Inteligencia artificial y salud laboral: riesgos psicosociales emergentes para el talento humano en salud en Colombia

La expresión Inteligencia Artificial apareció en la propuesta presentada en 1955 por John McCarthy y sus colegas para el Dartmouth Summer Research Project, encuentro celebrado en 1956 y reconocido como uno de los hitos fundacionales del campo¹. En Colombia, uno de los momentos clave de su incorporación a la agenda pública fue la aprobación del CONPES 3975 de 2019². Posteriormente, el lanzamiento oficial de ChatGPT, el 30 de noviembre de 2022, marcó un punto de inflexión en la visibilidad y el acceso abierto a la IA generativa³, mientras que el CONPES 4144 de 2025 estableció la Política Nacional de Inteligencia Artificial⁴. De acuerdo con el Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025 y su ficha de país, Colombia alcanzó el cuarto lugar regional, con 55,84 puntos, y se ubicó en la categoría de países adoptantes, correspondiente a economías con un nivel intermedio de madurez en el desarrollo y adopción de estas tecnologías⁵.

Esta trayectoria ha generado grandes expectativas sobre sus beneficios, pero también interrogantes frente a sus implicaciones éticas, organizacionales y laborales. El sector salud tampoco ha sido ajeno a estas transformaciones ni a sus posibles efectos sobre las condiciones de trabajo, la autonomía profesional y el bienestar psicosocial del talento humano.

Desde 2021, la Organización Mundial de la Salud (OMS) reconoció las oportunidades que ofrece la IA para mejorar el diagnóstico, el tratamiento, la investigación y la salud pública⁶. Al mismo tiempo, advirtió que su diseño, implementación y uso deben situar en el centro la ética, los derechos humanos, la responsabilidad y las necesidades de las personas y profesionales que interactúan con estos sistemas. Desde esta perspectiva, la relevancia de la IA no reside únicamente en su capacidad para procesar información o automatizar determinadas actividades, sino también en la rapidez y profundidad con que puede transformar la manera en que se organiza, ejecuta y experimenta el trabajo.

Si se recurre a una analogía, la IA se asemeja a incorporar una nueva rueda a un sistema que ya estaba en movimiento: puede hacerlo avanzar con mayor rapidez y ampliar sus capacidades, pero también alterar su equilibrio cuando esa aceleración no está acompañada de formación, reglas claras, participación y supervisión humana. Allí comienza, precisamente, una discusión que va más allá de la tecnología: qué sucede con las personas cuando también se acelera y transforma la manera de trabajar.

En 2025, la Organización Panamericana de la Salud (OPS) llevó esta discusión directamente a la fuerza de trabajo sanitaria de las Américas, señalando oportunidades, barreras, necesidades de formación y desafíos asociados con la integración de IA⁷. En esta misma línea, Cherrez-Ojeda et al.⁸, en un estudio realizado con 747 profesionales de diferentes países de las Américas (610 de ellos en Ecuador), identificaron un optimismo cauteloso: se reconocieron los posibles beneficios de ChatGPT, pero persistieron importantes reservas éticas y necesidades de formación. La participación de profesionales de otros países, entre ellos Colombia, México, Argentina y Brasil, fue considerablemente menor. Además, varios de los análisis se realizaron únicamente con participantes que manifestaban algún nivel de conocimiento o experiencia previa con ChatGPT. Por tanto, sus resultados no permiten realizar generalizaciones para América Latina ni, mucho menos, para Colombia; sin embargo, constituyen un indicio regional relevante y refuerzan la necesidad de continuar investigando con muestras más amplias y representativas de los diferentes sistemas de salud.

Esta limitación resulta particularmente importante para el análisis colombiano. Aunque la incorporación de la IA avanza y existen investigaciones nacionales y regionales sobre transformación digital, preparación tecnológica y capacidades del personal sanitario, todavía es limitada la evidencia empírica que evalúa directamente la relación entre IA, condiciones de trabajo y riesgos psicosociales en el talento humano en salud colombiano. Por esta razón, el presente análisis integra evidencia internacional, regional y nacional para examinar sus posibles implicaciones y, al mismo tiempo, identificar preguntas que requieren investigación específica en Colombia.

Bajo esta perspectiva, la IA no debería analizarse únicamente como una tecnología capaz de generar beneficios o amenazas, sino como una fuerza que comienza a reconfigurar el trabajo. El interés, por tanto, no está solamente en establecer qué puede hacer una herramienta, sino en comprender cómo modifica las demandas laborales, las competencias, la autonomía, las responsabilidades y los recursos disponibles para quienes trabajan con ella. Desde esta lectura surge una pregunta central: ¿la IA está generando riesgos psicosociales verdaderamente nuevos o está intensificando y reconfigurando riesgos ya conocidos, como el tecnoestrés, la sobrecarga laboral, la inseguridad frente al empleo, la pérdida de autonomía y la ambigüedad sobre la responsabilidad profesional?

