Guía práctica de IA conversacional en sanidad para hospitales y redes asistenciales

En el ámbito sanitario, la IA conversacional designa los sistemas de inteligencia artificial que se comunican con pacientes, profesionales sanitarios y personal de los centros mediante lenguaje natural, por texto o por voz, y que se ocupan de tareas que van desde el triaje de pacientes hasta la programación de citas. Estas herramientas combinan el procesamiento del lenguaje natural (PLN) y el machine learning para entender qué se les pregunta, interpretar la intención de quien pregunta y responder de forma parecida a como lo haría una persona.

Esta tecnología ya no es solo teoría. Las organizaciones sanitarias están implantando sistemas de IA conversacional para gestionar los mensajes del portal del paciente, cuyo volumen ha crecido tanto que ya no puede absorberse con flujos de trabajo manuales. «Antes, la proporción era de un mensaje por cada visita del paciente; ahora, según algunos estudios, es de seis a uno», afirma Don Woodlock, presidente de InterSystems.

Tanto para las organizaciones que evalúan soluciones de IA conversacional como para quienes quieren saber en qué ámbitos ofrece esta tecnología resultados medibles, a continuación se analiza qué funciona hoy, a partir de implantaciones reales e investigación publicada.

En esencia, la inteligencia artificial conversacional consiste en utilizar el procesamiento del lenguaje natural para analizar el lenguaje humano, escrito o hablado, y el machine learning para mejorar las respuestas con el tiempo. A diferencia de los chatbots basados en reglas, que siguen guiones rígidos, los sistemas actuales de IA conversacional entienden el contexto, reconocen la intención y generan respuestas adaptadas a las particularidades de cada interacción.

En sanidad hay más en juego que en otros sectores. Las herramientas de IA conversacional deben manejar terminología clínica, detectar la urgencia en los mensajes de los pacientes, cumplir la normativa de privacidad e integrarse con la historia clínica electrónica. Los asistentes virtuales y los chatbots de IA de este ámbito no sustituyen a los profesionales sanitarios: se encargan de la comunicación rutinaria que consume el tiempo de los clínicos, como responder preguntas frecuentes, enrutar mensajes y redactar respuestas, para que el personal sanitario pueda centrarse en la atención directa al paciente.

La distinción es importante: la IA conversacional no es sinónimo de IA generativa. Algunos sistemas utilizan técnicas tradicionales de PLN y clasificación, mientras que otros más recientes pueden recurrir a la IA generativa para redactar, resumir o mantener un diálogo.

Los mensajes a través del portal del paciente se han disparado. Según una encuesta de 2025 de la MGMA (Medical Group Management Association) el 70 % de las agrupaciones médicas registró un aumento del volumen de mensajes en 2024. Numerosos estudios confirman que el repunte de la interacción digital de los pacientes tras la pandemia de COVID-19 se ha vuelto permanente y que estos esperan ahora comunicarse con sus profesionales sanitarios a través del portal con la misma facilidad con la que envían un mensaje de texto.

El problema no es solo el volumen, sino lo que queda oculto en él.

«Entre el 4 % y el 10 % de los mensajes son urgentes… Seguramente, el paciente no debería haberlo escrito en el portal, pero lo hizo, y el mensaje se queda ahí, sin atender», explica Woodlock.La mayoría de las organizaciones sanitarias se comprometen a responder los mensajes del portal en un plazo de 24 a 48 horas. Eso significa que un mensaje urgente enviado un viernes a las 23:00 podría quedar sin leer hasta el lunes por la mañana.

A ello se suma que la autoclasificación de los mensajes, en la que el propio paciente elige el tema o el departamento, solo acierta aproximadamente la mitad de las veces. Esa fiabilidad es insuficiente para dirigir el flujo de trabajo clínico. Los mensajes llegan a la cola equivocada, esperan durante horas y después se reenvían al equipo correcto, lo que añade retrasos a un sistema que ya está bajo presión.

Esta es la brecha que la IA conversacional puede cerrar. En el caso de los sistemas sanitarios que gestionan mensajes de portal a través de múltiples historias clínicas electrónicas, plataformas como InterSystems HealthShare agrupan los datos de los pacientes y los mensajes procedentes de fuentes dispares en una vista unificada, lo que sienta las bases que necesita la IA conversacional para clasificar, redirigir y responder de forma eficaz.

