El dicho “Nada es gratis” suele indicar un costo oculto e intangible, como la reputación o la angustia mental. Pero en el sector de la salud, los costos ocultos de los llamados pilotos de IA “gratuitos” son mucho, mucho más literales.
Los titulares recientes pintan un panorama preocupante sobre la adopción de la IA. Estudio actual del Instituto Tecnológico de Massachusetts (MIT). Informe sobre el estado de la IA en las empresas 2025descubrió, por ejemplo, que el 95 por ciento de los pilotos de IA generativa fallan. Según el MIT, esta es la “división GenAI”. La mayoría de las empresas dependen de herramientas genéricas que pueden impresionar en una demostración pero fallan en los flujos de trabajo del mundo real, mientras que pocas integran la IA lo suficientemente profundamente como para tener un impacto significativo y duradero.
En ninguna parte esta división es más evidente que en la atención sanitaria. Todos los sistemas de salud de EE. UU. se han visto inundados de “pruebas gratuitas” de proveedores de IA. Por lo general, es así: las demostraciones despiertan el interés de los tomadores de decisiones, quienes luego dan luz verde a sus equipos para comenzar. Luego, el esfuerzo organizacional comienza a aparecer, los empleados dedican tiempo al proyecto piloto y pronto los costos de oportunidad comienzan a acumularse. En 2022 Stanford informó que los modelos “gratuitos” (aquellos que requieren extractos de datos personalizados o capacitación adicional para que sean adecuados para uso clínico) pueden costar más de 200.000 dólares, y aun así no generar beneficios clínicos en forma de mejor atención o menores costos.
Multiplique ese precio por docenas de proyectos piloto y el costo del fracaso puede ascender rápidamente a millones.
La IA se ha posicionado como la salvadora de la atención sanitaria en los últimos años. Si estos costosos experimentos fracasan, la confianza en la tecnología disminuye; Cada piloto estancado o abandonado refuerza la percepción de que la tecnología es más una exageración que una ayuda. El problema, sin embargo, no es que el valor de la IA no cumpla lo que promete. El Asociación Médica Americanapor ejemplo, descubrió que los médicos que tienen acceso a las herramientas de automatización adecuadas reportan tasas más bajas de agotamiento.
Cuando se usa cuidadosamente, la IA puede reducir las cargas administrativas, agilizar la comunicación y respaldar significativamente los flujos de trabajo y la toma de decisiones de los médicos. Los proyectos piloto son cruciales porque muestran si las herramientas de IA realmente pueden ofrecer estas mejoras en la práctica. Pero deben implementarse y medirse consistentemente. No toda la IA es igual; Elegir la herramienta adecuada para el trabajo correcto es crucial. Sin embargo, lo más importante es cómo los líderes crean las condiciones para el éxito una vez que se introduce una herramienta. Sin objetivos claros y sin responsabilidad compartida, los pilotos de IA pueden convertirse rápidamente en ejercicios de esperanza en lugar de estrategia.
Esta es una forma costosa de innovación. La IA es poderosa pero requiere estructura para tener éxito. Tres disciplinas pueden revertir su rumbo actual.
Tres disciplinas de IA
Primero, disciplina en el diseño. Antes de aceptar otro piloto, los líderes de atención médica deben determinar para quién es la herramienta, qué problema resuelve, cuándo debe usarse y dónde encaja en el flujo de trabajo. Sobre todo, los directivos deberían preguntarse por qué lo necesitan. Sin una respuesta a esta pregunta como principio rector, la medición será imposible y la adopción probablemente se retrasará (o fracasará por completo).
En segundo lugar, disciplina en los resultados. Cada piloto debe comenzar con una definición de cómo se ve el éxito en función de las prioridades organizacionales, una definición que sea específica y mensurable. Esto podría ser para reducir el tiempo de respuesta de los informes, reducir la carga administrativa o mejorar el acceso de los pacientes. Por ejemplo, un modelo de IA diseñado para detectar pacientes con cáncer de mama y promover la atención de seguimiento necesitaría demostrar su capacidad para detectar riesgos con éxito, programar a los pacientes para cuidados de seguimiento críticos y detectar cánceres potenciales antes.
Finalmente, disciplina en las relaciones. La opción sencilla con cualquier solución es optar por el proveedor más grande o existente con el catálogo más completo. Pero el tamaño y el alcance por sí solos no garantizan el éxito. De hecho, las herramientas genéricas de IA genética a menudo fallan precisamente porque no están diseñadas para la complejidad del flujo de trabajo específico, como destacó el MIT en un artículo reciente. Estos flujos de trabajo son particularmente complejos en el sector de la salud. Las organizaciones exitosas serán aquellas que elijan socios que comprendan su campo, ayuden a definir resultados y se apropien de ellos.
En otras palabras, no elija la solución más barata o más grande. Elige el correcto. Si toma la decisión equivocada, esencialmente estará ejecutando un proyecto local con todos los costos y riesgos. Elija bien y construirá un camino hacia el éxito duradero.
La IA en la atención sanitaria no falla porque la tecnología sea mala o esté defectuosa. Fracasa porque los tomadores de decisiones intervienen sin disciplina, condiciones marco o socios adecuados. Los costos ocultos de lo “gratis” son demasiado altos como para seguir aprendiendo la misma lección.
Foto: Damon_Moss, Getty Images
Demetrio Giannikopoulos es Director de Innovación en Impresionante IAel proveedor líder de IA generativa en el sector sanitario. Tiene más de 20 años de experiencia en tecnología sanitaria, centrándose 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 cerrar la brecha entre los requisitos regulatorios, las ofertas innovadoras de IA y las necesidades de los proveedores. Demetri ha contribuido a políticas nacionales como BRIDGE, un marco diseñado para acelerar la adopción de la IA en la industria de la salud, y se desempeña como miembro del grupo de trabajo de la Coalición para la IA en la Salud. También asume un papel de liderazgo como representante de los pacientes en el Comité de Experiencia de Calidad de la Atención Centrada en el Paciente y la Familia del ACR y como embajador del Instituto de Investigación de Resultados Centrados en el Paciente (PCORI).
Este artículo aparece en el Influencer de MedCity Programa. A través de MedCity Influencer, cualquiera puede publicar sus puntos de vista sobre negocios e innovación en la atención médica en MedCity News. Haga clic aquí para descubrir cómo.