¿Nuevos riesgos o nuevas expresiones de los riesgos psicosociales en el talento humano en salud?

En AI Systems at Work: A Changing Psychosocial Work Environment, Karimova⁹, para la Organización Internacional del Trabajo (OIT), examina la evidencia disponible y los marcos regulatorios relacionados con la IA y la gestión algorítmica, entendida esta última como el uso de sistemas y programas para asignar, supervisar o evaluar el trabajo. Su análisis plantea que estas tecnologías pueden crear nuevas exposiciones, pero también intensificar o transformar riesgos psicosociales ya conocidos.

En el contenido de las tareas pueden favorecer la descualificación, la subutilización de competencias y la presión por la actualización permanente; en la carga y el ritmo laboral, incrementar la sobrecarga cognitiva, la aceleración y el volumen de actividades; y, respecto de la capacidad de decisión sobre el trabajo, modificar la autonomía y la autoeficacia. También pueden afectar la cultura y las relaciones organizacionales cuando se vinculan con vigilancia excesiva, desconfianza, percepción de injusticia, aislamiento o debilitamiento de la cohesión. A estas condiciones pueden sumarse incertidumbres sobre la identidad profesional, la seguridad laboral y la capacidad para desconectarse del trabajo⁹.

Como antecedente indirecto sobre la supervisión tecnológica, Hertel-Fernandez¹⁰, en una encuesta nacional con 1.273 trabajadores estadounidenses, encontró que el 46 % de quienes reportaban monitoreo permanente manifestó trabajar a un ritmo poco saludable o seguro, frente al 15 % de quienes nunca eran monitoreados. Asimismo, el 53 % del primer grupo informó sentir ansiedad en el trabajo, en comparación con el 41 % del segundo. Aunque el estudio analiza tecnologías de monitoreo y gestión automatizada y no exclusivamente sistemas de IA, sus resultados permiten dimensionar algunas de las implicaciones que puede tener el trabajo mediado por tecnologías. No obstante, no demuestran causalidad ni pueden trasladarse automáticamente al personal sanitario o a otros contextos laborales.

Karimova⁹ también advierte vacíos regulatorios. Si bien instrumentos como el Convenio 155 sobre seguridad y salud de los trabajadores¹¹ y el Convenio 190 sobre violencia y acoso¹² proporcionan fundamentos para la protección de la salud física y mental y de la dignidad en el trabajo, no fueron diseñados específicamente para regular la IA. En este escenario adquieren especial relevancia los derechos a la información, la privacidad, la no discriminación, la revisión humana de determinadas decisiones, la participación de las personas trabajadoras y la desconexión laboral⁹.

Esto demanda una gobernanza capaz de articular legislación laboral, seguridad y salud en el trabajo, protección de datos, participación y transformación tecnológica. Si bien la evidencia general sobre gestión algorítmica no puede trasladarse automáticamente al sector salud, resulta razonable examinar estas transformaciones en un contexto donde la IA puede intervenir progresivamente en la asignación de tareas, el procesamiento de información, la documentación, la evaluación y la toma de decisiones. La pregunta, entonces, no es únicamente qué puede hacer la tecnología, sino qué ocurre con las personas cuando parte de su trabajo comienza a organizarse alrededor de ella.

Conviene, además, introducir una distinción. No todas las tecnologías consideradas en este análisis constituyen sistemas de IA en sentido estricto. Algunas se incorporan como antecedentes de transformación digital porque permiten comprender cómo la mediación tecnológica del trabajo puede interactuar con la carga, la autonomía, las competencias y el bienestar. Su inclusión no implica asumir que sus efectos sean equivalentes a los producidos por los sistemas actuales de inteligencia artificial.

Entre estas transformaciones, el tecnoestrés ofrece un punto de entrada especialmente útil para comprender cómo una tecnología concebida como apoyo puede llegar a convertirse también en una nueva demanda laboral.

Tecnoestrés, ansiedad, incertidumbre e identidad profesional frente a la IA en el talento humano en salud

El concepto de tecnoestrés fue introducido por Brod¹³ para describir las dificultades de adaptación asociadas con el uso de tecnologías informáticas. Posteriormente, Tarafdar et al.¹⁴ y Ragu-Nathan et al.¹⁵ desarrollaron esta línea de investigación al estudiar diferentes fuentes de tecnoestrés y sus relaciones con el estrés de rol, la productividad y la satisfacción laboral. En el ámbito sanitario, Califf et al.¹⁶ mostraron que las tecnologías pueden generar tanto experiencias positivas como tensiones cuando sus demandas interactúan con las características del trabajo y los recursos disponibles para afrontarlas.

