La IA conversacional en el sector sanitario: una guía práctica para los sistemas sanitarios

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... Quizás el paciente no debería haberlo publicado en el portal, pero lo hizo de todos modos, y ahí sigue sin respuesta», explica Don. 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 HealthShareagrupan 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.

Hay tres aplicaciones que se han destacado como los usos más contrastados de la IA conversacional en la mensajería de los portales para pacientes. Todas ofrecen una alta precisión y un riesgo menor que otras aplicaciones de la IA en sanidad.

Esta es 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 contacto que empieza su turno a las 7:00 de la mañana 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 Healthha desarrollado e implementado un modelo de detección de urgencia utilizando BERT (una arquitectura de procesamiento del lenguaje natural) entrenado con más de 40 000 mensajes de pacientes. El sistema identifica expresiones que requieren una actuación inmediata, como llamar al paciente, y lleva varios años en uso en el entorno de producción. En la validación, el modelo alcanzó un valor C del 97 % y una precisión media del 72 %; en su aplicación operativa binaria, la precisión fue del 67 % y la sensibilidad del 63 %.

La segunda aplicación: la IA propone un borrador de respuesta al mensaje de un paciente y un profesional sanitario lo revisa, 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 Medicinecomparó 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 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: la orientación clínica de la parte central. Mejora la satisfacción del paciente y aumenta la productividad del personal. Ambos resultados son medibles. La productividad del personal mejora.

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

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 comunicación a través del portal del paciente es el ámbito en el que la evidencia es más sólida, pero la IA conversacional en el ámbito sanitario abarca todo el recorrido del paciente:

• Programación de citas y recordatorios: los asistentes virtuales se encargan de la reserva, la reprogramación y las confirmaciones las 24 horas del día, lo que reduce el volumen de llamadas al centro de atención al cliente y el número de citas perdidas.
• Evaluación de síntomas y apoyo a la toma de decisiones clínicas: los flujos de triaje estructurados ayudan a los pacientes a evaluar sus síntomas y a encontrar el nivel de atención adecuado, desde el autocuidado hasta la atención de urgencia o una visita presencial.
• Gestión de la medicación y seguimiento de enfermedades crónicas: los recordatorios basados en inteligencia artificial mejoran el cumplimiento terapéutico de los pacientes que padecen afecciones como la hipertensión o la diabetes
• Apoyo a la salud mental: las herramientas de IA conversacional ofrecen evaluaciones de salud mental, estrategias de afrontamiento y consejos guiados para el autocuidado entre sesiones de terapia; son accesibles y, a menudo, anónimas, lo que ayuda a ampliar el apoyo a la salud mental más allá del horario clínico. Estas herramientas no sustituyen a la atención clínica, ya que su implementación eficaz incluye medidas de seguridad para la detección de crisis, protocolos de escalado, supervisión por parte de profesionales sanitarios y límites de uso claramente comunicados.
• Tareas administrativas y consultas sobre facturación: responder a las preguntas más frecuentes sobre seguros, facturación y historiales de pacientes, reduciendo así las tareas administrativas que consumen tiempo al personal

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

Las mejoras en la productividad son directas. El etiquetado automático de urgencia y el enrutamiento inteligente reducen el tiempo que dedican las organizaciones sanitarias a clasificar los mensajes. Las respuestas redactadas por IA reducen el tiempo de redacción de los especialistas de los centros de atención al cliente. Los estudios publicados sobre los modelos de enrutamiento implantados muestran que los grupos de mensajes enrutados redujeron el tiempo de respuesta inicial en una mediana de una horay el tiempo total de conversación en más de 22 horas, en comparación con los mensajes enrutados manualmente. El personal puede atender a más pacientes sin aumentar la plantilla.

La rapidez es importante desde el punto de vista clínico. Cuando los mensajes urgentes se señalan y se atienden en cuestión de minutos, en lugar de horas, mejora la seguridad de los pacientes y, con ello, los resultados clínicos. Cuando los pacientes reciben respuestas empáticas y exhaustivas con mayor rapidez, aumentan su implicación y su satisfacción. Cuando los recordatorios para tomar la medicación llegan a la hora prevista, mejora el cumplimiento terapéutico, sobre todo en el caso de los pacientes que padecen enfermedades crónicas. Una mejor atención al paciente empieza por una comunicación más rápida y precisa. La valoración de Don tras haber trabajado con clientes de InterSystems: «Los comentarios de los clientes que lo han puesto en práctica son muy positivos... se han reducido los tiempos de respuesta y los especialistas del centro de atención al cliente se han mostrado muy satisfechos».

Don hace una observación práctica sobre el riesgo: estas aplicaciones de IA en el ámbito sanitario se enmarcan en una categoría de menor riesgo en comparación con la IA diagnóstica o clínica. «De todas formas, te estás leyendo todos los mensajes», dice él. Para la clasificación y el enrutamiento según la urgencia, la IA se encarga de ordenar y filtrar, mientras que el ser humano sigue revisando cada mensaje. En el caso de las respuestas propuestas, es una persona quien las revisa y las envía. La IA agiliza el flujo de trabajo sin prescindir de la supervisión clínica.

