La IA ya es más inteligente que tu médico. Esa no es la parte aterradora.

Quería que la IA resolviera este problema.

Durante años, había estado recopilando historiales de pacientes complicados, resultados de laboratorio, síntomas, medicamentos, suplementos y años de tratamientos previos, intentando convertir todo eso en un plan clínico coherente. Un caso complejo podía consumir tres horas de investigación antes de sentirme cómodo decidiendo qué era importante y qué debía suceder a continuación.

Entonces llegó la IA generativa.

Mi primer pensamiento fue el obvio: por fin.

Era una tecnología que podía consumir enormes cantidades de información, recordar conocimientos médicos más rápido de lo que yo jamás podría y encontrar relaciones en un caso en segundos. Supuse que podría colocar una interfaz alrededor de un modelo de lenguaje grande, construir algunas salvaguardas y terminar.

Eso habría sido fabuloso.

En cambio, aproximadamente un año y 1 millón de dólares después, con ingenieros de software trabajando junto a un equipo clínico de 10 personas, todavía estábamos construyendo.

La razón no era que la IA no fuera lo suficientemente inteligente.

Era que la inteligencia era la parte fácil.

Yo estaba obteniendo una IA distinta a la de los demás

Mi primera pista llegó antes de que intentáramos crear software clínico. Seguía notando que podía usar la misma herramienta de IA que alguien sentado a mi lado y obtener resultados dramáticamente mejores.

¿Por qué? Porque no me limitaba a hacer una pregunta y aceptar la respuesta. Estaba discutiendo con ella. Cuestionando supuestos. Proporcionando contexto que había omitido. Corrigiendo errores. Cambiando el enfoque. Insistiendo de nuevo.

Técnicamente, estábamos usando la misma herramienta. Funcionalmente, no lo estábamos.

Ese es un problema interesante de productividad cuando estás redactando un anuncio. Se convierte en un problema muy distinto cuando el sujeto es un paciente.

He trabajado con más de 70 000 profesionales. Alguien puede ser clínicamente brillante y, sin embargo, ser terrible para obtener información útil de un sistema de IA.

Esas son habilidades diferentes.

Sin embargo, gran parte de la respuesta del sector sanitario parece ser que los clínicos solo necesitan aprender “ingeniería de prompts”.

No creo que eso sea una solución seria.

Si un sistema de IA clínica requiere que un médico se convierta en un ingeniero de prompts sofisticado antes de que el sistema sea fiable, no hemos terminado de construir la IA clínica.

La investigación ya nos está diciendo algo incómodo

Un ensayo clínico aleatorio de 2024 dio a 50 médicos casos diagnósticos difíciles. Los médicos que usaron GPT-4 obtuvieron un 76 por ciento; los que usaron recursos convencionales obtuvieron un 74 por ciento, una diferencia que no fue estadísticamente significativa.

Luego los investigadores probaron GPT-4 por sí solo. Superó a los médicos que usaban recursos convencionales en 16 puntos porcentuales.

Un ensayo de 2026 en Pakistán encontró que, después de una capacitación en alfabetización de IA, los médicos con acceso a GPT-4o obtuvieron un 71,4 por ciento en razonamiento diagnóstico frente a un 42,6 por ciento para quienes usaban recursos convencionales. Pero GPT-4o por sí solo obtuvo un 82,9 por ciento.

Una replicación del Reino Unido de 2026 encontró una brecha similar: los médicos mejoraron con la asistencia de IA pero aún obtuvieron más de 21 puntos porcentuales menos que el LLM funcionando por sí solo.

Necesitamos decir en voz alta la parte incómoda: en ciertas tareas cognitivas, la IA ya es mejor que un médico individual.

Ningún médico ha leído todos los artículos médicos ni puede recordar cada trastorno, interacción o contraindicación obscura en el instante en que se vuelve relevante. La IA puede procesar enormes cantidades de información sin cansarse ni quedarse sin tiempo.

El error es suponer que podemos colocar un chatbot frente a un clínico y dar por resuelto el problema.

La caja de prompt vacía es el problema

Imagina que un médico carga un informe de laboratorio que contiene 150 marcadores y le pide a un LLM que lo analice.

La respuesta vuelve bellamente organizada. Sólo hay un problema: el sistema no extrajo de manera fiable los 150 marcadores.