Antes de la expansión actual de la IA generativa ya existían señales en el sector sanitario. Liu et al.¹⁷ encontraron que factores como la complejidad tecnológica, la dependencia de los sistemas y la autoeficacia se relacionaban con el tecnoestrés experimentado por médicos que utilizaban historias clínicas electrónicas móviles. Abdullah y Fakieh¹⁸, por su parte, identificaron entre trabajadores sanitarios vacíos de conocimiento sobre la IA, diferentes niveles de aceptación y preocupaciones relacionadas con una eventual sustitución de determinadas actividades profesionales. Estos trabajos constituyen antecedentes importantes, pero no deberían confundirse con evidencia específica sobre el tecnoestrés asociado con los sistemas actuales de IA.

La investigación reciente permite dar un paso adicional. Liu et al.¹⁹, en un estudio multicéntrico con 400 médicos de tres hospitales de Taiwán, analizaron específicamente el tecnoestrés asociado con la IA. Sus resultados mostraron asociaciones entre la confiabilidad, la complejidad y la sobrecarga vinculadas con estos sistemas y la inseguridad laboral, mientras que la amenaza percibida de la IA sobre la autoestima profesional apareció como un estresor particularmente relevante. La inseguridad laboral, a su vez, se relacionó negativamente con la satisfacción laboral. Estos hallazgos desplazan la discusión más allá de la capacidad para aprender a utilizar una herramienta: la IA también puede interpelar la percepción que el profesional tiene sobre el valor de su conocimiento, su experiencia y su lugar dentro de la organización.

La ansiedad frente a la IA también empieza a consolidarse como objeto de investigación. Ataseven et al.²⁰, en 250 profesionales de servicios de urgencias, encontraron una asociación positiva entre la ansiedad frente a la IA y la ansiedad ocupacional. Por su parte, Kahraman et al.²¹, en una revisión sistemática de nueve estudios que incluyó 1.877 profesionales sanitarios y un metaanálisis de cinco estudios con 926 participantes, encontraron una puntuación media agrupada de 59,26 en una escala de ansiedad frente a la IA. Sin embargo, la heterogeneidad fue extremadamente elevada (I² = 99,1 %), lo que impide asumir que exista una magnitud uniforme del fenómeno entre profesiones, organizaciones o países. La ansiedad frente a la IA debe entenderse aquí como un constructo psicológico y actitudinal emergente, no como equivalente automático a un trastorno clínico de ansiedad.

Más allá de las cifras emerge un interrogante de fondo: ¿qué ocurre con el valor de la experiencia acumulada, las competencias que diferencian al profesional y su capacidad de decisión cuando la IA comienza a integrarse en tareas que antes dependían principalmente del juicio humano? Esta interpretación coincide con Arvai et al.²², quienes, mediante una revisión de alcance, identificaron entre las preocupaciones de profesionales sanitarios frente a la IA aspectos vinculados con cambios en las funciones, posibles desplazamientos laborales, pérdida de autonomía, responsabilidad, habilidades y transformación de la identidad profesional.

Esto sugiere que el problema no puede reducirse únicamente al temor de “ser reemplazado”. El riesgo tampoco reside solamente en que ciertas competencias desaparezcan, sino en que dejen de ejercitarse, pierdan centralidad o comiencen a percibirse como menos valiosas dentro de la organización. Para algunas personas, la pregunta puede ser todavía más profunda: ¿qué significa ser experto cuando una parte creciente de las tareas que antes expresaban conocimiento profesional puede ser apoyada, automatizada o evaluada por un sistema inteligente?

A la luz de la evidencia revisada, probablemente no estamos ante un conjunto completamente nuevo de riesgos psicosociales. Lo que comienza a observarse es una reconfiguración de exposiciones conocidas (sobrecarga, inseguridad laboral, pérdida de autonomía, vigilancia, incertidumbre o conflictos asociados con el rol) que adquieren nuevas expresiones cuando la tecnología interviene progresivamente en tareas, competencias y decisiones profesionales. Precisamente por ello resulta pertinente hablar de riesgos psicosociales emergentes: no necesariamente porque todos sean inéditos, sino porque cambian las condiciones en las que aparecen, se combinan y pueden afectar la experiencia laboral.

Estos resultados proporcionan categorías relevantes para la investigación y el seguimiento en Colombia: tecnoestrés, ansiedad frente a la IA, inseguridad laboral, percepción de pérdida de valor de competencias específicas, autonomía, identidad profesional y responsabilidad. Profundizar en ellas permitiría anticipar posibles efectos adversos sin desconocer los beneficios potenciales de la IA, el desarrollo profesional del talento humano y las necesidades del sistema sanitario.