Tres aplicaciones se han consolidado como los usos más contrastados de la IA conversacional en la mensajería del portal del paciente. Todas ofrecen una alta precisión y un riesgo menor que otras aplicaciones de la IA en sanidad.

Es la aplicación más sencilla: entrenar modelos de IA para que marquen automáticamente los mensajes urgentes. El sistema analiza los mensajes entrantes, detecta patrones lingüísticos asociados a situaciones de alta gravedad (dolor torácico, dificultad para respirar o reacciones a medicamentos) y etiqueta esas comunicaciones para su revisión inmediata.

En la práctica, un especialista del centro de atención al paciente que empieza su turno a las 7:00 puede ordenar su cola por urgencia, atender primero los casos críticos y mantener el ritmo el resto de la jornada. Como la mayoría de los mensajes urgentes llegan por la noche o durante el fin de semana, este flujo de trabajo detecta precisamente los casos que con más probabilidad pasarían inadvertidos en una revisión manual.

NYU Langone Health desarrolló e implantó un modelo de detección de urgencias entrenado con más de 40 000 mensajes de pacientes y basado en BERT (Bidirectional Encoder Representations from Transformers), una arquitectura de procesamiento del lenguaje natural. El sistema identifica expresiones que requieren una actuación inmediata, como llamar al paciente, y lleva varios años en producción. En la fase de validación, el modelo alcanzó un estadístico C del 97 % y una precisión media del 72 %; en su uso operativo como clasificador binario, la precisión fue del 67 % y la sensibilidad, del 63 %.

Es la segunda aplicación: la IA redacta un borrador de respuesta a un mensaje del paciente y un profesional sanitario revisa el borrador, lo edita y lo envía.

El hallazgo sorprendente en este caso tiene que ver con la empatía. Un estudio de 2023 publicado en la revista JAMA Internal Medicine comparó las respuestas de los médicos a las preguntas de los pacientes con las respuestas generadas por un chatbot. Los evaluadores calificaron las respuestas del chatbot como de mayor calidad y significativamente más empáticas; tenían 9,8 veces más probabilidades de ser calificadas como «empáticas» o «muy empáticas» que las respuestas de los médicos por sí solas.

«No es porque los ordenadores sean más empáticos que los humanos, sino porque la empatía lleva tiempo», afirma Don. Redactar un mensaje en el que se reconozca la preocupación del paciente, transmita un interés sincero y, al mismo tiempo, aporte información clínica, lleva unos minutos de los que un médico no dispone cuando tiene que gestionar decenas de mensajes. La IA sí dispone de ellos.

Woodlock describe el formato más eficaz como un «sándwich de empatía»:

• Apertura: la IA saluda al paciente y muestra interés por su situación («Estimada Sra. Jones: Gracias por ponerse en contacto con nosotros; su atención es importante para nosotros…»).
• Parte central: el profesional redacta o revisa a fondo el contenido clínico.
• Cierre: la IA tranquiliza al paciente y le indica los siguientes pasos («Esperamos haber resuelto su consulta. Puede volver a contactar con nosotros cuando lo necesite en el siguiente número de teléfono…»).

La IA redacta las dos partes empáticas que abren y cierran el mensaje, y el profesional clínico se centra en lo que mejor sabe hacer, que es la orientación clínica de la parte central. Mejora la satisfacción del paciente y aumenta la productividad del personal. Además, ambos resultados son medibles.

La tercera aplicación elimina el reenvío manual de mensajes, que es uno de los cuellos de botella que más recursos desperdician en los flujos de trabajo de los portales.

En la mayoría de los sistemas sanitarios, los mensajes entrantes llegan a una cola de primer nivel. Alguien del personal abre cada mensaje, lo lee y lo reenvía a la bandeja correspondiente: citas, renovación de recetas, enfermería u otra. Puede pasar un día entero en esa primera cola antes de que alguien lo derive. Mientras tanto, el paciente espera y el personal dedica su tiempo a clasificar en lugar de resolver.

Los modelos de IA conversacional pueden clasificar los mensajes y derivarlos al grupo adecuado, sin pasar en absoluto por la cola de primera línea. Los descritos en la literatura científica han mostrado una precisión considerable y mejoras en el flujo de trabajo, aunque el rendimiento varía en función de la organización sanitaria, el diseño de las categorías, los datos de entrenamiento y la implantación.