Los LLM de propósito general no son analizadores de documentos clínicos determinísticos. Las tablas y los informes médicos densos siguen siendo particularmente difíciles. La parte aterradora es que la respuesta final puede no anunciar: “Me faltaron 50 valores.”

Puede simplemente responder.

Ahora imagina que uno de esos valores faltantes requiere una evaluación médica urgente.

Esa no era una limitación con la que estaba dispuesto a trabajar. Tuvimos que crear una tecnología de extracción diferente para manejar los informes de laboratorio con precisión y reproducibilidad antes de que pudiera comenzar la parte de razonamiento clínico de nuestro sistema.

Esa experiencia cambió la forma en que pienso sobre la seguridad de la IA.

Un sistema de IA que te dice que no sabe algo es inconveniente.

Un sistema de IA que no sabe lo que se le escapó es peligroso.

Por qué tuvimos que ir más allá de la IA

El trabajo clínico requiere algo que la IA generativa de propósito general no proporciona de forma natural: reproducibilidad.

Necesitábamos control sobre lo que ingresaba y lo que salía: extracción de datos fiable, conocimiento estructurado, lógica determinista, salvaguardas y sistemas capaces de evaluar relaciones a lo largo de la historia de un paciente.

El razonamiento clínico no es simplemente una colección de declaraciones si‑entonces. A veces la señal es la relación entre varios marcadores. A veces cinco hallazgos individualmente poco notables se vuelven importantes cuando se observan en conjunto.

Los ingenieros necesitan reglas lo suficientemente explícitas para que el software las ejecute. Los clínicos pasan su vida diciendo: “Sí, excepto…”.

La biología humana está llena de excepciones, modificadores, contexto y explicaciones competidoras. A veces, construir el sistema se sentía como si un grupo se comunicara en lengua de señas mientras el otro hablaba Klingon.

La respuesta nunca fue “IA” o “no IA”. Fue averiguar exactamente dónde corresponde cada una.

La IA puede leer el historial. Los humanos pueden leer la sala.

Usada correctamente, la IA puede ampliar la memoria de un clínico, acelerar la investigación, descubrir posibilidades poco comunes y reconocer patrones en enormes cantidades de información.

Eso comienza a parecer menos como reemplazar al profesional y más como construir uno biónico.

Pero el paciente no es una viñeta clínica.

Un profesional escucha la vacilación antes de la respuesta. Observa cuándo la historia cambia. Aprende que un paciente habitualmente minimiza los síntomas mientras otro informa cada sensación con la máxima intensidad. Sabe cuándo “Estoy bien” claramente no significa estar bien.

Esa información puede nunca existir en el historial.

La interacción humana en la medicina no es simplemente una capa agradable que añadimos después de que la máquina haya realizado el trabajo intelectual. Es otra fuente de datos clínicos.

La IA puede leer el historial. Los humanos pueden leer la sala.

Los mejores sistemas clínicos necesitarán ambos.

Deja de preguntar si la IA reemplazará al médico

Estamos haciendo la pregunta equivocada.

El futuro no pertenecerá necesariamente a la empresa con el chatbot más ingenioso o el modelo de base más inteligente. La innovación importante está ocurriendo cada vez más alrededor del modelo: cómo se captura y verifica la información, qué conocimiento se suministra, qué se permite inferir al sistema, dónde los controles deterministas toman el control y dónde un humano debe permanecer en el circuito.

La inteligencia bruta está volviéndose abundante.

Los sistemas fiables para aplicar esa inteligencia son mucho más difíciles de construir.

Y no deberíamos resolver ese problema exigiendo que cada clínico se convierta en un desarrollador amateur de IA. La complejidad debe residir dentro de la tecnología, no dentro del prompt del médico.

El médico del futuro no superará a la IA en memoria. Ese concurso ya está volviéndose inútil.

En su lugar, deberíamos crear sistemas que proporcionen a los clínicos la memoria, la potencia de procesamiento y el reconocimiento de patrones de la máquina, al tiempo que preservan el contexto, el juicio, el escepticismo y la conexión humana del profesional.

Llamamos a eso el profesional biónico.

Sospecho que los pacientes eventualmente lo llamarán de una forma mucho más simple.

Su médico.