Esta reflexión también se nutre de relatos de primera mano recogidos en conversaciones con médicos internistas, nefrólogos, psicólogos, profesionales de enfermería, médicos generales, odontólogos y otros trabajadores de la salud. Estos testimonios no constituyen evidencia científica generalizable ni sustituyen la investigación sistemática, pero aportan una mirada situada sobre interrogantes que comienzan a aparecer en la experiencia cotidiana: ¿qué actividades cambiarán?, ¿qué conocimientos seguirán siendo diferenciales?, ¿quién responderá por una decisión apoyada en IA? y ¿qué competencias serán necesarias para ejercer en un sistema de salud cada vez más mediado por tecnologías inteligentes?

Estas preguntas muestran una cara de la transformación. La otra aparece cuando la misma tecnología logra reducir cargas, ampliar recursos y devolver tiempo y capacidades al trabajo clínico.

De riesgo a recurso: eficiencia, condiciones de trabajo y respuesta de las organizaciones de salud

Cabe resaltar que, en los últimos años, los sistemas de salud en el mundo han enfrentado desafíos extraordinarios relacionados con la escasez de personal, los entornos de trabajo altamente exigentes y los persistentes problemas de salud mental y bienestar del talento humano²³, ²⁴. En este escenario, mirar únicamente los riesgos significaría observar una sola cara de la moneda. La IA también puede convertirse en un recurso laboral, pero esa transición depende de cómo se diseñe, implemente e integre al trabajo.

Bienefeld et al.²⁵, a partir de un análisis sociotécnico desarrollado en seis unidades de cuidados intensivos, examinaron cómo diferentes aplicaciones de IA podrían modificar características fundamentales del trabajo de médicos y profesionales de enfermería. Su análisis se concentró particularmente en la autonomía, la diversidad de habilidades, la flexibilidad, las oportunidades para la resolución de problemas y la variedad de tareas. Los autores plantean que sistemas transparentes, previsibles y bajo supervisión humana pueden favorecer la autonomía; que la IA puede apoyar el aprovechamiento y desarrollo de competencias; que determinadas automatizaciones pueden aumentar la flexibilidad; y que liberar tiempo de actividades administrativas podría permitir una mayor concentración en tareas clínicas y de interacción con los pacientes.

Sin embargo, esta transición de riesgo a recurso no ocurre automáticamente. Los mismos autores advierten que una implementación inadecuada puede reducir la variedad de tareas, generar descualificación y limitar oportunidades de aprendizaje o ejercicio profesional²⁵. La tecnología, por sí sola, no determina la calidad del trabajo: lo decisivo es cómo se redistribuyen las tareas, las decisiones, las responsabilidades y la capacidad de actuación entre las personas y los sistemas.

En este mismo panorama, Huo et al.²⁶, en una muestra de 280 profesionales sanitarios de hospitales chinos, encontraron que el uso de IA se asociaba indirectamente con mayor bienestar laboral mediante la satisfacción de necesidades psicológicas de autonomía, competencia y vinculación. No obstante, la complejidad del trabajo modificaba algunas de estas relaciones, lo que refuerza una idea central: los efectos de la IA no son homogéneos y dependen de las características del trabajo en el que se integra.

La IA también ha mostrado capacidad para apoyar diferentes procesos sanitarios, entre ellos la interpretación de información clínica, determinados flujos de trabajo, el apoyo diagnóstico y el triaje. Topol²⁷ anticipó buena parte de este potencial al analizar la convergencia entre inteligencia humana y artificial en medicina, mientras que estudios posteriores han mostrado resultados prometedores en aplicaciones específicas. Delshad et al.²⁸, por ejemplo, encontraron un desempeño favorable de una aplicación basada en IA al comparar sus recomendaciones de triaje con decisiones consensuadas de profesionales de salud en 50 escenarios clínicos. Estos resultados muestran posibilidades de apoyo, pero no constituyen evidencia suficiente para asumir que dichos sistemas puedan sustituir de manera generalizada la valoración profesional en condiciones reales de atención.

Uno de los principales desafíos aparece precisamente cuando la recomendación algorítmica y el juicio profesional no coinciden. Jussupow et al.²⁹ analizaron cómo la incorporación de IA puede modificar el proceso de decisión médica y generar dificultades cuando existen discrepancias entre la recomendación del sistema y el conocimiento del profesional. Lebovitz et al.³⁰, por su parte, estudiaron cómo los profesionales enfrentan la ambigüedad de los sistemas de IA en decisiones diagnósticas críticas y resaltaron la importancia de conservar formas de valoración humana que permitan reconocer errores, incorporar información contextual y decidir cuándo confiar o no en una recomendación algorítmica.