La clave práctica está en la implantación: «Ni siquiera hace falta etiquetar los datos», explica Woodlock. «Se etiquetan automáticamente a partir del historial de reenvíos y de asignación a bandejas». Las organizaciones sanitarias pueden entrenar modelos de enrutamiento con los reenvíos que han realizado durante los últimos meses. El modelo aprende adónde acaban llegando los mensajes y reproduce ese enrutamiento de forma automática, sin necesidad de anotación manual. El historial de enrutamiento puede reducir el trabajo de etiquetado, pero la implantación sigue requiriendo validación, gobernanza y supervisión.

La mensajería del portal del paciente es el ámbito con más evidencia, pero la IA conversacional en sanidad abarca todo el recorrido asistencial:

• Citas y recordatorios: los asistentes virtuales gestionan reservas, cambios y confirmaciones a cualquier hora, lo que reduce el volumen de llamadas al centro de atención telefónica y las citas perdidas.
• Evaluación de síntomas y apoyo a la decisión clínica: los flujos estructurados de triaje orientan a los pacientes en la valoración de sus síntomas y en la búsqueda del nivel asistencial adecuado, desde el autocuidado hasta la atención urgente o la consulta presencial.
• Gestión de la medicación y seguimiento de enfermedades crónicas: los recordatorios basados en IA mejoran la adherencia terapéutica de los pacientes con patologías como la hipertensión o la diabetes.
• Apoyo en salud mental: las herramientas de IA conversacional ofrecen seguimientos periódicos del estado emocional, estrategias de afrontamiento y autocuidado guiado entre sesiones de terapia. Son accesibles y, a menudo, anónimas, y amplían el apoyo psicológico más allá del horario de consulta. No sustituyen a la atención clínica: las implantaciones eficaces incluyen mecanismos de detección de crisis, protocolos de escalado, supervisión clínica y límites de uso comunicados con claridad.
• Tareas administrativas y consultas sobre facturación: la IA responde a preguntas frecuentes sobre seguros, pagos e historia clínica, y reduce así la carga administrativa que consume el tiempo del personal.

El denominador común es que la IA conversacional se ocupa de las interacciones rutinarias y de gran volumen con los pacientes para que los profesionales sanitarios puedan centrarse en el trabajo clínico complejo.

El aumento de productividad es directo. El etiquetado automático de urgencias y el enrutamiento inteligente reducen el tiempo que las organizaciones sanitarias dedican a clasificar mensajes. Las respuestas redactadas por IA acortan el tiempo que los especialistas del centro de atención al paciente dedican a escribir. La investigación publicada sobre modelos de enrutamiento implantados muestra que, en comparación con los mensajes enrutados manualmente, los mensajes enrutados automáticamente redujeron en una hora la media del tiempo de primera respuesta y en más de 22 horas la duración total de la conversación. El personal puede atender a más pacientes sin aumentar la plantilla.

La rapidez tiene relevancia clínica. Cuando los mensajes urgentes se detectan y se atienden en minutos en lugar de horas, mejora la seguridad del paciente y, con ella, los resultados. Cuando las respuestas empáticas y completas llegan antes, aumentan la implicación y la satisfacción de los pacientes. Cuando los recordatorios de medicación se envían a tiempo, mejora la adherencia, especialmente en pacientes con enfermedades crónicas. La mejora de la atención empieza por una comunicación más rápida y precisa. Woodlock resume así su experiencia con los clientes de InterSystems: «Los comentarios de los clientes que lo han implantado son muy positivos. Ha mejorado el tiempo de respuesta y los especialistas del centro de atención al paciente están muy satisfechos».

Woodlock hace una observación práctica sobre el riesgo: estas aplicaciones de IA en sanidad se sitúan en una categoría inferior a la de la IA diagnóstica o clínica. «Al fin y al cabo, alguien lee todos los mensajes igualmente», señala. En el etiquetado de urgencias y el enrutamiento, la IA ordena y filtra, pero una persona sigue revisando cada mensaje. En las respuestas propuestas, el profesional edita el texto y lo envía. La IA acelera el flujo de trabajo sin eliminar la supervisión clínica.

Además, se trata de modelos compactos. «Son modelos de lenguaje más pequeños: versiones de BERT, de 2018, con ajuste fino. Pueden ejecutarse en un portátil o en un servidor modesto, sin riesgo de enviar datos a servicios cloud», explica Woodlock. El despliegue en las propias instalaciones elimina las dudas sobre privacidad que frenan la adopción de la IA en muchas organizaciones sanitarias. Los datos de los pacientes nunca salen de la infraestructura propia.

