consultas ambulatorias bajó del 51,9 % al 38,8 % a los treinta días de uso.
Trece puntos de agotamiento con dieciséis minutos. La desproporción es el dato, y apunta a que el valor no estaba en el tiempo ahorrado sino en retirar la parte del trabajo que nadie eligió hacer.
El escriba llegará antes que el diagnóstico asistido. No por ser más valioso, sino por exigir menos confianza: si se equivoca, el médico lo ve y lo corrige. No le pide fe, le pide revisión, que es lo que lleva toda la carrera haciendo. Y no le quita la autoría del informe.
Primero se devuelve tiempo. Después se pide criterio.
Qué significa para tu organización
- Ordene su hoja de ruta por confianza exigida y no por valor esperado. El caso de uso más rentable suele ser el que más confianza necesita, y empezar por ahí es la vía más rápida al piloto perpetuo.
- Nombre al líder clínico interno antes de firmar con el proveedor. Sin alguien del servicio que haga de puente, el acompañamiento no existe por mucho que figure en el contrato.
- Lleve el coste recurrente del algoritmo al presupuesto ordinario de mantenimiento desde el primer día. Si vive en la partida de innovación, tiene fecha de caducidad aunque nadie la haya escrito.
Preguntas frecuentes
¿Por qué fracasan pilotos de IA que funcionan técnicamente?
Porque funcionar y adoptarse son cosas distintas. Las fricciones documentadas en el taller fueron organizativas y humanas: falta de confianza del profesional, ausencia de un líder clínico interno que acompañe, y costes recurrentes alojados en una partida de innovación en lugar de en el presupuesto ordinario.
¿Qué significa que la desconfianza tenga tres capas?
Que no se resuelve con una sola medida. La desconfianza en el diseño se combate con transparencia sobre los datos de entrenamiento. La desconfianza en el funcionamiento, con métricas publicadas de error. Y la desconfianza en la propia capacidad, con formación y acompañamiento, que es la que casi nunca se presupuesta.
¿Por dónde conviene empezar una implantación de IA clínica?
Por el caso de uso que exija menos confianza, aunque no sea el de mayor valor. Una herramienta cuyo error es visible e inmediato para el profesional, como la documentación asistida, acumula experiencias verificables. Esa confianza acumulada es la que después permite abordar casos que sí requieren criterio clínico.
Referencias
Normas APA, 7.ª edición. Ordenadas alfabéticamente por autor.
- Use of ambient AI scribes to reduce administrative burden and professional burnout. (2025). Estudio de mejora de la calidad con 263 médicos y profesionales de práctica avanzada en seis sistemas de salud. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12492056/
- Cacho Herrera, J. M. (2026). Taller sobre adopción de inteligencia artificial en la práctica clínica [Sesión de trabajo]. Foro MAD eHealth. https://www.youtube.com/live/MtWXVyYlvvk
- Organización Mundial de la Salud, citada por la Sociedad Española de Radiología Médica: el 80 % de las decisiones médicas se toman a partir de pruebas radiológicas.
- Sociedad Española de Radiología Médica. (2022). En España se realizan más de 40 millones de pruebas de imagen al año. https://seram.es/en-espana-se-realizan-mas-de-40-millones-de-pruebas-de-imagen-al-ano-segun-la-sociedad-espanola-de-radiologia-medica-seram/
- STAT News. (1 de abril de 2026). Large AI scribe study finds modest time savings, inconsistent use. Estudio con 1.800 clínicos en cinco centros académicos, 2023-2025. https://www.statnews.com/2026/04/01/ai-ambient-scribes-modest-time-savings-clinical-documentation/
Ficha para medios
- Titular
- El doctor no tiene quien le escriba: por qué los pilotos de IA no llegan a la consulta
- Autoría
- Mariela Méndez, directora de IA Scholarium (Madrid)
- Serie
- El Hospital Inteligente, entrega n.º 15 · Sección: Criterio
- Fecha
- 6 de octubre de 2026
- Extensión
- 715 palabras aproximadas · 6 min de lectura
- Referencias
- 5, en normas APA 7.ª edición, con enlace a la fuente primaria
- Contacto
- info@iascholarium.com
Este texto puede reproducirse, total o parcialmente, en medios digitales e impresos, citando a la autora y enlazando al original. Para una versión adaptada a la extensión de su medio, una tribuna original o declaraciones sobre este tema, escriba a la dirección de contacto. Sin patrocinio de proveedores tecnológicos ni contenido pagado sobre los casos analizados.
Mariela Méndez
Divulgadora de casos de IA en salud · Directora de IA Scholarium
Mariela Méndez divulga casos reales de aplicación de inteligencia artificial y tecnología sanitaria, y dirige IA Scholarium, plataforma de formación en IA para profesionales sanitarios con base en Madrid. Escribe para el sistema sanitario español y mantiene acceso directo a programas y responsables de Latinoamérica, un puente poco frecuente en el sector. Rastrea casos reales de transformación digital en sistemas de salud y los analiza con un método poco frecuente en el sector: evidencia citada, normativa europea aplicada y mención explícita de lo que todavía no está demostrado. Edita El Hospital Inteligente, serie de análisis sobre inteligencia artificial, salud y datos, y habla en congresos sobre salud digital, gobernanza del dato y cumplimiento del AI Act.
Para medios
Este artículo puede reproducirse total o parcialmente citando a la autora y enlazando a la fuente original.
Mariela Méndez está disponible para entrevistas, artículos de opinión, conferencias y mesas redondas sobre inteligencia artificial en salud, cumplimiento del AI Act, interoperabilidad y gobernanza del dato clínico.
Contacto: info@iascholarium.com