Estas capacidades clínicas adquieren importancia critica para la salud laboral cuando modifican quién decide, quién responde, qué conocimiento conserva valor y cuánto margen de decisión mantiene el profesional sobre su propio trabajo. De esta manera, una cuestión aparentemente tecnológica vuelve a encontrarse con dimensiones centrales de la organización y de la experiencia laboral.

Desde esta lectura, la eficiencia no debería medirse únicamente por cuánto tiempo se ahorra o cuántas actividades adicionales pueden realizarse, sino también por aquello que esa eficiencia devuelve al trabajo. Si una tecnología permite realizar una actividad en menos tiempo, la consecuencia organizacional no debería ser precisamente aumentar el número de tareas o pacientes hasta ocupar nuevamente todo el tiempo disponible. Parte de esas ganancias también podría traducirse en mejores condiciones laborales, mayor oportunidad para la interacción humana, aprendizaje, recuperación y calidad asistencial.

Es justamente aquí donde la organización adquiere un papel determinante. La implementación responsable de IA requiere formar al talento humano no solamente para utilizar herramientas, sino para comprender sus límites, sesgos y criterios de funcionamiento; evaluar periódicamente sus efectos sobre las condiciones de trabajo; preservar niveles adecuados de autonomía profesional; establecer responsabilidades frente a los errores; garantizar mecanismos de revisión humana; y promover la participación del personal en las decisiones que transforman su propio trabajo⁶, ⁹,²⁵.

En este sentido, la discusión deja de ser únicamente tecnológica para convertirse también en una discusión sobre diseño del trabajo, liderazgo, participación y salud laboral. La pregunta notable no es solamente cuánto puede aumentar la productividad una organización mediante IA, sino qué ocurre con la autonomía, las competencias, las cargas, las relaciones y el bienestar de quienes hacen posible esa productividad.

Para Colombia, este desafío adquiere valor estratégico porque la transformación tecnológica del sector salud avanza en un contexto de brechas todavía importantes de preparación digital. Mena Ayala et al.³¹, en un estudio que incluyó 6.527 profesionales de salud en Colombia, identificaron déficits relevantes de formación y conocimiento en salud digital. Entre el 70 % y el 85 % de los participantes de Colombia y Ecuador reportó no haber recibido formación formal en esta área durante su preparación académica y, en Colombia, más de la mitad manifestó conocimientos mínimos en ámbitos como Big Data, interoperabilidad y hospitales digitales. Aunque el estudio no evalúa específicamente riesgos psicosociales asociados con IA, muestra que su incorporación ocurre sobre capacidades tecnológicas heterogéneas, aspecto especialmente relevante frente a herramientas que pueden modificar competencias, tareas y formas de trabajo.

Otros estudios realizados en Colombia permiten comprender cómo estas transformaciones pueden interactuar con la experiencia laboral. Aranda et al.³², en profesionales de enfermería de un hospital colombiano y otro chileno, identificaron la importancia de factores como la autoeficacia, la ansiedad, las condiciones facilitadoras y el apoyo institucional para la aceptación tecnológica; además, documentaron que las dificultades tecnológicas podían retrasar actividades y generar percepción de sobrecarga. El alcance de estos resultados debe interpretarse con prudencia, dada la reducida muestra colombiana. De manera complementaria, Orrego Villegas et al.³³ documentaron en Colombia que la transición hacia la telemedicina estuvo inicialmente acompañada, entre algunos profesionales, de ansiedad e incertidumbre asociadas con la posibilidad de cometer errores diagnósticos, mientras que posteriormente también se reportaron beneficios relacionados con flexibilidad y equilibrio entre la vida laboral y personal.

Estos hallazgos tampoco demuestran efectos psicosociales específicos de la IA, pero muestran que la transformación tecnológica del trabajo sanitario en Colombia ya interactúa con dimensiones relevantes para la salud laboral. La evidencia nacional directa sobre la relación entre IA y riesgos psicosociales aún es limitada. Esto no implica que el fenómeno sea inexistente, sino que se requieren más estudios para comprender su magnitud, distribución y características en el contexto colombiano.

A la luz de esta evidencia, Colombia no debería esperar a que los efectos adversos de la IA estén plenamente instalados para comenzar a estudiarlos y prevenirlos. Las brechas de formación, la aceptación tecnológica heterogénea, la necesidad de apoyo organizacional y las experiencias de ansiedad o sobrecarga frente al cambio digital justifican anticipar la discusión sobre salud laboral antes de que la implementación de IA alcance una mayor escala.