Los modelos en sí son pequeños. «Se trata de modelos de lenguaje más pequeños que son versiones optimizadas de BERT de 2018. «Se pueden ejecutar en un portátil o en un servidor pequeño, sin riesgo de enviar datos a servicios en la nube», señala Don. La implementación local elimina las preocupaciones sobre la privacidad de los datos que impiden a muchas organizaciones sanitarias adoptar la inteligencia artificial. Los datos de los pacientes nunca salen de la infraestructura de la organización.

Cualquier sistema de IA conversacional que gestione datos de pacientes debe cumplir con la Ley de Portabilidad y Responsabilidad del Seguro Médico (HIPAA). Esto implica cifrado, controles de acceso, registros de auditoría y un acuerdo de socio comercial con cualquier proveedor implicado.

La observación de Don sobre los modelos locales es relevante en este contexto. Los modelos de etiquetado y enrutamiento de urgencias son lo suficientemente compactos como para ejecutarse en una infraestructura local sin necesidad de realizar llamadas a la API en la nube ni transferir datos externos. La implementación local puede reducir la dependencia de las API de IA externas y limitar el movimiento de datos, pero la privacidad depende de la arquitectura en su conjunto, el registro de datos, el acceso de los proveedores y los controles de gobernanza.

En el caso de las plataformas de IA conversacional que requieren conectividad a la nube, especialmente aquellas que utilizan modelos de lenguaje de mayor tamaño para generar respuestas, los proveedores de asistencia sanitaria deben verificar el cumplimiento de la HIPAA, las políticas de residencia de datos y si se utilizan datos de pacientes en el entrenamiento de los modelos. La integración de los historiales clínicos electrónicos añade otra dimensión: las herramientas de IA conversacional necesitan acceso de lectura a los historiales de los pacientes, lo que implica establecer normas sobre qué datos fluyen y hacia dónde.

La gestión de los datos de entrenamiento también es importante. El comportamiento de reenvío en el pasado puede proporcionar etiquetas de entrenamiento; no obstante, el contenido de los mensajes sigue requiriendo un tratamiento seguro, la anonimización cuando sea necesario y un acceso regulado.

Para las organizaciones sanitarias que estén considerando la IA conversacional, el camino más práctico comienza con aplicaciones de menor riesgo que aporten un valor inmediato.

Empieza por donde la precisión sea mayor y el riesgo menor. Tanto la clasificación por urgencia como el enrutamiento de mensajes alcanzan una precisión superior al 90 %, funcionan con intervención humana y utilizan modelos compactos que pueden ejecutarse en las propias instalaciones. No se trata de proyectos ambiciosos. Se trata de mejoras en los flujos de trabajo respaldadas por pruebas científicas publicadas.

Utiliza tus propios datos. La visión de Don sobre los datos de entrenamiento etiquetados automáticamente elimina un importante obstáculo para su adopción. Si el equipo de tu centro de atención al cliente lleva seis meses reenviando mensajes, ya dispones de los datos de entrenamiento necesarios para un modelo de enrutamiento. No se necesita ningún proyecto de anotación.

Mantén informados a los profesionales sanitarios. En el caso de las respuestas propuestas por la IA, el modelo elabora el borrador; la persona lo revisa y lo envía. Este es el proceso de trabajo que ha permitido mejorar la empatía y la calidad en los estudios publicados.

Asegúrate de que tu base de datos esté preparada. La eficacia de la IA conversacional depende de los datos a los que pueda acceder. InterSystems IRIS for Healthy Health Connectproporcionan la capa de datos interoperable y el motor de integración que necesitan las plataformas de IA conversacional para acceder a los historiales de los pacientes, enviar mensajes entre sistemas y conectarse con los flujos de trabajo clínicos existentes, especialmente en entornos con múltiples historias clínicas electrónicas.

La generación actual de IA conversacional en el ámbito sanitario es, en gran medida, reactiva: responde a los mensajes, los redirige y redacta respuestas. La próxima generación de IA en el ámbito sanitario será proactiva.

Los modelos de procesamiento del lenguaje natural (NLP) más sofisticados detectarán no solo la urgencia, sino también los matices emocionales: un paciente cuyos mensajes se van acortando y se vuelven cada vez más frustrados con el paso del tiempo, o un plan de cuidados que está generando más preguntas de lo habitual. Los sistemas de IA conversacional se integrarán con dispositivos wearables y datos de monitorización remota, lo que permitirá identificar a los pacientes en situación de riesgo antes incluso de que estos envíen ningún mensaje.

Las capacidades multilingües están ampliando el acceso de los pacientes; los asistentes de IA que se comunican con fluidez en el idioma preferido del paciente eliminan una de las barreras más persistentes en la prestación de la asistencia sanitaria. Y a medida que maduren los estándares de interoperabilidad como FHIR, las herramientas de IA conversacional se integrarán con mayor facilidad en los distintos sistemas sanitarios, lo que agilizará su implantación y reducirá la dependencia de integraciones a medida.

Los sistemas sanitarios que invierten hoy en día en IA conversacional en el ámbito sanitario están construyendo la infraestructura de comunicación en la que se basarán durante la próxima década.