El reciente encuentro "IA y Salud en Chile 2026" reunió a autoridades, expertos y empresas en torno a los desafíos de la inteligencia artificial en el sector sanitario. Más allá del consenso sobre su potencial transformador, este tipo de eventos revela una tensión que pocas organizaciones reconocen abiertamente: existe una brecha considerable entre la urgencia declarada por adoptar IA y la madurez operativa real para implementarla.
El riesgo de la adopción simbólica
Cuando un sector completo —autoridades sanitarias, hospitales, aseguradoras, proveedores tecnológicos— converge en la narrativa de "necesitamos IA", se genera un fenómeno particular: la presión por mostrar avances puede llevar a implementaciones apresuradas que no resuelven problemas reales, sino que cumplen una función de señalización.
En salud, esto tiene consecuencias sistémicas. Un modelo de diagnóstico por imagen mal validado no solo falla: erosiona la confianza clínica en la tecnología. Un chatbot de triaje que deriva incorrectamente puede saturar servicios de urgencia o, peor aún, retrasar atenciones críticas. La diferencia con otros sectores es que aquí el margen de error tiene implicancias directas sobre vidas humanas y sobre la sostenibilidad de sistemas de salud ya tensionados.
La oportunidad que se pierde en el ruido
Mientras los reflectores apuntan a casos de uso visibles —diagnóstico automatizado, medicina personalizada, cirugía asistida—, existe un territorio de eficiencia operativa menos glamoroso pero de impacto inmediato: optimización de agendamiento, predicción de demanda de camas, gestión inteligente de inventario farmacéutico, automatización de procesos administrativos que consumen hasta 30% del tiempo clínico.
Estas aplicaciones no requieren infraestructura de vanguardia ni datasets masivos. Requieren claridad en los procesos actuales, datos limpios y gobernanza básica. Sin embargo, muchas organizaciones de salud saltan directamente a proyectos complejos sin haber resuelto primero sus fundamentos operativos.
El punto ciego: la brecha de capacidades internas
Lo que raramente se discute en estos encuentros es la capacidad instalada real para sostener iniciativas de IA. No hablamos solo de científicos de datos o ingenieros de ML, sino de:
- Equipos clínicos con alfabetización suficiente para co-diseñar soluciones útiles
- Estructuras de gobernanza que puedan evaluar riesgos y aprobar despliegues
- Procesos de validación clínica adaptados a sistemas de aprendizaje continuo
- Marcos éticos operativos, no solo declarativos
Sin estas capacidades, la IA en salud se convierte en un ejercicio de dependencia tecnológica: la organización queda rehén de proveedores externos sin capacidad de auditar, adaptar o escalar soluciones.
La ruta pragmática
La buena noticia es que la ventana de oportunidad sigue abierta. Las organizaciones que inviertan hoy en construir capacidades internas —antes que en multiplicar pilotos— estarán en posición de capturar valor sostenible cuando la tecnología madure y los marcos regulatorios se estabilicen.
La pregunta no es si la IA transformará la salud. La pregunta es: ¿tu organización estará lista para implementarla de forma responsable y efectiva cuando llegue el momento, o solo estará presente en las fotos de los eventos?
La diferencia entre ambos escenarios se construye hoy, en las decisiones operativas que nadie aplaude pero que determinan quién lidera y quién solo observa.