Como ha advertido la OPS, las decisiones actuales serán determinantes para establecer si la inteligencia artificial contribuye a reducir inequidades o termina profundizando formas de exclusión⁷. No basta, entonces, con incorporar nuevas tecnologías: resulta necesario fortalecer la participación del talento humano, invertir en formación e investigación y producir evidencia propia que permita comprender cómo estas herramientas están modificando realmente el trabajo sanitario.

Así las cosas, la IA puede convertirse tanto en una nueva demanda como en un recurso laboral. La diferencia probablemente no dependerá únicamente de sus capacidades técnicas, sino de las decisiones organizacionales que acompañen su implementación. Una IA que reduzca cargas, preserve la capacidad de decisión profesional, fortalezca competencias y permita dedicar mayor tiempo al cuidado puede constituirse en un recurso; la misma tecnología, utilizada para intensificar el trabajo, reducir autonomía, desplazar el ejercicio de determinadas competencias o aumentar la vigilancia, puede convertirse en una nueva fuente de exposición psicosocial. Son, nuevamente, las dos caras de una misma moneda.

Recomendaciones para una implementación de IA laboralmente saludable en el sector salud colombiano

Si la diferencia entre riesgo y recurso depende en buena medida de cómo se implementa la tecnología, la prevención no debería comenzar cuando el malestar ya apareció; debe acompañar la incorporación de la IA desde el principio. Bajo esta perspectiva, las organizaciones de salud colombianas deberían evaluar, antes, durante y después de su implementación, posibles cambios en la carga mental, los ritmos de trabajo, la autonomía profesional, el tecnoestrés, la inseguridad laboral y la percepción de capacidad de decisión. De igual manera, es necesario preservar la supervisión humana, establecer criterios claros de responsabilidad frente a errores y decisiones asistidas por IA, garantizar niveles adecuados de transparencia y promover la participación del talento humano en la selección, adaptación y evaluación de tecnologías que pueden transformar directamente su trabajo⁶, ⁹, ²⁵.

En paralelo, la alfabetización en IA debería ir más allá del entrenamiento instrumental. No basta con enseñar a utilizar una herramienta: se requieren capacidades para interpretar resultados, reconocer sesgos y errores, cuestionar recomendaciones algorítmicas y comprender sus implicaciones éticas, profesionales y laborales. Preservar la autonomía, fortalecer las competencias y diseñar adecuadamente las tareas puede contribuir a que la IA opere como un recurso y no únicamente como una nueva demanda laboral²⁵, ²⁶. En Colombia, esto supone además generar evidencia propia, incorporar la transformación tecnológica al seguimiento de las condiciones psicosociales y articular las políticas de inteligencia artificial con la seguridad y salud en el trabajo, la formación del talento humano y la protección de sus derechos⁴, ⁶, ⁷, ⁹, ³¹–³⁴.

Conclusiones: innovar también significa cuidar a quienes trabajan en salud

En conjunto, la evidencia revisada permite comprender la IA como una moneda de dos caras para el talento humano en salud. Más que encontrarnos ante un conjunto completamente nuevo de riesgos psicosociales, asistimos a una reconfiguración de exposiciones conocidas (sobrecarga, inseguridad, pérdida de autonomía, vigilancia o incertidumbre frente al rol profesional) que adquieren nuevas expresiones cuando los sistemas tecnológicos comienzan a participar en tareas, competencias y decisiones que antes dependían principalmente de las personas. Al mismo tiempo, esa misma capacidad tecnológica puede ampliar recursos laborales cuando reduce cargas, fortalece competencias y preserva la autonomía.

Por una parte, los sistemas generativos pueden producir información falsa o incompleta presentada de manera convincente, reproducir sesgos y favorecer una dependencia excesiva cuando sus resultados sustituyen, en lugar de complementar, el juicio profesional³⁴. Por otra, pueden apoyar actividades administrativas, de investigación y determinados procesos de razonamiento clínico; estudios recientes incluso muestran posibilidades para ampliar la exploración de diagnósticos diferenciales, aunque estos resultados todavía requieren validación y evaluación cuidadosa en condiciones reales de atención³⁵. La evidencia sobre trabajo sanitario muestra, conjuntamente, que la IA puede relacionarse con tecnoestrés, ansiedad, inseguridad laboral o pérdida percibida del valor de determinadas competencias, pero también con autonomía, competencia y bienestar cuando su incorporación ocurre bajo condiciones organizacionales favorables¹⁹–²², ²⁵, ²⁶. El balance, por tanto, no depende únicamente de la tecnología, sino de la forma en que sea diseñada, implementada, integrada y supervisada.

