En la primera guía sobre inteligencia artificial aplicada a la gestión administrativa de sociedades médicas hablé de diferentes tareas en las que puede resultar útil: clasificar información, leer documentos, comparar datos, consultar documentación, gestionar incidencias o preparar informes.
Pero identificar un posible caso de uso es la parte sencilla.
La siguiente pregunta es bastante más importante:
¿Cómo probamos una aplicación de IA sin convertir el proceso administrativo en un experimento permanente?
Mi criterio es empezar bastante antes de elegir la herramienta.
Un buen piloto debería poder describirse con claridad aunque todavía no sepamos qué tecnología utilizaremos.
1. Elegir una tarea, no “implantar IA”
“Queremos utilizar inteligencia artificial” no define un proyecto.
“Queremos clasificar los correos relacionados con facturación y preparar un borrador de respuesta para que una persona lo revise” sí empieza a hacerlo.
Cuanto más concreta sea la tarea, más sencillo será comprobar posteriormente si la tecnología realmente aporta algo.
La primera pregunta, por tanto, no debería ser qué modelo utilizar.
Debería ser:
¿Qué tarea concreta queremos mejorar?
Conviene elegir una actividad frecuente, suficientemente repetitiva y cuyo resultado pueda ser revisado con facilidad.
No empezaría por una decisión económica crítica ni por una acción que afecte directamente a médicos o pacientes.
Empezaría por algo que permita aprender con un riesgo controlado.
2. Definir exactamente qué información puede entrar
Una herramienta de IA solo puede trabajar correctamente con la información que le proporcionamos.
Eso obliga a decidir antes:
Qué documentos puede consultar, qué campos necesita, qué versiones son válidas y qué información no debería utilizar.
También obliga a diferenciar una prueba con información ficticia o anonimizada de un proceso real.
No introduciría datos reales de pacientes, médicos o transacciones en herramientas que no hayan sido previamente aprobadas por la organización.
La pregunta práctica es sencilla:
¿Con qué información puede trabajar este proceso y de dónde procede?
Sin una respuesta clara, todavía no hay un piloto preparado.
3. Definir la salida esperada
Otra fuente habitual de confusión consiste en pedir a la IA algo demasiado abierto.
“Analiza este correo” admite demasiadas interpretaciones.
En cambio:
- Clasifica el tipo de incidencia;
- Identifica la aseguradora;
- Extrae la referencia;
- Señala la documentación mencionada;
- Propone una prioridad;
- Y prepara un borrador de respuesta;
Define un resultado que podemos comprobar.
La IA funciona mejor dentro de un proceso cuando sabemos qué esperamos recibir.
Y nosotros también podemos evaluar mejor su trabajo.
4. Decidir dónde termina la IA y empieza la responsabilidad humana
Este punto debería quedar definido antes de ejecutar la primera prueba.
Imaginemos que el sistema prepara una respuesta a una incidencia.
¿Puede enviarla?
En un primer piloto, mi respuesta sería no.
Puede clasificar, extraer información, comparar, resumir o preparar una propuesta.
Una persona revisa posteriormente los datos y decide qué acción ejecutar.
No porque la revisión humana deba permanecer para siempre exactamente igual, sino porque primero necesitamos entender los errores del sistema.
Automatizar completamente una tarea antes de conocer cómo falla es una mala forma de descubrir sus límites.
5. Diseñar también qué ocurre cuando la IA no sabe
Un sistema útil no es únicamente aquel que responde correctamente.
También debe saber detenerse.
Por ejemplo:
Si no encuentra una referencia, si dos documentos contienen información contradictoria, si la confianza de una clasificación es insuficiente o si aparece una situación no contemplada.
En esos casos, una buena respuesta puede ser:
“Necesito revisión humana.”
No debemos obligar a la IA a producir siempre una conclusión.
En muchos procesos administrativos, identificar correctamente una excepción es más valioso que inventar una respuesta plausible.
6. Conservar fuentes y correcciones
Supongamos que la IA encuentra una condición en un documento interno.
La siguiente pregunta debería ser:
¿Dónde lo has encontrado?
Siempre que el proceso dependa de contratos, procedimientos, tarifas o documentación económica, conviene conservar la referencia utilizada.
Lo mismo ocurre con las correcciones.
Si una persona cambia una clasificación, modifica un dato extraído o rechaza una respuesta propuesta, esa corrección nos ayuda a entender dónde está fallando el proceso.
La trazabilidad no es burocracia añadida.
Es lo que permite saber posteriormente si podemos confiar más —o menos— en la automatización.
7. Medir el proceso, no la espectacularidad de la demostración
Una demo puede resultar impresionante y seguir sin resolver ningún problema importante.
Por eso establecería las métricas antes de empezar.
No mediría únicamente cuántas respuestas produce la IA.
Compararía el proceso anterior con el nuevo:
- ¿Cuánto tiempo exige?
- ¿Cuántos errores aparecen?
- ¿Cuánto trabajo de revisión genera?
- ¿Cuántos casos necesitan intervención manual?
- ¿El equipo considera que realmente facilita la tarea?
Hay una métrica especialmente interesante que a veces olvidamos:
El tiempo necesario para revisar el trabajo de la IA.
Ahorrar cinco minutos de preparación y añadir siete minutos de comprobaciones no es una mejora.
Un ejemplo sencillo
Pensemos en un ejemplo ficticio: clasificar el correo administrativo relacionado con facturación.
La ficha del piloto podría quedar así:
Tarea Clasificar mensajes recibidos y preparar información para su revisión.
Entrada Correo, remitente, asunto y documentos adjuntos autorizados.
Salida Categoría, referencias detectadas, documentación pendiente, prioridad y borrador de respuesta.
Acción automática Ninguna.
Validación humana El equipo administrativo confirma los datos y decide la respuesta.
Excepción Si faltan datos, existen contradicciones o el caso no encaja en las categorías definidas, se deriva directamente a revisión.
Medición Tiempo de clasificación, correcciones realizadas, mensajes pendientes y tiempo total hasta su asignación.
Fijaos en algo importante.
Todavía no hemos hablado de proveedor, modelo de lenguaje, prompt ni arquitectura técnica.
Y ya sabemos bastante sobre el sistema que necesitamos.
Esa es precisamente la idea.
La tecnología viene después del proceso
Existe una tendencia comprensible a empezar una iniciativa de IA abriendo una herramienta y viendo qué puede hacer.
Yo invertiría el orden.
Primero entendería la tarea.
Después definiría las fuentes, el resultado esperado, los límites, la revisión y la medición.
Y solo entonces elegiría la tecnología.
Porque la pregunta importante no es:
¿Podemos hacer esto con IA?
En 2026, para muchas tareas, probablemente la respuesta sea sí.
La pregunta que realmente merece nuestro tiempo es otra:
¿Podemos construir un proceso mejor, controlable y medible utilizando IA?
Cuando podemos responder con claridad a esa pregunta, dejamos de hacer demostraciones de inteligencia artificial.
Y empezamos a construir herramientas que el equipo puede utilizar de verdad.
En thedoc.care solemos ayudar a nuestros clientes a revisar este tipo de procesos: identificar dónde aparecen las incidencias, ordenar la información disponible y valorar qué partes pueden mejorarse con tecnología, automatización o IA sin perder el control humano.
Si en vuestra sociedad médica os estáis planteando cómo aplicar IA a un proceso administrativo concreto —o simplemente queréis revisar si tiene sentido hacerlo—, podéis contactar con nosotros y lo vemos juntos.