Todo sistema de IA conversacional que trate datos de pacientes debe cumplir la ley estadounidense HIPAA (Health Insurance Portability and Accountability Act). Esto implica cifrado, controles de acceso, registros de auditoría y un BAA (Business Associate Agreement, acuerdo de asociado comercial) con cada proveedor tecnológico que intervenga.

Aquí cobra importancia lo que señala Woodlock sobre los modelos locales. Los de etiquetado de urgencias y de enrutamiento son lo bastante compactos para ejecutarse en infraestructura propia, sin llamadas a API (interfaces de programación de aplicaciones) en entornos cloud ni transferencias externas de datos. El despliegue local puede reducir la dependencia de API externas de IA y limitar la circulación de datos, pero la privacidad depende del conjunto de la arquitectura, de los registros, del acceso de los proveedores y de los controles de gobernanza.

En las plataformas de IA conversacional que requieren conexión cloud, sobre todo las que utilizan modelos de lenguaje de mayor tamaño para generar respuestas, las organizaciones sanitarias deben verificar el cumplimiento de HIPAA, las políticas de residencia de datos y si la información de los pacientes se utiliza para entrenar los modelos. La integración con la historia clínica electrónica añade otra capa: las herramientas de IA conversacional necesitan acceso de lectura a esa información, lo que obliga a establecer una gobernanza sobre qué datos circulan y hacia dónde.

La gobernanza de los datos de entrenamiento también es importante. El historial de reenvíos puede aportar las etiquetas necesarias, pero el contenido de los mensajes sigue requiriendo un tratamiento seguro, anonimización cuando proceda y acceso controlado.

Para las organizaciones sanitarias que se plantean adoptar la IA conversacional, el camino práctico empieza por aplicaciones de menor riesgo que aportan valor inmediato.

Empezar donde la precisión es mayor y el riesgo, menor. Tanto el etiquetado de urgencias como el enrutamiento de mensajes superan el 90 % de precisión, funcionan con supervisión humana y utilizan modelos compactos que pueden ejecutarse en las propias instalaciones. No son proyectos ambiciosos de resultado incierto, sino mejoras del flujo de trabajo respaldadas por evidencia publicada.

Aprovechar los datos propios. La observación de Woodlock sobre el etiquetado automático de los datos de entrenamiento elimina un obstáculo importante para la adopción. Si el equipo del centro de atención al paciente lleva seis meses reenviando mensajes, la organización ya dispone del material necesario para entrenar un modelo de enrutamiento. No hace falta ningún proyecto de anotación.

Mantener la supervisión clínica. En las respuestas propuestas por la IA, el modelo redacta y el profesional revisa el texto y lo envía. Este es el flujo de trabajo que produjo las mejoras de empatía y calidad descritas en los estudios publicados.

Comprobar que la base unificada de datos está preparada. La eficacia de la IA conversacional depende de los datos a los que puede acceder. InterSystems IRIS for Health y Health Connect proporcionan la capa de datos interoperable y el motor de integración que necesitan las plataformas de IA conversacional para acceder a la información clínica de los pacientes, enrutar mensajes entre sistemas y conectarse con los flujos de trabajo clínicos existentes, especialmente en entornos con varias historias clínicas electrónicas.

La generación actual de IA conversacional en sanidad es, en gran medida, reactiva: responde a los mensajes, los enruta y redacta borradores. La próxima generación será proactiva.

Modelos de PLN más avanzados detectarán no solo la urgencia, sino también la evolución del tono emocional: un paciente cuyos mensajes son cada vez más breves y reflejan más frustración, o un plan de cuidados que genera más preguntas de lo habitual. Los sistemas de IA conversacional se integrarán con dispositivos wearables y datos de monitorización remota para identificar a los pacientes en riesgo antes incluso de que envíen un mensaje.

Las capacidades multilingües amplían el acceso de los pacientes a la atención: los asistentes de IA que se comunican con fluidez en el idioma que prefiere cada paciente eliminan una de las barreras más persistentes en la prestación asistencial. Además, a medida que maduren estándares de interoperabilidad como FHIR (Fast Healthcare Interoperability Resources), las herramientas de IA conversacional se trasladarán con más facilidad de un sistema sanitario a otro, lo que agilizará su implantación y reducirá la dependencia de integraciones a medida.

Las organizaciones sanitarias que invierten hoy en IA conversacional están construyendo la infraestructura de comunicación en la que se apoyarán durante la próxima década.