Por ello, Colombia necesita profundizar la investigación sobre los riesgos psicosociales asociados con la IA en el sector sanitario y avanzar en marcos claros sobre responsabilidad, transparencia, protección de datos, supervisión humana y participación del talento humano⁴, ⁶, ⁷, ⁹, ³⁴. Las brechas nacionales de formación, preparación tecnológica y experiencia frente al cambio digital refuerzan, además, la necesidad de producir evidencia propia³¹–³³. Su incorporación debería acompañarse de condiciones laborales que eviten que las ganancias de eficiencia se conviertan en intensificación del trabajo y que favorezcan el equilibrio entre la calidad del servicio, el bienestar y la conciliación de la vida laboral y personal. Asimismo, requiere políticas públicas articuladas que orienten su regulación y uso responsable, atendiendo a las particularidades del sector salud.

El verdadero desafío no consiste solamente en adoptar IA, sino en hacerlo de manera que permita mejorar la atención sin descuidar a quienes la hacen posible. Innovar también significa cuidar la autonomía, las competencias, la salud y el bienestar de quienes transforman diariamente la atención en salud.

Referencias

1. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955, 31 de agosto). A proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Documento histórico de Stanford
2. Departamento Nacional de Planeación. (2019, 8 de noviembre). Política nacional para la transformación digital e inteligencia artificial (Documento CONPES 3975). DNP — Documentos CONPES
3. OpenAI. (2022, 30 de noviembre). Introducing ChatGPT. OpenAI — Introducing ChatGPT
4. Departamento Nacional de Planeación. (2025, 14 de febrero). Política nacional de inteligencia artificial (Documento CONPES 4144). DNP — CONPES 4144
5. Comisión Económica para América Latina y el Caribe. (2026). Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025: Fichas de país y aspectos metodológicos. CEPAL. CEPAL — ILIA 2025
6. World Health Organization. (2021). Ethics and governance of artificial intelligence for health: WHO guidance. WHO — Ethics and governance of AI for health
7. Organización Panamericana de la Salud. (2025, 18 de noviembre). Inteligencia artificial y fuerza de trabajo en salud: OPS presenta resultados de un estudio regional que orientará políticas en las Américas. OPS — Inteligencia artificial y fuerza de trabajo en salud
8. Cherrez-Ojeda, I., Gallardo-Bastidas, J. C., Faytong-Haro, M., Andrade Vera, F., Hafez, W., Sarfraz, Z., Sarfraz, A., Calderón, J. C., Robles-Velasco, K., & Eschrich, J. (2026). ChatGPT in healthcare: Perceptions, ethical considerations, and practice implications among healthcare professionals in Ecuador and other countries in the Americas: A cross-sectional survey study. Frontiers in Digital Health, 8, Article 1730508. doi:10.3389/fdgth.2026.1730508
9. Karimova, T. (2026). AI systems at work: A changing psychosocial work environment (ILO Working Paper No. 170). International Labour Organization. doi:10.54394/00034098. OIT — Working Paper 170
10. Hertel-Fernandez, A. (2024, 1 de octubre). Estimating the prevalence of automated management and surveillance technologies at work and their impact on workers’ well-being. Washington Center for Equitable Growth. Washington Center for Equitable Growth — estudio
11. Organización Internacional del Trabajo. (1981). Convenio sobre seguridad y salud de los trabajadores, 1981 (núm. 155). NORMLEX. OIT/NORMLEX — Convenio 155
12. Organización Internacional del Trabajo. (2019). Convenio sobre la violencia y el acoso, 2019 (núm. 190). NORMLEX. OIT/NORMLEX — Convenio 190
13. Brod, C. (1984). Technostress: The human cost of the computer revolution. Addison-Wesley. WorldCat — Technostress
14. Tarafdar, M., Tu, Q., Ragu-Nathan, B. S., & Ragu-Nathan, T. S. (2007). The impact of technostress on role stress and productivity. Journal of Management Information Systems, 24(1), 301–328. doi:10.2753/MIS0742-1222240109
15. Ragu-Nathan, T. S., Tarafdar, M., Ragu-Nathan, B. S., & Tu, Q. (2008). The consequences of technostress for end users in organizations: Conceptual development and empirical validation. Information Systems Research, 19(4), 417–433. doi:10.1287/isre.1070.0165
16. Califf, C. B., Sarker, S., & Sarker, S. (2020). The bright and dark sides of technostress: A mixed-methods study involving healthcare IT. MIS Quarterly, 44(2), 809–856. doi:10.25300/MISQ/2020/14818
17. Liu, C.-F., Cheng, T.-J., & Chen, C.-T. (2019). Exploring the factors that influence physician technostress from using mobile electronic medical records. Informatics for Health and Social Care, 44(1), 92–104. doi:10.1080/17538157.2017.1364250
