La demostración siempre sale bien. El sistema lee, redacta, resume y responde en segundos, y para el minuto veinte alguien en la sala ya está calculando cuántas licencias necesita. He estado en esa reunión muchas veces. Lo que rara vez ocurre es que alguien levante la mano y pregunte qué problema del hospital estamos tratando de resolver.
Esa pregunta va primero. Antes del precio, antes de la ficha técnica, antes de la lista de instituciones que ya firmaron. Una compra de inteligencia artificial (IA) que empieza por el producto termina evaluando el producto equivocado, y lo hace con mucha convicción.
Trabajo en urgencias. Ahí la pregunta se vuelve concreta muy rápido: qué va a cambiar para el equipo del turno de la noche cuando el sistema falle y el paciente siga ahí. Si esa respuesta no existe, la compra todavía no está lista.
Defina el trabajo antes de elegir el producto
Reducir el tiempo de documentación, detectar antes un deterioro clínico y ordenar una remisión son tres problemas distintos. Exigen evidencia distinta y comparaciones distintas. Cuando el pliego pide “mejorar la eficiencia”, cualquier resultado favorable sirve para declarar el éxito. Eso no es una evaluación.
Empiece por escribir cómo se hace hoy la tarea. Si lo que duele es la referencia de pacientes hacia otro prestador de la red, mida cuánto tarda, cuántas salen incompletas y quién termina corrigiéndolas. Después busque la causa. Si el problema es que no hay cupo en el prestador de destino, ninguna recomendación más rápida va a crear el servicio que falta.
Y compare contra lo sencillo. Una plantilla mejor diseñada, una llamada de coordinación, un cambio en el orden del proceso. A veces eso resuelve la mitad del problema por una fracción del costo. Esa comparación no es un trámite. Es lo único que le dice qué aporta realmente la IA y qué dependencia tecnológica está aceptando a cambio.
Pida la evidencia que corresponde a su uso
Un estudio puede ser impecable y no tener casi nada que ver con la tarea que usted quiere automatizar. Antes de extrapolar, revise tres cosas: en qué población se evaluó la herramienta, con qué información trabajó y contra qué alternativa se comparó. Luego mire si el estudio observó decisiones reales o respuestas a casos preparados. La diferencia es grande.
DECIDE-AI, la guía de reporte para evaluaciones clínicas tempranas de sistemas de apoyo a la decisión, pone el foco justamente en el encuentro entre el usuario y la tecnología. Sus autores son explícitos en algo que conviene decir en voz alta durante la reunión de compra: cumplir una guía de reporte no demuestra por sí mismo la calidad metodológica de un estudio [1]. Una lista de requisitos marcada no es una prueba de eficacia.
Pida una prueba acotada con el equipo que va a usar el sistema. Los casos deben parecerse al servicio real, con historias incompletas y con situaciones en las que lo correcto es abstenerse. El proveedor puede ayudar a diseñarla. El hospital tiene que conservar la capacidad de cuestionar el resultado y de documentar los errores sin pedir permiso.
Agregue una verificación que recomiendo a cualquier institución latinoamericana y que he visto omitir más de una vez: el idioma, los nombres comerciales de los medicamentos y la forma local de organizar la atención. Un buen desempeño en otro país es un antecedente. No es evidencia de que funcione aquí.
Compre también la posibilidad de corregir
El contrato técnico debería dejar claro qué versión está corriendo, cómo se notifican los cambios y qué queda registrado para investigar un incidente. Son condiciones que se negocian con los equipos jurídico y de tecnología, y su alcance depende del producto y de las reglas de cada institución. Si no se piden al inicio, después no aparecen.
Pregunte qué pasa el día que se suspenda el servicio. ¿Recupera el hospital los registros que necesita? ¿Hay una alternativa operativa mientras tanto? ¿Quién contesta un domingo a las tres de la mañana? Una herramienta que funciona bien y resulta imposible de retirar deja a la institución sin margen de maniobra.
El marco de evidencia del National Institute for Health and Care Excellence (NICE) para tecnologías digitales incluye los costos de implementación, de personal, de formación y de infraestructura dentro del análisis de impacto presupuestal [2]. Fue diseñado para el sistema británico y no constituye una obligación colombiana. Sirve, eso sí, como recordatorio de que el precio de la licencia suele ser la parte más pequeña de la factura.
La revisión humana también cuesta. Si el producto ahorra tiempo al redactar pero obliga a verificar datos en tres pantallas, ese trabajo hay que contarlo. Lo mismo con la capacitación y con las horas que alguien dedicará a investigar un error. Un presupuesto honesto incluye a las personas que hacen posible el beneficio anunciado.
Firme una decisión que se pueda revisar
Antes de firmar, deje por escrito qué resultado espera observar y qué condiciones justificarían limitar o detener el uso. Es mucho más fácil discutir eso hoy que dentro de un año, cuando ya exista presión institucional por demostrar que la compra fue acertada.
Nadie puede prometer que una evaluación elimine la incertidumbre. Tampoco tiene sentido exigirle un ensayo clínico a una herramienta que ordena documentos. El criterio que defiendo es proporcional: mientras más capacidad tenga el sistema de influir en una decisión clínica, más exigente debe ser la evidencia y más clara la supervisión.
Hay una prueba final que casi nunca falla. Pídale al responsable de la compra que explique el cambio en lenguaje de trabajo: qué va a hacer distinto el equipo el lunes y qué resultado permitiría decir, en seis meses, que valió la pena. Si la respuesta vuelve a ser “revolucionario” o “inteligente”, todavía no hay una propuesta. Hay una demostración.
Un hospital no compra una respuesta. Compra la obligación de responder por ella.
Las opiniones expresadas en esta columna pertenecen exclusivamente a su autor y no comprometen la línea editorial de CONSULTORSALUD.
Fuentes:
[1] Vasey B, Nagendran M, Campbell B, et al. Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI. Nature Medicine. 2022;28(5):924-933. https://doi.org/10.1038/s41591-022-01772-9
[2] National Institute for Health and Care Excellence. Evidence standards framework for digital health technologies. How to meet the standards. Actualizado en 2022. https://www.nice.org.uk/corporate/ecd7/chapter/how-to-meet-the-standards
Declaración de conflictos de interés: el autor dicta conferencias y presta servicios de asesoría sobre inteligencia artificial en salud, y tiene solicitudes de patente en trámite en ese campo. No mantiene relación comercial con ningún proveedor mencionado en esta columna ni ha recibido pago por su contenido.