18. Abdullah, R., & Fakieh, B. (2020). Health care employees’ perceptions of the use of artificial intelligence applications: Survey study. Journal of Medical Internet Research, 22(5), e17620. doi:10.2196/17620
19. Liu, C.-F., Lin, T.-C., & Ko, Y.-L. (2026). Exploring the impact of AI technostress on physicians’ job insecurity and performance from an empirical multi-hospital study. iScience, 29(1), 114394. doi: 10.1016/j.isci.2025.114394
20. Ataseven, M., Ersoz, Z., & Kahveci, B. (2026). The association between artificial intelligence anxiety and occupational anxiety among emergency department healthcare workers. International Emergency Nursing, 87, 101843. doi: 10.1016/j.ienj.2026.101843
21. Kahraman, H., Yüceler Kaçmaz, H., & Akutay, S. (2026). Artificial intelligence anxiety levels among healthcare professionals: A systematic review and meta-analysis. Journal of Nursing Management, 2026(1), Article 5410088. doi:10.1155/jonm/5410088
22. Arvai, N., Katonai, G., & Mesko, B. (2025). Health care professionals’ concerns about medical AI and psychological barriers and strategies for successful implementation: Scoping review. Journal of Medical Internet Research, 27, e66986. doi:10.2196/66986
23. World Health Organization. (2022). Working for health 2022–2030 action plan. WHO — Working for Health 2022–2030
24. World Health Organization. (2024, 25 de abril). Protecting health and care workers’ mental health and well-being: Technical consultation meeting. WHO — Health and care workers’ mental health
25. Bienefeld, N., Keller, E., & Grote, G. (2025). AI interventions to alleviate healthcare shortages and enhance work conditions in critical care: Qualitative analysis. Journal of Medical Internet Research, 27, e50852. doi:10.2196/50852
26. Huo, W., Li, Q., Liang, B., Wang, Y., & Li, X. (2025). When healthcare professionals use AI: Exploring work well-being through psychological needs satisfaction and job complexity. Behavioral Sciences, 15(1), Article 88. doi:10.3390/bs15010088
27. Topol, E. J. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25(1), 44–56. doi:10.1038/s41591-018-0300-7
28. Delshad, S., Dontaraju, V. S., & Chengat, V. (2021). Artificial intelligence-based application provides accurate medical triage advice when compared to consensus decisions of healthcare providers. Cureus, 13(8), e16956. doi:10.7759/cureus.16956
29. Jussupow, E., Spohrer, K., Heinzl, A., & Gawlitza, J. (2021). Augmenting medical diagnosis decisions? An investigation into physicians’ decision-making process with artificial intelligence. Information Systems Research, 32(3), 713–735. doi:10.1287/isre.2020.0980
30. Lebovitz, S., Lifshitz-Assaf, H., & Levina, N. (2022). To engage or not to engage with AI for critical judgments: How professionals deal with opacity when using AI for medical diagnosis. Organization Science, 33(1), 126–148. doi:10.1287/orsc.2021.1549
31. Mena Ayala, M. B., Zamora Acosta, G., Castellanos-Rodríguez, S. L., Castillo, L., & Sánchez, F. (2026). Digital health readiness among health professionals in Ecuador and Colombia: Knowledge levels, technology acceptance, and training needs. Frontiers in Digital Health, 8. Advance online publication. doi:10.3389/fdgth.2026.1808548
32. Aranda, J. M., Moreno-Fergusson, M. E., Guerrero, W. J., Sanchez Herrera, B., Galiano, M. A., Guevara, M., Bustos, I. X., & Muñóz, F. (2025). Technology acceptance and use among nursing staff in Latin American hospitals: A mixed methods study. International Journal of Nursing Studies Advances, 8, 100290. doi: 10.1016/j.ijnsa.2024.100290
33. Orrego Villegas, S., Adjei Boakye, E., Arrieta, J., Posada España, K., Naranjo Vanegas, M., & Pardo Pino, G. (2025). Perspectives of healthcare providers on telemedicine implementation during the COVID-19 pandemic in Colombia: A mixed-method study. Frontiers in Public Health, 13, 1643085. doi:10.3389/fpubh.2025.1643085
34. World Health Organization. (2024). Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models. World Health Organization. WHO — Guidance on large multi-modal models
35. McDuff, D., Schaekermann, M., Tu, T., Palepu, A., Wang, A., Garrison, J., Singhal, K., Sharma, Y., Azizi, S., Kulkarni, K., Hou, L., Cheng, Y., Liu, Y., Mahdavi, S. S., Prakash, S., Pathak, A., Semturs, C., Patel, S., Webster, D. R., … Natarajan, V. (2025). Towards accurate differential diagnosis with large language models. Nature, 642, 451–457. doi:10.1038/s41586-025-08869-4